Miksi AI:n onnistuminen riippuu paremmista työnkulkujen hallinnasta, ei enemmistä AI-työkaluista

Olen huomannut johdonmukaisen mallin rahoituslaitoksissa, jotka ovat testanneet yleispäteviä AI-työkaluja, mutta kamppailevat mittaamaan vaikutusta. Johtajuus tekee päätöksen investoida, sitten toteuttaa työkalun tiimien kanssa ja odottaa vaikutusta. Muutaman kuukauden jälkeen, sekaannus iskee. Tulokset eivät ole selvät, prosessit eivät parane, käyttöönotto on hidasta ja luvut pysyvät muuttumattomina. ROI ei ole nähtävissä, ja he osoittavat syyt työkalulle, mutta todellisuus on, että kun toteutat yleispätevän työkalun yleisille tuottavuuden parantamiselle, ei ole merkityksellistä tapaa määritellä ROI:ta.

Kun puhun pankkien ja luottolaitosten kanssa AI:sta, yritän tarkentaa ja tunnistaa ongelman, jonka he yrittävät ratkaista sen avulla. Vastaus usein heijastaa työkaluihin perustuvaa lähestymistapaa, ei ongelmien eteenpäin suuntautuvaa lähestymistapaa. Heille annetaan teknologiaa ja kerrotaan olevan tuottavia, mutta kukaan ei vie aikaa arvioimaan, mitkä työnkulut ovat heikentyneitä, missä pullonkaulat sijaitsevat ja miltä menestystekijät näyttävät laitokselle. Tämä tunnistaminen ja erottelu auttavat selventämään, onko AI oikea työkalu tehtävään ja vähentämään etäisyyttä teknologian ja työnkulun välillä, jonka se yrittää optimoida.

Miksi yleispätevä AI on ongelma

Kun lisäät yleispätevän AI-työkalun ilman sen upottamista tiettyyn työnkulkuun, olet vain lisäämässä taakkaa. Tiimijäsen on velvoitettu oppimaan uutta, tekemään johtopäätöksiä siitä, missä ja miten sitä käytetään, navigoimaan useita järjestelmiä kontekstin muodostamiseksi ja sitten syntetisoimaan löydökset päätösten perustaksi. Se myös edistää sitä, mitä useimmat meistä kutsuvat swivel chair -ilmiöksi: jatkuvasti siirtymistä alustojen ja järjestelmien välillä kokonaisen kuvan luomiseksi.

Vertailukohtaisesti AI-työkalut, jotka on suunniteltu tiettyihin työnkulkuun, kohtaavat työntekijät siellä, missä he työskentelevät, sen sijaan, että heidät pyydettäisiin ottamaan käyttöön uusi tottumus tai järjestelmä. Koska nämä työkalut on suunniteltu tarkoitukseen, ne ymmärtävät työnkulun nuansseja, pääsevät käsiksi tietolähteisiin ja ymmärtävät, mitä voidaan ja mitä ei voida tehdä.

Jos tavoitteena on ROI ja käyttöönotto, mutta ei ole muutoksenhallintasuunnitelmaa tai budjettia, ero “yksi työkalu lisää oppia” ja “tarkoitukseen suunniteltu lisä työnkulkuun” on ero nähdä tuloksia ja ei nähdä tuloksia.

Miten tämä näyttää käytännössä

Käyttötapaukset ovat tuttuja. Puhelu ohjataan asiakaspalvelijalle, joka pyytää tukea tilinhoitajan tarvitsemaan suuremman maksun tekemiseen ja ihmettelee, estävätkö siirtorajat sen tapahtumisen. Ilman upotettua AI-työkalua asiakaspalvelija on pakotettu hyppimään useiden järjestelmien välillä: yksi tarkastamaan viimeaikaisia transaktioita, yksi arvioimaan rajoja ja mahdollisesti kolmas pyytämään muutoksia, sekä politiikan tarkastelu vahvistamaan, mitä on sallittua. Tämä kaikki tapahtuu, kun tilinhoitaja on puhelimessa, ja joskus kestää jopa kolmeenkymmenen minuutin.

Kun AI on upotettu työnkulkuun, sama tehtävä voi kestää lähemmäs kymmenen sekuntia. Relevantit transaktiotiedot ovat heti saatavilla, rajoja verrataan, muutoksia tehdään, jotka ovat linjassa laitoksen käytäntöjen kanssa, ja kaikki voidaan nähdä yhdessä paikassa. Suhde asiakaspalvelijan ja tilinhoitajan välillä vahvistuu, ja laitos voi omistaa, mitä olisi voinut olla kolmeenkymmenen minuutin, merkityksellisempään työhön. Ero on määrätty parannus päivittäisissä työnkuluissa, jotka vaikuttavat suoraan asiakas- ja jäsenkokemukseen.

Perusta mittaaville tuloksille

Tarkoitukseen suunniteltu AI yksinkertaistaa mittaamisen ja määrittämisen mahdollisuuden, koska se on rakennettu juuri niihin työnkulkuun, jotka on tunnistettu, mitattu ja valittu mahdollisuudeksi optimoida AI:lla. Tämä tarkoittaa, että vertailukohta on jo olemassa, ja voit mitata sitä vastaan myöhemmin. Tämä on tärkeää, koska AI on kallista. Käyttökustannukset ovat jatkuvia ja niiden on oltava oikeutettuja. Kyky selkeästi viestittää mittaavissa parannuksissa on kriittinen varmistamaan, että budjetit on hyväksytty ja kirjattu.

Yhteisölaatoksen kilpailuetu

Työskentelen läheisesti useiden yhteisölaatosten kanssa, ja heillä on etu, jota usein väheksytään. Nämä pankit ja luottolaitokset tuntevat asiakkaitaan ja jäseniään henkilökohtaisesti. He ymmärtävät operatiiviset nuanssit, jotka tekevät heistä ainutlaatuisia, ja voivat nopeasti tunnistaa, missä työnkulut menevät rikki, missä pullonkaulat ja epäjohdonmukaisuudet ovat. Se läheisyys on tärkeää. Kun tarkoitukseen suunniteltu AI toteutetaan tarkoituksenmukaisesti, on usein välitön vaikutus. Tiimit ovat läsnä säännöllisemmin ja paremmin informoiduina, ja laitoksen tietäminen muuttuu koko organisaation saataville ja kehittymiseen.

Kun AI ratkaisee todellisia asiakasongelmia ja alkaa automatisoida toistuvia tehtäviä, 20 hengen tiimi voi toimittaa 35 hengen tiimin tuotannon ja johdonmukaisuuden. Kokemus paranee asiakkaille ja jäsenille, ja työntekijät saavat aikansa takaisin keskittyäkseen siihen, mitä ihmiset tekevät parhaiten, kuten tuomaripäätöksiin, ystävällisyyteen ja empatiaan, joka pitää ihmisiä tulemasta takaisin ja erottaa yhteisölaatokset.

Mistä aloittaa

Jos AI-investoinnit tuntuvat hämmästyttäviltä, aloita ongelman kanssa, ei AI-työkalulla. Ota aikaa istua tiimiesi kanssa ja oppia, mitkä heidän haasteensa ovat ja missä on mahdollisuus parantaa heidän työkokemustaan. Ymmärrä, missä kitka on, mitä vaaditaan enemmän tuotoksesta kuin pitäisi, ja mitä tietoa on jatkuvasti haasteellista löytää. Vastaukset auttavat kertomaan, missä AI voi luoda todellista arvoa.

Rahoituslaitokset, jotka tekevät eniten edistystä AI:ssa, eivät ole ne, jotka liikkuivat nopeimmin, vaan ne, jotka rakensivat tarkoituksenmukaisesti.