रयान टैमिंगा, चीफ कस्टमर ऑफिसर, अल्केमर – साक्षात्कार श्रृंखला

रयान टैमिंगा एक ग्राहक अनुभव और उद्यम परिवर्तन कार्यकारी हैं जिनके पास लगभग दो दशकों का नेतृत्व अनुभव है, जिसमें ग्राहक सफलता, पेशेवर सेवाएं, परामर्श और उत्पाद रणनीति शामिल हैं। अल्केमर में शामिल होने के बाद से, उन्होंने कई नेतृत्व भूमिकाओं के माध्यम से आगे बढ़े हैं, जिनमें ग्राहक सफलता के उपाध्यक्ष और उत्पाद और सेवाओं के वरिष्ठ उपाध्यक्ष शामिल हैं, और 2026 में उन्हें मुख्य ग्राहक अधिकारी नियुक्त किया गया था। अपनी वर्तमान भूमिका में, वह ग्राहक जुड़ाव, सफलता और सेवा वितरण की देखरेख करते हैं, साथ ही ग्राहक की जरूरतों को उत्पाद नवाचार और व्यवसाय रणनीति के साथ संरेखित करने में मदद करते हैं। अल्केमर से पहले, टैमिंगा ने रीडग्रुप, डेलॉइट और एक्सेंचर में वरिष्ठ नेतृत्व पदों पर कार्य किया, जहां उन्होंने व्यवसाय संचालन, विश्लेषण, स्वचालन और उद्यम प्रदर्शन में सुधार पर केंद्रित बड़े पैमाने पर परिवर्तन पहल का नेतृत्व किया।

अल्केमर एक ग्राहक प्रतिक्रिया और अनुभव प्रबंधन मंच है जो संगठनों को ग्राहकों, कर्मचारियों और हितधारकों से अंतर्दृष्टि को पकड़ने, विश्लेषण करने और कार्रवाई करने में मदद करता है। कंपनी का सॉफ्टवेयर सर्वेक्षण निर्माण, प्रतिक्रिया संग्रह, कार्य प्रवाह स्वचालन और एआई-संचालित विश्लेषण को जोड़ती है ताकि व्यवसायों को डेटा इकट्ठा करने से परे जाने और इसके आधार पर मापनीय कार्रवाई करने में मदद मिल सके। विभिन्न उद्योगों में संगठनों की सेवा करते हुए, अल्केमर टीमों को कई चैनलों से प्रतिक्रिया को केंद्रीकृत करने, रुझानों और भावना का पता लगाने और उन अंतर्दृष्टि का उपयोग करके ग्राहक अनुभव में सुधार करने, उत्पाद निर्णयों को सूचित करने और व्यवसाय प्रदर्शन को मजबूत करने में सक्षम बनाता है। अपने बढ़ते सूट के माध्यम से, कंपनी संगठनों को प्रतिक्रिया को निरंतर संचालन और रणनीतिक बुद्धिमत्ता का स्रोत बनाने में मदद करने का लक्ष्य रखती है।

आपके पास एक दशक से अधिक का परामर्श में अनुभव है, जिसमें एक्सेंचर और डेलॉइट जैसी कंपनियों में काम करना शामिल है, और अल्केमर में ग्राहक सफलता, उत्पाद और सेवाओं का नेतृत्व करना शामिल है। इस प्रक्रिया परिवर्तन और हाथों-हाथ ग्राहक अनुभव के मिश्रण ने आपके दृष्टिकोण को एंटरप्राइज़ वातावरण में एआई को तैनात करने के लिए कैसे आकार दिया है?

परामर्श में काम करने से मुझे बहुत मूल्यवान अनुभव मिला है जो मेरी वर्तमान भूमिका में मेरी मदद करता है। उदाहरण के लिए, मैंने पाया कि प्रौद्योगिकी सबसे कठिन हिस्सा नहीं है। मैंने वर्षों तक फॉर्च्यून 100 कंपनियों को उद्यम प्रणालियों को लागू करने में मदद की, और जो परियोजनाएं संघर्ष कर रही थीं वे खराब सॉफ्टवेयर के कारण नहीं थीं। उन्हें परिवर्तन प्रबंधन समस्याएं, अस्पष्ट स्वामित्व, और अक्सर वे तैनात किए गए थे जब अंतर्निहित प्रक्रियाएं उन्हें अवशोषित करने के लिए तैयार नहीं थीं।

यह अनुभव मुझे आज एआई तैनाती के बारे में कैसे सोचता है। जब मैं उन ग्राहकों से बात करता हूं जो एआई से मूल्य प्राप्त करने के लिए संघर्ष कर रहे हैं, तो समस्या लगभग कभी भी स्वयं प्रौद्योगिकी नहीं होती है। यह है कि उन्होंने यह परिभाषित नहीं किया है कि वे क्या हासिल करने की कोशिश कर रहे हैं, कौन आउटपुट का मालिक है, और एआई के सतह पर कुछ कार्रवाई योग्य होने पर क्या बदल जाता है। प्रौद्योगिकी अधिकांश मामलों में संगठनात्मक तैयारी से आगे है।

हाथों-हाथ ग्राहक कार्य दूसरी आधी इकाई है। आप जल्दी से सीखते हैं कि वास्तव में मूल्य क्या है उन लोगों के लिए जो हर दिन काम कर रहे हैं और इसे बोर्ड मीट्रिक के लिए क्या मतलब है। वे अक्सर बहुत अलग चीजें हैं। परामर्श से प्रक्रिया की कठोरता और ग्राहक सहानुभूति का संयोजन है जो मैं अल्केमर में एआई के निर्माण और तैनाती की रणनीति में लाने का लक्ष्य रखता हूं।

आपके पास संगठनों में एक महत्वपूर्ण एआई परिपक्वता अंतर है। नेताओं के पास एआई के साथ अपनी तैयारी के बारे में क्या सबसे बड़े गलतफहमी हैं, और क्या कार्यान्वयन आमतौर पर पहले विफल हो जाते हैं?

सबसे आम गलतफहमी यह है कि एआई टूल खरीदना इसका उपयोग करने के लिए तैयार होने के समान है। नेता एक डेमो देखते हैं, वे आउटपुट देखते हैं, और वे अक्सर गलत तरीके से मानते हैं कि अपनती स्वचालित रूप से हो जाती है। यह सुनिश्चित करना महत्वपूर्ण है कि प्रौद्योगिकी, चाहे एआई हो या नहीं, व्यवसाय समस्या से शुरू होती है जिसे हल करने की आवश्यकता है। प्रौद्योगिकी का सफल अपनता लगभग हमेशा इस बात से जुड़ा होता है कि आप कितनी अच्छी तरह से संवाद कर सकते हैं कि यह समस्या का समाधान अपनी टीमों और ग्राहकों के लिए कैसे करेगा।

जहां कार्यान्वयन पहले विफल होता है वह आमतौर पर हाथों-हाथ बिंदु पर होता है। यदि आगे क्या होता है (जैसे कि कौन इसे देखता है, कौन इस पर कार्रवाई करता है, कौन सी प्रणाली में यह जाता है) के लिए कोई परिभाषित कार्य प्रवाह नहीं है, तो अंतर्दृष्टि पर कार्रवाई नहीं की जाती है। संगठनों को संरचित करने की आवश्यकता है ताकि वे अंतर्दृष्टि पर कार्रवाई कर सकें।

इस अंतर को पहचानने से अल्केमर में हमारे द्वारा समाधानों का निर्माण कैसे किया जाता है, इस पर प्रभाव पड़ा है। हम उन समस्याओं की पहचान करना शुरू करते हैं जिन्हें हम प्रौद्योगिकी क्षमताओं के साथ हल करना चाहते हैं जो हम जारी करते हैं। एआई क्षमताएं, कार्य प्रवाह, और उपयोगकर्ता नियंत्रण केवल वही हैं जो हम प्रदान करते हैं। टीमों को प्रतिक्रिया पर कार्रवाई करने के लिए संगठनात्मक मांसपेशियों का निर्माण करने में मदद करना उतना ही महत्वपूर्ण है, और यह वह जगह है जहां वास्तविक परिणाम हासिल किए जाते हैं।

कई कंपनियां एआई में भारी निवेश कर रही हैं लेकिन आरओआई का प्रदर्शन करने के लिए संघर्ष कर रही हैं। ग्राहक अनुभव में एआई वास्तव में काम कर रहा है या नहीं यह मूल्यांकन करने के लिए उन्हें कौन से मेट्रिक्स या फ्रेमवर्क का उपयोग करना चाहिए?

व्यवहार में परिवर्तन से शुरू करें, न कि एआई द्वारा उत्पादित की गई चीज़ से। सही प्रश्न नहीं है, “क्या एआई ने एक सारांश उत्पन्न किया?” इसके बजाय, प्रश्न पूछें जैसे “मुख्य संकेतक क्या है?”, “क्या टीम ने इसके कारण अलग तरह से कार्रवाई की?”, और “क्या व्यवसाय मेट्रिक्स सही दिशा में बदल रहे हैं?” एआई स्पष्ट रूप से एक समस्या या अवसर के अस्तित्व की पहचान कर सकता है और नई अंतर्दृष्टि प्रदान कर सकता है। हालांकि, यदि कंपनियां उन अंतर्दृष्टि पर कार्रवाई नहीं करती हैं, तो ग्राहक प्रतिक्रिया की उपेक्षा की जा सकती है या समय पर संबोधित नहीं की जा सकती है।

अंतर्दृष्टि के लिए समय एक अच्छा मेट्रिक है जिससे शुरू करना है। प्रतिक्रिया इकट्ठा करने से लेकर एक निर्णय लेने वाले के सामने कुछ कार्रवाई योग्य होने में कितना समय लगा? एआई के साथ प्रतिक्रिया विश्लेषण जो पहले छह महीने लगते थे अब काफी कम हो गया है। हमारे पास एक ग्राहक है जिसने उस चक्र को छह महीने से घंटों में कम कर दिया, जो समय से अंतर्दृष्टि और कार्रवाई की ओर एक वास्तविक, मापनीय बदलाव को दर्शाता है।

प्रतिक्रिया के लिए समय एक और मेट्रिक है जिसे जल्द से जल्द पकड़ना है। ग्राहक अपनी प्रतिक्रिया का जवाब देने की उम्मीद करते हैं, खासकर जब यह नकारात्मक होता है। नकारात्मक सर्वेक्षण प्रतिक्रिया या ऑनलाइन समीक्षा का जवाब देने में कितना समय लगता है इसका माप करें। यह मैनुअल रूप से समीक्षा करने पर दिनों का समय ले सकता है, एक समर्थन टिकट के माध्यम से कार्रवाई सौंपना, और फिर ग्राहक को जवाब देना। एक ऑनलाइन चश्मा खुदरा विक्रेता ने लगभग एक महीने से मिनटों में बदलाव किया।

प्रतिक्रिया दर अंतिम मेट्रिक है जिसे ट्रैक करना है। एच एंड आर ब्लॉक कनाडा कर अधिकांश के माध्यम से लगभग 1,000 स्थानों का प्रबंधन करता है। एआई से पहले, 100% समीक्षा प्रतिक्रिया कवरेज प्राप्त करना लगभग असंभव था। अब यह एक बेंचमार्क है। यह मापनीय है, और खोज दृश्यता और ग्राहक धारणा पर डाउनस्ट्रीम प्रभाव ट्रैक किए जा सकते हैं।

शुरू करने के लिए, समस्या की पहचान करें जो आपको या आपके ग्राहकों को परेशान कर रही है (जैसे धीमी विश्लेषण, कम प्रतिक्रिया दर, चूकी हुई ग्राहक संकेत) और इससे पहले और बाद में डेल्टा को मापें। सब कुछ मापने की कोशिश न करें। जो एक चीज़ मायने रखती है उसे मापें और उस गति का उपयोग व्यवसाय मामले को बनाने और वितरित करने में मदद करने के लिए करें।

आपके दृष्टिकोण से, क्या संगठनों को एआई को सफलतापूर्वक संचालन में लाने से अलग करता है, जो अभी भी प्रयोग में हैं?

सफल संगठन एआई को एक परियोजना के रूप में नहीं देखते हैं जिसकी एक शुरुआत की तारीख, एक अंतिम तारीख और एक टीम है जो निवेश को सही ठहराने की कोशिश कर रही है। यह बुनियादी ढांचा बन जाता है जो काम करने का तरीका है। उदाहरण के लिए, सोचें कि 1990 के दशक के अंत और 2000 के दशक की शुरुआत में सीआरएम सॉफ्टवेयर की शुरुआत ने क्या बदलाव लाया। परियोजना कार्यान्वयन था, लेकिन प्रणाली व्यावसायिक टीमों के लिए संचालन का मूल बन गई जो तब से काम कर रही हैं। यह परिवर्तन वास्तविक रूप से होता है जब यह एआई को अपनाने की बात आती है।

दूसरा अंतर यह है कि स्वामित्व है। सफल ग्राहक अनुभव (सीएक्स) तैनाती में किसी को यह सुनिश्चित करने की जिम्मेदारी है कि आउटपुट पर कार्रवाई की जाए। जब कोई व्यक्ति परिणाम का मालिक नहीं होता है, तो अंतर्दृष्टि डैशबोर्ड में वापस चली जाती है और वहीं रुक जाती है। यह सीएक्स कार्यक्रमों के लिए हमेशा सच है, और एआई द्वारा यह बढ़ाया जाता है क्योंकि आउटपुट तेजी से आ रहे हैं और ग्राहकों की अपेक्षाएं तेजी से बढ़ रही हैं।

तीसरी बात जिस पर मैं ध्यान देता हूं वह यह है कि क्या संगठन में सफलता के मेट्रिक्स की निरंतरता का पैटर्न है। जो मापा जाता है वह प्रबंधित किया जाता है। टीमें जो रुझानों को समय के साथ ट्रैक करती हैं, प्रदर्शन को तिमाही से तिमाही में बेंचमार्क करती हैं, या परिणामों की तुलना भौगोलिक रूप से करती हैं, वे एआई समाधानों को बर्दाश्त नहीं कर सकते हैं जो अलग-अलग दिनों में अलग-अलग उत्तर देते हैं। जो संगठन एआई को संचालन में लाने में सफल होते हैं वे क्षमता के साथ-साथ विश्वसनीयता की मांग करते हैं। वे एआई चाहते हैं जिस पर वे निर्माण कर सकते हैं।

सामान्य उद्देश्य वाले एलएलएम के बारे में बहुत उत्साह है, लेकिन आप प्रतिक्रिया कार्य प्रवाह में निर्मित उद्देश्य वाले एआई की वकालत करते हैं। एंटरप्राइज़ उपयोग के मामलों में सामान्य मॉडल कहां कम पड़ जाते हैं?

प्रत्येक समस्या के लिए एक ही एआई समाधान की आवश्यकता नहीं होती है। प्रतिक्रिया और सीएक्स स्थान में कई विक्रेताओं ने अपनी एआई क्षमताओं को व्यावसायिक रूप से उपलब्ध सामान्य उद्देश्य वाले मॉडल जैसे चैटजीपीटी, क्लाउड या जेमिनी के शीर्ष पर बनाया है। वे सभी के लिए सब कुछ करने के लिए डिज़ाइन किए गए हैं, और यह सामान्यता समस्याग्रस्त हो सकती है क्योंकि संगठनों को उच्च स्तर की विश्वसनीयता और संगति की मांग होती है।

अल्केमर ने अपने ग्राहकों को जो चुनौतियां हल करने में मदद करने के लिए एक अलग दृष्टिकोण अपनाया है। अल्केमर प्रत्येक विशिष्ट कार्य के लिए सही एआई समाधान का उपयोग करता है, न कि हर समस्या को व्यावसायिक एलएमएस के माध्यम से भेजता है। इस निर्मित उद्देश्य वाले एआई रणनीति का परिणाम अधिक सटीक आउटपुट, समय के साथ संगत परिणाम, और प्रतिक्रिया डेटा के लिए अनुकूलित एआई है।

हमने इसका परिणाम सीधे ग्राहकों के साथ देखा है। वाशबर्न और मैकगोल्ड्रिक ने अल्केमर को चुनने से पहले सामान्य उद्देश्य वाले एआई टूल का मूल्यांकन किया और पाया कि एक ही डेटासेट ने अलग-अलग दिनों में अलग-अलग श्रेणियां उत्पन्न कीं। आप उस पर एक बेंचमार्किंग कार्यक्रम नहीं बना सकते।

वास्तव में व्यावसायिक प्रवाह में एआई को एम्बेड करने का क्या अर्थ है, और यह दृष्टिकोण एक स्टैंडअलोन टूल के रूप में एआई का इलाज करने से अधिक प्रभावी क्यों है?

एक स्टैंडअलोन एआई टूल कुछ विश्लेषण करने का फैसला करने पर खोला जाने वाला कुछ है। एक एम्बेडेड एआई क्षमता पहले से ही काम कर रही है जब आप इसे पूछने के बारे में सोचते हैं।

यहाँ अभ्यास में अंतर है: यदि रात में एक समीक्षा आती है जो सुरक्षा चिंता के कारण जोखिम की सीमा को मारा है, तो एक एम्बेडेड सिस्टम एक अलर्ट ट्रिगर करता है, इसे सही व्यक्ति को रूट करता है, और स्वचालित रूप से प्रतिक्रिया कार्य प्रवाह को शुरू करता है। किसी को डैशबोर्ड की जांच करने की आवश्यकता नहीं है। एआई पहले से ही प्रक्रिया का हिस्सा है।

अल्केमर में, हम सर्वेक्षण क्षमताओं में एआई के बारे में सोचते हैं जो क्या आता है में सुधार कर सकता है और वास्तविक समय में प्रासंगिक अनुवर्ती प्रश्न उत्पन्न कर सकता है ताकि एक सर्वेक्षण एक बातचीत बन जाए। समीक्षा प्रबंधन में, एआई ब्रांडेड, व्यक्तिगत प्रतिक्रियाओं का मसौदा तैयार कर सकता है और यहां तक कि इसे पोस्ट भी कर सकता है। एआई हमारे विश्लेषण परत में उस प्रतिक्रिया में क्या मायने रखता है इसका पता लगा सकता है। और हमारा कार्य प्रवाह स्वचालन एआई-ट्रिगर्ड कार्रवाई को सीधे व्यवसाय प्रणालियों में जोड़ता है जहां हमारे ग्राहकों की टीमें वास्तव में काम करती हैं। जब ये टुकड़े जुड़े होते हैं, तो अंतर्दृष्टि और कार्रवाई के बीच का अंतर दिनों से मिनटों तक कम हो जाता है। यही एम्बेडेड वास्तव में意味 है, ग्राहक प्रतिक्रिया से उत्पन्न कार्रवाई को उन प्रणालियों में जोड़ना जो हमारे ग्राहकों की टीमें हर दिन अपने ग्राहकों को जोड़ने के लिए उपयोग करती हैं।

अनियंत्रित ग्राहक प्रतिक्रिया को वास्तविक समय, कार्रवाई योग्य बुद्धिमत्ता में बदलना शक्तिशाली लगता है, लेकिन कठिन है। इसे बड़े पैमाने पर काम करने में तकनीकी और संगठनात्मक चुनौतियां क्या हैं?

तकनीकी पक्ष पर, डेटा की मात्रा और परिवर्तनशीलता वास्तव में चुनौतीपूर्ण हो सकती है। ग्राहक विभिन्न भाषाओं में लिखते हैं, संक्षिप्त नाम, गलत वर्तनी और संक्षिप्त नाम का उपयोग करते हैं जो अक्सर सामान्य मॉडल गलत तरीके से पढ़ते हैं। मॉडल को व्यवसाय की भाषा को समझने की भी आवश्यकता है। विभिन्न उद्योग विभिन्न शब्दावली का उपयोग करते हैं और व्यवसाय अपनी खुद की विशिष्टता के शीर्ष पर लागू करते हैं।

उदाहरण के लिए, जो व्यक्ति आपका स्वागत करता है वह एक डॉक्टर के कार्यालय में एक रिसेप्शनिस्ट, एक रेस्तरां में एक मेज़बान, और एक कॉफी शॉप में एक बारिस्टा हो सकता है। विभिन्न उद्योगों में समान भूमिकाएं अलग-अलग नामों से जानी जा सकती हैं। जबकि एक सामान्य मॉडल एक प्रारंभिक समीक्षा के लिए ठीक हो सकता है, अंतर्निहित मॉडल को प्रतिक्रिया डेटा और ग्राहकों के विशिष्ट उद्योगों, उत्पादों, ब्रांडों और सेवाओं के बारे में कैसे बात करते हैं, इसके लिए विशेष रूप से तैयार किया जाना चाहिए। मॉडल को संगत भी होना चाहिए, क्योंकि आप अक्सर ऐतिहासिक बेंचमार्क के खिलाफ तुलना कर रहे हैं।

तकनीकी चुनौतियां बढ़ रही हैं, संगठनात्मक चुनौतियां, हालांकि, हल करने में आसान हो रही हैं। पहली बड़ी चुनौती यह जानना है कि बढ़ी हुई मात्रा और समृद्ध अंतर्दृष्टि के साथ क्या करना है। अधिकांश टीमें एआई-उत्पन्न अंतर्दृष्टि देखती हैं और कहती हैं, “यह दिलचस्प है।” सर्वश्रेष्ठ संगठन वे हैं जो ऐसे कार्य प्रवाह बनाते हैं जो कहते हैं, “यह अंतर्दृष्टि इस व्यक्ति/प्रणाली को जाती है, जो इस समय की खिड़की में यह कार्रवाई करता है।”幸运的是, ऐसे कार्य प्रवाह बनाना पहले से कहीं ज्यादा आसान है।

एक और बड़ी संगठनात्मक चुनौती विश्वास है। अल्केमर के हाल के अध्ययन में केवल 29% सीएक्स सॉफ्टवेयर खरीदारों ने कहा कि वे वर्तमान में एआई-उत्पन्न आउटपुट पर समीक्षा किए बिना कार्रवाई करने में सहज महसूस करते हैं। यह असंगत या अस्पष्ट एआई के साथ वास्तविक अनुभव को दर्शाता है। विश्वास बनाने के लिए एआई प्रणालियों की आवश्यकता है जो अपने निष्कर्षों तक कैसे पहुंचती हैं, इसके बारे में पारदर्शी हैं, और ऑडिट ट्रेल और कॉन्फ़िगरेबल नियंत्रण हैं जो टीमों को यह तय करने देते हैं कि एआई क्या कर सकता है और क्या नहीं कर सकता है। अल्केमर में, हम विश्वसनीय एआई को एक उत्पाद के रूप में मानते हैं, एक सुविधा के रूप में नहीं।

आपका सुझाव है कि एआई-संचालित बाजार अनुसंधान में सटीकता की तुलना में निरंतरता अधिक मायने रखती है। कृपया समझाएं कि निरंतरता इतनी महत्वपूर्ण क्यों है और अक्सर यह क्यों अनदेखी की जाती है?

सटीकता बताती है कि एआई ने एकल प्रतिक्रिया को कितनी अच्छी तरह से समझा। निरंतरता बताती है कि क्या आप समय के साथ तुलना पर भरोसा कर सकते हैं। बाजार अनुसंधान के लिए, तुलना ही बिंदु है। यह जानना कि आज ग्राहक क्या कहते हैं अलग से नहीं है। लेकिन यह जानना कि चीजें बेहतर हो रही हैं या खराब हो रही हैं या नहीं, यह जानना कि एक क्षेत्र दूसरे क्षेत्र से कैसे तुलना करता है, या यह जानना कि क्या विषय जो आप आज देख रहे हैं वे छह महीने पहले मौजूद थे, यह मूल्यवान है। यह सब तब संभव नहीं है जब अंतर्निहित वर्गीकरण प्रति रन भिन्न होता है।

उदाहरण के लिए, यदि आपने एक ही खुली प्रतिक्रिया को छह महीने के अंतराल पर दो अलग-अलग विश्लेषकों को कोड करने के लिए काम पर रखा, तो आपके पास एक तुलना समस्या होगी, भले ही दोनों उत्कृष्ट थे। आप नहीं जानते कि विषयों में एक बदलाव वास्तविक ग्राहक भावना में परिवर्तन को दर्शाता है या दो लोगों के बीच व्याख्या में अंतर को दर्शाता है। एआई के साथ असंगत आउटपुट यही चुनौती पैदा कर सकता है।

संगत मॉडल जो हर बार एक ही वर्गीकरण तर्क लागू करते हैं इस समस्या का समाधान करते हैं। मॉडल अलग-अलग दिनों में अलग-अलग उत्तर नहीं देता है। यह खुली पाठ प्रतिक्रिया को उसी तरह विश्वसनीय बनाता है जैसे दीर्घकालिक नेट प्रमोटर स्कोर (एनपीएस) कार्यक्रम विश्वसनीय हैं। यह वही है जो एक विश्लेषक को व्यवसाय को कुछ अर्थपूर्ण बताने की अनुमति देता है कि वे कहां जा रहे हैं, न कि जहां वे अभी हैं।

जैसे ही एआई ग्राहक अनुभव में अधिक एम्बेडेड हो जाता है, संगठनों को इसे एक कार्य बल गुणक के रूप में कैसे देखना चाहिए, न कि प्रतिस्थापन, विशेष रूप से गैर-तकनीकी टीमों के लिए?

कार्य बल गुणक फ्रेमिंग प्रश्न को “एआई क्या प्रतिस्थापित करेगा?” से “मेरी टीम अब क्या कर सकती है जो पहले नहीं कर सकती थी?” में बदल देता है। यह एक अधिक उत्पादक फ्रेम है, और मेरे अनुभव में, यह भी अधिक सटीक है। यह ऐतिहासिक रूप से पिछले二十 वर्षों में प्रौद्योगिकी के बड़े पैमाने पर अपनाने के पैटर्न का अनुसरण करता है। कंक्रीट संस्करण: एक ग्राहक अंतर्दृष्टि विश्लेषक जो मैनुअल रूप से खुली प्रतिक्रिया को कोड करने में तीन दिन बिताता है, अब उस समय को पैटर्न की व्याख्या करने, निष्कर्ष प्रस्तुत करने और प्रश्नों के पीछे प्रश्नों पर काम करने में बिता सकता है। एआई ने विश्लेषक को बदला नहीं; इसने विश्लेषक के कौशल को अधिक कार्य करने की अनुमति दी।

यह गैर-तकनीकी टीमों के लिए और भी महत्वपूर्ण है। जब कोई अपने डेटा के बारे में सादी भाषा में प्रश्न पूछ सकता है और डेटा वैज्ञानिक या रिपोर्ट बनाने की आवश्यकता नहीं है, तो ग्राहक के करीब लोग तेजी से अंतर्दृष्टि प्राप्त करते हैं। यह पूरे संगठन में निर्णयों की गति को बदलता है, न कि केवल एक कार्य की दक्षता में।

गुणक प्रभाव का एहसास तब होता है जब टीमें एआई द्वारा बनाई गई क्षमता का उपयोग करने के लिए तैयार होती हैं। यह एक संगठनात्मक डिज़ाइन प्रश्न है जितना कि यह एक प्रौद्योगिकी प्रश्न है। यही कारण है कि हम अपने ग्राहकों के साथ अपनी क्षमताओं के रूप में गोद लेने और सर्वोत्तम प्रथाओं पर इतना समय बिताते हैं।

आगे देखते हुए, आप अगले कुछ वर्षों में ग्राहक अनुभव पर एआई को कैसे आकार देते हुए देखते हैं, और इस बदलाव के लिए तैयारी के लिए उद्यमों को क्या करना चाहिए?

मैं जिस बदलाव को सबसे ज्यादा देख रहा हूं वह प्रतिक्रियात्मक से प्रोक्सी में है। अधिकांश प्रतिक्रिया कार्यक्रम आज प्रतिक्रियात्मक हैं। उदाहरण के लिए, कुछ होता है, प्रतिक्रिया आती है, टीमें इसका विश्लेषण करती हैं, और निर्णय लिए जाते हैं। चक्र तेजी से हो रहा है, लेकिन यह अभी भी मूल रूप से पीछे की ओर देखने वाला है।

एआई क्या संभव बनाता है वह उस वक्र से आगे निकलना है। समस्या दिखाई देने से पहले संकेतों की पहचान करना। जानना कि कौन से ग्राहक खंड जोखिम में हैं इससे पहले कि वे छोड़ दें। समझना कि संतुष्टि क्यों एक विशिष्ट क्षेत्र में गिर रही है इससे पहले कि यह एक पैटर्न बन जाए। यही बात है जो प्रतिक्रिया डेटा और उद्देश्य-निर्मित एआई का संयोजन वास्तव में शक्तिशाली बनाता है।

आज उद्यमों को प्रतिक्रिया डेटा को एक ही स्थान पर समेकित करना चाहिए, जिसमें समीक्षा, सर्वेक्षण, सोशल मीडिया, ऐप में और अधिक शामिल हैं। यह परिभाषित करना है कि विश्लेषण का मालिक कौन है और जब कुछ कार्रवाई योग्य होता है तो क्या होता है। उन कार्य प्रवाह का निर्माण करें जो अंतर्दृष्टि से कार्रवाई से जुड़ते हैं इससे पहले कि आपको उनकी आवश्यकता हो। जो कंपनियां आगे निकलेंगी वे आवश्यक रूप से उन लोगों के साथ नहीं होंगी जिनके पास सबसे जटिल एआई प्रौद्योगिकी है, लेकिन वे जो कंपनियां हैं जो एआई अंतर्दृष्टि पर लगातार, तेजी से और बड़े पैमाने पर कार्रवाई करती हैं।

धन्यवाद महान साक्षात्कार के लिए, पाठक जो और जानना चाहते हैं उन्हें अल्केमर पर जाना चाहिए।