Posodabljanje kontaktnih podatkov, preferenc in statusov v CRM-ju po interakciji ali spremembi je ena od nalog, kjer AI danes že lahko prevzame velik del dela. Ne ker je AI "pameten" dovolj, da razume stranke, ampak ker naloga sama po sebi zahteva malo interpretacije. Sprememba naslova, nova telefonska številka, sprememba statusa iz lead v stranko: to so polja, ki se izpolnjujejo, ne presojajo.
Tri osi so tu odločilne: strukturiranost, obseg in stroški napak.
Strukturiranost je visoka, ker CRM po definiciji deluje s fiksnimi polji. Ime, e-poštni naslov, kategorija preferenc: to so podatki s fiksnim mestom in fiksno obliko. Ni prostega besedila, ki bi ga bilo treba interpretirati, ni konteksta, ki bi ga bilo treba pretehtati. To naredi nalogo primerno za obdelavo na podlagi pravil: če se polje X spremeni v viru Y, posodobi polje X v sistemu Z.
Tudi obseg je visok. Pri podjetju z obsežno bazo strank gre za deset do sto sprememb na dan, razporejenih po posameznih, majhnih dejanjih. Ravno vrsta dela, kjer ponavljajoč se, predvidljiv vzorec pretehta bolj kot občasne izjeme. Visok obseg v kombinaciji z visoko strukturiranostjo je kombinacija, pri kateri se avtomatizacija najhitreje povrne.
Stroški napak so srednji. Napačno posodobljena telefonska številka je nadležna, vendar jo je običajno mogoče popraviti pri naslednjem stiku. Pri občutljivejših poljih, kot so plačilne preference ali soglasje za marketinško komunikacijo, napake tehtajo bolj. Zato validacija ni odvečen korak, ampak pogoj.
Presoja in stik s strankami se ocenjujeta kot srednje do visoko, in ravno tu je nianca. Del sprememb statusa je enoznačen: stranka se preseli, naslov se spremeni, konec zgodbe. Toda ne vsaka sprememba je tako preprosta. Ko mora zaposleni v službi za stranke po telefonskem pogovoru presoditi, ali pritožba upravičuje spremembo statusa v "tveganje odpovedi", to ni več vnos podatkov, ampak presoja. Ta del ostaja delo za ljudi, ali pa se vsaj predloži zaposlenemu, ki odobri ali zavrne z razlogom.
Pri podjetju z enostavnim profilom strank in malo izjemami je delež, ki ga lahko prevzame AI, torej višji kot pri podjetju s kompleksnimi odnosi s strankami, veliko dogovori po meri ali občutljivimi osebnimi podatki. Pri tem igra vlogo tudi skladnost: bolj ko polje zadeva podatke, občutljive po GDPR, ali pogodbene dogovore, prej je zaželen človeški nadzor, preden sprememba postane dokončna.
Tehnologija, ki se že uporablja, je predvsem rpa: programska oprema, ki po fiksnih pravilih prevzema podatke iz enega vira v drugega, zaznava podvojene zapise in izpolnjuje polja na podlagi fiksnega preslikovanja. To ni umetna inteligenca, ki "razume", kdo je stranka, ampak avtomatizirana obdelava strukturiranega vnosa.
Trije robni pogoji določajo, ali to deluje:
Če manjka en od teh treh pogojev, se naloga premakne nazaj v drugo kategorijo: AI pripravi predlog, zaposleni ga odobri ali zavrne.
Kar se zdaj spreminja, ni to, da zaposleni postanejo odveč, ampak da se njihov čas premika od vnosnega dela k nadzornemu delu. Kjer je zaposleni prej ročno prepisal spremembo naslova, ta zaposleni zdaj presoja seznam predlaganih sprememb in klikne odobreno ali ne odobreno. To je druga naloga, z drugačno porabo časa, ne nujno manj dela, a drugačno delo.
Ta premik poteka vzporedno s tem, kar se dogaja pri vnosu naročil v sistem in pri preverjanju in sporočanju statusa naročil: tudi tam je vzorec strukturiran vnos, visok obseg, omejeni stroški napak, z izjemami, ki ostajajo pri človeku. Kdor se sprašuje, kako se to primerja z drugimi nalogami, usmerjenimi v stranke, najde podobno tehtanje pri posredovanju informacij o zalogah in dobavnih rokih, kjer se enaka napetost pojavlja med hitrostjo in primeri, ki zahtevajo malo več pojasnila. In za tiste, ki CRM delo vidijo predvsem kot del širšega procesa, je pregled dela na finančnem oddelku dobro izhodišče, saj podatki o strankah in računih pogosto delijo iste izvorne sisteme.
Ali in kako hitro se to uvede znotraj organizacije, ni le tehnično vprašanje. Kadrovske posledice, ki iz tega morda izhajajo, sodijo pod lastne zakonske obveznosti delodajalca; o tem se ta stran ne izreka.
Ta stran opisuje eno nalogo izolirano. Resnična slika nastane šele, ko se ta naloga obravnava skupaj z drugimi nalogami znotraj podjetja: nekatere s podobnim profilom, druge popolnoma drugačne. Za prvi vtis o tem obstaja brezplačen hitri pregled: dvanajst vprašanj, brez računa, z rezultatom, ki pokaže oceno, kolikšen delež ur v tem profilu je danes mogoče prevzeti z AI. Popolna analiza dela, ki delo podjetja razčleni na naloge in za vsako nalogo preračuna zmogljivost v ekvivalentu polne zaposlitve (FTE), je še v izdelavi.
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.