主动性AI的崛起：智能自动化的战略性三步法

像许多人一样，我喜欢好的建议。但有时候，我需要帮助来完成某些事情。

下一代AI——主动性AI——将使我们从建议转变为实际行动。它将使采用它的企业取得变革性的飞跃。

但是，飞跃到哪里？又是如何变革的？

主动性AI可以通过超越简单的任务执行来减少客户支持的成本25-50%，同时显著提高质量和客户满意度。它还可以自主地解决复杂的工作流程和客户交互。例如，当应用于客户支持时，代理不仅仅响应查询，还可以全面地解决从开始到结束的询问，减少人工干预，提高效率。

与所有新技术一样，采用主动性AI也带来了挑战。公司必须拥有详细记录的工作流程和深入理解的知识库，并具备强大的知识基础，以便主动性AI可以利用。与生成式AI一样，数据隐私和安全问题需要公司了解它们使用的语言模型（LLM）以及信息如何存储和传递。

然而，正确的采纳策略可以确保成功。为了获得最大的收益，公司需要做三件事：

• 从正确的位置开始
• 平衡主动性AI与人类专业知识
• 利用主动性专业网络

虽然现在还处于初期阶段，但我们在与各个行业的客户合作，将主动性AI集成到他们的工作流程和运营中时，以下是我们所学到的内容。

不要从小开始——从明智开始

也许违反直觉的是，最佳的开始位置是您的最高容量用例。难道这不是冒险吗？如果做得正确的话，不是这样的。事实上，尽管从低容量用例开始可能看起来减少了风险，但它实际上增加了不看到足够的影响来证明投资的风险。

从高容量用例开始提供了最大的投资回报率，使公司能够快速实现显著的影响，最大化效率收益，并证明使用AI代理的明确价值。

如何减轻从大规模开始的风险？通过最初只实施1%的最大用例量。这使您能够识别和解决潜在问题，同时为更广泛的自动化做好准备。

对于零售公司来说，这可能意味着自动化“我的订单在哪里？”或退货处理工作流程。除了监控公司的履约网络外，AI代理还可以验证客户身份，检查实时状态，并更新客户——甚至在订单意外延迟时提供选项。

对于退货，代理可以检查公司的退货政策，收集客户关于退货的信息，建议下一步，并完成相关任务，例如打印退货标签，安排取货，发出退款等。退货代理还可以监测滥用模式，并在必要时调整其决策和下一步骤。

在公司部署AI代理处理高容量工作流程的样本部分后，必须监控工作流程活动以确定可能需要调整的位置。当代理顺利运行时，公司可以扩大其使用范围，直到最终处理整个工作流程容量。

当然，并非所有任务和工作流程都适合使用主动性AI进行完全自动化。事实上，将人类专家与AI代理的整体工作联系起来将产生最佳结果。

平衡AI与人类专业知识

当公司检查其工作流程和流程以寻找自动化候选项时，它们将找到最适合人类监督或直接行动的实例。主动性AI是一项令人难以置信的、功能强大的创新，但它有局限性。

特别是三个：

AI代理，如支持它们的LLM，目前不具备一般智能。它们在狭窄、明确定义的领域中表现最佳。因此，虽然人类可能会学习如何执行特定任务并从中抽象出原则，然后将这些原则应用于不同的、无关的任务，但AI目前无法做到这一点。

然后，有些工作流程具有极其复杂的决策矩阵，需要大量的经验和基于经验的判断力。例如，零售公司可能需要为直接营销活动创建内容。代理可以处理这个任务——并执行该活动。

但是，如果要重新审视一个品牌在多个市场的表达和承诺呢？代理将无法胜任这一任务。它需要对市场趋势、品牌认知、市场间的文化差异以及品牌如何唤起情感的洞察力。

最后，依赖于通常“混乱”的人类交流和情感细微差别的工作流程，需要明显的人类元素，如同情心，最好留给人类。可以想到客户服务问题，涉及愤怒的客户，或医疗保健互动，患者的情绪或精神状态可能处于风险之中。

但是，我并不是描述一个二元决策过程：将此交给AI代理；其他一切交给人类。在实践中，混合模型效果最佳。

虽然需要明确界定AI和人类角色的界限，但即使需要人类专家处理任务时，AI也应该在场，以扩展他们的能力并充分利用他们的专业知识。

一般来说，公司应该使用主动性AI处理事务性、可重复的任务，并利用人类专业知识处理高风险互动、情感复杂的场景和需要细致判断的情况。50美元的保修索赔可能会被完全自动化，而5000美元的索赔可能会从人类的情商和品牌敏感的处理中受益。

利用主动性网络

也许最重要的是，不要独自尝试主动性AI。建立专家合作伙伴网络。新兴的主动性AI平台可以在数字和语音渠道上提供技术。了解客户运营环境的系统集成商和顾问可以为特定客户需求训练主动性模型，然后将其集成到公司的运营中。

将这些模型集成到企业系统中需要对复杂工作流程和行业特定挑战有深入的了解。它还需要对工作流程决策点和人类交互最需要或最有益的地方有细致的理解，这样主动性AI就可以成为员工和团队生产力的助力。

主动性AI为企业提供了一种强大的方式来提高效率，增强客户体验和推动创新。但是，成功并不是关于匆忙开始，而是关于做出明智的、知情的选择：从正确的位置开始，应用混合的人类/AI模型，并利用正确的网络。

因为AI的世界变化如此之快，您不能独自前行。