AI 성공은 더 많은 AI 도구가 아닌 더 나은 워크플로우에 달려 있다

저는 일반적인 목적의 AI 도구를 테스트했지만 영향과 측정을 식별하기 위해 어려움을 겪는 금융 기관에서 일관된 패턴을 발견했습니다. 리더십은 투자하기로 결정하고 팀 전체에 구현한 다음 영향에 대해 기다립니다. 몇 개월 후에 혼란이 발생합니다. 결과는 명확하지 않으며, 프로세스는 개선되지 않으며, 채택은 지연되고, 숫자는 변경되지 않습니다. ROI는 명확하지 않습니다. 그리고 그들은 도구를 문제로 지적하지만, 현실은 일반적인 생산성 향상을 위한 일반 도구를 구현할 때 의미 있는 방식으로 ROI를 결정할 수 없습니다.

저는 은행과 신용 조합에 대해 AI에 대해 이야기할 때, 그들이 AI로 해결하려고 하는 문제를 식별하기 위해 노력합니다. 대답은 종종 도구 중심 접근 방식보다는 문제 중심 접근 방식입니다. 그들은 기술을 제공받고 생산적이라고 말하지만,誰도 어떤 워크플로우가 손상되었는지, 병목 현상이 어디에 있는지, 그리고 기관의 성공 메트릭이 무엇인지 평가할 시간을 갖지 않습니다. 이 식별과 식별은 AI가 작업에 적합한 도구인지 여부를 명확히 하고 기술과 최적화하려고 하는 워크플로우 간의 불일치를 완화하는 데 도움이 됩니다.

일반적인 목적의 AI가 문제인 이유

특정 워크플로우에 내장되지 않은 일반적인 목적의 AI 도구를 추가하면 부담만 가중시킵니다. 팀 구성원은 새로운 것을 배우고, 어디서 어떻게 사용할지에 대한 결론을 내리고, 여러 시스템을 통해 контек스트를 알리고, 그 다음 결론을 내리기 위해 통합해야 합니다. 또한 많은 사람들이 swivel chair 효과라고 부르는 것을 기여합니다. 플랫폼과 시스템을 계속 이동하여 완전한 그림을 만들기 위해.

비교적으로, 특정 워크플로우를 위한 AI 도구는 직원들이 일하는 곳에서 직원들을 만납니다. 새로운 습관이나 시스템을 도입하도록 요청하지 않습니다. 이러한 도구는 목적적으로 구축되므로 워크플로우의细节을 이해하고 데이터 소스를 액세스할 수 있으며 무엇을 할 수 있고 할 수 없는지 이해합니다.

목표는 ROI와 채택이지만 변경 관리 계획이나 예산이 없으면, “하나 더 배우는 도구”와 “워크플로우의 목적적인 추가”의 차이는 결과를 보는지 보지 못하는 차이입니다.

실제 적용 사례

사용 사례는 익숙합니다. 고객 서비스 대표에게 전송된 호출은 일반적인 것보다 더 큰 결제를 요청하는 계좌 소유자에게 지원을 요청하며, 전환 한도가 이를 방지하는지 궁금해합니다. 내장된 AI 도구가 없는 경우, 고객 서비스 대표는 여러 시스템之间을 이동해야 합니다. 최근 거래를 검토하기 위해 하나, 한도 평가를 위해 하나, 그리고 잠재적으로 정책 검토를 위해 세 번째입니다. 이것은 모두 계좌 소유자가 홀드 중일 때 발생합니다. 때때로 30분까지 걸릴 수 있습니다.

AI가 워크플로우에 내장된 경우, 동일한 작업은 10초 정도로 수행할 수 있습니다. 관련 거래 세부 정보가 즉시 표시되고, 한도는 비교되고, 정책과 일치하는 조정이 수행되며, 모든 것이 한 곳에서 볼 수 있습니다. 고객 서비스 대표와 계좌 소유자 사이에 관계가 형성되고, 기관은 30분을 더 의미 있는 작업에 할애할 수 있습니다. 차이는 고객 및 회원 경험에 직접적인 영향을 미치는 일일 워크플로우 내에서 정량화할 수 있는 향상입니다.

측정 가능한 결과를 위한 기초

목적적인 AI는 성공을 정량화하고 측정하는 능력을 단순화합니다. 왜냐하면 그것은 식별되고 측정되고 최적화할 기회로 선택된 워크플로우를 위해 구축되기 때문입니다. 이는 기준이 이미 존재한다는 것을 의미하며, AI 도구를 구현한 후에 기준에 대해 측정할 수 있습니다. 이것은 중요합니다. AI는 비싸기 때문입니다. 사용 비용은 지속적이며 정당화되어야 합니다. 측정 가능한 개선 사항을 명확하게 전달하는 능력은 예산이 승인되고 계산되도록 보장하는 데 중요합니다.

지역 기관의 경쟁 우위

저는 많은 지역 기관과密接하게 일하며, 종종 간과되는 우위를 가지고 있습니다. 이러한 은행과 신용 조합은 고객과 회원을 개인적으로 알고 있습니다. 그들은 운영의细节을 이해하고, 워크플로우가 손상되는 곳과 병목 현상 및 일관성이 없는 곳을 신속하게 식별할 수 있습니다. 이러한 근접성은 중요합니다. 목적적인 AI가 신중하게 구현될 때, 종종 즉각적인 영향이 있습니다. 팀은 더 일관되게 나타나고, 더 잘 교육되고, 기관의 지식이 전체 조직에서 액세스하고 구축할 수 있는 것이 됩니다.

AI가 실제 고객 문제를 해결하고 반복적인 것을 자동화하기 시작하면, 20명의 팀이 35명의 팀과 동일한 출력과 일관성을 제공할 수 있습니다. 고객과 회원의 경험은 개선되고, 직원들은 시간을 되찾아 판단, 친절, 그리고 지역 기관을 구별하는 공감을 집중할 수 있습니다.

시작 방법

AI 투자가 압도적이면, 도구가 아닌 문제부터 시작하세요. 팀과 함께 앉아 그들의 도전 과제가 무엇인지, 그리고 그들의 작업 경험을 개선할 기회가 어디에 있는지 배우세요. 마찰이 어디에 있는지, 무엇이 더 많은 출력을 필요로 하는지, 그리고 무엇이 끊임없이 발견하기 어려운지 이해하세요. 답변은 AI가 실제 가치를 창출할 수 있는 곳을 알려줄 것입니다.

AI와 가장 많은 진도를 내고 있는 금융 기관은 가장 빠르게 움직인 것이 아니라, 목적을 가지고 구축한 것입니다.