AI potrafi odpowiedzieć na pytanie. Kolejnym wyzwaniem jest pomaganie ludziom w dalszym działaniu.

Staliśmy się niezwykle skuteczni w tworzeniu AI, która potrafi odpowiadać na pytania. Zapytaj, kiedy upływa termin złożenia wniosku, jakie dokumenty są wymagane lub jak przebiega dany proces, a w ciągu kilku sekund otrzymasz przydatną odpowiedź. Jednak gdy stawką jest czyjaś edukacja, przyszłość finansowa lub poczucie przynależności, odpowiedź to dopiero początek. Liczy się to, czy dana osoba może rzeczywiście ruszyć naprzód.

Właśnie tu agentowa AI staje się interesująca. Zamiast traktować każdą interakcję jako odrębne pytanie, agent AI może rozpoznać, na jakim etapie szerszej ścieżki znajduje się dana osoba, ustalić, co należy zrobić dalej, i pomóc jej osiągnąć cel. Niezawodne działanie wymaga jednak czegoś więcej niż wydajnego modelu językowego. Potrzebne są ścieżki zaprojektowane z myślą o konkretnych celach, połączone systemy oraz nadzór człowieka uwzględniony w procesie od samego początku.

Rozważmy szkolnictwo wyższe. Student składa podanie, załatwia formalności związane z pomocą finansową, zapisuje się na zajęcia, spotyka z doradcą akademickim, szuka wsparcia w nauce, rozgląda się za stażem, przygotowuje się do ukończenia studiów, szuka pracy, a w końcu zostaje absolwentem. Uczelnie dzielą te etapy między osobne wydziały i systemy informatyczne, ale studenci postrzegają je jako jedną uczelnię. Nie powinni musieć znać jej struktury organizacyjnej, żeby uzyskać potrzebną pomoc.

Ludzie nie chcą kolejnego interfejsu. Chcą coś załatwić.

W niedawnym badaniu przeprowadzonym wśród 1058 studentów uczelni wyższych w USA, którzy obecnie studiują, 76% stwierdziło, że oczekuje możliwości załatwienia większości spraw studenckich bez dzwonienia do biura lub osobistej wizyty. Jednak co czwarta osoba odpowiedziała, że jej uczelnia nie spełnia tych oczekiwań. Zapytani o to, co jest najważniejsze we współczesnych doświadczeniach cyfrowych, badani wskazywali szybkie odpowiedzi i rozwiązywanie spraw (64%), dostępność przez całą dobę, 7 dni w tygodniu (54%) oraz możliwość załatwiania spraw w jednym miejscu (50%). Studenci chcą szybszych odpowiedzi, mniejszej liczby przekazań między pracownikami i możliwości załatwiania spraw bez konieczności poruszania się między wieloma systemami.

Przyszły student rozpoczyna wypełnianie podania na studia, ale go nie kończy. Zwykły chatbot może odpowiadać na pytania dotyczące wymagań związanych z podaniem, ale student nadal musi sam ustalić, czego brakuje i jak postąpić dalej. System agentowy może rozpoznać, na jakim etapie utknął proces składania podania, wskazać kolejny krok i pomóc studentowi wrócić do miejsca, w którym przerwał. Jeśli student powie, że przesłał już wykaz ocen, system może sprawdzić dokumentację podania, potwierdzić, że wykaz się w niej znajduje, i przejść do kolejnego wymogu, zamiast prosić o ponowne wykonanie tej samej czynności.

Właśnie w tym obszarze wciąż występują jedne z największych wyzwań technicznych. Microsoft Research wskazuje niezawodność, zachowywanie kontekstu i realizowanie rzeczywistych zadań w ramach przepływów pracy jako jedne z wyzwań stojących przed agentami wspierającymi produktywność. Agent nie może niezawodnie przeprowadzić kogoś przez dany proces, jeśli gubi kontekst między kolejnymi etapami lub nie potrafi współpracować z zaangażowanymi systemami.

Od reaktywnych odpowiedzi do proaktywnej pomocy

Możliwości nie ograniczają się do odpowiadania na pytania: obejmują też rozpoznawanie, kiedy ktoś potrzebuje wsparcia, i pomaganie uczelniom w ustaleniu właściwego kolejnego kroku. Na przykład zespół ds. rozwoju uczelni może dostrzec sygnały, że absolwent jest gotów odnowić kontakt, zaangażować się jako wolontariusz lub przekazać pierwszą darowiznę. Samo rozpoznanie sygnału to jednak dopiero początek. Prawdziwa wartość wynika ze zrozumienia, jaki sposób nawiązania kontaktu będzie odpowiedni dla danej osoby w danym momencie i co należy zrobić później.

Ścieżki zaprojektowane z myślą o konkretnych celach mogą uwzględniać sprawdzone praktyki dostosowane do różnych odbiorców i celów, zapewniając zespołom lepszy punkt wyjścia niż ogólne narzędzia czy przepływy pracy tworzone od podstaw. Korzyści wykraczają przy tym poza oszczędność czasu pracowników. Uczelnie dysponują już ogromnymi ilościami danych. Potrzebują pomocy w interpretowaniu sygnałów i przekuwaniu ich w przemyślane, odpowiednio zaplanowane działania angażujące odbiorców.

Potrzeba jest oczywista. W tym samym badaniu wśród studentów połowa respondentów stwierdziła, że nie zwróciła się o pomoc do swojej uczelni, ponieważ procedura wydawała się zbyt trudna. Kolejne 40% musiało ponownie podać informacje, które już wcześniej przekazało, 34% zostało przekierowanych bez rozwiązania sprawy, a 31% nie mogło znaleźć potrzebnych informacji i zrezygnowało z poszukiwań.

Najbardziej przydatne rozwiązania AI pomagają uczelniom dostrzegać takie punkty tarcia, zanim staną się powodem, dla którego ktoś zrezygnuje z kontaktu.

Kontekst zmienia odpowiedź w użyteczne działanie

Wszyscy znamy frustrację związaną z koniecznością wielokrotnego przekazywania tej samej organizacji tych samych informacji. A teraz wyobraź sobie, że dzieje się to podczas zapisywania się na zajęcia, rozwiązywania problemu z pomocą finansową lub nawiązywania ponownego kontaktu ze swoją alma mater. Każda nieskoordynowana interakcja sprawia, że coraz mniej czujemy, iż organizacja nas zna.

Połączenie informacji wokół konkretnej osoby, a nie poszczególnych wydziałów, zmienia to doświadczenie. Studenci, absolwenci i darczyńcy zyskują bardziej ciągły, spersonalizowany kontakt, a pracownicy otrzymują kontekst pozwalający skuteczniej reagować. Ułatwiając nawiązywanie kontaktu i nadając mu bardziej osobisty charakter, uczelnie tworzą warunki sprzyjające budowaniu silniejszych relacji i trwałej lojalności.

Studenci już dają do zrozumienia, że chcą, by cyfrowe doświadczenia tak właśnie wyglądały. Z tego samego badania wśród studentów wynika, że 56% oczekuje, iż systemy będą ze sobą połączone, bez przekierowań i konieczności wielokrotnego wpisywania tych samych informacji. Połowa badanych oczekuje, że narzędzia cyfrowe będą z wyprzedzeniem sygnalizować terminy, wymagania lub problemy, zanim staną się one poważnymi przeszkodami.

Zapewnienie takiego doświadczenia wymaga czegoś więcej niż tylko ulepszenia poszczególnych narzędzi. Chodzi o połączenie informacji i procesów, które pozwalają instytucjom zrozumieć, na jakim etapie swojej drogi znajduje się dana osoba, i odpowiednio na to reagować.

Najlepsza sztuczna inteligencja wie, kiedy działać, kiedy chronić, a kiedy ustąpić

Celem agentowej sztucznej inteligencji nie powinna być maksymalna autonomia. Chodzi o właściwe połączenie wsparcia, działania i ludzkiego osądu, z uwzględnieniem ludzkiej akceptacji na każdym etapie procesu już od samego początku.

Wraz ze wzrostem zdolności sztucznej inteligencji do podejmowania działań równie ważne jak poszerzanie jej możliwości staje się ustalenie, co powinna robić samodzielnie. Rutynowe zadania, takie jak wykrywanie niekompletnych formularzy czy wyszukiwanie istotnych informacji, mogą dobrze nadawać się do automatyzacji. Jednak gdy system AI przygotowuje kontakt ze studentem lub proponuje działanie, które może wpłynąć na jego doświadczenia, człowiek powinien mieć możliwość zatwierdzenia go, zanim cokolwiek trafi do studenta.

Nadzór człowieka nie powinien ograniczać się do przekazywania nietypowych przypadków do dalszej analizy ani do weryfikowania decyzji już po ich podjęciu. W sytuacjach o poważnych konsekwencjach akceptacja powinna nastąpić przed działaniem, a nie po nim. AI może rozpoznawać sygnały, rekomendować kolejne kroki i przygotowywać komunikaty, a personel zachowuje kontrolę nad tym, co wydarzy się dalej.

Takie podejście pozostawia również przestrzeń na osąd i empatię, których technologia nie jest w stanie zastąpić. Student mierzący się z nietypową sytuacją finansową lub trudnościami w nauce może potrzebować czegoś więcej niż zautomatyzowanej rekomendacji. Technologia powinna pomagać pracownikom rozpoznawać takie sytuacje i reagować z uwzględnieniem potrzebnego kontekstu, a nie wykluczać ich z tego procesu.

Odpowiedzialne wdrożenie oznacza również ochronę wrażliwych informacji, od których zależą te doświadczenia. Łączenie systemów i umożliwianie AI podejmowania działań rodzi istotne pytania dotyczące dostępu do danych, uprawnień, bezpieczeństwa i odpowiedzialności. Agent wspierający kogoś w procesie składania wniosku lub ubiegania się o pomoc finansową powinien mieć dostęp wyłącznie do informacji i działań odpowiednich w danej sytuacji, a zakres jego możliwości powinien być jasno określony.

Prace Microsoft Research nad agentami działającymi z udziałem człowieka podkreślają, jak ważne jest uwzględnianie nadzoru i kontroli człowieka przy projektowaniu coraz bardziej autonomicznych systemów, w tym mechanizmów pozwalających ludziom uczestniczyć w pracy agenta i zmieniać jej kierunek. Odpowiedzialna AI umożliwia tworzenie lepszych doświadczeń, budując zaufanie niezbędne do ich zapewnienia.

Kolejna generacja AI będzie koncentrować się na rezultatach

Instytucje muszą wprowadzić jeszcze jedną zmianę: inaczej mierzyć, czy AI rzeczywiście się sprawdza.

Obecnie skuteczność AI często ocenia się na podstawie wskaźników aktywności: liczby obsłużonych rozmów, udzielonych odpowiedzi, czasu reakcji lub zapytań, których obsługą nie musiał zajmować się personel. Takie miary mogą pokazać, czy system jest używany lub zmniejsza obciążenie pracą, ale niekoniecznie informują, czy pomógł komuś osiągnąć cel, z którym ta osoba się zgłosiła.

W przypadku studenta, który utknął w połowie wypełniania wniosku, sukces oznacza ukończenie tego wniosku, a nie samo uzyskanie odpowiedzi od asystenta AI. Dla absolwenta, który chce ponownie nawiązać kontakt, sukces oznacza podjęcie kolejnego kroku w tej relacji.

Wpływ tych cyfrowych doświadczeń wykracza daleko poza wygodę. Z badania wśród studentów wynika, że 38% odłożyło ważne zadanie związane z zapisaniem się na studia, pomocą finansową lub nauką, ponieważ korzystanie z narzędzi cyfrowych było trudne. Co czwarta osoba stwierdziła, że te trudności sprawiły, iż zaczęła się zastanawiać, czy warto znosić te niedogodności, by pozostać na studiach. Gdy technologia powoduje tak duże utrudnienia, mierzenie zaangażowania w korzystanie z niej mija się z celem. Instytucje powinny sprawdzać, czy ludzie wykonują zaplanowane zadania, na jakim etapie napotykają trudności i czy z czasem ich doświadczenia się poprawiają.

O kolejnej generacji AI będzie świadczyć to, co ludzie dzięki niej będą mogli osiągnąć — to ekscytująca zmiana. Niezależnie od tego, czy ktoś porusza się w świecie szkolnictwa wyższego, korzysta z opieki zdrowotnej czy kontaktuje się z ważną dla siebie organizacją, celem jest sprawienie, by złożone doświadczenia zapewniały realne wsparcie. Aby to osiągnąć, trzeba projektować ścieżki z myślą o konkretnych ludziach, łączyć informacje, zapewniać znaczący nadzór człowieka i mierzyć rezultaty, a nie aktywność.

Celem nie jest automatyzacja dla samej automatyzacji. Chodzi o to, by ułatwiać ludziom dalsze działanie, ograniczać przeszkody, zwiększać ich pewność siebie i wzmacniać poczucie, że organizacja po drugiej stronie naprawdę ich rozumie.