AI가 비즈니스에서 자동화가 아닌 지능형 대화로 진화하는 이유

수년간 비즈니스에서 AI에 대한 대화는 자동화에 관한 것이었습니다. 주된 초점은 조직이 더 빠르게 일하고, 수동 노력을 줄이고, 효율성을 개선하는 데 도움이 되는 것에 있었습니다. 이러한 이점은 실제로 존재하지만, 전체 이야기를 설명하지는 못합니다. AI의 다음 단계는 단순히 작업을 자동화하는 것이 아닙니다. 그것은 비즈니스와 그들이 서비스하는 사람들이 더 지능적이고, 적응적이고, 상황을 이해하는 상호작용을 가능하게 하는 것입니다.

AI가 의도를 이해하고, 상황을 유지하고, 경험으로부터 학습하는 능력이 증가함에 따라, 그것은 워크플로우 실행을 넘어서서 대화로 이동하고 있습니다.

우리가 아직도 AI를 자동화로 생각하는 이유

우리가 이 순간에 들어가는 AI의 맥락은 우리가 비즈니스에서 그것을 사용할 수 있는 방식을 형성하고 있습니다.

기술을 사용하여 비즈니스 프로세스를 재설계하는 동안, 우리의 목표는 효율성이나 효과성에 관한 것이었습니다. 우리는 더 빠르게 일하거나 더 잘 일하는 것에 초점을 두었습니다. 우리는 어떻게 비즈니스 프로세스를 다르게 제공할 수 있는지 거의 고려하지 않았습니다.

그것이 우리가 오늘날 AI에 대한 기본적인 접근 방식이 자동화라는 이유입니다. 우리는 기존 프로세스를看着 있고, AI가 그것을 가속화할 수 있는 방법을 묻습니다. 많은 경우에, 그것은 가치가 있고 비즈니스에 유익합니다.

우리가 아직까지 충분히 탐색하지 못한 것은 어떻게 인지 도구인 AI를 비즈니스 운영에 도입할 수 있는지입니다. 그것은 다른 방식의 생각을 필요로 합니다. 그것은 인지(AI) 자체가 대규모로 उपलब할 때 무엇이 변경되는지 고려해야 합니다. 그것은 근본적으로 새로운 패러다임입니다.

진정한 대화형 AI를 구축하는 도전

이 전환이 시간을 걸린 이유 중 하나는 대화형 참여가 본질적으로 어렵기 때문입니다.

대부분의 컴퓨터 시스템은 디지털 데이터를 처리하기 위해 설계되었으며, 아날로그 음성을 처리하기 위해 설계되지 않았습니다. 디지털 정보는 구조화되어 있고 예측 가능합니다. 음성은 그렇지 않습니다. 인간의 대화는 구조화되지 않으며, 감정적이며, 단순히 단어 이상의 신호로 가득 차 있습니다.

통신이 작동하는 방식을看着 보면, 도전은 더 명백해집니다. 전통적인 컴퓨터 시스템은 주로 단방향 모델에서 작동하며, 정보가 한 방향으로 이동한 다음 다른 방향으로 이동합니다. 인간의 대화는 전이중 모델에서 작동하며, 정보가 양방향으로同時에 흐릅니다.

부유한 음성 대화를 지원하기 위해 전통적인 디지털 정보를 처리하는 것과는 완전히 다른 모델과 도구가 필요합니다.

결론은 대화형 기술 스택이 데이터를 처리하는 기술 스택과 근본적으로 다르다는 것입니다.

AI 상호작용이 인간처럼 느껴지는 이유

대화형 AI의 가장 중요한 차별점은 시스템이 이해하는지 또는 단순히 응답하는지 여부입니다.

채팅봇 상호작용은 스크립트를 따릅니다. 그것은有限한 경로 세트가 있으며, 경로를 벗어나면 깨지거나 처음부터 다시 시작합니다. 그것은 이미 처리할 수 있는 것을 기다리는 IVR와 같습니다.

고품질 AI 상호작용은 실제 시간에 대화의 인지 작업을 수행합니다. 그것은 당신이 무엇을 원하는지 이해합니다. 그것은 정보를 반복적으로 입력하지 않도록 전체 교환过程에서 상황을 유지합니다. 그것은 언제澄明하는 질문을 해야 하는지 그리고 언제 단순히 행동해야 하는지 알고 있습니다. 가장 중요한 것은, 예기치 않은 일이 발생하면 그것은 실패하지 않고 적응합니다.

나는 항상 사용하는 테스트는 간단합니다. 고객이 대화를 이해되었다는 느낌으로 끝났는지, 처리되었다는 느낌으로 끝났는지 여부입니다. 채팅봇 시스템은 처리합니다. 그것은 워크플로우를 통해 사람들을 이동시킵니다.真正한 대화형 AI 시스템은 이해합니다. 이해는 워크플로우가 아닌 인지적 행위입니다.

워크플로우를 넘어서서 인지로

수십 년 동안, 소프트웨어는 동일한 방식으로 구축되었습니다. 사용자가 취할 수 있는 모든 경로를 매핑하고, 각 시나리오에 대한 논리를 작성하고, 예상하지 못한 모든 것을 단순히 작동하지 않는다고接受했습니다. 그것이 워크플로우입니다. 그것은事前に 그려진 의사 결정 트리입니다. 지능은 소프트웨어를 설계한 사람에게 살았습니다. 소프트웨어 자체에는 살지 않았습니다.

변화하는 것은 지능이 시스템에 살고 있다는 것입니다.事前に 정의된 경로를 따르지 않고, 현대적인 AI 플랫폼은 지식, 상황, 추론을 사용하여 다음에 무엇이 발생해야 하는지 결정합니다. 대화는 더 이상事前に 정의된 경로를 통한 여정으로서의 대화가 아닙니다. 그것은 시스템이 비즈니스에 대해 알고 있고 이전 상호작용에서学んだ 모든 것을 통해 정보에 의해 결정되는 일련의 결정이 됩니다.

이것은 많은 사람들이 낮추는 변화입니다. 스크립트된 시스템은 배포된 날에 정해집니다. 그것은 1일과 500일 모두 동일하게 똑똑합니다. 인지 시스템은 상호작용을 통해 학습하므로 무엇이 작동하는지 개선합니다.

기술은 더 이상 사람들에 의해 작동되는 도구가 아닙니다. 그것은 적응하고, 복합하고, 사용을 통해 확장하는 능력으로 변하고 있습니다.

규모에서 신뢰가 더 중요해지는 이유

비즈니스에서 AI를 고객 상호작용의 중심으로 위치시키면, 신뢰가 가장 중요한 설계 요구 사항이 됩니다.

AI가 고객과 대화할 때, 그것은 사실상 비즈니스입니다. 모든 대화는 귀하의 브랜드가 말하는 것입니다. 작은 규모에서는 인간이 상호작용을 감독하고 필요에 따라 개입할 수 있습니다. 규모에서는 그것이 불가능해집니다. 비즈니스에서는 시스템이 수천 개의 대화를 직접 듣지 못하더라도 정확하게 자신을 나타낼 수 있도록 신뢰를 배양해야 합니다. 이러한 수준의 책임은 가정되지 않고 설계되어야 합니다.

나에게 그것은 몇 가지 핵심적인 약속에 관한 것입니다:

• 시스템은 비즈니스를 정확하게 나타내고, 거짓말을 하지 않습니다.
• 그것이何か를 모를 때, 그것은 답을 발명하지 않고 말합니다.
• 그것은 모든 고객 상호작용을 관계의 시작으로 간주합니다.

그것은 나중에 추가할 기능이 아닙니다. 그것은 플랫폼을 설계할 때부터 고려해야 하는 지침입니다.

AI를 성공적으로 확장하는 비즈니스들은 이것을 이해합니다. 어려움을 겪는 비즈니스들은 종종 인상적인 것을 배포한 다음 신뢰할 수 있게 만들고, 자신감이 있는 잘못된 답이 규모에서 실제로 손상을 입힐 수 있다는 것을 발견한 것입니다. 신뢰는 부드러운 부분이 아닙니다. 그것은 인프라입니다.

AI의 다음 진화: 소프트웨어로서의 워크포스

우리는 소프트웨어가 작업을 조직하는 것이 아니라 수행하기 시작하는 시기로 들어가고 있습니다.

비즈니스에서는 이것이 가장 기본적인 가정 중 하나를 변경합니다. 즉, 출력이 인간의 가용성에 묶여 있다는 가정입니다. AI가 판매와 고객 서비스를 수행할 수 있게 되면서, 루틴적인 인지 작업은 더 이상 특정 순간에 누구가 उपलब환하는지에 완전히 의존하지 않습니다. 그것은 사람들을 덜 중요하게 만들지 않습니다. 많은 방면에서, 그것은 사람들을 더 중요하게 만듭니다. 반복적인 작업이 기계로 이동함에 따라, 인간의 가치는 판단, 창의성, 관계, 그리고 무엇이 중요한지 결정하는 방향으로 이동합니다.

다음 10년 동안 성공할 비즈니스는 단순히 비용을 줄이기 위해 AI를 사용하는 것이 아닙니다. 그것은 새로운 유형의 능력으로 인식하고, 더 빠르게 어떻게 할 수 있는지보다 지능형 대화와 인지가 대규모로 उपलब할 때 무엇이 가능한지 묻는 것입니다.