Лідери думок
Брак клієнтського контексту, що стримує корпоративний штучний інтелект

Ключові моментиФрагментовані дані про клієнтів у різних системах призводять до помилкових рішень ШІ.
Показати більше
- Фрагментовані дані про клієнтів у різних системах призводять до помилкових рішень ШІ.
- Контекст клієнта в реальному часі є необхідним для того, щоб ШІ діяв відповідно до поточних намірів.
- Перевірений контекст клієнта стає базовою інфраструктурою для корпоративного ШІ.
Корпоративний штучний інтелект розвивається швидше ніж більшість організацій встигає забезпечити його надійним клієнтським контекстом.
Виклик вже не полягає в тому, чи може штучний інтелект генерувати контент, рекомендації, передбачення чи рішення. Виклик полягає в тому, чи ці результати ґрунтуються на точному розумінні клієнта.
У багатьох підприємствах вони не ґрунтуються.
Організації протягом останніх кількох років вкладали великі кошти в генеративний штучний інтелект, копілоти, передбачувальні системи та автономні робочі процеси. Однак багато цих ініціатив борються за те, щоб вийти за межі ізольованих випадків використання або забезпечити постійну бізнес-цінність у масштабі. Причина часто напрочуд проста: системи штучного інтелекту приймають рішення без повного розуміння клієнтів, щодо яких вони діють.
Цей виклик з’являється по всьому підприємству. Системи персоналізації рекомендують нерелевантні продукти. Помічники клієнтської служби генерують неповні відповіді. Моделі прогнозування відтоку клієнтів неправильно класифікують лояльних клієнтів. Платформи маркетингової автоматизації запускають повідомлення, які надходять занадто пізно або не відображають недавню поведінку клієнта.
Ці проблеми часто описуються як проблеми штучного інтелекту. Частіше вони є проблемами клієнтського контексту.
Штучний інтелект не діє у вакуумі. Його ефективність залежить від якості, повноти та своєчасності інформації, доступної йому. Коли клієнтська ідентичність роздрібнена по системах, сигнали поведінки надходять занадто пізно, або різні програми працюють з конфліктуючими версіями клієнта, системи штучного інтелекту неминуче виробляють результати, які здаються відірваними від реальності.
Більшість організацій вже володіє основними сигналами. Роки транзакцій, взаємодій, переваг та даних про поведінку вже існують по всьому технологічному середовищу. Виклик полягає в тому, щоб перетворити ці роздрібнені сигнали на надійний клієнтський контекст, який системи штучного інтелекту можуть використовувати узгоджено.
Роздрібнені дані створюють неповне клієнтське розуміння
Підприємства рідко страждають від відсутності даних про клієнтів. Замість цього вони борються з роздрібненням.
Один клієнт може з’явитися на електронній комерційній платформі під однією адресою електронної пошти, на платформі лояльності під іншою, а всередині сервісної програми без постійного ідентифікатора зовсім. Історія покупок, поведінка взаємодії, налаштування згоди, взаємодії з сервісом та цифрова активність часто існують у цілком окремих системах.
З точки зору моделі штучного інтелекту ці фрагменти часто виглядають як різні особи.
Вплив стає значним, коли системи штучного інтелекту починають приймати оперативні рішення.
Модель прогнозування відтоку клієнтів може класифікувати лояльного клієнта як неактивного, оскільки половина його історії покупок існує під іншим профілем. Система рекомендацій може вивести нерелевантні продукти, оскільки поведінка перегляду та історія транзакцій ніколи не були пов’язані. Помічник штучного інтелекту може генерувати неповні відповіді, оскільки він має доступ лише до частини клієнтських відносин.
Коли організації розгортають штучний інтелект ширше, ці проблеми стають все більш важкими для ігнорування.
Багато підприємств припускають, що централізація даних у сховищі даних вирішує проблему. Насправді, консолідація сама по собі не створює клієнтського розуміння. Вона не вирішує конфлікти ідентичності, не з’єднує клієнтську поведінку по системах, не встановлює надійного погляду на клієнта. Системи штучного інтелекту можуть все ще працювати на неповних або суперечливих вхідних даних.
Зберігання не означає розуміння. Ця відмінність стає все більш важливою, коли підприємства переходять від експериментів зі штучним інтелектом до систем штучного інтелекту, вбудованих у оперативні робочі процеси.
Надійний клієнтський контекст став ядром інфраструктури штучного інтелекту
Зіставлення записів для встановлення особи клієнта традиційно розглядалося як маркетингова функція. Все частіше воно стає фундаментальним компонентом інфраструктури корпоративного штучного інтелекту.
Але ідентичність сама по собі недостатня. Для того щоб системи штучного інтелекту приймали ефективні рішення, їм потрібен доступ до ширшого шару надійного клієнтського контексту. Це включає ідентичність, сигнали поведінки, історію транзакцій, дані згоди, шаблони взаємодії та бізнес-контекст, що оточує кожну клієнтську взаємодію.
Зіставлення записів для встановлення особи клієнта відіграє ключову роль, оскільки воно визначає, які записи належать одній особі у не пов’язаних між собою системах. На рівні підприємства це вимагає поєднання детермінованого зіставлення, ймовірнісного моделювання та графів ідентичності, що безперервно розвиваються.
Без цієї основи системам штучного інтелекту важко точно міркувати про стан, поведінку та наміри клієнта.
Виклик стає ще більш складним у реальних середовищах, де клієнти часто змінюють пристрої, адреси електронної пошти, місця розташування та шаблони взаємодії. Лише точне зіставлення часто залишає значні прогалини невирішеними. Надмірно агресивне зіставлення може створити проблеми управління та довіри, якщо організації не можуть зрозуміти, як були досягнуті висновки.
Як результат, багато підприємств приймають гібридні підходи, які поєднують детерміноване зіставлення, машинне навчання, пояснюваність та адаптивні графи ідентичності, які розвиваються разом з клієнтською поведінкою.
Важливо, що організації все частіше вимагають кількох контекстних подань ідентичності замість одного універсального профілю. Маркетингові команди можуть пріоритезувати охоплення та адресованість. Команди лояльності вимагають точності на рівні облікового запису. Команди боротьби з шахрайством працюють з зовсім іншими порогами. Системи штучного інтелекту, які підтримують ці функції, потребують клієнтського контексту, який відповідає їхнім конкретним оперативним вимогам.
Це змінює те, як організації думають про власну готовність до штучного інтелекту. Корпоративний штучний інтелект вимагає надійного клієнтського контексту, який може безперервно адаптуватися, залишаючись пояснюваним, керованим та доступним по системах.
Клієнтський контекст у реальному часі є суттєвим
Навіть організації, які успішно уніфікували клієнтську ідентичність, часто зустрічають інше обмеження, яке полягає у часовому факторі.
Багато підприємств все ще залежать від потоків даних із затримками та робочих процесів із пакетною обробкою. Клієнтські профілі оновлюються через кілька годин. Сигнали поведінки надходять після того, як відповідний момент вже пройшов.
Як результат, системи штучного інтелекту часто приймають рішення на основі застарілого стану клієнта, а не його поточного наміру.
Ця затримка впливає як на клієнтський досвід, так і на бізнес-діяльність.
Клієнт може покинути кошик, але сценарій подальшої взаємодії не спрацює до наступного ранку. Учасник програми лояльності може повернутися на сайт до того, як профіль оновиться по системах, через що отримує загальний, неперсоналізований досвід. Сервісні агенти часто взаємодіють з клієнтами до того, як недавні сигнали поведінки стають доступними.
Це пояснює, чому інфраструктура у реальному часі стала все більш важливою.
Організації потребують систем, які можуть оновлювати графи ідентичності, сигнали поведінки, дозволи та клієнтські профілі під час взаємодій. Системи штучного інтелекту можуть приймати рішення в потрібну мить лише тоді, коли базовий клієнтський контекст відображає цю мить.
Коли автономні робочі процеси штучного інтелекту стають все більш поширеними, підтримання точного клієнтського контексту у різних системах і каналах стає суттєвим для забезпечення як надійних рішень, так і послідовного клієнтського досвіду.
Спільний клієнтський контекст створює більш надійний штучний інтелект
Іншим викликом, який виникає в середовищах корпоративного штучного інтелекту, є неузгодженість.
Організації одночасно розгортають штучний інтелект на маркетингових платформах, у застосунках обслуговування клієнтів, аналітичних інструментах, копілотах і моделях, розроблених власними силами. У багатьох середовищах кожна система отримує доступ до клієнтських даних по-різному та підтримує власну інтерпретацію ідентичності, дозволів та стану клієнта.
З часом фрагментоване розуміння клієнта призводить до фрагментованої поведінки штучного інтелекту.
Системи корпоративного штучного інтелекту працюють надійніше, коли вони спираються на спільний шар надійного клієнтського контексту. Це означає, що додатки штучного інтелекту можуть отримувати доступ до одних і тих самих графів ідентичності, клієнтських профілів, сигналів поведінки та рамок управління незалежно від того, де приймаються рішення.
Це дає надійніші результати, сильніше управління та більшу операційну узгодженість у всій організації.
Майбутнє корпоративного штучного інтелекту залежить від клієнтського контексту
Обговорення корпоративного штучного інтелекту часто зосереджуються на моделях, можливостях міркування та автоматизації. Ці інновації мають значення. Але коли основні моделі стають все більш здатними та доступними, сама технологія стає менш вагомим чинником відмінності.
Більше питання полягає в тому, чи можуть системи штучного інтелекту діяти на основі точного, пов’язаного та безперервно оновлюваного розуміння клієнта.
Для цього потрібно інвестувати в зіставлення записів для встановлення особи клієнта, інфраструктуру у реальному часі, управління та адаптивні архітектури даних. Що ще важливіше, це вимагає від організацій розглядати клієнтський контекст як шар операційного інтелекту, який підтримує прийняття рішень штучного інтелекту по всьому підприємству.
Більшість організацій вже володіє основними сигналами.
Наступні лідери корпоративного штучного інтелекту не обов’язково будуть компаніями з найбільш складними моделями. Вони будуть компаніями з найбільш надійним розумінням своїх клієнтів.
Бо у світі, керованому штучним інтелектом, клієнтський контекст стає основою кожного розумного рішення.












