Искусственный интеллект (AI) и машинное обучение (ML) сейчас в моде, и это справедливо с учетом значительного вклада, который они внесли в переосмысление многих аспектов бизнеса. Однако многие люди по-прежнему скептически относятся к применению ИИ и машинного обучения для улучшения качества обслуживания клиентов.

Некоторые могут возразить, что машины не могут взять на себя обслуживание клиентов, что делает упор на человеческое взаимодействие. Машинам не хватает эмпатии и эмоционального интеллекта, чтобы обеспечить хорошее обслуживание клиентов. С другой стороны, многие также видят преимущества применения ИИ и машинного обучения для автоматизации повторяющихся задач, позволяя людям уделять больше времени тому, чтобы быть людьми.

Мы связались с некоторыми экспертами из Oovvuu, Canva и The Minerva Collective, чтобы узнать, что они думают по этому поводу.

Каково текущее состояние клиентского опыта и как, по вашему мнению, он будет развиваться с технологиями искусственного интеллекта и машинного обучения?

В настоящее время клиентский опыт повсюду с очень разными результатами. Два клиента, использующие один и тот же сервис, могут иметь совершенно разные впечатления от своего опыта, и во многих случаях сервис оказывается неуклюжим и плохо структурированным », - говорит Энтони Токар, специалист по данным и соучредитель The Minerva Collective. К сожалению, реальность такова, что 78% потребителей отказались от транзакции или не совершили запланированную покупку из-за плохого обслуживания. Фактически, компании слышат только 4% недовольных клиентов. При таком большом выборе для потребителей гораздо проще найти другую компанию с аналогичными предложениями, чем тратить время на то, чтобы жаловаться или звонить по поводу проблемы. Вот почему существует реальная необходимость сосредоточить внимание на опыте работы с клиентами - фактор, который становится все более важным для удержания современного клиента.

Пол Тьюн, инженер по машинному обучению в Canva, считает, что «есть две тенденции в улучшении качества обслуживания клиентов:

  • Тенденция к индивидуальному подходу к индивидуальным потребностям по мере того, как собирается больше данных о каждом клиенте в больших масштабах, и
  • Тенденция к обеспечению беспроблемного взаимодействия с клиентами в нескольких точках соприкосновения за счет предвидения их потребностей. «

Чтобы продемонстрировать эволюцию клиентского опыта, Пол продолжает пример. «Ранние системы рекомендаций, такие как механизмы рекомендаций, разработанные в Amazon и NetFlix в начале 2000-х, давали рекомендации на гораздо более грубом уровне, в основном для определенных групп клиентов. Степень детализации рекомендаций в ближайшем будущем будет намного лучше. Например, инженер из NetFlix, с которым я недавно разговаривал, упомянул, что любимый персонаж подписчика в сериале появится в меню, когда этот сериал будет выбран. Это означает необходимость узнавать больше о каждом клиенте и прогнозировать его привычки. Мы также видим это в виде умных личных помощников, таких как Alexa и Siri », - говорит он.

Рики Саттон, основатель и генеральный директор Oovvuu, добавляет, что, хотя ИИ и машинное обучение определенно имеют элемент, который можно сыграть [в клиентском опыте], ему также не хватает ключевого элемента… сочувствия. Так что я думаю, что он будет развиваться. Чем больше используется ИИ, тем больше он учится и тем лучше становится, но человеческое сочувствие пока остается несбыточной мечтой .

Какой самый важный урок вы извлекли из применения умных технологий к клиентскому опыту?

Для Энтони урок заключается в том, что люди, использующие умные технологии, должны правильно понимать их: «По моему опыту, люди часто не доверяют тому, чего не понимают. Новейшие технологии отлично подходят для того, чтобы привлекать заголовки, но только самые дальновидные компании серьезно относятся к их применению для извлечения выгоды. Это не обязательно плохо - знание предметной области необходимо для хорошей науки о данных, а слепая зависимость от новых подходов сопряжена со многими врожденными рисками. С течением времени мы многое узнали об опыте клиентов, и необходимо объяснять умные технологии деловым людям, используя правильный язык, чтобы они могли полностью осознать их ценность ».

Для Пола самое главное - это непрерывный опыт работы с клиентами. Это означает, что все точки соприкосновения с клиентом должны быть бесшовными. По его словам, «проблема интеграции умных технологий для улучшения взаимодействия с пользователем аналогична управлению любой другой сложной системой: чем больше движущихся частей, тем выше вероятность отказа в системе. Наивно применять машинное обучение для улучшения качества обслуживания клиентов - это заблуждение. Машинное обучение работает лучше всего, если оно дополняет потребительский опыт, помогая улучшить впечатления от отличного продукта ».

«В Canva наша цель проста: мы хотим дать клиентам лучший опыт, дав им возможность создавать и проектировать. С этой целью мы сосредоточим внимание на двух аспектах. Во-первых, как сделать контент, необходимый для их дизайна, легкодоступным. Во-вторых, как нам предвидеть, какие ресурсы могут быть им полезны в будущем. Мы достигаем этих целей, улучшая наши услуги поиска и рекомендаций, чтобы улучшить качество обслуживания клиентов ».

Самый большой урок для Рики заключается в том, что «ИИ превращает людей в сверхлюдей, но только для определенных задач». - «Когда мы основали Oovvuu, мы наняли редакторов, чтобы они читали статьи и находили соответствующие видео, и они могли читать по одной публикации и находить 40 соответствующих видео в день. Тот же человек, который использует созданные нами инструменты искусственного интеллекта, теперь может читать 100 000 издателей и 300 000 историй в день, охватывая 26 миллионов тем, и находить соответствующие видео от более чем 40 мировых вещательных компаний. ИИ невероятно мощен для автоматизации ручных задач, выполняемых человеком, но люди остаются лучше во всем, что делает нас людьми ».

Какие проблемы возникают у предприятий, которые пытаются интегрировать технологии искусственного интеллекта и машинного обучения и обслуживание клиентов?

Энтони, Пол и Рики согласились с тем, что огромной проблемой для бизнеса является отсутствие надежной инфраструктуры данных или глубокого понимания того, что именно следует измерять для достижения бизнес-целей и удовлетворенности клиентов.

«Многие компании обращаются к нам, стремясь использовать ИИ как готовую серебряную пулю для решения бизнес-проблем. Другие приходят просить поиграть с ИИ, чтобы найти возможность для бизнеса. Ни то, ни другое не работает ». - сказал Рики. «Для нас решение состояло в том, чтобы знать, какую бизнес-проблему мы пытаемся решить: а именно, помещать соответствующее видео в каждую статью, публикуемую по всему миру. Затем мы использовали ИИ, чтобы решить эту проблему, но то, с чего мы начали, было очень простым и не подходящим для работы. У нас была команда, которая почти 1000 дней лелеяла учение, чтобы оно стало таким, как оно есть ».

Энтони добавил, что «серебряной пули нет - нужны хорошие специалисты по данным, чтобы воплотить эти алгоритмы в ценность для бизнеса. Наличие надежной стратегии в области науки о данных имеет важное значение, и благодаря хорошему руководству, повышенной грамотности в области данных и пониманию того, как создать высокопроизводительную команду по обработке данных, предприятия могут использовать эти технологии для создания конкурентного преимущества ».

В заключение Пол приводит еще одну общую проблему, с которой сталкиваются многие компании при внедрении ИИ и машинного обучения в свои процессы - объем данных. «Современные методы машинного обучения полагаются на относительно большой объем данных, чтобы давать хорошие прогнозы», - говорит он. «Несмотря на то, что в настоящее время проводятся фундаментальные исследования для (надеюсь) сокращения объема данных, необходимых для обучения этих моделей машинного обучения, текущее основное технологическое ограничение, заключающееся в необходимости огромного количества данных, останется в обозримом будущем». Но «к счастью, этот эффект можно смягчить, если собранные данные будут достаточно высокого качества».

Как вы внедряете искусственный интеллект и машинное обучение, чтобы улучшить качество обслуживания клиентов в своем бизнесе? Поделитесь с нами своей историей в комментариях ниже!

Об авторах

Энтони - лидер в области науки о данных, он работал над проблемами страхования, лояльности, технологий, телекоммуникаций, социального сектора и даже нейробиологии. Актуарий с формальным образованием, Энтони получил степень магистра аналитики в престижном Северо-Западном университете. После того, как его сообщения о конфиденциальности данных в Neustar попали в заголовки газет, он вернулся в Сидней, чтобы практиковать в качестве специалиста по данным, одновременно основав Minerva Collective и Data Science Breakfast Meetup. Он также помогает организовать несколько других встреч и программ для специалистов по данным в соответствии со своей миссией по расширению охвата и влиянию данных, чтобы помочь людям.

Пол - инженер по машинному обучению в Canva, отвечающий за разработку решений для адаптации и персонализации контента для клиентов Canva. Он опубликовал несколько публикаций в престижных конференциях и журналах по информатике, в том числе на конференции ACM SIGCOMM в 2015 году. Его интересы включают глубокое обучение, статистику и теорию информации. Вы также можете найти его на Медиуме.

Рики является основателем и генеральным директором Oovvuu, стартапа, поддерживаемого IBM и Amazon, который использует искусственный интеллект для сопоставления видео от глобальных вещательных компаний и издателей со всего мира. Его задача - использовать ИИ для вставки релевантного короткого и длинного видео в каждую статью. При этом он стремится сообщать новости в новой и более убедительной форме, покончить с фальшивыми новостями и, таким образом, вернуть миллиарды из Facebook и Google журналистам и вещателям, которые создают контент.

Изначально опубликовано на Woveon.