Η ενημέρωση στοιχείων επικοινωνίας, προτιμήσεων και καταστάσεων σε ένα CRM μετά από μια αλληλεπίδραση ή αλλαγή είναι ένα από τα καθήκοντα όπου η AI μπορεί ήδη σήμερα να αναλάβει ένα μεγάλο μέρος της εργασίας. Όχι επειδή η AI είναι "έξυπνη" αρκετά για να κατανοήσει τους πελάτες, αλλά επειδή η εργασία καθαυτή απαιτεί ελάχιστη ερμηνεία. Μια αλλαγή διεύθυνσης, ένας νέος αριθμός τηλεφώνου, μια αλλαγή κατάστασης από υποψήφιο πελάτη σε πελάτη: αυτά είναι πεδία που συμπληρώνονται, όχι που αξιολογούνται.
Τρεις άξονες είναι εδώ καθοριστικοί: ο δομημένος χαρακτήρας, ο όγκος και το κόστος σφαλμάτων.
Ο δομημένος χαρακτήρας βαθμολογείται υψηλά επειδή ένα CRM εξ ορισμού λειτουργεί με σταθερά πεδία. Ένα όνομα, μια διεύθυνση email, μια κατηγορία προτίμησης: πρόκειται για δεδομένα με σταθερή θέση και σταθερή μορφή. Δεν υπάρχει ελεύθερο κείμενο που πρέπει να ερμηνευτεί, ούτε πλαίσιο που πρέπει να σταθμιστεί. Αυτό κάνει την εργασία κατάλληλη για επεξεργασία βάσει κανόνων: αν το πεδίο X αλλάξει στην πηγή Y, ενημέρωσε το πεδίο X στο σύστημα Z.
Ο όγκος είναι επίσης υψηλός. Σε μια επιχείρηση με μεγάλη πελατειακή βάση, πρόκειται για δεκάδες έως εκατοντάδες αλλαγές την ημέρα, κατανεμημένες σε μεμονωμένες, μικρές ενέργειες. Ακριβώς το είδος εργασίας όπου ένα επαναλαμβανόμενο, προβλέψιμο μοτίβο ζυγίζει περισσότερο από περιστασιακές εξαιρέσεις. Υψηλός όγκος σε συνδυασμό με υψηλό δομημένο χαρακτήρα είναι ο συνδυασμός όπου ο αυτοματισμός αποσβένεται πιο γρήγορα.
Το κόστος σφαλμάτων βρίσκεται στη μέση. Ένας λάθος ενημερωμένος αριθμός τηλεφώνου είναι ενοχλητικός, αλλά συνήθως διορθώνεται στην επόμενη επαφή. Σε πιο ευαίσθητα πεδία, όπως προτιμήσεις πληρωμής ή συναίνεση για επικοινωνία marketing, τα σφάλματα ζυγίζουν περισσότερο. Γι' αυτό η επικύρωση δεν είναι περιττό βήμα, αλλά προϋπόθεση.
Ο βαθμός κρίσης και η επαφή με τον πελάτη βαθμολογούνται μέτρια έως υψηλά, και ακριβώς εκεί βρίσκεται η απόχρωση. Ένα μέρος των αλλαγών κατάστασης είναι σαφές: ένας πελάτης μετακομίζει, η διεύθυνση αλλάζει, τέλος. Αλλά δεν είναι κάθε αλλαγή τόσο απλή. Όταν ένας υπάλληλος εξυπηρέτησης πελατών πρέπει, μετά από ένα τηλεφωνικό διάλογο, να εκτιμήσει αν ένα παράπονο δικαιολογεί αλλαγή κατάστασης σε "κίνδυνος καταγγελίας", αυτό δεν είναι πλέον εισαγωγή πεδίου αλλά αξιολόγηση. Αυτό το κομμάτι παραμένει ανθρώπινη εργασία, ή τουλάχιστον υποβάλλεται σε έναν υπάλληλο που εγκρίνει ή απορρίπτει με αιτιολόγηση.
Σε μια επιχείρηση με απλό προφίλ πελάτη και λίγες εξαιρέσεις, το ποσοστό που μπορεί να αναλάβει η AI είναι επομένως υψηλότερο απ' ό,τι σε μια επιχείρηση με σύνθετες πελατειακές σχέσεις, πολλές εξατομικευμένες συμφωνίες ή ευαίσθητα προσωπικά δεδομένα. Η συμμόρφωση παίζει επίσης ρόλο εδώ: όσο περισσότερο ένα πεδίο άπτεται πληροφοριών ευαίσθητων υπό τον ΓΚΠΔ ή συμβατικών συμφωνιών, τόσο πιο επιθυμητός είναι ένας ανθρώπινος έλεγχος πριν μια αλλαγή γίνει οριστική.
Η τεχνολογία που ήδη εφαρμόζεται σήμερα είναι κυρίως RPA: λογισμικό που, σύμφωνα με σταθερούς κανόνες, μεταφέρει δεδομένα από μία πηγή σε άλλη, εντοπίζει διπλές εγγραφές και συμπληρώνει πεδία βάσει σταθερής αντιστοίχισης. Αυτό δεν είναι τεχνητή νοημοσύνη που "κατανοεί" ποιος είναι ο πελάτης, αλλά αυτοματοποιημένη επεξεργασία δομημένης εισόδου.
Τρεις προϋποθέσεις καθορίζουν αν αυτό λειτουργεί:
Αν λείπει ένα από αυτά τα τρία, η εργασία μετατοπίζεται πίσω στην κατηγορία δύο: η AI κάνει την πρόταση, ένας υπάλληλος εγκρίνει ή απορρίπτει.
Αυτό που αλλάζει τώρα δεν είναι ότι οι υπάλληλοι γίνονται περιττοί, αλλά ότι ο χρόνος τους μετατοπίζεται από εργασία εισαγωγής σε εργασία ελέγχου. Όπου ένας υπάλληλος παλαιότερα πληκτρολογούσε με το χέρι μια αλλαγή διεύθυνσης, τώρα αξιολογεί μια λίστα προτεινόμενων αλλαγών και κάνει κλικ σε έγκριση ή απόρριψη. Αυτή είναι μια διαφορετική εργασία, με διαφορετική κατανομή χρόνου, όχι απαραίτητα λιγότερη εργασία αλλά διαφορετική εργασία.
Αυτή η μετατόπιση κινείται παράλληλα με ό,τι συμβαίνει στην εισαγωγή παραγγελιών στο σύστημα και στον έλεγχο και την ανακοίνωση κατάστασης παραγγελίας: και εκεί το μοτίβο είναι δομημένη εισαγωγή, υψηλός όγκος, περιορισμένο κόστος σφαλμάτων, με εξαιρέσεις που παραμένουν σε άνθρωπο. Όποιος αναρωτιέται πώς αυτό σχετίζεται με άλλα καθήκοντα προσανατολισμένα στον πελάτη, βρίσκει μια συγκρίσιμη στάθμιση στην παροχή πληροφοριών αποθέματος και χρόνου παράδοσης, όπου παίζει η ίδια τάση ανάμεσα σε ταχύτητα και τις περιπτώσεις που απαιτούν λίγο περισσότερη εξήγηση. Και για όποιον βλέπει την εργασία CRM κυρίως ως μέρος μιας ευρύτερης διαδικασίας, η επισκόπηση της εργασίας στο οικονομικό τμήμα αποτελεί καλό σημείο εκκίνησης, καθώς τα δεδομένα πελατών και τιμολόγησης συχνά μοιράζονται τα ίδια συστήματα πηγής.
Αν και πόσο γρήγορα αυτό θα εφαρμοστεί εντός ενός οργανισμού δεν είναι μόνο τεχνικό ζήτημα. Οι συνέπειες για το προσωπικό που ενδεχομένως προκύπτουν από αυτό εμπίπτουν στις δικές του νομικές υποχρεώσεις ενός εργοδότη· η παρούσα σελίδα δεν διατυπώνει άποψη σχετικά με αυτό.
Αυτή η σελίδα περιγράφει ένα καθήκον μεμονωμένα. Η πραγματική εικόνα προκύπτει μόνο όταν αυτό το καθήκον εξετάζεται μαζί με τα άλλα καθήκοντα εντός μιας επιχείρησης: μερικά με συγκρίσιμο προφίλ, άλλα εντελώς διαφορετικά. Για να αποκτήσετε μια πρώτη εντύπωση, υπάρχει μια δωρεάν σύντομη ανάλυση: δώδεκα ερωτήσεις, χωρίς λογαριασμό, με αποτέλεσμα μια ένδειξη για το ποιο μέρος των ωρών σε αυτό το προφίλ μπορεί σήμερα να αναλάβει η AI. Η πλήρης ανάλυση εργασίας, που αναλύει την εργασία μιας επιχείρησης σε καθήκοντα και υπολογίζει ανά καθήκον σε ισοδύναμο πλήρους απασχόλησης (fte), βρίσκεται ακόμη σε εξέλιξη.
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.