AI의 허니문 기간이 끝나면 무엇이 오는지

過去 2년 동안 ChatGPT의 초기 출시로 인해 많은 흥분이 발생한 이후, AI의 변革적 잠재력에 대한 수많은 논의가 진행되었습니다. 기업 리더들은 운영 비용을 줄이기 위해 이 기술을 사용하려는 경향이 있습니다. 그러나 놀랍게도, 많은 리더들에게 AI 도구의 성공을 평가하는 주요 지표는 수명 주기 ROI(Return on Investment)가 아닙니다. 그것은 ROI까지의 속도입니다.

위험 감소와 수익 압力的 증가로 인해 리더들은 투자가 빠르게 변화를 일으키고 수익을 창출하도록 기대합니다.同時에, AI에 대한 허니문 기간이 끝나고, 더 실용적인 대화가 진행되고 있습니다.

다음 단계: AI가 작동하는 곳에 대한 현실적인 이해

오늘날의 시장에서 성공은 고객을 유지하는 데 얼마나 잘 하는지에 달려 있습니다. 대부분의 섹터에서 시장은 포화 상태이고, 많은 조직이 거의 동일한 품질의 유사한 서비스를 제공합니다. 고객 충성도 감소, 기대치 상승, 브랜드 전환 의향 증가를 고려하면, 조직은 고객을 유지하기 위해 오류를 허용할 수 없습니다. 고객 경험(CX)은 구독 기반 조직이 성공하거나 실패하는 데 결정적인 요소입니다.

이 환경에서, 조직은 지출을 피하는 대신 점진적인 개선을 통해 경쟁할 수 있습니다. 조직이 하는 모든 선택은 고객 중심의 특정 목표를 향한 것으로 되어야 합니다. 그것은 AI 구현에도 적용됩니다. 조직은 기존 자원을 대체하는 방법으로 AI를 사용하여 비용을 회수하는 방법을 묻고 있습니다. 이제, 조직은 AI가 고객과 함께 일하는 방식을 개선하여 조직에 가치를 창출하는 방법을 묻는 것이 중요합니다.

答案은 간단합니다. AI는 고객 경험을 직접 및 간접적으로 개선하는 수많은 잠재적 용도가 있습니다. AI 기반 도구는 고객 행동 데이터를 사용하여 사용자가 올바른 메시지 또는 프로모션을 올바른 시점에 볼 수 있도록 개인화를 강화할 수 있습니다. 동일한 데이터는 제품 개발을 안내하여 조직이 고객의需求을 더 잘 충족하도록 시장의 격차를 강조할 수 있습니다. 또한, 조직이 더 적극적으로 작동하도록 도와주어, 중단을 예측하고, 대책을 활성화하며, 사용자에게 필요한 정보를 전달할 수 있습니다.

그러나, 이러한 작업은 주로 뒤에서 일어납니다. 그리고 그것은 밤새 일어날 수 없습니다.

AI를 최상의 상태로 사용하려면 ‘보이지 않는’ 애플리케이션부터 시작하십시오

백엔드 또는 프론트엔드 사용 사례가 원하는 결과를 가져올지 확신하는 유일한 방법은 AI의 더 미묘한, 뒤에서 일어나는 능력을 먼저 활용하는 것입니다.

즉각적인 변화를 위한 헤드라인 뒤에는 AI의 핵심 능력이 있습니다. 대규모 언어 모델(LLM)과 같은 ChatGPT는 그들의 명백한 유연성으로 인해 주목을 받았지만, 어디에서 작동하든지 하나의 작업만 수행합니다. 정보를 요약합니다. 올바른 정보를 제공하는 것은 조직의 책임입니다. 그리고 그것은 시간이 걸립니다. 이러한 사실은 종종 대화에서 잊어버렸으며, AI가 즐기던 “신속한 해결책”의 명성을 끝내는 것을 나타냅니다.

다음 시대는 AI에 의해 촉진되는 보이지 않는 개선으로 정의될 것입니다. 조직은 기술적 기초를 구축함으로써 시작할 수 있습니다. 조직은 다음을 도와주는 LLM과 같은 도구에서 시작할 수 있습니다:

1. 기존 데이터베이스를 통합하고 실로를 분해하여 종단 간 가시성을 제공하고, 그에 따른 컨텍스트를 제공합니다.
2. 실시간 데이터 수집 도구를 구현하여 통찰력이 최신 트렌드, 패턴 및 중단을 반영하도록 합니다.
3. 조정을 가속화하고 관리를 간소화하여 정확성을 보장하고, 작업자들이 인간의 감각이 필요한 더 높은 수준의 작업에 집중할 수 있도록 합니다.

조직의 변화는 효과적인 구현의 첫 번째 단계이며, 시스템과 직원 모두에 적용됩니다. 이 시점에서, 리더들은 또한 AI 배치가 직원에게 미칠 수 있는 영향에 대해 고려하고, 잠재적인 장애물에 대비해야 합니다. 업스킬링 및 리스킬링 프로그램을 개발하여 직원이 새로운 기술과 함께 효과적으로 일할 수 있도록 준비하는 것이 중요합니다. AI 자체도 이러한 노력에 도움이 될 수 있습니다. 예를 들어, 사용 데이터를 기반으로 개인의 지식 격차를 강조할 수 있습니다. 이러한 종류의 정보는 훈련 프로그램을 안내하여 직원이 번영하기 위해 필요한 모든 것을 갖추도록 할 수 있습니다.

조직이 통합된, 정확한, 최신의 기록과 AI를 사용하는 방법을 이해하는 직원을 보유한 후, 또 다른 계층을 추가할 수 있습니다. 다음 해결책은 비즈니스 운영, 고객이 원하는 것, 장애물에 대한 깊은 이해를 культив하는 분석에 초점을 맞출 것입니다. 이러한 해결책은 서로의基础에 구축되며, 각 단계에서 새로운 수준의 통찰력을 공개합니다.

보다 구체적으로, 설명적 분석은 역사적 데이터를 사용하여 역사적 패턴을 식별합니다. 이것은 조직이 무엇이 발생했는지 알려줍니다. 진단 분석은 추가 데이터를 사용하여 발생한เหต의 맥락을 제공하고, 사건 및 변경의 원인과 영향을 식별하며, 효과를 강조합니다. 이것은 조직이 왜 그렇게 발생했는지 알려줍니다. 예측 분석은 과거의 통찰력을 사용하여 제안된 변경의 영향을 모델링하고, 트렌드를 추적합니다. 이것은 조직이 무엇이 발생할 수 있는지 보여줍니다. 처방 분석은 이러한 모든 출력을 사용하여 정보에 기반한 quyết정을 내립니다. 이것은 조직이 다음에 무엇을 해야 하는지 알려줍니다.

이러한 분석 솔루션이 AI의 더 발전된 능력을 활용할 수 있지만, 처음에는 이러한 대부분의 프로세스가 뒤에서 일어난다는 것을 주목하는 것이 중요합니다. 궁극적으로, 예측 및 처방 알고리즘은 소비자용 솔루션으로 이동할 수 있지만, 이는 이러한 중요한 내부基础가 구축된 후에만 가능합니다.

AI의 허니문 기간이 끝나면, 마법의 해결책으로서의 명성이 끝나게 됩니다. 그러나 이러한 인식의 상실은 기술의 전체 잠재력을 실현하는 데 중요합니다. 내일 혁신적인 AI 애플리케이션으로 헤드라인을 만들고 싶은 리더들은 먼저 이러한 기초 작업을 완료해야 합니다. 이는 빠른 반환에 대한 압력 속에서 어려운 약이 될 수 있습니다. 그러나, AI의 가치를 평가하는 데 더 toàn diện하고, 점진적이고, 장기적인 접근 방식을 사용하면, 조직은 반환을 가속화할 수 있습니다. 이러한 접근 방식은 리더들에게 필요한 도구와 시간을 제공하여, 무엇을 고쳐야 하는지에 대한 명확한 그림을 개발하고, 가장 큰 영향을 미치는 작은 변경 사항에 대한 통찰력을 얻으며, 오늘날 수익성을 손상하지 않고 반환을 생성하는 사운드 전략을 개발할 수 있습니다.

종단 간의 실용주의

화려한 사용 사례가 처음에는 고객을 매료할 수 있고, 비용 절감 기회가 기업 리더의 눈에 띌 수 있지만, 그것은 장기적으로 AI의 영향을 정의하지 않을 것입니다. 대신, 기술은 뒤에서 일어나는 작업으로 정의될 것입니다. 이것은 고객 경험을 개선하고, 수익성을 창출하는 데 실질적인 개선을 추동합니다.

허니문 기간의 종료는 AI와의 더 성숙한 관계의 시작을 표시합니다. 이것은 고객 충성도, 만족스러운 경험 및 오늘날의 복잡한 운영에서 단순한 솔루션을 추구하는 과정에서 AI를 어떻게 진정으로 강화할 수 있는지에 대한 주의 깊은 고려를 필요로 합니다.

향후 몇 개월 및 몇 년 동안, 성공하는 조직은 더 깊이 파고들어, 변화를 약속하고, AI의 잠재력을 단기 및 장기 투자로 인정하는 조직이 될 것입니다.