Perché il Successo dell’AI Dipende da Migliori Flussi di Lavoro, Non da Più Strumenti di AI

Ho notato un modello costante tra le istituzioni finanziarie che hanno testato strumenti di AI generici, ma lottano per identificare e misurare l’impatto. La leadership prende la decisione di investire, quindi implementa attraverso i team e aspetta l’impatto. Dopo alcuni mesi, la confusione colpisce. I risultati non sono chiari, i processi non migliorano, l’adozione è in ritardo e i numeri rimangono invariati. Il ROI non è evidente, e puntano allo strumento come il problema, ma la realtà è che quando si implementa uno strumento generico per guadagni di produttività generici, non c’è un modo significativo per determinare il ROI.

Quando parlo con banche e istituti di credito sull’AI, cerco di analizzare e identificare il problema che stanno cercando di risolvere con esso. La risposta spesso riflette un approccio basato sugli strumenti piuttosto che un approccio basato sui problemi. Gli vengono dati tecnologie e vengono detti di essere produttivi, ma nessuno si prende il tempo di valutare quali flussi di lavoro sono compromessi, dove si trovano gli ostacoli e quali metriche di successo appaiono per l’istituzione. Questa identificazione e discernimento aiutano a chiarire se l’AI è lo strumento giusto per il lavoro e mitigano la disconnessione tra la tecnologia e i flussi di lavoro che sta cercando di ottimizzare.

Perché l’AI Generico è il Problema

Quando si aggiunge uno strumento di AI generico senza incorporarlo in un flusso di lavoro specifico, si aggiunge solo al carico. Il membro del team è tenuto a imparare qualcosa di nuovo, trarre conclusioni intorno a dove e come utilizzarlo, navigare tra più sistemi per informare il contesto e quindi sintetizzare i risultati per informare le decisioni. Ciò contribuisce anche a ciò che molti di noi chiamano l’effetto della sedia girevole: costantemente muoversi tra piattaforme e sistemi per costruire un’immagine completa.

In confronto, gli strumenti di AI progettati per flussi di lavoro specifici incontrano i dipendenti dove lavorano invece di chiedere loro di introdurre un nuovo comportamento o sistema. Poiché questi strumenti sono costruiti appositamente, comprendono le sfumature del flusso di lavoro, hanno accesso alle fonti di dati e comprendono cosa può e non può essere fatto.

Se gli obiettivi sono il ROI e l’adozione, ma non esiste un piano di gestione del cambiamento o un budget, la differenza tra “un altro strumento da imparare” e “un’aggiunta progettata per il tuo flusso di lavoro” è la differenza tra vedere i risultati e non.

Cosa Sembra nella Pratica

I casi d’uso sono familiari. Una chiamata viene instradata a un rappresentante del servizio clienti che richiede supporto per un titolare di conto che deve effettuare un pagamento più grande del solito e si chiede se i limiti di transizione lo impediranno. Senza uno strumento di AI incorporato, il rappresentante del servizio clienti è costretto a saltare tra più sistemi: uno per esaminare le transazioni recenti, uno per valutare i limiti e potenzialmente un terzo per richiedere eventuali aggiustamenti, nonché una revisione delle politiche per confermare cosa è autorizzato. Tutto ciò avviene mentre il titolare del conto è in attesa e a volte richiede fino a trenta minuti.

Quando l’AI è progettata nel flusso di lavoro, lo stesso compito può richiedere circa dieci secondi. I dettagli delle transazioni rilevanti vengono presentati istantaneamente, i limiti vengono confrontati, gli aggiustamenti vengono effettuati in conformità con le politiche dell’istituzione e tutto può essere visualizzato in un unico posto. La relazione viene costruita tra il rappresentante del servizio clienti e il titolare del conto e l’istituzione può dedicare ciò che potrebbe essere stato trenta minuti a un lavoro più significativo. La differenza è un miglioramento quantificabile all’interno dei flussi di lavoro quotidiani che influenzano direttamente l’esperienza del cliente e del membro.

Una Base per Risultati Misurabili

L’AI progettata semplifica la capacità di quantificare e misurare il successo perché è costruita per i flussi di lavoro identificati, misurati e selezionati come opportunità di ottimizzazione con l’AI. Ciò significa che una baseline già esiste e si può quindi misurare contro quelle baseline dopo il fatto. Ciò è importante perché l’AI è costosa. I costi di utilizzo sono continui e devono essere giustificati. La capacità di comunicare miglioramenti misurabili è critica per garantire che i budget vengano approvati e contabilizzati.

Il Vantaggio Competitivo dell’Istituzione Comunitaria

Lavoro a stretto contatto con molte istituzioni comunitarie e hanno un vantaggio che spesso viene trascurato. Queste banche e istituti di credito conoscono i loro clienti e membri personalmente. Comprendono le sfumature operative che li rendono unici e possono rapidamente identificare dove i flussi di lavoro si rompono e dove si trovano gli ostacoli e le incoerenze. Quella prossimità è importante. Quando l’AI progettata viene implementata in modo pensato, c’è spesso un impatto immediato. I team si presentano più consistentemente e meglio informati e la conoscenza istituzionale diventa qualcosa che l’intera organizzazione può accedere e costruire.

Quando l’AI risolve problemi reali dei clienti e inizia ad automatizzare ciò che è ripetitivo, un team di 20 persone può produrre l’output e la coerenza di un team di 35 persone. L’esperienza migliora per i clienti e i membri e i dipendenti ottengono il loro tempo per concentrarsi su ciò che gli esseri umani fanno meglio, come le decisioni di giudizio, la gentilezza e l’empatia che mantengono le persone che tornano e che distinguono le istituzioni comunitarie.

Dove Iniziare

Se gli investimenti in AI sembrano schiacciante, iniziare con il problema, non con lo strumento di AI. Prendere il tempo per sedersi con i team per capire quali sono le loro sfide e dove si trova l’opportunità di migliorare la loro esperienza di lavoro. Comprendere dove si trova l’attrito, cosa richiede più output di quanto dovrebbe e quali informazioni sono costantemente una sfida da scoprire. Le risposte aiuteranno a informare dove l’AI può creare valore reale.

Le istituzioni finanziarie che stanno facendo i progressi più grandi con l’AI non sono quelle che si sono mosse più velocemente, ma quelle che hanno costruito con uno scopo.