思想领袖
为 ChatGPT 准备好打造技术基础以满足生成性人工智能客户用例
将 Unite.AI 添加到您在 Google 上的首选来源
围绕 ChatGPT 的媒体关注主要集中在这项技术能够改变工作性质的转型潜力。然而，一个更大的故事是关于如何让生成性人工智能改变客户体验。麦肯锡的一项研究发现，80% 的客户任务可以在各个渠道上实现自动化，从而使成本降低 20%。
ChatGPT 和类似的工具可以支持多种用例，跨越营销、销售、供应链、客户支持、产品开发等多个业务功能。通过提高员工的生产力，实现主动的联系和问题解决，并解决常见的摩擦点，生成性人工智能解决方案可以帮助团队快速演变客户面向的能力。要实现这一愿景，企业团队需要克服五个不同的障碍，并部署两种不同的架构：一种用于人工增强的交互，另一种用于完全自动化的交互。
解决五个挑战以使 ChatGPT 为首发做好准备
那么，实施生成性人工智能的障碍或风险是什么，以及如何减轻这些风险？
- ChatGPT 不支持个性化消息： 当前生成性人工智能工具无法个性化消息，但个性化是驱动产品和服务销售、增加每次购买的支出、获得重复销售和增强客户忠诚度的关键。营销人员需要企业级的生成性人工智能技术来个性化名称、图像、优惠、产品推荐、最近购买和购物车放弃消息。
- ChatGPT 会产生虚构内容： 生成性人工智能解决方案使用提示并利用过去的学习来创建内容。这意味着它们会用从统计模式中学习到的内容填补空白，经常“虚构”不真实的信息。为了利用生成性人工智能并将其扩展到客户细分和用例，企业需要能够识别和删除这些错误的内容，然后再将其分发给用户和审批者或客户。
- 生成性人工智能无法应用业务规则： 业务规则简化了客户交互。狭义的 AI 聊天机器人在检测这些相似之处和提供批准的答案方面表现出色。生成性人工智能无法检测这些相似之处，并将为每个问题创建原创的回答，从而引起客户的混淆并在交互中引入错误。企业级的技术架构将生成性人工智能工具与公司的预定义业务策略相结合，有助于标准化这些回答，并在客户之间提供一致的回答。
- 生成性人工智能无法确保合规性： 客户面向的内容通常会经过法律审查，以确保图像、文本、优惠和承诺符合公司的法律、法规和客户政策。这一过程保护公司免受客户事故、监管谴责和罚款以及其他类型的商业损害。生成性人工智能无法创建合规的内容，因为它不理解这些细微差别。因此，利用生成性人工智能的技术必须嵌入法律防护栏，以识别和删除不合规的内容，然后再公开分发或使用。
- ChatGPT 的不受控制的使用正在产生安全风险： ChatGPT 的使用是一个令人着迷的案例研究，展示了当个人不受安全策略的约束时会发生什么。媒体报道中充满了员工将敏感数据输入此公开可访问的聊天机器人，从而使数据暴露和知识产权丢失。企业数据和 IT 团队可以通过分段信息来减轻这些问题：将敏感内容发送到域聊天机器人，这些机器人受到安全控制和系统的保护，将一般查询路由到 ChatGPT。
评估生成性人工智能的新架构
为了实现人工增强的 B2C 和 B2B 操作以及完全自动化的 B2C 操作，企业需要两种不同的架构。
两种架构都利用了像 ChatGPT 这样的开源生成性人工智能工具和其他引导从提示输入到数据合成、内容创建、清理和个性化以及治理的过程。
使用 ChatGPT 简化人工增强的 B2C/B2B 交互
让我们考虑一个常见的场景。营销专业人员在企业界面中输入一个提示，使用预设计的问卷来指导内容开发，例如电子邮件活动。
员工输入关键信息，包括电子邮件方向、所需受众、产品名称、营销声明和产品特征以及任何使用说明。
然后，架构利用客户画像来丰富指令，提供这些数据模型可用的信息，以吸引这个细分市场。增强的查询然后通过外部 API 发送到 ChatGPT 或任何类似的生成性人工智能工具。
接下来，策展人应用业务规则和法律防护栏，以确保内容符合企业和监管标准。营销专业人员将审查和批准生成的电子邮件，然后将其发送给客户群。
使用 ChatGPT 自动化 B2C 交互
那么，对于可以完全自动化的交互呢？
用户输入问题后，问题会用客户画像数据进行增强，就像之前一样。然而，更新后的查询然后以两种方式之一路由：要么路由到一个域聊天机器人，可以个性化商业特定内容，要么通过外部 API 路由到 ChatGPT 以回答常规问题。域聊天机器人个性化内容，而 ChatGPT 不会。
然后，生成的内容会被清理错误并与业务规则和防护栏进行比较，然后自动分发给客户。
通过部署新技术架构从 ChatGPT 中获得新业务价值
从生成性人工智能中推动 ROI 的竞争已经开始。企业领导者正在分析业务流程以降低成本和浪费，与供应商交谈以了解他们的方法和解决方案，并开发概念验证。他们正在寻找可以利用的见解和解决方案，以实现速度和规模。
在他们做这项重要工作时，这些领导者可以通过五个常见的生成性人工智能挑战和实现人工增强和完全自动化交互的能力来评估所有供应商。
使用这两种不同的基础架构将使企业能够实现多种业务收益。他们将能够提高团队的生产力，增强客户体验，降低服务交互成本，并推动新产品的销售。
