Mengapa Kesuksesan AI Bergantung pada Alur Kerja yang Lebih Baik, Bukan Alat AI yang Lebih Banyak

Saya telah memperhatikan pola yang konsisten di seluruh lembaga keuangan yang telah menguji alat AI tujuan umum tetapi mengalami kesulitan untuk mengidentifikasi dan mengukur dampaknya. Kepemimpinan membuat keputusan untuk berinvestasi, kemudian menerapkan di seluruh tim dan menunggu dampaknya. Setelah beberapa bulan, kebingungan muncul. Hasilnya tidak jelas, proses tidak membaik, adopsi tertinggal, dan angka-angka tetap tidak berubah. ROI tidak jelas, dan mereka menunjuk alat sebagai masalah, tetapi kenyataannya adalah bahwa ketika Anda menerapkan alat umum untuk keuntungan produktivitas umum, tidak ada cara yang berarti untuk menentukan ROI.

Ketika saya berbicara dengan bank dan kredit union tentang AI, saya mencoba untuk mengetahui masalah yang mereka hadapi dan apa yang mereka coba selesaikan dengan itu. Jawabannya sering mencerminkan pendekatan alat daripada pendekatan masalah. Mereka diberi teknologi dan diberitahu untuk menjadi produktif, tetapi tidak ada yang mengambil waktu untuk mengevaluasi alur kerja mana yang terganggu, di mana bottleneck berada, dan apa yang sukses metrik terlihat seperti untuk lembaga. Identifikasi dan diskresi ini membantu memperjelas apakah AI benar-benar alat yang tepat untuk pekerjaan dan mengurangi kesenjangan antara teknologi dan alur kerja yang mereka coba optimalkan.

Mengapa AI Tujuan Umum adalah Masalah

Ketika Anda menambahkan alat AI tujuan umum tanpa memasukkannya ke dalam alur kerja tertentu, Anda hanya menambah beban. Anggota tim harus belajar sesuatu yang baru, menarik kesimpulan di sekitar di mana dan bagaimana menggunakannya, menavigasi beberapa sistem untuk memberikan konteks, dan kemudian mensintesis temuan untuk memberikan keputusan. Ini juga menyumbang pada apa yang banyak dari kita sebut sebagai efek kursi berputar: selalu bergerak di antara platform dan sistem untuk membangun gambaran lengkap.

Dibandingkan, alat AI yang dirancang untuk alur kerja tertentu memenuhi karyawan di mana mereka bekerja, bukan meminta mereka untuk memperkenalkan kebiasaan atau sistem baru. Karena alat ini dibangun dengan tujuan, mereka memahami nuansa alur kerja, memiliki akses ke sumber data, dan memahami apa yang dapat dan tidak dapat dilakukan.

Jika tujuan adalah ROI dan adopsi, tetapi tidak ada rencana perubahan atau anggaran, perbedaan antara “satu alat lagi untuk dipelajari” dan “penambahan yang dibangun dengan tujuan untuk alur kerja” adalah perbedaan antara melihat hasil dan tidak.

Apa yang Terlihat dalam Praktik

Kasus penggunaan sudah familiar. Panggilan diarahkan ke perwakilan layanan pelanggan yang meminta bantuan untuk pemegang rekening yang perlu melakukan pembayaran yang lebih besar dari biasanya dan ingin tahu apakah batas transisi akan menghentikannya. Tanpa alat AI yang terintegrasi, perwakilan layanan pelanggan dipaksa untuk berpindah di antara beberapa sistem: satu untuk meninjau transaksi terbaru, satu untuk mengevaluasi batas, dan kemungkinan ketiga untuk meminta penyesuaian, serta tinjauan kebijakan untuk mengkonfirmasi apa yang diberi wewenang. Semua ini terjadi sementara pemegang rekening berada di telepon dan kadang-kadang membutuhkan waktu hingga tiga puluh menit.

Ketika AI terintegrasi ke dalam alur kerja, tugas yang sama dapat memakan waktu sekitar sepuluh detik. Detail transaksi yang relevan disajikan secara instan, batas dibandingkan, penyesuaian dilakukan yang sesuai dengan kebijakan lembaga, dan semuanya dapat dilihat dalam satu tempat. Hubungan dibangun antara perwakilan layanan pelanggan dan pemegang rekening, dan lembaga dapat mendedikasikan apa yang bisa menjadi tiga puluh menit untuk pekerjaan yang lebih bermakna. Perbedaan ini adalah perbaikan yang dapat diukur dalam alur kerja sehari-hari yang langsung mempengaruhi pengalaman pelanggan dan anggota.

Dasar untuk Hasil yang Dapat Diukur

AI yang dibangun dengan tujuan memudahkan kemampuan untuk mengukur dan mengukur kesuksesan karena dibangun untuk alur kerja yang telah diidentifikasi, diukur, dan dipilih sebagai kesempatan untuk optimasi dengan AI. Ini berarti baseline sudah ada, dan Anda dapat mengukur terhadap baseline tersebut setelahnya. Ini penting karena AI mahal. Biaya penggunaan berkelanjutan dan perlu dibenarkan. Kemampuan untuk mengkomunikasikan perbaikan yang dapat diukur secara jelas sangat penting untuk memastikan anggaran disetujui dan diperhitungkan.

Keunggulan Lembaga Komunitas

Saya bekerja erat dengan banyak lembaga komunitas, dan mereka memiliki keunggulan yang sering diabaikan. Bank dan kredit union ini tahu pelanggan dan anggota mereka secara pribadi. Mereka memahami nuansa operasional yang membuat mereka unik, dan dapat dengan cepat mengidentifikasi di mana alur kerja rusak, dan di mana bottleneck dan inkonsistensi ada. Proksimitas ini penting. Ketika AI yang dibangun dengan tujuan diterapkan dengan bijak, seringkali ada dampak langsung. Tim hadir lebih konsisten dan lebih terinformasi, dan pengetahuan lembaga menjadi sesuatu yang dapat diakses dan dibangun oleh seluruh organisasi.

Ketika AI memecahkan masalah pelanggan yang nyata dan mulai mengotomatisasi apa yang berulang, tim 20 orang dapat menghasilkan output dan konsistensi yang sama dengan tim 35 orang. Pengalaman menjadi lebih baik bagi pelanggan dan anggota, dan karyawan mendapatkan waktu mereka kembali untuk fokus pada apa yang dilakukan manusia dengan baik, seperti keputusan yang bijak, kebaikan, dan empati yang membuat orang kembali dan membedakan lembaga komunitas.

Di Mana untuk Memulai

Jika investasi AI terasa menggembirakan, mulailah dengan masalah, bukan alat AI. Ambil waktu untuk duduk dengan tim Anda untuk memahami tantangan mereka dan di mana kesempatan untuk memperbaiki pengalaman kerja mereka. Pahami di mana gesekan ada, apa yang memerlukan output lebih dari yang seharusnya, dan apa informasi yang selalu menjadi tantangan untuk ditemukan. Jawaban akan membantu memberitahu di mana AI dapat menciptakan nilai nyata.

Lembaga keuangan yang membuat kemajuan terbesar dengan AI bukanlah mereka yang bergerak tercepat, tetapi mereka yang membangun dengan tujuan.