Líderes de pensamento

Criando a Espinha Dorsal Tecnológica para Casos de Uso de Inteligência Artificial Gerativa de Clientes

mm
Adicione Unite.AI às suas fontes preferidas no Google

A atenção da mídia em torno do ChatGPT tem se concentrado principalmente no potencial transformador que essa tecnologia tem para redefinir a natureza do trabalho. No entanto, a história maior é sobre como a inteligência artificial gerativa irá transformar a experiência do cliente. Um estudo da McKinsey descobre que 80 por cento das tarefas do cliente podem ser automatizadas em todos os canais, resultando em uma economia de 20 por cento para o custo de atendimento.

O ChatGPT e ferramentas semelhantes podem ser utilizados para apoiar numerosos casos de uso, em funções de negócios como marketing e vendas, cadeia de suprimentos, suporte ao cliente, desenvolvimento de produtos e muito mais. Ao aumentar a produtividade dos funcionários, permitir que eles se comuniquem proativamente e resolvam problemas, e abordem pontos de atrito comuns, as soluções de inteligência artificial gerativa podem ajudar as equipes a evoluir rapidamente as capacidades voltadas para o cliente. Para alcançar essa visão, no entanto, as equipes empresariais precisarão superar cinco obstáculos diferentes e implantar duas arquiteturas diferentes: uma para interações humanas aumentadas e outra para interações totalmente automatizadas.

5 Desafios a Serem Superados para Tornar o ChatGPT Pronto para o Mercado

Então, quais são alguns dos obstáculos ou riscos para implementar a inteligência artificial gerativa – e como eles podem ser mitigados?

  1. O ChatGPT não personaliza mensagens: As atuais ferramentas de inteligência artificial gerativa não podem personalizar mensagens, mas a personalização é fundamental para impulsionar as vendas de produtos e serviços, aumentar o gasto por compra, obter vendas repetidas e melhorar a lealdade do cliente. Os marketers precisam de tecnologia de inteligência artificial gerativa de classe empresarial para poder personalizar nomes, imagens, ofertas, recomendações de produtos com base em compras recentes e mensagens de abandono de carrinho.
  2. O ChatGPT cria conteúdo fictício: As soluções de inteligência artificial gerativa usam prompts e aproveitam o aprendizado passado para criar conteúdo. Isso significa que elas preenchem as lacunas com conteúdo aprendido a partir de padrões estatísticos, frequentemente “criando” informações que não são verdadeiras. Para aproveitar a inteligência artificial gerativa e escalá-la em todos os segmentos de clientes e casos de uso, as empresas precisam ser capazes de identificar e remover esse conteúdo errôneo antes que ele chegue aos usuários e aprovadores ou seja distribuído aos clientes.
  1. A inteligência artificial gerativa não pode aplicar regras de negócios: As regras de negócios simplificam as interações do cliente. Os chatbots de IA estreita se destacaram em detectar essas semelhanças e fornecer respostas aprovadas. A inteligência artificial gerativa não pode detectar essas semelhanças e criará respostas originais para cada pergunta, criando confusão para o cliente e introduzindo erros nas interações. Uma arquitetura de tecnologia de classe empresarial que combine uma ferramenta de inteligência artificial gerativa com as políticas de negócios pré-definidas da empresa ajudaria a padronizar essas respostas, fornecendo respostas consistentes para os clientes.
  2. A inteligência artificial gerativa não pode garantir a conformidade: O conteúdo voltado para o cliente geralmente passa por revisões legais para garantir que as imagens, texto, ofertas e promessas atendam às políticas legais, regulamentares e de clientes da empresa. Esse processo protege as empresas de problemas com os clientes, censuras e multas regulamentares e outros tipos de danos ao negócio. A inteligência artificial gerativa não pode criar conteúdo conforme, pois não entende essas nuances. Como resultado, a tecnologia que aproveita a inteligência artificial gerativa deve incorporar guardiões legais para identificar e remover conteúdo não conforme antes que ele seja distribuído ou usado publicamente.
  3. O uso não controlado do ChatGPT está criando riscos de segurança: O uso do ChatGPT é um estudo de caso fascinante sobre o que acontece quando os indivíduos não são controlados por políticas de segurança. Histórias da mídia abundam sobre funcionários que inserem dados sensíveis nesse chatbot publicamente acessível, arriscando a exposição de dados e a perda de propriedade intelectual. As equipes de dados e TI das empresas podem mitigar esses problemas segmentando as informações: enviando conteúdo sensível para chatbots de domínio, que são protegidos por controles e sistemas de segurança, e encaminhando consultas gerais para o ChatGPT.

Avaliando Novas Arquiteturas para Inteligência Artificial Gerativa

Para habilitar operações B2C e B2B humanas aumentadas e operações B2C totalmente automatizadas, as empresas precisarão de duas arquiteturas diferentes.

Ambas as arquiteturas aproveitam ferramentas de inteligência artificial gerativa de código aberto, como o ChatGPT e outras soluções que orientam processos desde a entrada de prompt; até a síntese de dados; à criação, limpeza e personalização de conteúdo; e governança.

Usando o ChatGPT para Simplificar Interações B2C/B2B Humanas Aumentadas

Vamos considerar um cenário comum. Um profissional de marketing insere um prompt em uma interface empresarial, usando um questionário pré-desenhado para orientar o desenvolvimento de conteúdo, como para uma campanha de e-mail.

O funcionário insere informações-chave, incluindo as direções do e-mail, público-alvo desejado, nome do produto, alegações de marketing e características do produto, e quaisquer instruções de uso.

A arquitetura então aproveita personas de cliente para enriquecer as instruções com informações que irão atrair esse segmento, desde que esses modelos de dados estejam disponíveis. A pergunta aprimorada é então enviada via uma API externa para o ChatGPT ou qualquer outra ferramenta de inteligência artificial gerativa semelhante.

Em seguida, um curador aplica regras de negócios e guardiões legais para garantir que o conteúdo atenda aos padrões da empresa e regulamentares. O profissional de marketing então revisa e aprova o e-mail resultante antes de enviá-lo para a base de clientes.

Usando o ChatGPT para Automatizar Interações B2C

E quanto às interações que podem ser totalmente automatizadas?

Depois que um usuário insere uma pergunta, ela é enriquecida com dados de persona do cliente, como antes. No entanto, a consulta atualizada é então encaminhada de uma das duas maneiras: para um chatbot de domínio que possa personalizar respostas para conteúdo de negócios específico ou via uma API externa para o ChatGPT para perguntas rotineiras. O chatbot de domínio personaliza o conteúdo, enquanto o ChatGPT não.

O conteúdo resultante é então limpo de erros e comparado com regras de negócios e guardiões antes de ser distribuído automaticamente aos clientes.

Colher Novos Valores de Negócios a Partir do ChatGPT Implantando Novas Arquiteturas de Tecnologia

A corrida está em andamento para impulsionar o ROI a partir da inteligência artificial gerativa. Líderes empresariais estão analisando processos de negócios em busca de custos e desperdício, conversando com fornecedores para entender suas abordagens e soluções, e desenvolvendo provas de conceito. Eles estão procurando insights e soluções que possam aproveitar para alcançar velocidade de valor e velocidade de escala.

À medida que realizam esse importante trabalho, esses líderes podem avaliar todos os fornecedores pela sua capacidade de resolver esses cinco desafios comuns de inteligência artificial gerativa e habilitar interações humanas aumentadas e totalmente automatizadas.

Usando essas duas arquiteturas fundamentais diferentes, as empresas poderão alcançar inúmeros ganhos de negócios. Elas poderão aumentar a produtividade da equipe, melhorar a experiência do cliente, diminuir os custos de interação de serviço e impulsionar novas vendas de produtos.

Aravind Chandramouli tem sido o Diretor de IA para o Centro de Excelência na Tredence nos últimos três anos. Tendo trabalhado com Microsoft e Fidelity Investments no passado, Chandramouli concluiu seu PhD em Ciência da Computação com especialização em Recuperação de Informação e ML da Universidade de Kansas.