วิธีการที่ Hi-Tech และ ISV เอนเตอร์ไพรส์ขยายการนำ AI ไปใช้เพื่อสร้างผลกระทบต่อ CX ที่วัดผลได้

ความเร่งด่วนในการใช้งาน Generative AI ในตอนแรกได้เปลี่ยนเป็นความเป็นจริงที่น่าหดหู่สำหรับเอนเตอร์ไพรส์ Hi-Tech และอิสระซอฟต์แวร์เวนเดอร์ (ISV) ความแตกต่างที่ชัดเจนในการดำเนินงานกำลังเกิดขึ้น หลายองค์กรยังคงติดอยู่ใน “นรกของการทดลอง” โดยดำเนินการทดสอบแนวคิดที่ดูเหมือนจะสำเร็จในสถานการณ์ที่ควบคุมได้ แต่ล้มเหลวเมื่อเผชิญกับการขยายขนาดในโลกแห่งความเป็นจริง ในทางกลับกัน กลุ่มเล็กๆ ของผู้นำด้าน CX กำลังเปลี่ยนนวัตกรรม AI ให้เป็นผลลัพธ์ทางเศรษฐกิจที่วัดผลได้ ตามรายงานของ McKinsey บริษัทที่ใช้ AI ในระดับใหญ่สามารถเพิ่มความพึงพอใจของลูกค้าได้ 15-20% และเพิ่มรายได้ 5-8% การศึกษาล่าสุดพบว่า 76% ขององค์กร Hi-Tech ให้ความสำคัญกับการ автоматизเป็นตัวขับเคลื่อน CX หลัก สิ่งนี้บ่งชี้ถึงการเปลี่ยนแปลงจากการทดลองไปสู่ผลกระทบที่มีต่อการดำเนินงาน ช่องว่างไม่ได้เกิดจากความทะเยอทะยานหรือการเข้าถึง แต่ความสามารถในการดำเนินงาน ผู้ที่ตามหลังให้ความสำคัญกับคุณภาพของเนื้อหา ผู้นำเข้าใกล้ AI เป็นความท้าทายของระบบ โดยเปลี่ยนแปลงกระบวนการ จัดการความล่าช้า และบังคับใช้การกำกับดูแลข้อมูล

ช่องว่างทางวิศวกรรม: การย้ายจากโครงการวิทยาศาสตร์ไปสู่ระบบ

โครงการของ Hi-Tech และ ISV ส่วนใหญ่หยุดชะงักเพราะองค์กรอัตโนมัติกระบวนการที่เสียหาย โดยการวาง AI บนกระบวนการทำงานที่มีอยู่โดยไม่เปลี่ยนแปลงกระบวนการ底层 ผู้ที่ตามหลังให้ความสำคัญกับการขยายขนาดก่อนความเกี่ยวข้อง โดยการปรับโมเดลให้เหมาะสมโดยไม่สนใจการเปลี่ยนแปลงกระบวนการที่จำเป็น โครงสร้างการเป็นเจ้าของข้อมูล และโครงสร้างความรับผิดชอบ

ผู้นำ CX ในพื้นที่ Hi-Tech และ ISV แสดงให้เห็นถึงความแตกต่างโดยการเปลี่ยนจากความคิด沙บ็อกซ์ไปสู่ความคิดการผลิตทันที พวกเขากำหนดค่าโดยใช้เมตริกที่เข้มงวด: ต้นทุนต่อการแก้ไข การรักษารายได้ และการลดความพยายามของลูกค้า หากการทดลองไม่สามารถย้ายเข็มเหล่านี้ได้ มันจะต้องถูกยุติอย่างรวดเร็ว

บริษัท EdTech ขนาดใหญ่หนึ่งเผชิญกับการแข่งขันที่รุนแรงในพื้นที่ K-12 องค์กรให้ความสำคัญกับความเร็วและเวลาในการเข้าถึงตลาด โดยพัฒนาแผนการ AI ที่ข้ามคุณลักษณะทั่วไป มันเปลี่ยนแปลงแผนการผลิตภัณฑ์ให้ตรงกับการใช้งานที่ไม่เหมือนใคร เช่น การประเมินนักเรียนอัตโนมัติ การเรียนรู้แบบเกมสำหรับนักเรียน และการวิเคราะห์โรงเรียนแบบเรียลไทม์ โดยการให้ความสำคัญกับความสามารถเหล่านี้และใช้ความเชี่ยวชาญของพันธมิตรเพื่อเร่งการ разработา องค์กรสามารถใช้งานพวกมันอย่างรวดเร็วเพื่อสร้างความแตกต่างในตลาดที่มีการแข่งขันสูง

แนวทางนี้สอดคล้องกับ “คำสั่ง AI” ซึ่งแนะนำว่าบริษัทซอฟต์แวร์ต้องฝัง AI ลงในผลิตภัณฑ์หลักและเปลี่ยนแปลงกระบวนการทำงานรอบๆ ความสามารถเหล่านี้ นอกจากนี้ยังต้องใช้ AI สำหรับงานที่มีปริมาณมากและความแปรผัน thấp โดยปล่อยให้มนุษยจัดการกับกรณีที่ซับซ้อนและต้องใช้ความเห็นอกเห็นใจ ผู้นำแก้ไขคำถามเชิงองค์กรเหล่านี้ก่อน แล้วเทคโนโลยีจะส่งผลลัพธ์

เหตุใดบริษัทซอฟต์แวร์จึงต้องดิ้นรนในการจัดการข้อมูล: การออกแบบสำหรับความไว้วางใจ

หากวิศวกรรมเป็นเครื่องยนต์ ข้อมูลคือเชื้อเพลิง แต่คุณภาพของข้อมูลยังคงเป็นอุปสรรคที่ใหญ่ที่สุด การศึกษาของ MIT ที่อ้างถึงในรายงานของ Bain พบว่า 95% ของโครงการ AI หยุดชะงักก่อนที่จะขยายไปไกลกว่าขั้นทดลอง โดยทั่วไปเนื่องจากคุณภาพข้อมูลที่ไม่ดี การเป็นเจ้าของที่ไม่ชัดเจน และการกำกับดูแลที่ไม่สอดคล้องกัน การชนะด้วย CX ที่ขับเคลื่อนด้วย AI ไม่ใช่เรื่องของปริมาณข้อมูลที่สะสม แต่เกี่ยวกับความชัดเจนและบริบทของข้อมูลที่ใช้ องค์กรที่มีประสิทธิภาพสูงกำลังเปลี่ยนจากซิลโอที่กระจัดกระจายไปสู่สถาปัตยกรรมที่ซับซ้อนและหลายชั้น โดยออกแบบสำหรับโมเดลที่สร้างขึ้น

รากฐานสมัยใหม่นี้เริ่มต้นด้วย Data Lakehouse ที่รวมทุกอย่างตั้งแต่บันทึกแบบโครงสร้างไปจนถึงการถอดเสียงแบบไม่มีโครงสร้าง โดยให้ AI มองเห็นเส้นทางลูกค้าอย่างสมบูรณ์ พายป์ไลน์แบบสตรีมมิ่งรักษาความ “สดใหม่” ของข้อมูล โดยทำให้เครื่องยนต์สามารถสะท้อนถึงสถานะปัจจุบันแทนที่จะเป็นภาพลักษณ์ทางประวัติศาสตร์ ชั้นเซมานติกแบบหลายโหมดผสมผสานฐานข้อมูลเชิงสัมพันธ์สำหรับความแม่นยำของข้อเท็จจริง ฐานข้อมูลเวกเตอร์สำหรับการรู้จำรูปแบบ และกราฟความรู้สำหรับความสัมพันธ์ที่ซับซ้อน โดยการอัตโนมัติความปลอดภัยผ่านการควบคุมการเข้าถึงตามคุณลักษณะและสถาปัตยกรรม “Bring Your Own Cloud” องค์กรสามารถรับรองได้ว่าข้อมูลที่เป็นกรรมสิทธิ์ยังคงได้รับการคุ้มครองและไม่รวมอยู่ในการฝึกอบรมแบบสาธารณะ

บริษัท EdTech ที่กล่าวถึงก่อนหน้านี้ต้องเผชิญกับความท้าทายในการตอบสนอง SLA ของเหตุการณ์เพราะบันทึกการผลิตมีข้อมูลส่วนบุคคล (PII) ซึ่งจำกัดการเข้าถึงให้กับกลุ่มวิศวกรเล็กๆ และสร้างปัญหาการขัดข้องอย่างมาก โดยการออกแบบชั้นข้อมูลใหม่ด้วยการปิดบัง การทำให้ไม่ระบุชื่อ และการควบคุมการเข้าถึงตามบทบาท องค์กรสามารถให้สิทธิ์การเข้าถึงแก่ทีมวิศวกรทั้งหมดได้ การออกแบบจากพื้นฐานขึ้นใหม่นี้เร่งเวลาในการแก้ไข ปฏิทินสัญญาข้อมูลมาตรฐาน และวงจรป้อนกลับคุณภาพอย่างต่อเนื่อง การออกแบบสถาปัตยกรรมข้อมูลให้ถูกต้องสร้างสมดุลระหว่างนวัตกรรมและความซื่อสัตย์ โดยสร้างราวหลังคาที่ช่วยให้สามารถทดลองอย่างรวดเร็วโดยไม่กระทบต่อความไว้วางใจของลูกค้า

จาก Chatbots ไปสู่ Agentic Swarms

ในองค์กร Hi-Tech และซอฟต์แวร์นำ เอนเตอร์ไพรส์กำลังเปลี่ยนจาก chatbots ที่ตอบสนองไปสู่ AI ที่มีเจตนา ซึ่งเป็นการเปลี่ยนแปลงพื้นฐานในด้านการออกแบบและขยาย CX แพลตฟอร์ม นี่คือการเปลี่ยนแปลงในปรัชญา: AI ที่มีเจตนาไม่เพียงแต่รอคำสั่ง แต่ยังสังเกตบริบท คาดการณ์เจตนา และเริ่มการกระทำ ในขณะที่ chatbots ตอบสนอง ตัวแทนจะแก้ไข

สำหรับ ISV สิ่งนี้ต้องการการเปลี่ยนแปลงจากต้นไม้ตัดสินใจที่刚งและแน่นอนไปสู่ตัวจัดการแบบไดนามิกที่สามารถจัดการกระบวนการทำงานที่ไม่สิ้นสุดและไม่สอดคล้องกัน แทนที่จะเป็น chatbot แบบโมโนลิธิก แพลตฟอร์มกำลังพัฒนาไปสู่ฝูงตัวแทนหลายตัว โดยที่ตัวแทนพิเศษจัดการงานที่แตกต่างกัน เช่น การสร้างโค้ด การตรวจสอบคุณภาพ หรือการตรวจสอบความปลอดภัย และทำงานร่วมกันเพื่อแก้ไขผลลัพธ์ที่ซับซ้อน การพัฒนานี้ต้องการคนมีฝีมือใหม่: นักวิศวกรที่มีความเชี่ยวชาญเฉพาะด้านน้อยลงและนักคิดระบบที่สามารถนำทางจุดตัดของกระบวนการทำงาน จริยธรรม จิตวิทยาและความเสี่ยงในการดำเนินงาน

รูปแบบการดำเนินการนำโดยพันธมิตร

การขยายระบบที่ซับซ้อนเหล่านี้มักต้องการความเชี่ยวชาญจากภายนอก แต่แบบจำลองธุรกรรมแบบดั้งเดิมกำลังล้าสมัย รูปแบบที่มีประสิทธิภาพสูงสุดในปัจจุบันสร้างขึ้นบนพื้นฐานของการสร้างร่วมกัน โดยที่องค์กรยังคงรักษาสิทธิ์ในการควบคุมข้อมูล การกำกับดูแล และทรัพย์สินทางปัญญา ในขณะที่พันธมิตรให้เครื่องเร่งความเร็วเฉพาะโดเมนและรูปแบบที่ทดสอบในสนาม

ผู้นำ SaaS ในพื้นที่ FoodTech ใช้รูปแบบนี้เพื่อแก้ไขช่องว่างการมองเห็นที่สำคัญ พวกเขาไม่มีวิธีการวัดประสิทธิภาพการวิศวกรรมหรือประเมินผลกระทบของเครื่องมือ AI ตลอดวงจรพัฒนาสินค้า ทำให้ไม่มีมุมมองที่ชัดเจนว่าทีมภายในหรือทีมพันธมิตรส่งมอบคุณค่าอย่างเหมาะสมหรือไม่ แทนที่จะซื้อเครื่องมืออื่น องค์กรได้ใช้รูปแบบการสร้างร่วมกัน โดยกำหนดผลลัพธ์ที่ต้องการ การกำกับดูแล และเมตริกความสำเร็จ ในขณะที่พันธมิตรออกแบบและนำไปใช้เฟรมเวิร์กที่ขับเคลื่อนด้วยเมตริกตลอดวงจรพัฒนาสินค้า สิ่งนี้ทำให้ฝ่ายบริหารมองเห็นผลการดำเนินงานและคุณค่าของพันธมิตรได้ชัดเจน ในขณะที่ยังคงยึดมั่นในกลยุทธ์และการกำกับดูแลภายในองค์กร

ลำดับความสำคัญสำหรับการได้เปรียบอย่างยั่งยืน: CX เป็นระบบที่มีชีวิต

ในช่วงหนึ่งถึงสองปีข้างหน้า การแบ่งแยกที่ชัดเจนจะกำหนดภูมิทัศน์ของ Hi-Tech และ ISV ในด้านหนึ่งจะมีเอนเตอร์ไพรส์ที่ยังคอรักษา AI เป็นการอัปเกรดฟีเจอร์ ในทางกลับกัน องค์กรที่ออกแบบ CX เป็นระบบที่ปรับตัวและตอบสนองตลอดเส้นทางลูกค้า ผู้ชนะจะไม่ใช่ผู้ที่มีการทดลองมากที่สุด แต่ผู้ที่ออกแบบระบบเพื่อผลลัพธ์ที่ลูกค้าสามารถรู้สึกได้และผู้นำสามารถวัดผลได้

การเปลี่ยนแปลงนี้ต้องการการออกแบบที่มุ่งเน้นไปที่การเดินทางของลูกค้า การอัตโนมัติที่แยกจากกันต้องถูกแทนที่ด้วยเส้นทางการแก้ไขที่ราบรื่น โดยที่บริบทไหลอย่างต่อเนื่องและตัดสินใจที่อธิบายได้สำหรับทั้งลูกค้าและตัวแทน ความไว้วางใจกลายเป็นหลักการดำเนินงานหลัก เมื่อระบบมีความเป็นอิสระมากขึ้น ความเร็วที่ไม่มีการป้องกันกลายเป็นข้อเสีย ผู้นำในอนาคตจะฝังความตัดสินใจของมนุษย์ไว้ที่จุดที่สำคัญที่สุด บังคับใช้การควบคุมข้อมูลตามนโยบาย และสร้างความโปร่งใสเข้าไปในกระบวนการตัดสินใจ

สิ่งนี้ไม่ใช่การอัปเดตเทคโนโลยี แต่เป็นการรีเซ็ตแบบจำลองการดำเนินงาน ทีมที่มีประสิทธิภาพสูงจะสร้างวงจรป้อนกลับอย่างเป็นระบบเพื่อปรับปรุง AI อย่างต่อเนื่อง โดยมาตรฐานการทดสอบด้วยเมตริกความสำเร็จที่ชัดเจน และย้ายผ่านการทดลองที่ล้มเหลวโดยไม่ลังเล องค์กรที่รวมข้อมูล การกำกับดูแล และกระบวนการทำงาน AI ที่มีเจตนาได้สำเร็จจะเพิ่มคุณค่าเร็วกว่าที่คู่แข่งสามารถตอบสนองได้ คำถามไม่ใช่ว่าจะนำความสามารถอัตโนมัติเหล่านี้มาใช้หรือไม่ แต่ว่าองค์กรสามารถเคลื่อนที่เร็วพอที่จะกำหนดมาตรฐานอุตสาหกรรมใหม่ก่อนที่ใครจะทำได้