行動可能なAI：CXシステムのためのアジェンティック・エラへの準備

現在、CXとコンタクトセンターでは、AIが至る所に存在しています。仮想エージェントからリアルタイム分析まで、知能システムが顧客サービス、サポート、エンゲージメントの方法を再定義していることは明らかです。しかし、実験が行われている中で、1つの課題がますます明らかになってきています。多くの組織は、スケーラビリティに対応した構築を行っていないということです。

業界全体で、AIの野心とAIの準備度の間に断絶が見られます。CXとコンタクトセンターのチームはAIを採用していますが、その多くは表面的なものです。92%の企業がAIへの投資を増やす予定ですが、1%のみが完全にスケーラブルであると考えられています。多くのAIの導入は、特定の問題を解決する孤立した機能であり、より広範なワークフローに接続していません。その結果、有意義な影響を与えたり、企業価値を生み出すシステムに進化したりすることができません。

しかし、CXのリーダーは、そのギャップを埋めることができます。柔軟性のあるインフラストラクチャに投資することで、組織はアジェンティックAIに必要な基礎要素を構築できます。

AIはすでにパイロットの先に進んでいる

多くの組織は、長期的な統合計画なしに、断続的な実験を実施しています。チャットボットはこちら、自動化スクリプトはどこかで、しかし、これらのプロジェクトは共有データパイプライン、システムの互換性、または統一されたアーキテクチャが不足しています。

AIシステムがエンタープライズ全体のワークフローに統合されていない場合、適応、学習、または累積的な価値を提供することはできません。これは、自律的に行動を開始し、結果を生み出すために接続されたシステムを必要とするアジェンティックAIにとって、特に問題です。

明確にするために：会話型AIは、知能型バーチャルエージェント（IVAs）などのツールを指し、顧客と音声またはチャットでやり取りし、通常は質問に答えたりタスクを完了したりします。アジェンティックAIは、自律的に行動を開始し、新しい情報に適応し、人間の入力を待たずに決定を下します。各種のAIには異なる要件がありますが、両者とも強力なシステム統合から利益を得ます。

アジェンティックAIには統合インフラストラクチャが必要

アジェンティックAIは、反応型ツールからプロアクティブなシステムへの移行を示しています。入力待ちではなく、これらのプラットフォームはコンテキストを評価し、機会を特定し、決定し、行動します。CX環境では、AIシステムが顧客の行動を監視し、パーソナライズされたアプローチをトリガーし、解決策を適用し、ケースのクローズを確認することができます。すべて自律的に行われます。

しかし、このレベルの自律性を実現するには、アジェンティックシステムが組織の運用基盤に深く埋め込まれている必要があります。AIツールは、注文管理システムなどの記録システム、顧客コミュニケーションのようなエンゲージメントシステム、および履行および在庫管理などの実行システムと接続する必要があります。その統合には、リアルタイムのデータ、明確に定義されたビジネスロジック、およびAIが人間の介入を必要とする場合の信頼性の高いエスカレーションパスが必要です。

多くのコンタクトセンターは、この分野で構造的な制限に直面しています。シロ化されたデータベース、rigidなワークフロー、および閉じたAPIは、AIエージェントが全体像を見たり適切な行動を取ったりするのを妨げます。

アジェンティックAIが有効に機能するには、以下の特性を持つインフラストラクチャが必要です：

• モジュラー：システムは、全体ではなく、一部ずつ簡単に更新または交換できるべきです。
• 相互運用可能：システムは、自由にデータを交換し、チームやツール全体で動作できるべきです。
• 観察可能：スタッフは、AIが何をしているか、そしてなぜそうしているかを確認できるべきです。
• ガバナンス：ルールと制限が、AIの運用を政策や倫理と一致させるために必要です。

コンタクトセンターが、これらの特性を念頭に置いて現代化を始めると、特に在庫、履行、顧客エンゲージメントなどの分野で、アジェンティック機能をスケールアップする準備が整うでしょう。

会話型AIは戦略的な出発点である

会話型AIシステム、たとえば知能型バーチャルエージェント（IVAs）は、スケーラブルでアジェンティックな自動化への理想的な出発点を提供します。ルールベースのボットとは異なり、IVAsは自然言語理解を使用し、複数のシステムとリアルタイムでやり取りできます。顧客の質問に答えたり、複雑な問い合わせをルーティングしたり、甚至取引をトリガーすることができます。

顧客エクスペリエンスとバックエンド運用の交差点に位置するため、IVAsは、データを簡単に共有しないツールやチームの間で接続を作成します。那により、IVAsは有用な診断ツールとなり、生産性を高めることができます。IVAsを展開するコンタクトセンターは、統合ギャップ、データの不一致、およびエスカレーションパスの洞察を得ることができます。これらの洞察は、より広範なアジェンティックAIの展開を計画する上で不可欠です。

“ボルトオン”の罠を避ける

企業が犯す一般的な間違いは、構造的な制限を解決せずに、AIツールをレガシーシステムに追加することです。これらの「ボルトオン」展開は短期的な結果を示すかもしれませんが、ほとんどスケールしません。代わりに、冗長性、セキュリティリスク、および所有権に関する混乱を引き起こす可能性があります。

その代わりに、組織は、AIの展開をシステム全体の取り組みとしてアプローチする必要があります。AIシステムは、サポートするビジネス機能と調和して動作する必要があります。那には、簡単に接続できるシステムを設計し、データをどのように統治するかを明確に定義することが含まれます。

CXリーダーが今できること

組織は、すべてを一度に改造することなく、実用的ステップを踏み出すことができます。

まず、既存のシステムの包括的な監査から始めます。コアプラットフォームがクラウドベースであるかどうかを確認します。通常、これらは更新および統合が容易です。どのプラットフォームがオープンAPIを使用して他のツールに接続できるか、およびどれが終了予定であるかを特定します。シンプルな評価チェックリストを使用すると、更新が最も利益をもたらす場所を明確にすることができます。

次に、コアワークフローをマッピングして、知能型自動化が最も価値を追加できる場所を決定します。頻繁に発生するプロセス、一定のルールに従うプロセス、および多数の顧客に影響を与えるプロセス（ルーティング、ケースタグ付け、フィードバック収集など）に焦点を当てます。

ツールを選択する際には、現在のシステムと簡単に連携できるものを選択します。これらのソリューションは、新しいシロを生成するリスクを軽減し、将来のリワークを避けるのに役立ちます。

トレーニングも重要です。チームは、ユーザー指示のみではなく、AIが何をしているか、いつ自律的に動作しているか、必要に応じて介入する方法を理解する必要があります。スタッフはエスカレーションパスを理解し、システムのパフォーマンスに関するフィードバックを提供するチャネルを確立する必要があります。

IT、CX、運用などの主要部門をプロセスに早期に参加させます。AIの成功は、技術とビジネス目標とともにスケールする基盤を構築することです。

すべての自動化ツールに対するガバナンスポリシーを確立します。システムが決定を下す方法、境界、および人間のレビューが必要な場合の対応方法を定義します。このプロセスには、意思決定ロジックの文書化、AIの自律性のガードレールの定義、および出力のコンプライアンスと公平性の期待値との整合が含まれます。これらのポリシーは、チームがAIの動作を理解し、ビジネスをサポートする方法を信頼するのに役立ちます。

最終的に、現在重要なユースケースを選択し、次のステップへの道を開きます。目標は、自動化自体のためではなく、進化できる基盤を構築することです。

どこへ向かうとして構築する

AIは、機能セット以上のものです。ワークフォースの乗数です。AIの全潜在能力を解放するには、コンタクトセンターはパイロットだけでなく、進化するシステムが必要です。

幸いなことに、その進化は、最初からやり直す必要はありません。適切な基盤から始まるのです。柔軟なシステム、実用的なツール、および統合の計画。組織がこの視点から準備を再考することで、シロ化された導入と断片的な成長の落とし穴を避けることができます。基盤を現在構築することで、チームはAIとスケールで協力するための安定性、明確性、およびツールを提供します。