Tại Sao Thành Công Của Trí Tuệ Nhân Tạo Phụ Thuộc Vào Các Quy Trình Làm Việc Tốt Hơn, Không Phải Là Công Cụ Trí Tuệ Nhân Tạo Nhiều Hơn

Tôi đã nhận thấy một mẫu nhất quán trên các tổ chức tài chính đã thử nghiệm các công cụ trí tuệ nhân tạo đa năng nhưng gặp khó khăn trong việc xác định và đo lường tác động. Lãnh đạo đưa ra quyết định đầu tư, sau đó triển khai trên các đội và chờ đợi tác động. Sau vài tháng, sự nhầm lẫn xảy ra. Kết quả không rõ ràng, quy trình không được cải thiện, việc áp dụng bị chậm lại và các con số vẫn không thay đổi. ROI không rõ ràng, và họ chỉ ra rằng công cụ là vấn đề, nhưng thực tế là khi bạn triển khai một công cụ đa năng cho lợi ích sản xuất chung, không có cách nào để xác định ROI có ý nghĩa.

Khi tôi nói chuyện với các ngân hàng và tổ chức tín dụng về trí tuệ nhân tạo, tôi cố gắng tìm hiểu vấn đề họ đang cố gắng giải quyết với nó. Câu trả lời thường phản ánh một cách tiếp cận công cụ hơn là tiếp cận vấn đề. Họ được cung cấp công nghệ và được yêu cầu phải sản xuất, nhưng không ai dành thời gian để đánh giá các quy trình nào bị ảnh hưởng, nơi các nút thắt sống và những gì thành công trông như thế nào cho tổ chức. Việc xác định và phân biệt này giúp làm rõ liệu trí tuệ nhân tạo có phải là công cụ phù hợp cho công việc và giảm thiểu sự脱 kết giữa công nghệ và luồng công việc mà nó đang cố gắng tối ưu hóa.

Tại Sao Trí Tuệ Nhân Tạo Đa Năng Là Vấn Đề

Khi bạn thêm một công cụ trí tuệ nhân tạo đa năng mà không tích hợp nó vào một quy trình cụ thể, bạn chỉ đang thêm gánh nặng. Thành viên trong nhóm phải học điều gì đó mới, rút ra kết luận về nơi và cách sử dụng nó, điều hướng nhiều hệ thống để thông tin ngữ cảnh và sau đó tổng hợp các phát hiện để thông tin quyết định. Nó cũng góp phần vào những gì nhiều người chúng ta gọi là hiệu ứng ghế xoay: liên tục di chuyển giữa các nền tảng và hệ thống để xây dựng một bức tranh hoàn chỉnh.

So sánh, các công cụ trí tuệ nhân tạo được thiết kế cho các quy trình cụ thể gặp nhân viên ở nơi họ làm việc thay vì yêu cầu họ giới thiệu một thói quen hoặc hệ thống mới. Bởi vì các công cụ này được xây dựng cho mục đích, chúng hiểu các sắc thái của quy trình, có quyền truy cập vào các nguồn dữ liệu và hiểu những gì có thể và không thể làm được.

Nếu mục tiêu là ROI và áp dụng nhưng không có kế hoạch quản lý thay đổi hoặc ngân sách, sự khác biệt giữa “một công cụ khác để học” và “một bổ sung có mục đích cho quy trình làm việc của bạn” là sự khác biệt giữa việc thấy kết quả và không.

Trông Như Thế Nào Trong Thực Tiễn

Các trường hợp sử dụng là quen thuộc. Một cuộc gọi được định tuyến đến một đại diện dịch vụ khách hàng yêu cầu hỗ trợ cho một chủ tài khoản cần thực hiện một khoản thanh toán lớn hơn bình thường và thắc mắc liệu giới hạn chuyển đổi có ngăn chặn nó hay không. Không có công cụ trí tuệ nhân tạo tích hợp, CSR bị buộc phải nhảy giữa nhiều hệ thống: một để xem xét các giao dịch gần đây, một để đánh giá giới hạn, và có thể là một hệ thống thứ ba để yêu cầu bất kỳ điều chỉnh nào, cũng như một đánh giá chính sách để xác nhận những gì được ủy quyền. Tất cả điều này xảy ra trong khi chủ tài khoản đang chờ và đôi khi mất tới 30 phút.

Khi trí tuệ nhân tạo được xây dựng cho mục đích vào quy trình, nhiệm vụ相同 có thể mất khoảng 10 giây. Các chi tiết giao dịch liên quan được hiển thị ngay lập tức, giới hạn được so sánh, các điều chỉnh được thực hiện phù hợp với các chính sách của tổ chức, và mọi thứ có thể được xem trong một nơi. Sự gắn kết được xây dựng giữa CSR và chủ tài khoản, và tổ chức có thể dành những gì có thể là 30 phút để thực hiện công việc có ý nghĩa hơn. Sự khác biệt là một cải thiện có thể đo lường được trong các quy trình hàng ngày ảnh hưởng trực tiếp đến trải nghiệm của khách hàng và thành viên.

Một Nền Tảng Cho Kết Quả Có Thể Đo Lường

Trí tuệ nhân tạo xây dựng cho mục đích đơn giản hóa khả năng định lượng và đo lường thành công vì nó được xây dựng cho chính các quy trình đã được xác định, đo lường và chọn là cơ hội để tối ưu hóa với trí tuệ nhân tạo. Điều này có nghĩa là một tiêu chuẩn đã tồn tại, và bạn có thể đo lường so với những tiêu chuẩn đó sau khi thực tế. Điều này quan trọng vì trí tuệ nhân tạo đắt tiền. Chi phí sử dụng là liên tục và cần được chứng minh. Khả năng truyền đạt cải thiện có thể đo lường được là điều quan trọng để đảm bảo rằng ngân sách được phê duyệt và được tính đến.

Ưu Thế Cạnh Tranh Của Tổ Chức Cộng Đồng

Tôi làm việc chặt chẽ với nhiều tổ chức cộng đồng, và họ có một lợi thế thường bị bỏ qua. Những ngân hàng và tổ chức tín dụng này biết khách hàng và thành viên của họ một cách cá nhân. Họ hiểu các sắc thái hoạt động làm cho họ độc đáo, và có thể nhanh chóng xác định nơi các quy trình bị hỏng, và nơi các nút thắt và sự không nhất quán tồn tại. Sự gần gũi này quan trọng. Khi trí tuệ nhân tạo xây dựng cho mục đích được triển khai một cách suy nghĩ, thường có tác động ngay lập tức. Các đội xuất hiện một cách nhất quán và thông tin tốt hơn, và kiến thức của tổ chức trở thành thứ mà toàn bộ tổ chức có thể truy cập và xây dựng.

Khi trí tuệ nhân tạo giải quyết các vấn đề thực sự của khách hàng và bắt đầu tự động hóa những gì lặp đi lặp lại, một đội 20 người có thể cung cấp đầu ra và sự nhất quán của một đội 35 người. Trải nghiệm trở nên tốt hơn cho khách hàng và thành viên, và nhân viên lấy lại thời gian của mình để tập trung vào những gì con người làm tốt nhất, như quyết định phán xét, lòng tốt, và sự đồng cảm giữ cho mọi người quay lại và phân biệt các tổ chức cộng đồng.

Nơi Bắt Đầu

Nếu đầu tư trí tuệ nhân tạo cảm thấy áp đảo, hãy bắt đầu với vấn đề, không phải công cụ trí tuệ nhân tạo. Hãy dành thời gian để ngồi với các đội của bạn để tìm hiểu những thách thức của họ và nơi cơ hội để cải thiện trải nghiệm làm việc của họ. Hiểu nơi ma sát tồn tại, những gì yêu cầu đầu ra nhiều hơn nó nên, và thông tin nào luôn là một thách thức để khám phá. Những câu trả lời sẽ giúp thông tin về nơi trí tuệ nhân tạo có thể tạo ra giá trị thực.

Các tổ chức tài chính đang có tiến bộ nhất với trí tuệ nhân tạo không phải là những tổ chức đã di chuyển nhanh nhất, mà là những tổ chức đã xây dựng với mục đích.