Pienāk pieteikums: lietotājs nevar pieteikties, printeris nedarbojas, serveris rāda kļūdu paziņojumus. Kāds klientu apkalpošanas dienestā to pārvērš biļetē, izvēlas kategoriju un nosaka steidzamību. Vai AI to var pārņemt? Lielā mērā jā, ar vienu svarīgu izņēmumu, kas atšķiras pēc uzņēmuma.
Izšķirošas ir trīs asis: apjoms, spriešanas telpa un klientu kontakts.
Apjoms ir liels. Klientu apkalpošanas dienests dienā apstrādā desmitiem līdz simtiem pieteikumu, un daudzi no tiem ir variācijas par nedaudzām zināmām problēmām: aizmirsta parole, nav pieejas kopīgotai mapei, klēpjdators nesāk darboties. Pie liela apjoma un atkārtošanās uzdevums pēc definīcijas ir piemērots automatizācijai, jo modelis mācās no bieži atkārtojošiem modeļiem.
Spriešanas telpa ir ierobežota. Steidzamība un kategorija parasti izriet no lēmumu koka: cik lietotāji ir skarti, vai ir apejas risinājums, kura sistēma tas ir. Tas ir precīzi tāda veida darbs, kurā teksta modeļi ir labi: izlasīt pieteikumu, izvilkt no tā pazīmes un salīdzināt ar kategorizācijas modeli. Ko AI šodien spēj apstrādāt, ir teksts — paši pieteikumi, kas bieži rakstīti brīvā formā, ko ievadījis lietotājs, un to pārtulkošana strukturētā biļetē.
Klientu kontakts ir funkcionāls, nevis attiecību veida. Lietotājs, kas ziņo par traucējumu, galvenokārt vēlas, lai to atrisina, ne lai izveidotos saruna. Tas ir citādi, tiklīdz kaut kas noiet greizi vai kļūst jutīgs — skatiet par to arī, kā traucējums tiek komunicēts lietotājiem, jo tas ir cits uzdevums ar citu profilu.
Fiziskajai komponentei šeit nav nozīmes: šis ir administratīvs darbs pie ekrāna, nevis darbība ar aparatūru. Kļūdu izmaksas ir vidējas. Nepareizi prioritizēts pieteikums retos gadījumos rada tiešus zaudējumus, bet sistēmās, uz kurām attiecas atbilstības prasības — finanšu sistēma, pacienta dokumentācija — tas ir citādi, un atbilstības ass šeit tāpēc iegūst augstāku vērtējumu nekā vidēji. Traucējums vidē ar likumā noteiktu ziņošanas pienākumu prasa dokumentētu pamatojumu klasifikācijai, ne tikai etiketi.
Vājā vieta ir kreativitāte, un tieši tāpēc šī nav pilnīga pārņemšana. Pieteikums, kas neiekļaujas zināmajā modelī — jauna simptomu kombinācija, sistēma, kas pirmo reizi atteikusies, lietotājs, kas problēmu apraksta neskaidri — prasa cilvēku, kas domā, nevis klasificē. Tam pieder klāt uzraudzība: AI piedāvā kategoriju un steidzamību, cilvēks apstiprina vai koriģē, ar pamatojumu. Tas ir cits organizācijas veids nekā pilnīga pārņemšana, un tā ir arī visbiežāk sastopamā prakse uzņēmumos, kas ar to jau strādā.
Uzņēmumā ar mazu, pārskatāmu lietojumprogrammu vidi un dažiem simtiem lietotāju deviņdesmit procenti pieteikumu ir kaut kā atkārtošanās, kas jau notikusi simts reizes. Tur modelis ar labu kategorizācijas modeli var patstāvīgi apstrādāt lielāko daļu ievades, un cilvēks redz tikai izņēmumus.
Uzņēmumā ar daudzām mantotajām sistēmām, pielāgotu programmatūru un apvienošanos vēsturi modelis ir mazāk paredzams. Pieteikumi ir daudzveidīgāki, kategorijas nav tik skaidri nodalītas, un iespēja, ka pieteikums neiekļaujas zināmajā modelī, ir lielāka. Tur lielāka daļa darba paliek pie cilvēka, ne tāpēc, ka AI to nevēlētos darīt, bet tāpēc, ka ievade ir pārāk nestrukturēta, lai no tās automātiski izveidotu kaut ko ticamu.
Tātad priekšnoteikums nav tehnoloģija, bet ievade: strukturētas ievades formas un izstrādāts incidentu kategorizācijas modelis lielā mērā nosaka, cik daudz no šī darba šodien jau ir nododams. Bez šiem diviem elementiem lielākā daļa paliek roku darbs, ar AI kā palīglīdzekli, nevis izpildītāju.
Šis nav personāla ieteikums un nav pamatojums klientu apkalpošanas dienesta komandas samazināšanai. Vai un kā organizācija no mainīga darba izdara personāla secinājumus, ir darba devēja ziņā, un tam ir spēkā savas likumā noteiktas prasības; skatiet par rūpību, kas tam pieder, uzmanības punktus funkciju likvidēšanā. Šī lapa aprakstā tikai to, kas notiek ar pašu uzdevumu.
Lietderīgi ir arī neaplūkot šo uzdevumu atrauti no pārējās IT darbības. Incidentu reģistrācija ir saistīta ar tādu darbu kā sistēmas veiktspējas pārraudzība, kas bieži sniedz agrīnas norādes, pirms rodas pieteikums, un ar pārvaldības uzdevumiem, tādiem kā rezerves kopiju izveide un pārbaude vai pamatdatu aktualizēšana, kuriem piemīt tāda pati liela apjoma un ierobežotas spriešanas telpas kombinācija. Kas vēlas noskaidrot, kur pārmaiņas visai IT nodaļai jau ir notikušas, labāk aplūko visus uzdevumus kopā, nevis vienu biļešu procesu.
Rezultāts jūsu pašu klientu apkalpošanas dienestam atkarīgs no tā, cik daudz jūsu pieteikumu iekļaujas atpazīstamos modeļos un cik labi jūsu ievade jau ir strukturēta. Tas atšķiras pēc uzņēmuma un nav nosakāms ar fiksētu vispārīgu likumu.
FTE TO AI bezmaksas ātrā pārbaude sniedz par to pirmo indikāciju: divpadsmit jautājumi, bez konta, ar norādi, cik lielu daļu no stundām jūsu profilā šodien var pārņemt AI. Pilnā darba pārbaude, kas visa uzņēmuma darbu uzdevumu pa uzdevumam pārrēķina fte kapacitātē, joprojām ir izstrādes stadijā.
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.