Ένας εργαζόμενος δεν καταλαβαίνει κάτι σε ένα πακέτο λογισμικού και θέτει μια ερώτηση. Καμία βλάβη, κανένα χαλασμένο σύστημα, μόνο ασάφεια σχετικά με τη χρήση. Αυτή η εργασία καταλήγει σήμερα στο τμήμα εξυπηρέτησης (servicedesk) ή στη λειτουργική διαχείριση, συνήθως μέσω ενός συστήματος εισιτηρίων (ticketsysteem), μερικές φορές τηλεφωνικά ή απλά στο γραφείο του συναδέλφου που «τα ξέρει όλα» για εκείνο το συγκεκριμένο πακέτο.
Το ερώτημα που τίθεται εδώ δεν είναι αν αυτή η εργασία είναι ενοχλητική ή πολύτιμη. Το ερώτημα είναι: συμπίπτει το μοτίβο αυτής της εργασίας με αυτό που μπορεί σήμερα η AI να διαχειριστεί με κείμενο.
Τρεις άξονες είναι εδώ καθοριστικοί: όγκος, επαφή με τον πελάτη και δομημένος χαρακτήρας.
Ο όγκος είναι υψηλός. Οι ίδιες ερωτήσεις επανέρχονται, ξανά και ξανά, από διαφορετικά άτομα: πώς εξάγω αυτή την αναφορά, πού βρίσκω αυτή τη ρύθμιση, γιατί λαμβάνω αυτό το μήνυμα σφάλματος. Αυτός ο επαναλαμβανόμενος χαρακτήρας είναι ακριβώς αυτό στο οποίο βασίζεται η αυτοματοποίηση: μια εργασία που εμφανίζεται εκατό φορές ταυτόσημη είναι διαφορετική από μια εργασία που εμφανίζεται μία φορά και είναι κάθε φορά διαφορετική.
Η επαφή με τον πελάτη είναι περιορισμένη. Ο ερωτών είναι συνάδελφος, όχι εξωτερικός πελάτης με τον οποίο πρέπει να διατηρηθεί μια σχέση. Απαιτείται λιγότερη επιφυλακτικότητα για να δοθεί μια απάντηση απευθείας και χωρίς περιστροφές, και λιγότερος κίνδυνος μια λιγότερο ρευστή απάντηση να εκληφθεί ως μη επαγγελματική.
Ο δομημένος χαρακτήρας είναι υψηλός. Η ερώτηση έχει συχνά μια σταθερή μορφή («πώς κάνω X στο σύστημα Y») και η απάντηση υπάρχει, στις περισσότερες οργανώσεις, ήδη κάπου: σε ένα εγχειρίδιο, μια βάση γνώσης, παλιά εισιτήρια. Η AI δεν χρειάζεται εδώ να επινοήσει κάτι καινούργιο, αλλά να ανακτήσει κάτι υπάρχον και να το αναδιατυπώσει ανάλογα με την κατάσταση του ερωτώντος.
Επιπλέον, το κόστος λάθους και η συμμόρφωση (compliance) βαθμολογούνται θετικά. Μια λανθασμένη απάντηση σχετικά με ένα κουμπί εξαγωγής σπάνια οδηγεί σε ζημία, και συνήθως δεν υπάρχει νομική υποχρέωση που να επιβάλλει ότι αυτή η απάντηση πρέπει να δίνεται μόνο από άνθρωπο. Δεν απαιτούνται φυσικές ενέργειες: αυτή είναι καθαρά μια εργασία γλώσσας και γνώσης, γεγονός που εξηγεί τη βαθμολογία σε αυτόν τον άξονα.
Η δημιουργικότητα βαθμολογείται χαμηλά, και εκεί βρίσκεται ακριβώς το όριο. Μια ερώτηση που ξεφεύγει από τα τυπικά μοτίβα — έναν ασυνήθιστο συνδυασμό ρυθμίσεων, ένα πρόβλημα που στην πραγματικότητα αγγίζει τρία συστήματα, έναν χρήστη που δεν μπορεί να διατυπώσει καλά τι πάει στραβά — απαιτεί κάποιον που μπορεί να ρωτήσει περισσότερα και να αποκλίνει από το σενάριο. Το περιθώριο κρίσης βαθμολογείται γι' αυτό μέτρια: ένα μέρος των ερωτήσεων απαντάται με σαφήνεια, ένα άλλο μέρος απαιτεί εκτίμηση του τι εννοεί στην πραγματικότητα ο ερωτών.
Αυτό δεν είναι λοιπόν πλήρης ανάληψη. Είναι μια κατανομή: οι ερωτήσεις που εμφανίζονται συχνά και έχουν σταθερή απάντηση είναι πολλά υποσχόμενες για την AI, με — όπου απαιτείται — έναν εργαζόμενο που αξιολογεί την απάντηση προτού βγει από την πόρτα. Οι ερωτήσεις που αποκλίνουν παραμένουν ανθρώπινη εργασία, όχι επειδή η AI δεν θα ήθελε να κάνει αυτή την εργασία, αλλά επειδή το μοτίβο δεν είναι κατάλληλο γι' αυτό.
Αυτό λειτουργεί μόνο αν η υποκείμενη γνώση είναι σε τάξη. Μια επικαιροποιημένη βάση γνώσης και καλά δομημένες Συχνές Ερωτήσεις (FAQ) δεν είναι δευτερεύουσα λεπτομέρεια, είναι η προϋπόθεση. Ένα σύστημα AI που απαντά με βάση ένα εγχειρίδιο τριών εκδόσεων πριν, δίνει λανθασμένες απαντήσεις με την ίδια βεβαιότητα όπως τις σωστές. Επιχειρήσεις όπου η τεκμηρίωση είναι κατακερματισμένη, βρίσκεται στο μυαλό μεμονωμένων εργαζομένων ή δεν έχει ποτέ ενημερωθεί, δεν θα μπορέσουν να εκμεταλλευτούν αμέσως αυτό το μοτίβο — όχι επειδή η εργασία είναι διαφορετική, αλλά επειδή απουσιάζει η προϋπόθεση.
Σε έναν οργανισμό με ένα απλό, σταθερό πακέτο λογισμικού και μια μικρή, έμπειρη ομάδα χρηστών, το ποσοστό ερωτήσεων που μπορούν να απαντηθούν μέσω AI είναι πιθανώς μεγάλο: λίγη διαφοροποίηση, πολλή επανάληψη. Σε έναν οργανισμό με δεκάδες συστήματα, πολλή προσαρμογή και εργαζόμενους που αλλάζουν τακτικά, η κατάσταση είναι διαφορετική: περισσότερη διαφοροποίηση, περισσότερες ερωτήσεις που βρίσκονται ακριβώς έξω από το τυπικό μοτίβο, και άρα ένα μεγαλύτερο μέρος που παραμένει σε άνθρωπο.
Αυτή η εργασία δεν είναι επίσης ξεκομμένη από τον υπόλοιπο τομέα εξυπηρέτησης. Όποιος κοιτάξει πώς η AI μπορεί να καταγράφει και να προτεραιοποιεί περιστατικά ή πώς μια βλάβη επικοινωνείται στους χρήστες, βλέπει ένα ανάλογο μοτίβο επανάληψης και δομής, με ελαφρώς διαφορετικά αποτελέσματα ανά άξονα. Μια ευρύτερη επισκόπηση του πού αυτό οδηγεί για την εξυπηρέτηση πελατών ως σύνολο, βρίσκεται στη σελίδα ποια εργασία μπορεί να αναλάβει η AI στην εξυπηρέτηση πελατών.
Σε επιχειρήσεις όπου αυτό έχει ήδη ρυθμιστεί, το τμήμα εξυπηρέτησης βλέπει λιγότερες επαναλαμβανόμενες ερωτήσεις να καταλήγουν σε ανθρώπους και περισσότερο χρόνο να απομένει για τις ερωτήσεις που πράγματι απαιτούν περαιτέρω διερεύνηση. Αυτό δεν είναι μια εικόνα του μέλλοντος: συμβαίνει ήδη σήμερα, σε μέρη, σε οργανισμούς με βάση γνώσης που είναι σε τάξη. Σε άλλους οργανισμούς δεν συμβαίνει ακόμη, απλά επειδή η βάση γι' αυτό ακόμη λείπει.
Τι κάνει ένας οργανισμός με τις ελευθερωμένες ώρες — μια διαφορετική διαμόρφωση ρόλων, διαφορετική κατανομή εργασιών — είναι μια επιλογή που ανήκει στον ίδιο τον οργανισμό και για την οποία ισχύουν οι δικές του νομικές απαιτήσεις· αυτό δεν είναι ερώτημα που μπορεί να απαντηθεί με μια ανάλυση εργασιών.
Για να δείτε πώς αποδίδει αυτό το μοτίβο στη δική σας κατάσταση, μπορείτε να λάβετε μια ένδειξη μέσω του δωρεάν quickscan: δώδεκα ερωτήσεις, χωρίς λογαριασμό, με μια εκτίμηση του ποσοστού των ωρών στο προφίλ σας που σήμερα μπορεί να αναλάβει η AI. Το πλήρες werkscan, που αναλύει την εργασία μιας ολόκληρης επιχείρησης σε επιμέρους καθήκοντα, βρίσκεται ακόμη υπό κατασκευή.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.