En Kötü İlk İş, Görsel Olanı Verilmelidir

Şirketler genellikle ilk ajan işini aynı şekilde seçerler. Birisi AI’ın onlara neler yapabileceğini sorar ve oda, herkesin hayal edebileceği işe odaklanır: blog yazılarımızı yaz, müşterilerimize cevap ver, gelen kutumuzu yönet. Bu, binadaki en görünür iş olduğu için akla gelen iştir.

Altı ay sonra pilot sessizce park edilir ve sonuç, teknolojinin hazır olmadığı yönündedir. Teknoloji iyiydi. İş seçimi sorunuydu ve görünür olması onu kötü bir iş haline getirdi.

Üç şey, bir işi zorlaştırır ve görünür olanlar hepsine sahiptir

Bir iş, bir ajan için kolaydır khi:
– Doğru bir cevabı vardır,
– Kötü bir çıktı ucuzdur,
– Binada zaten bu işi yapan ve iyi ile kötüyü görme yeteneğine sahip jemand vardır.

Müşteri ile yüz yüze yazma, ilk teste başarısız olur.

“Bu blog yazısı iyi mi?” sorusuna doğru bir cevap yoktur, sadece bir kişi tarafından tutulan bir tercih vardır ve yanlış versiyonu anında tanıyacak, ancak doğru versiyonu önceden belirtmekte zorlanacaktır. Bu boşluk, çoğu kalite şikayetinin yaşandığı yerdir.

Müşteri ile yüz yüze her şey, ikinci teste başarısız olur.

Dahili bir özeti kötü bir çıktı, dört dakika maliyeti olan birine mal olur. Müşteriye kötü bir cevap, bir ilişkiye ve bazen de bir uyum sohbetine mal olur. Kötü bir çıktının maliyeti, işin ne kadar denetimi gerektiğini belirler ve denetim, ajanları çalıştırmanın pahalı kısmıdır.

Ve genellikle görünür işler, üçüncü teste başarısız olurlar, ancak bunu kimse geç fark eder.

Çalışmanın çıktısını değerlendirecek olan kişi, şirketin en kıymetli kaynağı olan bir üst düzey yöneticidir. Ona bir inceleme sırası vermek, en pahalı takviminize iş eklemektir.

Başarılı ilk işler nasıl görünür

Sıkıcıdır. Bu, planlanabilecek kadar tutarlı bir modeldir.

NTT DATA Group, ajan araçlarını tüm organizasyona yaydığında, iç görüşü değiştiren erken bir kazanım, müşteri deneyimi değil, dahili bir mühendislik işi idi. OpenAI’in dağıtım hesabında, kritik bir sistem için karmaşık bir olay analizi otomatikleştirildi – önce beş deneyimli mühendis tarafından üç gün süren bir iş, 30 dakikada tamamlandı. Bu sonuç, yazının belirttiğine göre, “üst düzey liderlerin dikkatini çekti ve erken bir kanıt noktası haline geldi”.

O işin şekline, başlık numarasına değil, bakın. Olay analizi doğru bir cevaba sahiptir ve bu, organizasyonun kontrol edebileceği bir cevaptır, çünkü iş zaten vardı ve işi yapan kişiler hala oradadır.

Bu tekrarlanır. Şirketin kendi sistemleri içinde, müşterinin önünde değil. Ve “tamam” standardı, analizin kanıtlara dayanmasıdır, bu da savunulabilir bir cevaba sahip bir sorudur, değilse bir mesele değildir.

Bunu, çoğu şirketin ilk olarak önerdiği işe karşılaştırın. Bir blog yazısı, doğru bir cevaba, ucuz bir yargıca ve bir kitleye sahip değildir.

Sıralama önemlidir, seçim kadar. NTT DATA, önce ChatGPT Enterprise’ı tüm şirkete yaydı ve dahili bir anketten, %96’dan fazlası memnun olduklarını ve %95’ten fazlası üretkenlik kazancı bildirdi.

Bu günlük kullanımla, yazının belirttiğine göre, “çalışanlar AI ile araştırma, yazma ve içerik oluşturma için deneyim kazandılar” – ve bu alışkanlıklar “şirketin,明 olarak tanımlanmış görevleri devretmeye hazırlanmasına” yardımcı oldu.

Vaka çalışmasıyla yayımlanan liderlik dersleri, tam olarak bunu vurguluyor: AI’ı günlük işin bir parçası haline getirin, insanların onlarla işbirliği yapma alışkanlıklarını kazandırın. Şirket, AI çıktısı ile günlük alışkanlıklarını oluşturmadan önce, olay analizi işini ele aldı.

Bu alışkanlık aşaması, göründüğünden daha fazla iş yapıyor. Genel AI araçları ordinary olduğunda, insanlar bunları iş unvanlarının sınırları dışında kullanmaya başlar ve benim görüşüm, bu iyi aday işlerin ortaya çıktığı yer burası – işleri yapan kişilerden, planlama toplantısından değil. Ayrıca bu, kuşkuların giderildiği yerdir ve ön saflardaki personelin gerçekten AI araçlarına nasıl baktığı da burada belirlenir.

İstisna, kuralı kanıtlar, tüm vaka okunduğunda

Açık bir itiraz, müşteri ile yüz yüze ajanların gerçekten çalıştığıdır. Çalışırlar. Bir tanesini yakından okumaya değer.

Yamada Holdings ile birlikte oluşturulan alışveriş ajanı avatarin, bir ajan işinin sahip olabileceği kadar görünür. 24/7 çok dilli destek, sesli ve metin ile alışveriş danışmanlığı. Yamada Denki’nin online mağazasında iki haftalık bir kampanyada yaklaşık 30.000 kişi kullandı ve %92’si olumlu yanıt verdi. Gerçek sonuç, gerçek müşteriler, ön ofis.

Doğru bir şey söylemek gerekirse: OpenAI’in yazısı, bunu “bu dersleri doğrudan müşterilere götürme fırsatı” olarak tanımlar. Yani bu, avatarin’in müşteri ile yüz yüze ilk ajanı idi, ki bu, yukarıdaki her şeye karşı bir argüman gibi görünüyor.

“Bu dersler”e ne atıfta bulunulduğunu görün. avatarin, ANA Holdings’dan spun out bir AI müşteri hizmetleri şirketidir ve yazının belirttiğine göre, OpenAI ile “Yamada Denki projesinden önce, OpenAI API’sini konuşma tanıma, sorgu analizi ve personel eğitimi için kullanıyordu”.

Ajanın cevapları, bir geri çağırma-augmented üretim sistemi ile temellendirilir, yani cevaplar modelin hafızasına değil, gerçek ürün bilgilerine dayanır. Perakendecinin müşteri hizmetleri bilgisi, kasıtlı olarak sohbet akışlarına ve promtlere kodlanmıştır. Korumalar, sohbeti alışveriş deneyimi içinde tutmaya yardımcı olur. Ve OpenAI, ekibi ile birlikte promtları yapılandırmaya ve her zaman açık bir ses hizmetini çalıştırma maliyetini düşürmeye yardımcı oldu.

Yani bu, AI müşteri hizmetleri işinin tümü olan bir şirketin, aynı satıcıların araçları ile önce yapılan işin ardından gelen, bir müşteri ile yüz yüze ilk işiydi, ve bunun gerçek maliyeti, sonucu görünenden çok daha fazlaydı.

İki hesabın birlikte okunması, iki başarı hikayesi değil, bir sıralama dersi olarak görülür. Bir organizasyon, AI’ı günlük işin bir parçası haline getirerek tanımlanmış işleri devretme hakkını kazandı. Diğeri, daha önce yaptığı bileşen işinin ardından, müşteri ile yüz yüze işi, bir uzman olarak ele aldı. Hiçbiri, planlama toplantısında başlamak istediği yerden başlamadı.

Seçim kuralı

Her aday işi, seçmeden önce dört soruya göre puanlayın.

1. Doğru bir cevabı var mı?

İyi bir cevap değil, doğru bir cevap. Uzlaşma, sınıflandırma, çıkarma ve sonuçlu analiz hepsi geçerli. Lezzete dayalı olarak değerlendirilenler değil, en azından ilk olarak değil.

2. Bir kötü çıktı ne maliyeti?

Eğer dürüst cevap, bir müşteri, bir düzenleyici veya bir dosya numarasını içeriyorsa, işin bunun gibi bir mimariye ve inceleme raylarına ihtiyacı vardır ve muhtemelen henüz bunları oluşturmadınız.

3. Hacim kurulumu haklı çıkarıyor mu?

Ayda iki kez yapılan bir iş, haftalarca süren iterasyonun maliyetini asla karşılayamaz. Ekonomi, tekrarlamadan gelir ve tekrarlama, size şeyin nerede başarısız olduğunu öğreten şeydir.

4. Zaten bu işi yapan ve kötü bir sonucu anında görebilecek olan kim?

O kişi, sizin inceleyicinizdir ve zamanı olmalıdır. Eğer tek nitelikli yargıç kurucu ise, farklı bir iş seçin.

Dört soruya iyi puan veren iş, genellikle toplantıda ortaya çıkan iş değildir. Genellikle bir ekibin iki yıldır manuel olarak yaptığı ve artık şikayet etmediği, çünkü artık bunu iş olarak görmediği bir iştir.

Buraya kadar nerede bırakıyor

Bu hafta, düşündüğünüz işleri puanlayın. Kazanan aday, bir hayal kırıklığı gibi gelecektir. Onu yine de otomatikleştirin.

İlk ajan işinin amacı, geri dönüş değeri değildir. Amacı, organizasyonun bu sistemlerin neyi iyi yaptığını, nerede bozulduğunu ve gerçekten ne kadar denetleme maliyeti olduğunu öğrenmesidir, hatalı olunabilecek bir işte. Bu bilgi, ikinci işin gerçek bir karar olmasını sağlar, yoksa bir tahmin olur ve üçüncü iş genellikle paradır.

Sıkıcı işi seçin. Görsel olanı hak edin.