ทำไมความสำเร็จของ AI ขึ้นอยู่กับกระบวนการทำงานที่ดีกว่า ไม่ใช่เครื่องมือ AI มากขึ้น

ผมสังเกตเห็นรูปแบบที่สม่ำเสมอในธนาคารและสถาบันการเงินต่างๆ ที่ได้ทดสอบเครื่องมือ AI ทั่วไป แต่ต้องดิ้นรนในการระบุและวัดผลกระทบ ผู้นำตัดสินใจลงทุน จากนั้นจึงนำไปใช้กับทีมต่างๆ และรอผลกระทบ หลังจากผ่านไปหลายเดือน ความสับสนก็เกิดขึ้น ผลลัพธ์ไม่ชัดเจน กระบวนการไม่ได้รับการปรับปรุง การนำไปใช้ไม่ดี และตัวเลขยังคงไม่เปลี่ยนแปลง ผลตอบแทนจากการลงทุน (ROI) ไม่ชัดเจน และพวกเขากำหนดให้เครื่องมือเป็นปัญหา แต่ความเป็นจริงคือเมื่อคุณนำเครื่องมือทั่วไปมาใช้เพื่อเพิ่มผลผลิตทั่วไป จะไม่มีวิธีการวัด ROI ที่มีความหมาย

เมื่อผมพูดคุยกับธนาคารและสถาบันการเงินเกี่ยวกับ AI ผมพยายามเจาะลึกและระบุปัญหาที่พวกเขาพยายามแก้ไขด้วย AI คำตอบมักสะท้อนถึงแนวทางที่เน้นเครื่องมือมากกว่าแนวทางที่เน้นปัญหา พวกเขาจะได้รับเทคโนโลยีและถูกบอกให้ทำงานได้อย่างมีประสิทธิภาพ แต่ไม่มีใครใช้เวลามาวิเคราะห์ว่ากระบวนการใดที่ถูกทำลาย ที่ไหนที่มีปัญหาอุดตัน และอะไรคือมาตรฐานความสำเร็จสำหรับสถาบัน การระบุและแยกแยะเหล่านี้ช่วยให้เข้าใจได้ว่า AI เป็นเครื่องมือที่เหมาะสมสำหรับงานหรือไม่ และช่วยลดความไม่สอดคล้องกันระหว่างเทคโนโลยีกับกระบวนการที่พยายามปรับปรุง

ทำไม AI ทั่วไปจึงเป็นปัญหา

เมื่อคุณเพิ่มเครื่องมือ AI ทั่วไปโดยไม่ได้ฝังไว้ในกระบวนการทำงานเฉพาะ คุณเพียงเพิ่มภาระให้กับทีมงาน สมาชิกในทีมต้องเรียนรู้สิ่งใหม่ หาข้อสรุปเกี่ยวกับวิธีการใช้ และนำข้อมูลจากหลายระบบมาประกอบกันเพื่อประกอบการตัดสินใจ นอกจากนี้ยังทำให้เกิดปัญหาที่เรียกว่า “swivel chair effect” ซึ่งทีมงานต้องย้ายไปมาระหว่างแพลตฟอร์มและระบบต่างๆ เพื่อให้ได้ภาพรวม

ในทางกลับกัน เครื่องมือ AI ที่ออกแบบมาเพื่อกระบวนการทำงานเฉพาะจะพบกับทีมงานที่ทำงาน ไม่ใช่ให้ทีมงานมาเรียนรู้สิ่งใหม่ เพราะเครื่องมือเหล่านี้ถูกสร้างขึ้นเพื่อกระบวนการทำงานเฉพาะ จึงเข้าใจถึงความแตกต่างของกระบวนการ มีการเข้าถึงแหล่งข้อมูล และเข้าใจสิ่งที่สามารถทำได้และไม่สามารถทำได้

หากเป้าหมายคือ ROI และการนำไปใช้ แต่ไม่มีแผนการเปลี่ยนแปลงหรืองบประมาณ การแตกต่างระหว่าง “เครื่องมืออีกชิ้นหนึ่งที่ต้องเรียนรู้” และ “เครื่องมือที่ถูกสร้างขึ้นเพื่อกระบวนการทำงาน” คือความแตกต่างระหว่างการเห็นผลลัพธ์และไม่เห็นผลลัพธ์

สิ่งนี้ดูเหมือนอย่างไรในทางปฏิบัติ

กรณีการใช้งานคือเรื่องที่คุ้นเคย การโทรเข้ามาถึงตัวแทนบริการลูกค้าเพื่อขอความช่วยเหลือเกี่ยวกับบัญชีของลูกค้าที่ต้องการทำการโอนเงินมากกว่าปกติและสงสัยว่าขีดจำกัดการโอนจะหยุดการทำธุรกรรมนั้นหรือไม่ หากไม่มีเครื่องมือ AI ที่ฝังอยู่ในกระบวนการทำงาน ตัวแทนบริการลูกค้าจะต้องย้ายไปมาระหว่างระบบต่างๆ เพื่อตรวจสอบธุรกรรมล่าสุด ระบบหนึ่งเพื่อประเมินขีดจำกัด และอาจเป็นอีกระบบหนึ่งเพื่อขอการปรับเปลี่ยน นอกจากนี้ยังอาจต้องมีการตรวจสอบนโยบายเพื่อยืนยันว่าสิ่งที่ได้รับอนุญาตคืออะไร สิ่งนี้เกิดขึ้นขณะลูกค้าอยู่ในระหว่างการรอและบางครั้งอาจใช้เวลาถึง 30 นาที

เมื่อ AI ถูกออกแบบมาเพื่อกระบวนการทำงาน การทำธุรกรรมเดียวกันสามารถทำได้ภายใน 10 วินาที ข้อมูลธุรกรรมที่เกี่ยวข้องถูกนำเสนอทันที ขีดจำกัดถูกเปรียบเทียบ การปรับเปลี่ยนถูกทำตามนโยบายของสถาบัน และทุกอย่างสามารถมองเห็นได้ในที่เดียว ความสัมพันธ์ระหว่างตัวแทนบริการลูกค้าและลูกค้าถูกสร้างขึ้น และสถาบันสามารถใช้เวลา 30 นาทีที่อาจจะเสียไปกับการทำงานที่มีความหมายมากกว่า ความแตกต่างคือการปรับปรุงที่วัดได้ภายในกระบวนการทำงานประจำวันที่ส่งผลกระทบต่อประสบการณ์ของลูกค้าและสมาชิกโดยตรง

พื้นฐานสำหรับผลลัพธ์ที่วัดได้

AI ที่ออกแบบมาเพื่อกระบวนการทำงานทำให้สามารถวัดและประเมินผลลัพธ์ได้ง่ายขึ้น เพราะถูกสร้างขึ้นสำหรับกระบวนการทำงานที่ถูกระบุ วัด และเลือกให้เป็นโอกาสในการปรับปรุงด้วย AI ซึ่งหมายความว่ามีมาตรฐานฐานแล้ว และสามารถวัดผลลัพธ์เทียบกับมาตรฐานเหล่านั้นได้หลังจากนั้น สิ่งนี้มีความสำคัญเพราะ AI มีราคาแพง ค่าใช้จ่ายในการใช้งานเป็นค่าใช้จ่ายที่ต่อเนื่องและต้องได้รับการยืนยัน ความสามารถในการสื่อสารการปรับปรุงที่วัดได้อย่างชัดเจนเป็นสิ่งสำคัญในการรับรองว่างบประมาณได้รับการอนุมัติและถูกบัญชี

ความได้เปรียบของสถาบันชุมชน

ผมทำงานอย่างใกล้ชิดกับสถาบันชุมชนหลายแห่ง และพวกเขาได้เปรียบซึ่งมักถูกมองข้าม สถาบันเหล่านี้รู้จักลูกค้าและสมาชิกส่วนบุคคล พวกเขารู้จักความแตกต่างในการดำเนินงานที่ทำให้พวกเขาเป็นเอกลักษณ์ และสามารถระบุได้อย่างรวดเร็วว่ากระบวนการทำงานใดที่มีปัญหา และที่ไหนที่มีอุปสรรคและความไม่สอดคล้อง ความใกล้ชิดนี้มีความสำคัญ เมื่อ AI ที่ออกแบบมาเพื่อกระบวนการทำงาน ถูกนำไปใช้อย่างรอบคอบ มักจะมีผลกระทบในทันที ทีมงานมาถึงด้วยความสม่ำเสมอและเตรียมพร้อมมากขึ้น และความรู้ของสถาบันกลายเป็นสิ่งที่องค์กรทั้งหมดสามารถเข้าถึงและพัฒนาต่อได้

เมื่อ AI แก้ปัญหาที่แท้จริงของลูกค้าและเริ่มทำให้กระบวนการที่ซ้ำซ้อนเป็นอัตโนมัติ ทีมงาน 20 คนสามารถผลิตผลลัพธ์และความสม่ำเสมอเท่ากับทีมงาน 35 คน ประสบการณ์ของลูกค้าและสมาชิกดีขึ้น และพนักงานได้รับเวลากลับมาเพื่อมุ่งเน้นไปที่สิ่งที่มนุษย์ทำได้ดีที่สุด เช่น การตัดสินใจ การเอาใจใส่ และความเห็นอกเห็นใจที่ทำให้ผู้คนกลับมาอีกครั้งและทำให้สถาบันชุมชนแตกต่าง

เริ่มต้นจากที่ไหน

หากการลงทุนใน AI ดูเหมือนยากเกินไป ให้เริ่มต้นด้วยปัญหา ไม่ใช่เครื่องมือ AI ใช้เวลานั่งพูดคุยกับทีมงานเพื่อเรียนรู้ถึงความท้าทายและโอกาสในการปรับปรุงประสบการณ์การทำงานของพวกเขา เข้าใจว่าความไม่สอดคล้องที่ไหน ที่ไหนที่ต้องการผลลัพธ์มากกว่าที่ควร และข้อมูลใดที่ยากต่อการค้นหา คำตอบจะช่วยให้ทราบว่า AI สามารถสร้างมูลค่าจริงได้ที่ไหน

สถาบันการเงินที่ได้รับการพัฒนามากที่สุดด้วย AI ไม่ใช่ผู้ที่เคลื่อนไหวเร็วที่สุด แต่เป็นผู้ที่สร้างขึ้นด้วยจุดประสงค์