埃森哲咨询公司的研究预测了生成式人工智能(AI)对企业的经济影响。2024年的报告显示，如果组织负责任地大规模采用生成式人工智能，到2038年可以释放超过10.3万亿美元的额外经济价值。
此外，商业领袖在研究中指出，生成式人工智能最终将增加他们公司的市场份额，17%的人预计市场份额将增加10%或更多。多达95%的员工认为使用生成式人工智能有价值，但他们最担心的是，他们不相信组织能够确保通过引入新兴技术为每个人带来积极的结果。
与此同时，MuleSoft通过对全球1050位IT领导者的采访，发布了第九份年度连接基准报告，报告显示，人工智能的拐点放大了对连贯IT战略的需求。87%的IT领导者表示，数字化转型的本质正在发生变化。人工智能使技术领域进一步复杂化，平均每家企业拥有991个应用程序。IT预算需要增加以满足这种激增的需求。
研究还发现，集成和安全问题是人工智能应用的最大障碍。人工智能的精灵已经从瓶子里出来了，超过四分之三的组织报告说他们使用了多种人工智能模型。多达90%的人表示，人工智能与其他系统集成的困难是一个障碍，其次是79%的人表示存在安全问题。但也许采用人工智能的最大障碍是数据孤岛和阻碍企业发展的系统脆弱性。几乎98%的IT领导者都表示面临着数字化转型方面的挑战。
81%的受访者提到了数据孤岛的持久性，72%的受访者提到了紧密耦合和高度依赖系统的脆弱性。数据孤岛正在阻止自动化项目在预算内按时完成。自动化仍然是IT和业务之间争论的一个来源。业务用户从他们的工作自动化中受益匪浅(每个员工每周1.9小时)，并且需要更大的自动化灵活性。然而，大多数IT部门仍然需要弄清楚如何以安全和受治理的方式启用这种自动化。三分之二(66%)的自动化项目将IT作为唯一的看门人。
为了更好地理解旨在改善客户体验的生成式人工智能的影响，我采访了两位世界领先的客户关系管理(CRM)、客户体验(CX)和客户服务专家。本文作者迈克尔•毛兹是Salesforce公司负责创新战略的高级副总裁。在加入Salesforce之前，Maoz是Gartner的研究副总裁和杰出分析师，担任客户服务和支持战略领域的研究负责人。埃德·汤普森是Salesforce公司负责市场战略的高级副总裁。
在加入Salesforce之前，汤普森是Gartner的研究副总裁兼杰出分析师，主要负责客户体验(CX)和客户关系管理(CRM)战略与实施。Maoz和Thompson分享了他们的观点，即企业在将生成式人工智能解决方案应用于客户服务应用程序和流程之前需要考虑和实施什么。
超过95%的大型组织正在运行某种形式的生成式人工智能的试点或现场生产。这些公司已经超越了研究和评估可能性，而是开始采取行动。中型组织通常已经确定了超过100个可能的用例，而最大的组织已经定义了超过500个用例。在负责营销、销售、客户支持和整体客户体验的商业领袖中，我们的对话已经从“生成式人工智能能做什么?”发展到回答这样一个问题:“生成式人工智能能为我的业务部门、我的业务和我的客户带来价值吗?”
一些组织已经将生成式人工智能用于药物发现或芯片设计，因为他们使用熟练的内部资源来调整大型语言模型，以实现高价值，改变游戏规则的用例。一些组织已经精通为特定行业或单一类型的高价值过程调优小型语言模型。然而，更高比例的组织采取了“最低风险”的方法，并从内部项目开始，这些项目不会将生成的人工智能结果直接暴露给客户或供应商。
对于那些已经超越了员工生产力或应用程序开发的人来说，最常见的关注领域是客户服务部门——比市场营销、销售或商业部门更重要。所以现在每个人都想知道，早期采用者在客户服务中使用生成式人工智能取得了什么成就?答案是喜忧参半。一些公司取得了惊人的成功，但许多公司仍在努力获得价值。许多人正在经历的粗暴觉醒是，启用生成式人工智能不一定(也很可能不会)带来回报。
生成式人工智能并不是灵丹妙药
世界各地的企业都希望，除了对生成式人工智能的大肆宣传之外，还有一条提高业务效率的短期途径，同时还有一种增加收入的长期能力。在衡量真正的节省之前，有一个并非微不足道的考虑因素需要权衡。与2023年一样，在2024年，在大多数国家，生成式人工智能和ChatGPT在谷歌上的搜索词都排在“客户服务/电话号码”之后。其中大多数搜索都是客户寻求与人联系。这是非常令人沮丧的，因为大多数企业都在努力使其难以接触到一个人。
企业承诺在客户服务中消除人际关系，而客户希望建立人际关系，这两者之间的差距几乎总是指向一个糟糕的业务流程。企业必须检查客户不使用自助服务渠道的原因。这种发现过程是由生成式人工智能驱动的更深层次自助服务的先驱。
我们的第一个建议是退后一步，确保你想用生成式人工智能来强化的客户服务流程能让客户满意。在一个破碎的过程中分层生成AI并不能提供一个神奇的创可贴。首先，修复损坏的过程，然后你就可以安全地使用生成式人工智能了。但在客户服务领域，生成式人工智能肯定会有一些轻松的胜利吧?
“当我们将生成式人工智能添加到糟糕的客户自助服务流程中时，我们让事情变得更糟，只是规模更大，后果比以前更严重。一个聊天机器人在没有生成人工智能的情况下给客户提供不正确的信息，是因为底层知识库不正确。一旦加入了生成式人工智能，公司就会发现，现在机器人完全自信地向客户提供了不正确的信息，而不是因为它产生了幻觉。结果是:现在，公司以一种新的形式传播了更多有说服力的虚假信息，”Salesforce负责创新战略的高级副总裁迈克尔·毛兹说。
客户服务的早期成功:从简单做起
我们已经看到数十个客户服务部门成功地在四个强大的用例中使用了生成式人工智能:
- 会后总结和案例总结: 客户顾问和客服人员发现这部分工作既乏味又困难。因此，他们输入的信息是最少的。当使用生成式AI时，特别是当有prom时在PTS的指导下，代理商可以在每次通话或案件结束后节省一两分钟的时间，同时提供更多更好的总结信息。可以分析该摘要信息以查找调用中的模式，这些模式显示流程的运行状况以及如何解决问题的建议。生成式人工智能也是一个有价值的培训材料来源培训新的代理和顾问。
- 人员nalized有限公司在聊天或电话会话中为客户准备的内容: 当生成式人工智能被内置到聊天或电话对话中时，支持代理可以使用客户的问题作为舞会PTS作为最好的建议或答案提供。当有限公司连接到一个强大的知识库生成式人工智能可以根据用户信息和客户档案，组装出一个高度专业化的人为代理指定答案。
- 客户新员工培训: 客户生命周期中最关键的售后步骤可能是入职。欢迎顾客，提醒他们所购买的产品和服务，并引导他们通过人本土化培训是向客户展示你重视他们业务的好方法。这种方法可以是一个完全自动化的自助服务过程。
- 情感分析/服务智能: 生成式人工智能用于分析单词和响应客户选择的Nses，以及响应系统或代理给出的Nses。CRM系统可以通知支持代理或服务经理任何新出现的问题，并迅速进行干预以解决问题。
说句题外话，另一项令人兴奋的技术是语音到文本，人类可以自然地说话，生成式人工智能可以理解上下文，并将文本答案反馈给客户。由于语音质量、语言、口音和技术术语的复杂性可能会干扰该过程，因此这种方法可能比帮助进行呼叫总结要复杂一些。但是，简而言之，对IT领导者的第二个建议是简单地从生成人工智能开始。
复杂的客户交互更加困难
经过18个多月的经验，我们有足够的证据证明，生成式人工智能机器人有能力将呼叫转移给人工代理，也可以在客户有一个简单的查询时转移人类互动。查询可以是诸如银行余额、订单状态、账单信息、更新配置文件、抄表、截止日期或对各种常见问题的回答等请求。所有这些答案都包含事实。企业需要坚实的知识基础、正确定义的客户服务流程以及与正确系统的连接。不需要太多的工作流或数据清理。
“目前，关于智能机器人，公司分为两种思想流派或两种方法:他们要么从考虑提高座席的生产力开始，要么以使用生成式人工智能来减少客户服务座席的数量为目标。”客户服务部门的经理们通常对生成式人工智能机器人作为帮助座席提高生产力的工具的承诺持怀疑态度，”Salesforce高级副总裁市场战略埃德·汤普森(Ed Thompson)说。“多年来，软件供应商做出的许多承诺都未能实现。相比之下，数字主管、首席运营官和财务主管则没有那么关注座席的生产力。他们往往对使用新一代生成式人工智能机器人降低成本的可能性感到兴奋。”
汤普森还说:“生成式人工智能带来了新的担忧，比如偏见、幻觉和有毒的答案。但旧的担忧依然存在，而且可能更加严重。也许生成式人工智能将为解决未集成和孤立的数据源、过时的数据、低质量的数据、不正确的数据以及糟糕的服务流程和工作流程设计提供动力。建议:不要重复之前bot实现的错误。”
当客户的要求更加微妙时，比如当一个问题的答案是“这取决于你的优先级”，或者“这需要我们权衡许多因素”时，生成式人工智能就不是最好的答案，直到这个过程变成只有一个正确答案的过程。
简单事务转变为复杂事务的一个例子是，“我的订单在哪里?”变成:“我想拆分订单，将一部分(已准备好的部分)发送到一个地点，并从一张信用卡上付款，而未交付的订单的其余部分发送到另一个国家的第二个地点，并从尚未存档的另一张信用卡上付款。”你能帮我吗?”用于这些更复杂流程的技术需要跨业务和IT的多个团队进行协调。
复杂性源于必须调用更多的系统、工作流和规则这一事实。这个过程意味着集成和设计逻辑。自动化或生成式人工智能不容易处理许多复杂的交互，除非进行重要的客户体验流程设计工作，然后进行重要的数据访问、工作流和快速构建。我们不会推荐这些领域作为初学者开始生成AI之旅的最佳场所。
成功需要系统化的方法
我们想要强调的一点是，在应用生成式人工智能之前，必须对流程进行检查和双重检查。错误可能会让构建生成式人工智能系统的公司感到尴尬。最近的例子包括雪佛兰聊天机器人告诉客户虚假信息，导致经济损失，加拿大航空公司试图提出法律论据，称其聊天机器人是一个独立的实体，其回答不属于公司的责任。机器无法分辨好的和坏的数据，或者好的和坏的过程。机器只看到数据，并遵循为它创建的流程和规则。
这一现实引出了我们的第三个建议:你最好确保你的生成式人工智能所消耗的数据是准确的，并且你设计的客户服务流程在生成式人工智能管理成功的能力范围内。从小事做起。从有可衡量的价值和效益的地方开始。从简单的开始。从清晰的数据开始，邀请一小部分忠实的客户进入你的设计过程，以确保你走上成功之路。
本文是关于生成式人工智能及其对客户体验影响的两部分系列文章的第一篇。加入我们的第二部分，在那里我们将讨论如何操作您的生成人工智能战略的速度，规模和利润。
本文由Salesforce创新战略高级副总裁Michael Maoz和Salesforce市场战略高级副总裁Ed Thompson共同撰写。
