Tại Sao GenAI Không Có Quản Lý Sẽ Thất Bại Trong Hỗ Trợ Doanh Nghiệp

Các đội hỗ trợ doanh nghiệp đang đầu tư mạnh mẽ vào trí tuệ nhân tạo generative với kỳ vọng rằng nó sẽ chuyển hướng các yêu cầu, giảm thời gian xử lý và giảm chi phí cho mỗi trường hợp. Tuy nhiên, trong nhiều tổ chức, sự tương tác với hệ thống AI đang tăng lên trong khi tỷ lệ chuyển tiếp, liên lạc lại và tổng số lượng trường hợp vẫn không thay đổi.

Trí tuệ nhân tạo generative trong hỗ trợ doanh nghiệp sẽ không thất bại vì các mô hình yếu. Nó sẽ thất bại vì hầu hết các triển khai không được cung cấp nội dung dữ liệu mạnh mẽ và hướng dẫn chiến lược mà chúng cần để thành công. Không có quản lý, tầm nhìn và trách nhiệm được xây dựng vào các hệ thống và quy trình triển khai, AI nhanh chóng trở thành một lớp rủi ro hoạt động không được quản lý, dẫn đến các tương tác không nhất quán, khuếch đại lỗi và cuối cùng mang lại kết quả tồi tệ hơn cho khách hàng. Một công cụ được thiết kế để cải thiện lớp tương tác khách hàng và giảm tải công việc của đội hỗ trợ trở thành một nút thắt.

Khi các đội hỗ trợ doanh nghiệp vội vàng áp dụng GenAI, hầu hết các triển khai tập trung vào các bot trò chuyện, câu trả lời tự động và khả năng hỗ trợ đại lý. Sự cấp bách trong việc triển khai đã thường xuyên tạo ra các hệ thống không kết nối, trông có vẻ đổi mới trên bề mặt nhưng khó mang lại kết quả khách hàng nhất quán, chỉ số hiệu suất doanh nghiệp và lợi nhuận. Trong quá trình này, câu hỏi thực sự thường không được đặt ra: Làm thế nào chúng ta đo lường xem GenAI mang lại tác động có thể đo lường được, hay chỉ mang lại nhiều nội dung hơn?

Nhiều triển khai tìm kiếm doanh nghiệp và GPT trong môi trường hỗ trợ không đạt được ba lý do cốt lõi. Các câu trả lời được tạo ra mà không có tín hiệu tự tin rõ ràng hoặc kiểm soát nhất quán. Các tương tác AI hiếm khi được gắn với kết quả có thể đo lường được như chuyển hướng trường hợp, thời gian giải quyết hoặc sự hài lòng của khách hàng. Các tổ chức cũng thiếu tầm nhìn vào việc liệu các thành viên trong đội có thực sự tin tưởng vào hệ thống hay sử dụng nó trong công việc hàng ngày của họ. Kết quả là AI trông hấp dẫn trong một bản demo nhưng bị phá vỡ dưới áp lực hoạt động thực sự.

Lãnh đạo hỗ trợ không cần thêm nội dung được tạo ra. Họ cần cải thiện có thể đo lường được mà họ có thể dự báo và bảo vệ, chẳng hạn như giảm trường hợp nhất quán, thời gian giải quyết trung bình nhanh hơn, giải quyết lần đầu tiên tốt hơn, sự hài lòng của khách hàng cao hơn, chi phí thấp hơn cho mỗi vé và năng suất của đại lý tăng lên. Tác động kinh doanh có thể dự báo có nghĩa là biết rằng khi AI được triển khai, nó sẽ giảm đáng tin cậy các trường hợp chuyển tiếp theo tỷ lệ phần trăm được xác định, chuyển hướng một phần đáng kể của các trường hợp hoặc giảm thời gian xử lý trong phạm vi được xác định, không chỉ tạo ra nhiều câu trả lời.

Từ Ma Sát Khách Hàng Đến Hậu Quả Hoạt Động

Khi quản lý không có, tác động sẽ xuất hiện nhanh chóng trong các chỉ số. Một bot trò chuyện có thể tạo ra câu trả lời với quy mô, nhưng nếu những câu trả lời chỉ đúng một phần, khách hàng sẽ mở lại trường hợp hoặc chuyển tiếp. Một sự tăng từ 5 đến 10 phần trăm trong các trường hợp mở lại có thể xóa bỏ lợi ích hiệu quả dự kiến và dẫn đến sự suy giảm có thể đo lường được trong sự hài lòng của khách hàng. Điều trông giống như tự động hóa trên giấy trở thành công việc lại trong thực tế.

Khó khăn là nhiều tổ chức đo lường hoạt động hơn là kết quả. Họ có thể báo cáo số lượng phiên trò chuyện bot hoặc tần suất các đại lý sử dụng soạn thảo được hỗ trợ bởi AI. Điều họ thường không thể báo cáo với sự tự tin là liệu những tương tác đó đã giảm nhu cầu đối với các đội con người. Không kết nối trực tiếp dữ liệu trò chuyện với dữ liệu tạo trường hợp, các lãnh đạo không thể xác định liệu trí tuệ nhân tạo generative có loại bỏ công việc hay chỉ thêm một điểm chạm khác vào hành trình của khách hàng.

Khi trường hợp đó đến với một thành viên trong đội con người, khách hàng thường lặp lại cùng thông tin mà họ đã nhập vào giao diện trò chuyện. Điều được thiết kế để tối ưu hóa giải quyết thay vào đó giới thiệu sự trùng lặp. Theo thời gian, các trường hợp không đầy đủ lặp lại xói mòn niềm tin. Khách hàng bắt đầu đối xử với tương tác AI như một bước sơ bộ thay vì một giải pháp.

Đo Lường Điều Quan Trọng

Trong hỗ trợ doanh nghiệp, tác động có ý nghĩa là rõ ràng khi ít khách hàng cần tạo trường hợp sau khi tương tác với hệ thống. Nếu tỷ lệ chuyển tiếp vẫn theo sau tương tác với các đại lý AI, kết quả đó tiết lộ nơi có khoảng trống kiến thức dữ liệu hoặc hạn chế phản hồi. Hiểu các mẫu này đòi hỏi phải liên kết các rào cản AI với các chỉ số hỗ trợ hạ nguồn và kiểm tra xem điều gì xảy ra sau mỗi tương tác.

Đây là sự thay đổi cách các hệ thống tạo ra được đánh giá. Khi dữ liệu trò chuyện và dữ liệu vé được phân tích cùng nhau, các tổ chức có thể xác định các luồng đang hoạt động và những luồng cần tinh chỉnh. Sự tham gia đơn独 trở nên không đủ như một thước đo thành công; chỉ giảm tải công việc được chứng minh là tín hiệu tiến bộ thực sự.

Quản Lý Là Một Yêu Cầu Hoạt Động

Quản lý không phải là một tài liệu. Đó là một tập hợp các quyết định hoạt động có chủ ý. Các lãnh đạo hỗ trợ nên yêu cầu rằng mọi phản hồi AI đều dựa trên các nguồn kiến thức được phê duyệt và đi kèm với một ngưỡng tự tin có thể đo lường được. Họ nên định nghĩa rõ các quy tắc khi nào AI có thể giải quyết một vấn đề tự động và khi nào nó phải chuyển tiếp cho một đại lý con người. Họ nên gắn mọi triển khai với các mục tiêu cụ thể như giảm trường hợp, cải thiện giải quyết lần đầu tiên hoặc giảm thời gian xử lý trung bình, và xem xét các chỉ số đó liên tục. Nếu AI không thể được đo lường chống lại các kết quả hoạt động, nó không nên được coi là sẵn sàng để sử dụng với khách hàng thực trong công việc hàng ngày.

Xét một kịch bản triển khai phổ biến. Một bot trò chuyện tạo ra được triển khai trên toàn cổng thông tin khách hàng và việc áp dụng tăng nhanh khi người dùng ngày càng chuyển sang AI để hỏi các câu hỏi thường xuyên. Trên bề mặt, phản hồi sớm trông tích cực: khách hàng tham gia với bot và các đại lý báo cáo rằng việc soạn thảo trả lời feels hiệu quả hơn.

Tuy nhiên, khi các lãnh đạo đào sâu vào dữ liệu hiệu suất, họ tìm thấy điều gì đó quen thuộc từ kinh nghiệm ngành rộng lớn hơn. Nghiên cứu AI gần đây của McKinsey cho thấy rằng trong khi nhiều tổ chức đang triển khai AI rộng rãi, chỉ một thiểu số đã nhúng nó đủ sâu vào các quy trình làm việc để đạt được các kết quả kinh doanh có thể đo lường được như giảm trường hợp, cải thiện chỉ số khách hàng, với hầu hết vẫn còn mắc kẹt trong các giai đoạn thử nghiệm hoặc mở rộng ban đầu.

Trong thực tế, điều này thường trông giống như sự tham gia cao với bot trò chuyện nhưng vẫn còn các mẫu chuyển tiếp, cải thiện chỉ nhỏ trên các câu hỏi đơn giản và không có mối liên kết rõ ràng giữa các cuộc trò chuyện và giảm tải công việc. Các tổ chức hiện đại hóa lớp tương tác, nhưng các động lực hỗ trợ cơ bản và chi phí hoạt động vẫn không thay đổi.

Ngược lại, một cách tiếp cận được quản lý tích hợp hoạt động trò chuyện trực tiếp vào báo cáo hoạt động. Mỗi phiên AI được liên kết với hành vi trường hợp sau đó, cho phép các lãnh đạo xem các tương tác nào dẫn đến giải quyết mà không cần chuyển tiếp và những tương tác nào không. Các mẫu nhất quán dẫn đến các trường hợp tiếp theo được kiểm tra và tinh chỉnh. Sử dụng cấp đại lý được phân tích để xác định nơi hỗ trợ AI cải thiện hiệu quả và nơi nó giới thiệu sự không nhất quán. Trong môi trường này, trí tuệ nhân tạo generative được đánh giá không bởi tần suất nó được sử dụng, mà bởi mức độ rõ ràng nó giảm nỗ lực cho khách hàng và công việc cho các đội hỗ trợ.

Từ Cải Tiến Đến Thay Đổi Cấu Trúc

Khi ngân sách công nghệ bị thắt chặt, các khoản đầu tư AI đang được xem xét cùng với mọi mục khác. Lãnh đạo không nhìn vào tỷ lệ tham gia bot trò chuyện. Họ đang nhìn vào việc liệu số lượng trường hợp có giảm theo quý, liệu thời gian xử lý trung bình có giảm, liệu giải quyết lần đầu tiên có cải thiện và liệu chi phí cho mỗi vé có thấp hơn đáng kể.

Nếu những con số đó không di chuyển, tác động là ngay lập tức. Các kế hoạch mở rộng sang các dòng sản phẩm bổ sung bị trì hoãn. Tiết kiệm nhân sự được dự báo không hiện thực. Tài chính đặt câu hỏi về việc gia hạn. Điều bắt đầu như một sáng kiến AI chiến lược trở thành một thử nghiệm có chứa với tài trợ và giám sát điều hành giảm. Trí tuệ nhân tạo generative không có nâng cấp hoạt động rõ ràng có thể làm cho hỗ trợ cảm thấy đổi mới, nhưng nếu nó không giảm tải công việc hoặc cải thiện chỉ số khách hàng theo các điều khoản có thể đo lường được, nó trở nên khó khăn để chứng minh trong chu kỳ ngân sách tiếp theo.

Thành công của trí tuệ nhân tạo generative trong hỗ trợ doanh nghiệp sẽ không được xác định bởi cách phản hồi của nó nghe có vẻ tinh vi. Nó sẽ được phán quyết bởi liệu nó giảm các liên lạc lại, giảm tỷ lệ chuyển tiếp, cải thiện giải quyết lần đầu tiên và rút ngắn thời gian giải quyết. Sự thông minh đơn độc là không đủ. Tác động phụ thuộc vào thiết kế kỷ luật, các rào cản rõ ràng, giám sát hiệu suất liên tục và trách nhiệm đối với các chỉ số hoạt động.

Các lãnh đạo hỗ trợ nên định nghĩa các chỉ số đó trước khi triển khai, không sau. Họ nên đặt mục tiêu rõ ràng cho việc chuyển hướng trường hợp, giảm thời gian xử lý và sự hài lòng của khách hàng, và xem xét hiệu suất với cùng mức độ nghiêm ngặt áp dụng cho bất kỳ khoản đầu tư hoạt động nào. Nếu các con số không di chuyển, hệ thống nên được điều chỉnh hoặc hạn chế.

Trí tuệ nhân tạo generative trong hỗ trợ không còn là một bài tập chứng minh khái niệm. Nó là một quyết định hoạt động với các hậu quả tài chính có thể đo lường được. Các lãnh đạo không thể chứng minh sự cải thiện cấu trúc trong tải công việc và kết quả khách hàng rủi ro biến AI thành một sáng kiến ngắn hạn thay vì một khả năng bền vững.