Возрождение агентного ИИ: стратегический трехэтапный подход к интеллектуальной автоматизации

Как и многие, я люблю хорошую совет. Но иногда мне нужно помощь, чтобы что-то сделать.

Следующая версия ИИ — агентный ИИ — переместит нас от совета к выполнению задач. Он позволит бизнесам, которые используют его, сделать трансформационный шаг вперед.

Но шаг к чему? И трансформация какая?

Агентный ИИ может снизить стоимость поддержки клиентов на 25-50%, одновременно значительно улучшая качество и удовлетворенность клиентов, поскольку он выходит за рамки простого выполнения задач. Он также может автономно решать сложные рабочие процессы и взаимодействия с клиентами. Когда он применяется к поддержке клиентов, например, агенты не только реагируют на запросы, но и комплексно решают запросы от начала до конца, снижая вмешательство человека и увеличивая эффективность.

Как и с любой новой технологией, внедрение агентного ИИ представляет вызовы. Компания должна иметь хорошо документированные рабочие процессы и глубокое понимание их, а также обладать прочной базой знаний, на которую агентный ИИ может опираться. И как в случае с генеративным ИИ, проблемы безопасности и конфиденциальности данных требуют от компаний понимания больших языковых моделей (LLM) и того, как информация хранится и передается ими.

Однако правильная стратегия внедрения интеллектуальной автоматизации может обеспечить успех. Чтобы получить максимальную пользу, компании должны сделать три вещи:

• Начать с правильного места
• Сбалансировать агентный ИИ с человеческим опытом
• Войти в сеть агентного опыта

Хотя еще рано, вот что мы узнаем, работая с клиентами в различных отраслях, чтобы интегрировать агентный ИИ в их рабочие процессы и операции.

Не начинайте с малого — начинайте с умного

Может показаться парадоксально, но лучшее место для начала — это ваши случаи с наибольшим объемом. Разве это не рискованно? Не если все сделано правильно. На самом деле, начало с случаев с низким объемом может показаться снижением риска, но на самом деле увеличивает риск того, что вы не увидите достаточного эффекта, чтобы оправдать инвестиции.

Начало с случаев с наибольшим объемом предлагает наибольший потенциал возврата инвестиций (ROI), позволяя компании быстро осознать значительный эффект, максимизировать выгоды от повышения эффективности и продемонстрировать четкую ценность использования агентов ИИ.

Как снизить риск начала с слишком большого объема? Начиная сначала с реализации агентов только на 1% объема самых больших случаев. Этот подход позволяет выявить и исправить потенциальные проблемы, одновременно готовясь к более широкой автоматизации.

Для розничной компании это может означать автоматизацию рабочих процессов “где мой заказ?” или обработки возвратов. Помимо мониторинга отправок по всей сети доставки компании, агент ИИ может проверить личность клиента, проверить статус в реальном времени и обновить клиента — даже предложить варианты, если заказ был неожиданно задержан.

Для возвратов агент может проверить политику возврата компании, собрать информацию от клиента о возврате, предложить следующие шаги и выполнить соответствующие задачи, такие как печать этикета возврата, планирование подачи или выдача возврата и т. д. Агент возврата также может наблюдать за закономерностями злоупотребления и, если это оправдано, изменить свои решения и следующие шаги соответственно.

После того, как компания развертывает агент ИИ на образце части рабочего процесса с наибольшим объемом, она должна отслеживать активность рабочего процесса, чтобы выявить, где могут потребоваться корректировки. Когда агент работает гладко, компания может расширить его использование на предварительно определенные объемы, пока он в конечном итоге не обработает весь объем рабочего процесса.

Конечно, не все задачи и рабочие процессы подходят для полной автоматизации с помощью агентного ИИ. На самом деле, сохранение связи между человеческими экспертами и общей работой агентов ИИ даст лучшие результаты.

Сбалансируйте ИИ с человеческим опытом

Когда компания изучает свои рабочие процессы и процедуры для кандидатов на автоматизацию, она найдет случаи, которые лучше всего подходят для человеческого надзора или прямого действия. Агентный ИИ — это невероятная, высококвалифицированная инновация, но у него есть ограничения.

Три в частности:

Агенты ИИ, как и поддерживающие их большие языковые модели (LLM), в настоящее время не обладают общим интеллектом. Они работают лучше всего в узких, хорошо определенных областях. Итак, хотя люди могут научиться выполнять определенную задачу и абстрагировать из этого знания принципы, которые они затем применяют к другим, несвязанным задачам, ИИ в настоящее время не может.

Затем есть рабочие процессы с чрезвычайно сложными матрицами принятия решений, которые требуют значительного опыта и суждения, основанного на опыте. Например, розничная компания может нуждаться в контенте для прямой маркетинговой кампании. Агент может справиться с этим — и выполнить кампанию.

Но если вы хотите пересмотреть выражение бренда и обещание на нескольких рынках? Агент не будет способен выполнить эту задачу. Это потребует понимания рыночных тенденций, восприятия бренда, культурных различий на рынках и понимания того, как бренды вызывают эмоции.

Наконец, рабочие процессы, которые зависят от обычно “грязной” человеческой коммуникации и эмоциональной нюансы, требуют отчетливо человеческих элементов, таких как сострадание, и лучше всего остаются с людьми. Думайте о проблемах обслуживания клиентов, связанных с разгневанными клиентами или взаимодействиями в области здравоохранения, где эмоциональное или психическое состояние пациента может быть под угрозой.

Но я не описываю бинарный процесс принятия решений: дайте это агентам ИИ; все остальное — людям. На практике гибридная модель работает лучше всего.

Хотя между ролями ИИ и человека должна быть четкая граница, даже когда задачи необходимо выполнять человеческими экспертами, ИИ все равно должен быть на месте, чтобы расширить их возможности и максимально использовать их опыт.

В целом компании должны использовать агентный ИИ для транзакционных, повторяющихся задач и привлекать человеческий опыт для высокорисковых взаимодействий, эмоционально сложных сценариев и ситуаций, требующих нюансов суждения. Заявка на гарантию в размере 50 долларов может быть полностью автоматизирована, в то время как заявка на 5000 долларов, скорее всего, будет выиграть от человеческого эмоционального интеллекта и бренд-чувствительного обращения.

Войдите в агентную сеть

Может быть, самое главное — не пытаться погрузиться в агентный ИИ в одиночку. Создайте сеть экспертных партнеров. Платформы агентного ИИ могут поставлять технологию по цифровым и голосовым каналам. Системный интегратор и консультант, который понимает операционную среду клиента, может обучить агентные модели для конкретных потребностей клиента, а затем интегрировать их в операции компании.

Интеграция этих моделей в корпоративные системы требует глубокого опыта в сложных рабочих процессах и отраслевых проблемах. Это также требует тонкого понимания точек принятия решений в рабочем процессе и того, где человеческое взаимодействие наиболее необходимо — или полезно, чтобы агентный ИИ был полезен для работников и командной производительности.

Агентный ИИ предлагает бизнесу мощный способ улучшить эффективность, повысить опыт клиентов и стимулировать инновации. Но успех не заключается в том, чтобы спешить. Это заключается в том, чтобы принимать умные, обоснованные решения: начинать с правильного места, применять гибридную модель человека и ИИ и входить в правильную сеть.

Поскольку мир ИИ меняется очень быстро, вы не можете позволить себе идти в одиночку.