Un angajat nu înțelege ceva într-un pachet software și pune o întrebare. Nicio pană, niciun sistem defect, doar neclaritate despre utilizare. Această muncă ajunge astăzi la serviciul de asistență (servicedesk) sau la managementul funcțional, de obicei printr-un sistem de tichete, uneori prin telefon sau pur și simplu la birocolegul care "știe totuși totul" despre acel pachet.
Întrebarea care se pune aici nu este dacă această muncă este neplăcută sau valoroasă. Întrebarea este: coincide tiparul acestei sarcini cu ce poate face AI astăzi cu text.
Trei axe sunt decisive aici: volum, contact cu clientul și gradul de structurare.
Volumul este ridicat. Aceleași întrebări se repetă, iar și iar, de la persoane diferite: cum exportez acest raport, unde găsesc acea setare, de ce primesc acest mesaj de eroare. Acest caracter repetitiv este exact ceea ce face automatizarea posibilă: o sarcină care apare identic de o sută de ori este o sarcină diferită de una care apare o singură dată și este mereu diferită.
Contactul cu clientul este limitat. Cel care pune întrebarea este un coleg, nu un client extern cu care trebuie întreținută o relație. Este nevoie de mai puțină rezervă pentru a da un răspuns direct și fără înconjur, și există mai puțin risc ca un răspuns mai puțin fluent să fie perceput ca neprofesionist.
Gradul de structurare este ridicat. Întrebarea are adesea o formă fixă ("cum fac X în sistemul Y") și răspunsul se găsește, în majoritatea organizațiilor, deja undeva: într-un manual, o bază de cunoștințe, tichete vechi. AI nu trebuie aici să inventeze ceva nou, ci să regăsească ceva existent și să-l reformuleze pentru situația celui care întreabă.
La aceasta se adaugă faptul că costurile erorilor și conformitatea (compliance) au un scor favorabil. Un răspuns greșit despre un buton de export duce rareori la daune, și de obicei nu există o obligație legală care să prevadă că acest răspuns poate fi dat doar de un om. Acțiunile fizice nu sunt necesare: aceasta este pur o sarcină de limbaj și cunoștințe, ceea ce explică scorul pe acea axă.
Creativitatea are un scor scăzut, și exact acolo se află limita. O întrebare care nu se încadrează în tiparele standard — o combinație neobișnuită de setări, o problemă care de fapt afectează trei sisteme, un utilizator care nu poate formula bine ce anume nu funcționează — necesită pe cineva care poate întreba mai mult și se poate abate de la script. Marja de apreciere are, de aceea, un scor mediu: o parte din întrebări se poate răspunde clar, o altă parte necesită estimarea a ceea ce celălalt vrea de fapt să spună.
Aceasta nu este, deci, o preluare completă. Este o împărțire: întrebările care apar frecvent și au un răspuns fix sunt promițătoare pentru AI, cu — unde este necesar — un angajat care evaluează răspunsul înainte ca acesta să fie transmis. Întrebările care se abat, rămân muncă umană, nu pentru că AI nu ar vrea să facă această muncă, ci pentru că tiparul nu este adecvat pentru asta.
Acest lucru funcționează doar dacă cunoștințele de bază sunt în ordine. O bază de cunoștințe actualizată și FAQ-uri bine structurate nu sunt un detaliu secundar, ele sunt condiția. Un sistem AI care oferă răspunsuri pe baza unui manual vechi de trei versiuni dă răspunsuri greșite cu aceeași siguranță ca răspunsurile corecte. Companiile în care documentația este fragmentată, se află în mintea unor angajați individuali sau nu a fost niciodată actualizată, nu vor putea valorifica acest tipar imediat — nu pentru că sarcina ar fi diferită, ci pentru că lipsește condiția prealabilă.
Într-o organizație cu un singur pachet software simplu, stabil și un grup mic de utilizatori experimentați, proporția de întrebări care poate fi rezolvată prin AI este probabil mare: puțină variație, multă repetare. Într-o organizație cu zeci de sisteme, mult lucru personalizat și angajați care se schimbă frecvent, situația este diferită: mai multă variație, mai multe întrebări care se situează chiar în afara tiparului standard și, astfel, o proporție mai mare care rămâne la un om.
Această sarcină nu este izolată de restul serviciului de asistență. Cel care se uită la cum poate AI să înregistreze și să prioritizeze incidentele IT sau la cum este comunicată o pană către utilizatori, vede un tipar similar de repetare și structură, cu rezultate ușor diferite pe fiecare axă. O imagine mai largă a ceea ce rezultă din asta pentru serviciul clienți ca întreg se găsește la ce muncă poate prelua AI la serviciul clienți.
În companiile unde acest lucru este deja implementat, serviciul de asistență primește mai puține întrebări repetate din partea oamenilor și rămâne mai mult timp pentru întrebările care necesită într-adevăr aprofundare. Aceasta nu este o viziune de viitor: se întâmplă deja astăzi, parțial, la organizațiile cu o bază de cunoștințe în ordine. La alte organizații nu se întâmplă încă, simplu pentru că baza pentru asta încă lipsește.
Ce face o organizație cu orele eliberate — o altă distribuție a rolurilor, o altă împărțire a sarcinilor — este o alegere care revine organizației înseși și pentru care se aplică cerințe legale proprii; aceasta nu este o întrebare la care se poate răspunde printr-o analiză a sarcinilor.
Pentru a vedea cum se manifestă acest tipar în situația proprie, se poate obține o indicație prin quickscan-ul gratuit: douăsprezece întrebări, fără cont, cu o estimare a proporției de ore din profilul dumneavoastră care poate fi preluată astăzi de AI. Scanul de lucru complet, care detaliază munca unei întregi companii în sarcini, este încă în construcție.
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.