Kontaktandmete, eelistuste ja staatuste uuendamine CRM-is pärast interaktsiooni või muudatust on üks neist ülesannetest, mille suure osa AI juba täna üle võtta suudab. Mitte sellepärast, et AI on piisavalt "tark", et kliente mõista, vaid sellepärast, et ülesanne ise nõuab vähe tõlgendamist. Aadressimuutus, uus telefoninumber, staatusemuutus leadist kliendiks: need on väljad, mida täidetakse, mitte hinnatakse.
Siin annavad tooni kolm telge: struktureeritus, maht ja veakulud.
Struktureeritus saab kõrge hinnangu, sest CRM töötab definitsiooni järgi fikseeritud väljadega. Nimi, e-posti aadress, eelistuste kategooria: need on andmed, millel on fikseeritud koht ja fikseeritud vorming. Ei ole vabatekstilist sisu, mida tuleks tõlgendada, ega konteksti, mida tuleks kaaluda. See teeb ülesande sobivaks reeglipõhiseks töötluseks: kui väli X muutub allikas Y, uuenda välja X süsteemis Z.
Samuti on maht suur. Suure kliendibaasiga ettevõttes on tegemist kümnete kuni sadade muudatustega päevas, mis on jaotunud eraldiseisvate väikeste toimingute vahel. Just seda tüüpi töö puhul kaalub korduv, ennustatav muster üles üksikud erandid. Suur maht koos kõrge struktureeritusega on kombinatsioon, mille puhul automatiseerimine tasub end kõige kiiremini ära.
Veakulud jäävad keskmisele tasemele. Valesti uuendatud telefoninumber on tüütu, kuid enamasti parandatav järgmise kontakti käigus. Tundlikumate väljade puhul, näiteks maksega seotud eelistused või nõusolek turundussuhtluseks, kaaluvad vead rohkem. Seetõttu ei ole valideerimine üleliigne samm, vaid tingimus.
Otsustusruum ja kliendikontakt saavad keskmise kuni kõrge hinnangu ning just seal peitub nüanss. Osa staatusemuutusi on üheselt mõistetavad: klient kolib, aadress muutub, valmis. Kuid mitte iga muudatus ei ole nii lihtne. Kui klienditeenindaja peab pärast telefonivestlust hindama, kas kaebus õigustab staatusemuutust "lepingu lõpetamise riski" suunas, ei ole see enam väljale sisestamine, vaid hinnang. See osa jääb inimtööks, või vähemalt esitatakse see töötajale, kes kiidab heaks või lükkab tagasi koos põhjendusega.
Lihtsa kliendiprofiili ja väheste eranditega ettevõttes on seega AI poolt ülevõetav osa suurem kui ettevõttes, kus on keerulised kliendisuhted, palju individuaalseid kokkuleppeid või tundlikud isikuandmed. Ka vastavus mängib siin rolli: mida rohkem väli puudutab GDPR-tundlikku teavet või lepingulisi kokkuleppeid, seda soovitavam on inimliku kontrolli samm enne muudatuse lõplikuks muutumist.
Tehnoloogia, mida praegu juba kasutatakse, on peamiselt RPA: tarkvara, mis kannab fikseeritud reeglite alusel andmeid ühest allikast teise, signaliseerib topeltkirjeid ja täidab väljad fikseeritud kaardistuse alusel. See ei ole kunstlik intellekt, mis "mõistab", kes klient on, vaid struktureeritud sisendi automatiseeritud töötlus.
Kolm raamtingimust määravad, kas see toimib:
Kui üks neist kolmest puudub, nihkub ülesanne tagasi teise kategooriasse: AI teeb ettepaneku, töötaja kiidab heaks või lükkab tagasi.
See, mis praegu muutub, ei ole see, et töötajad muutuvad üleliigseks, vaid see, et nende aeg nihkub sisestustööst kontrollitööle. Kui töötaja varem trükkis aadressimuutuse käsitsi ümber, hindab see töötaja nüüd nimekirja pakutud muudatustest ja klõpsab nõus või mitte nõus. See on erinev ülesanne, erineva ajakuluga, mitte tingimata vähem tööd, kuid teistsugune töö.
See nihe kulgeb paralleelselt sellega, mis toimub tellimuste sisestamisel süsteemi ja tellimuse staatuse kontrollimisel ja edastamisel: ka seal on muster sama - struktureeritud sisend, suur maht, piiratud veakulud, erandid, mis jäävad inimese kanda. Kes soovib teada, kuidas see suhestub teiste kliendile suunatud ülesannetega, leiab sarnase kaalutluse laoseisu ja tarneaja teabe andmisel, kus valitseb sama pinge kiiruse ja veidi rohkem selgitust vajavate juhtumite vahel. Ja kes näeb CRM-i tööd eelkõige osana laiemast protsessist, leiab hea lähtepunkti ülevaatest finantsosakonnas tehtavast tööst, kuna kliendi- ja arveandmed jagavad sageli samu allikasüsteeme.
Kas ja kui kiiresti see organisatsioonis kasutusele võetakse, ei ole ainult tehniline küsimus. Personalitagajärjed, mis sellest võivad tuleneda, kuuluvad tööandja enda seadusjärgsete nõuete alla; see lehekülg selle kohta seisukohta ei võta.
See leht kirjeldab üht ülesannet eraldiseisvana. Tegelik pilt tekib alles siis, kui seda ülesannet vaadeldakse koos ettevõtte teiste ülesannetega: mõned sarnase profiiliga, teised täiesti erinevad. Sellest esmase mulje saamiseks on olemas tasuta kiirtest: kaksteist küsimust, ilma kontota, mille tulemusena saate hinnangu selle kohta, kui suure osa selle profiili tundidest saab AI täna üle võtta. Täielik töö analüüs, mis jaotab ettevõtte töö ülesanneteks ja arvutab need ülesande kaupa ümber täistööajale (FTE) vastavaks võimsuseks, on veel ehitusjärgus.
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.