AIのハニームーン期は終わり、次に何が来るのか？

過去2年間で、ChatGPTの初期リリースによって多くの興奮が起こり、AIの変革的な潜在能力について無数の議論が行われてきました。企業のリーダーたちは、技術を使用して運用費用を削減したいと考えていました。ただし、多くのリーダーにとって、AIツールの成功を評価するための重要な指標は、投資の生涯リターン（ROI）ではありません。 скорость ROIです。

リスク許容度の低下と収益圧力の増加により、リーダーたちは投資が変化をもたらし、すぐに利益をもたらすことを期待しています。同時に、AIの周りのハイプは減り、AI投資のリターンについてのより実際的な議論が行われています。

次の段階：AIが機能する場所についての現実

今日の市場では、サブスクリプションが王であるため、顧客を維持する能力が成功の鍵となります。ほとんどの業界では、市場は飽和状態であり、多くの組織がほぼ同じ品質のサービスを提供しています。顧客のロイヤルティの低下、期待の高まり、ブランドの切り替えの増加を加えると、組織は激しい競争に直面しています。 カスタマーエクスペリエンス (CX)は、サブスクリプションベースの組織が成功するか失敗するかを決定する要因です。

この環境では、組織は、費用を削減するのではなく、インクリメンタルな改善に重点を置くことで、最もよく競争できます。組織が行う毎日の選択は、顧客中心の目標に特化する必要があります。AIの導入も例外ではありません。組織は、AIを既存のリソースの代替として使用してコストを回収する方法を尋ねてきました。現在、組織は、AIが顧客とどのように協力して価値を創造するかを尋ねる必要があります。

答えは簡単です。AIには、直接的または間接的にCXを改善する多数の潜在的な応用があります。AIを搭載したツールは、顧客の行動データを使用して、ユーザーが正しいメッセージやプロモーションを正しいタイミングで表示するように個人化を強化できます。同様のデータは、製品開発を導き、組織が顧客のニーズをよりよく満たすために市場のギャップを強調するのに役立ちます。組織をより予測可能にし、障害を予測し、緊急事態時に必要な情報をユーザーに伝えるのに役立ちます。

しかし、この作業は主に裏で行われ、すぐに起こることはできません。

AIを最も効果的に使用するには、見えにくい応用から始めましょう

バックエンドまたはフロントエンドのユースケースが期待どおりの結果をもたらすかどうかを確実に判断するには、AIのより微妙で裏側の機能を最初に利用する必要があります。

瞬間的な変革についての見出しの背後には、AIの中心的な機能があります：分析。 大規模言語モデル (LLM) であるChatGPTは、その柔軟性のために注目を集めましたが、どこで動作するかに関係なく、1 つのタスクのみを実行します。情報を要約します。正しい情報を利用できるようにするのは組織の責任であり、それには時間がかかります。これらは、会話でしばしば失われる2つの事実であり、「すぐに解決できる」AIの評判の終わりを表しています。

次の時代は、組織が技術的基盤を構築することで促進される、見えにくい改善によって定義されます。組織は、次のLLMから始めることができます。

1. 既存のデータベースを統合し、シロを打ち破って、エンドツーエンドの可視性とそれに伴うコンテキストを提供します。
2. リアルタイムのデータ収集ツールを実装して、洞察が最新の状態に保たれ、最新のトレンド、パターン、障害が反映されるようにします。
3. 調整と管理を迅速化して、精度を確保し、従業員が人間のタッチが必要なより高度なタスクに集中できるようにします。

組織の変化は、有効な実装の第一歩であり、システムとスタッフの両方に適用されます。この時点で、リーダーは、AIの展開がスタッフに与える影響と潜在的な障害に対処する方法についても考慮する必要があります。スキルアップと再スキル化プログラムの開発により、スタッフが新しいテクノロジーと効果的に協力する準備が整うことができます。AI自身もこれらの取り組みに役立ちます。たとえば、利用状況データに基づいて個々の知識ギャップを強調できます。このような情報は、従業員が必要なすべてを備え、繁栄するためのトレーニングプログラムを導くのに役立ちます。

組織が統合された、正確で、最新のレコードと、AIの使用方法とタイミングを理解しているスタッフを持ったら、「見えにくい」ツールの別の層を追加できます。次の解決策は、ビジネスの実行方法、顧客のニーズ、障害についての深い理解を育む分析に焦点を当てる必要があります。これらの解決策は、各ステップで新しい洞察のレベルを明らかにしながら、互いに築かれます。

具体的には、記述的な分析は、歴史的なデータを使用して歴史的なパターンを特定します。組織に何が起こったかを示します。診断分析は、追加のデータを使用して何が起こったかを文脈化し、原因を特定し、インシデントと変更の影響を強調します。組織に何が起こったのかを示します。予測分析は、過去のイベントからの洞察を使用して、提案された変更の影響をモデル化し、トレンドを追跡します。組織に何が起こり得るかを示します。規範分析は、これらの出力を使用して情報に基づいた決定を下します。組織に次に何をすべきかを示します。

これらの分析ソリューションは、AIのより高度な機能を利用する場合もありますが、最初はこれらのプロセスが裏で行われることに注意することが重要です。最終的には、予測および規範アルゴリズムは、消費者向けのソリューションに進むことができますが、これは、重要な内部基盤が整備された後でのみ可能です。

AIのハニームーン期が終わると、瞬間的な解決策としての評判も終わりますが、この認識を失うことは、技術の全潜在力を実現するために重要です。明日、革新的なAIアプリケーションで見出されることを望むリーダーは、まずこの基礎作業を完了する必要があります。これは、より速いリターンの圧力の中で難しい薬です。ただし、AIの価値をより包括的で、インクリメンタルで、長期的な評価に移行することで、組織はリターンを加速できます。このアプローチにより、リーダーは、修正する必要があるものを明確に把握し、小さな変更が最大の影響を与えることを理解し、今日の利益を損なうことなく、明日も利益をもたらす戦略を立てることができます。

エンドツーエンドの実用性

華やかなユースケースは最初の瞬間には顧客を魅了し、コスト削減の機会は企業のリーダーにとって魅力的かもしれませんが、どちらもAIの長期的な影響を定義する可能性は低いです。代わりに、技術は、スケールで有形な改善を促進する裏側の作業と同義になります。

ハニームーン期の終わりは、AIとのより成熟した関係の始まりを示し、この関係では、AIが本当にどのように顧客の体験を高め、収益性を促進できるかを慎重に検討する必要があります。最終的には、AIを瞬間的な解決策ではなく、顧客のロイヤルティ、満足のいく体験、今日の複雑な運用におけるシンプルなソリューションの追求における戦略的なパートナーとして見ることが重要です。

今後数ヶ月、数年で、成功する組織は、より深く掘り下げ、変化に取り組み、AIの潜在力を短期的および長期的な投資として認識する組織になるでしょう。