悉尼·格里尔（Sydney Greer）是Q2的产品解决方案专家，专注于为金融机构提供人工智能驱动的工具。
我注意到一个一致的模式，跨越金融机构，他们测试了通用人工智能工具，但难以确定和衡量影响。领导层做出投资决定，然后在团队中实施，并等待影响。几个月后，困惑出现。结果不明确，流程没有改进，采用率滞后，数字保持不变。 投资回报率 不明显，他们指出工具是问题，但现实是，当你实施一个通用工具用于通用生产力增益时，没有一个有意义的方法来确定投资回报率。当我与银行和信用合作社讨论人工智能时，我尝试深入了解他们试图解决的问题。答案往往反映出工具导向的方法，而不是问题导向的方法。他们被给予技术，并被告知要提高生产力，但没有人花时间评估哪些工作流程受损，哪里存在瓶颈，以及机构的成功指标是什么。这种识别和辨别有助于澄清人工智能是否是适合该工作的正确工具，并减轻技术和工作流程之间的脱节。为什么通用人工智能是问题当你添加一个通用人工智能工具而不将其嵌入到特定的工作流程中时，你只是增加了负担。团队成员需要学习新东西，得出结论关于如何使用它，导航多个系统以提供背景，并将发现结果合并以提供决策。它还导致了我们所说的“转椅效应”：不断在平台和系统之间切换以建立完整的图景。相比之下，针对特定工作流程设计的人工智能工具在员工工作的地方遇到他们，而不是要求他们引入新的习惯或系统。由于这些工具是专门设计的，它们了解工作流程的细微差别，具有访问数据源的能力，并了解可以和不能做什么。如果目标是投资回报率和采用率，但没有变革管理计划或预算，区别在于“又一个需要学习的工具”和“专门为您的工作流程设计的添加”。这就是看到结果和没有结果之间的区别。 通用人工智能 专用人工智能 方法 部署工具，然后找到用例 识别工作流程，然后围绕它构建 集成 位于现有工作流程之外 直接嵌入工作流程中 体验 添加另一个工具和更多的上下文切换 减少摩擦并提供相关数据 数据 员工手动收集背景 相关数据自动访问 投资回报率 广泛的收益难以衡量 与工作流程特定的基准进行衡量 采用率 取决于员工形成新的习惯 适应现有的习惯并解决特定的问题 实践中的应用用例很熟悉。一个呼叫被路由到客户服务代表，请求支持账户持有人需要进行更大的付款，并想知道是否会受到限制。没有嵌入式人工智能工具，客户服务代表被迫在多个系统之间切换：一个用于查看最近的交易，一个用于评估限制，可能还有第三个用于请求任何调整，以及政策审查以确认什么是授权的。所有这一切都发生在账户持有人等待的时候，有时需要长达三十分钟。当人工智能被专门构建到工作流程中时，相同的任务可以在十秒钟内完成。相关的交易细节被立即提供，限制被比较，调整被做出以符合机构的政策，一切都可以在一个地方查看。客户服务代表和账户持有人之间建立了关系，机构可以将原本可能需要三十分钟的时间投入到更有意义的工作中。区别在于日常工作流程中可以量化的改进，这直接影响客户和会员的体验。可衡量结果的基础专用人工智能简化了量化和衡量成功的能力，因为它是为被识别、衡量和选择为人工智能优化机会的工作流程而构建的。这意味着已经存在一个基准，可以在事后与这些基准进行衡量。 这很重要，因为人工智能很昂贵。使用成本是持续的，需要被证明。清晰地传达可衡量的改进至关重要，以确保预算被批准和核算。社区机构的竞争优势我与许多社区机构密切合作，他们拥有一个常常被忽视的优势。这些银行和信用合作社亲自了解他们的客户和会员。他们了解使他们独特的运营细微差别，可以快速识别工作流程中哪里存在断点，哪里存在瓶颈和不一致性。这种亲近度很重要。当 专用人工智能...
