AI kan besvara frågan. Nästa utmaning är att hjälpa människor att komma vidare.

Vi har blivit oerhört bra på att bygga AI som kan besvara frågor. Fråga när en ansökan ska vara inne, vilka dokument som krävs eller hur en process fungerar, så kan AI ge ett användbart svar på några sekunder. Men när det gäller någons utbildning, ekonomiska framtid eller känsla av tillhörighet är ett svar bara början. Det viktiga är om personen faktiskt kan komma vidare.

Det är här agentisk AI blir intressant. I stället för att behandla varje interaktion som en fristående fråga kan en AI-agent förstå var någon befinner sig i ett större sammanhang, identifiera vad som behöver hända härnäst och hjälpa personen att ta sig dit. Men för att göra det på ett tillförlitligt sätt krävs mer än en kapabel språkmodell. Det behövs ändamålsenligt utformade processer, sammankopplade system och mänsklig tillsyn som byggs in i arbetssättet från början.

Tänk på högre utbildning. En student ansöker, söker ekonomiskt stöd, registrerar sig på kurser, träffar en studievägledare, hittar akademiskt stöd, söker praktikplats, förbereder sig för examen, letar efter ett jobb och blir så småningom alumn. Lärosäten organiserar dessa delar i separata avdelningar och tekniska system, men studenterna upplever ett och samma universitet. De ska inte behöva förstå lärosätets organisationsschema för att få den hjälp de behöver.

Människor vill inte ha ännu ett gränssnitt. De vill få något gjort.

I en nyligen genomförd undersökning bland 1 058 amerikanska högskolestudenter som för närvarande är inskrivna uppgav 76 % att de förväntar sig att kunna lösa de flesta ärenden som rör studentservice utan att ringa eller besöka ett kontor. Ändå uppgav var fjärde student att lärosätet inte lever upp till den förväntningen. På frågan om vad som är viktigast i en modern digital upplevelse lyfte 64 % fram snabba svar och snabb ärendehantering, 54 % tillgänglighet dygnet runt och 50 % möjligheten att utföra uppgifter på ett och samma ställe. Studenter vill ha snabbare svar, färre överlämningar och kunna utföra uppgifter utan att behöva navigera mellan flera system.

En blivande student påbörjar en universitetsansökan men slutför den aldrig. En traditionell chattbot kan svara på frågor om ansökningskraven, men studenten måste fortfarande själv ta reda på vad som saknas och hur hen ska gå vidare. Ett agentbaserat system kan upptäcka var ansökan har stannat upp, identifiera nästa steg och hjälpa studenten att fortsätta där hen slutade. Om studenten säger att hen redan har laddat upp ett betygsutdrag kan systemet kontrollera ansökan, bekräfta att dokumentet finns där och gå vidare till nästa krav i stället för att be studenten skicka in det igen.

Det är också här några av de största tekniska utmaningarna återstår. Microsoft Research pekar ut tillförlitlighet, bibehållen kontext och förmågan att utföra arbetsflöden i verkliga miljöer som några av utmaningarna för produktivitetsagenter. En agent kan inte på ett tillförlitligt sätt vägleda någon genom en process om den tappar sammanhanget mellan olika steg eller inte kan arbeta i de system som ingår.

Från reaktiva svar till proaktiv hjälp

Möjligheterna sträcker sig längre än till att besvara frågor: AI kan också upptäcka när någon behöver stöd och hjälpa lärosäten att avgöra vilket nästa steg som är rätt. Ett team som arbetar med insamling och alumnrelationer kan till exempel uppfatta tecken på att en alumn är redo att återknyta kontakten, engagera sig som volontär eller ge sin första donation. Men att upptäcka signalen är bara början. Det verkliga värdet ligger i att förstå vilken kontaktinsats som passar personen just då och vad som bör hända härnäst.

Ändamålsenligt utformade processer kan bygga på etablerade arbetssätt för olika målgrupper och syften, vilket ger teamen en bättre utgångspunkt än generiska verktyg eller arbetsflöden som byggs från grunden. Fördelarna handlar dessutom om mer än att spara medarbetarnas tid. Lärosäten har redan enorma mängder data. De behöver hjälp med att tolka signalerna och omvandla dem till genomtänkt och väl avvägd kommunikation vid rätt tidpunkt.

Behovet är tydligt. I samma studentundersökning uppgav hälften av studenterna att de hade undvikit att kontakta sitt lärosäte eftersom processen kändes alltför besvärlig. Ytterligare 40 % hade ombetts att upprepa information som de redan hade lämnat, 34 % hade kopplats vidare utan att få sitt ärende löst och 31 % kunde inte hitta det de behövde och gav upp.

De mest användbara AI-upplevelserna hjälper lärosäten att upptäcka sådana hinder innan de får någon att tappa engagemanget.

Kontext förvandlar ett svar till en användbar åtgärd

Vi har alla upplevt frustrationen i att behöva lämna samma uppgifter till en organisation om och om igen. Föreställ dig nu att du måste göra det samtidigt som du försöker registrera dig på kurser, lösa ett problem med ekonomiskt stöd eller återknyta kontakten med ditt gamla lärosäte. Varje osammanhängande interaktion får organisationen att kännas lite mindre som en plats som känner dig.

När information kopplas samman kring individen i stället för att hållas åtskild mellan olika avdelningar förändras upplevelsen. Studenter, alumner och givare får en mer sammanhängande och personlig kontakt, samtidigt som medarbetarna får den kontext de behöver för att kunna svara bättre. När lärosäten gör kontakten enklare och mer personlig skapar de förutsättningar för starkare relationer och långvarig lojalitet.

Studenter visar redan att de vill att digitala upplevelser ska fungera på det här sättet. Samma studentundersökning visade att 56 % förväntar sig att systemen ska hänga ihop, utan omdirigeringar eller krav på att upprepade gånger ange samma information. Hälften förväntar sig att digitala verktyg proaktivt ska uppmärksamma dem på tidsfrister, krav eller problem innan de blir allvarliga.

För att leverera den upplevelsen krävs mer än att göra enskilda verktyg smartare. Det innebär att koppla samman information och arbetsflöden så att lärosäten kan förstå var någon befinner sig i sin resa och agera därefter.

Den bästa AI:n vet när den ska agera, när den ska skydda och när den ska ta ett steg tillbaka

Målet med agentisk AI bör inte vara maximal autonomi. Det bör vara rätt kombination av stöd, handling och mänskligt omdöme, med mänskligt godkännande inbyggt i arbetsflödet från början.

I takt med att AI kan utföra fler uppgifter blir det lika viktigt att avgöra vad den ska göra på egen hand som att utöka dess förmågor. Rutinuppgifter, som att identifiera ofullständiga formulär eller lyfta fram relevant information, kan lämpa sig väl för automatisering. Men när ett AI-system förbereder ett utskick eller rekommenderar en åtgärd som kan påverka en students upplevelse bör en människa få möjlighet att godkänna den innan något når studenten.

Mänsklig tillsyn bör inte begränsas till att eskalera ovanliga ärenden eller granska beslut i efterhand. I situationer där mycket står på spel ska godkännandet ges före åtgärden, inte efteråt. AI kan identifiera signaler, rekommendera nästa steg och förbereda kommunikation, samtidigt som personalen behåller kontrollen över vad som händer sedan.

Det här tillvägagångssättet ger också utrymme för det omdöme och den empati som tekniken inte kan ersätta. En student som befinner sig i en ovanlig ekonomisk situation eller har det svårt med studierna kan behöva mer än en automatiserad rekommendation. Tekniken bör hjälpa personalen att uppmärksamma sådana situationer och agera utifrån det sammanhang de behöver känna till, i stället för att utesluta dem från processen.

Ansvarsfull implementering innebär också att skydda den känsliga information som de här upplevelserna bygger på. Att koppla samman system och låta AI agera väcker viktiga frågor om dataåtkomst, behörigheter, säkerhet och ansvarsskyldighet. En agent som hjälper till med en ansökan eller en process för studiestöd bör bara få tillgång till den information och de åtgärder som är lämpliga i den aktuella interaktionen, med tydliga gränser för vad den får göra.

Microsoft Researchs arbete med agenter med människa i loopen understryker vikten av att bygga in mänsklig tillsyn och kontroll i alltmer autonoma system, bland annat genom mekanismer som gör det möjligt för människor att delta i och styra om en agents arbete. Ansvarsfull AI gör bättre upplevelser möjliga genom att bygga upp det förtroende som krävs för att kunna erbjuda dem.

Nästa generations AI handlar om resultat

Det finns ytterligare en förändring som lärosäten behöver göra: att ändra hur de mäter om AI faktiskt fungerar.

I dag utvärderas AI ofta utifrån aktivitetsmått: antal hanterade samtal, besvarade frågor, svarstider eller förfrågningar som inte längre behöver hanteras av personalen. Sådana mått kan visa om ett system används eller minskar arbetsbelastningen, men de visar inte nödvändigtvis om det har hjälpt någon att åstadkomma det hen ville.

För studenten som fastnade halvvägs genom en ansökan innebär framgång att slutföra den, inte bara att få svar från en AI-assistent. För en tidigare student som vill återknyta kontakten handlar det om att ta nästa steg i relationen.

Effekten av de här digitala upplevelserna sträcker sig långt bortom bekvämlighet. Studentundersökningen visade att 38 % hade skjutit upp en viktig uppgift som rörde inskrivning, studiestöd eller studierna eftersom de digitala verktygen var svåra att använda. Var fjärde uppgav att svårigheterna hade fått dem att undra om det var värt besväret att fortsätta vara inskrivna. När tekniken skapar så mycket friktion missar man målet om man mäter engagemanget i själva tekniken. Lärosäten bör i stället fråga sig om människor slutför de uppgifter de föresatt sig att göra, var de kör fast och om upplevelsen förbättras med tiden.

Nästa generations AI kommer att definieras av vad människor kan åstadkomma med dess hjälp, och det är en spännande förändring. Oavsett om någon navigerar i högskolestudierna, sköter sin hälso- och sjukvård eller har kontakt med en organisation som hen bryr sig om är möjligheten att göra komplicerade upplevelser verkligt stödjande. För att nå dit krävs resor som utformas kring verkliga människor, sammankopplad information, meningsfull mänsklig tillsyn och ett åtagande att mäta resultat snarare än aktivitet.

Målet är inte mer automatisering för automatiseringens egen skull. Det handlar om att hjälpa människor vidare med mindre friktion, större trygghet och en starkare känsla av att organisationen på andra sidan verkligen förstår dem.