Как Искусственный Интеллект помогает преобразовать работу с клиентами

Генеративный ИИ представляет собой мощный инструмент, который может значительно улучшить взаимодействие компаний со своими клиентами.

Он способен создавать уникальные и персонализированные решения для каждого клиента, основываясь на его потребностях и предпочтениях. Это позволяет компаниям предоставлять более качественное обслуживание, повышать уровень удовлетворенности и лояльности, а также увеличивать продажи.

Генеративный ИИ — это ИИ, который обычно строится на основе базовых моделей и обладает возможностями, которых не было у более ранних ИИ.

Мы уже активно используем ИИ в своей работе: автоматизируем рутинные задачи, используем инструменты ИИ для роста бизнесов наших клиентов.

Продолжаем делиться с вами находками в сфере маркетинга. На этот раз расскажем о потенциале влияния генеративных ИИ на работу с клиентами (перевод статьи).

Оригинальная статья:

https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-AI-the-next-productivity-frontier#introduction

Клиент общается с чат-ботом, который функционирует подобно человеку, обеспечивая оперативные и персонифицированные ответы на комплексные запросы. Это способствует формированию целостного восприятия бренда у клиента, независимо от его местонахождения и языковой принадлежности.

Агент, представляющий компанию, применяет в своей работе скрипты, созданные с использованием технологий искусственного интеллекта. В процессе общения с клиентом он получает рекомендации и возможные варианты ответов в онлайн-режиме, одновременно имея возможность быстрого доступа к необходимой информации о клиенте для предоставления ему актуальных сведений в соответствии с его потребностями.

Агент получает краткое изложение беседы в нескольких лаконичных пунктах для создания записи о жалобах клиентов и предпринятых действиях. Агент использует автоматизированные персонализированные сведения, которые генерирует искусственный интеллект, включая специализированные последующие сообщения или персонализированные предложения по обучению.

Генеративный искусственный интеллект способен произвести революцию во всей сфере клиентских операций, повысив качество обслуживания клиентов и производительность труда агентов за счёт цифрового самообслуживания, а также расширив и дополнив навыки агентов. Эта технология уже получила распространение в сфере обслуживания клиентов благодаря возможности автоматизации взаимодействия с клиентами с использованием естественного языка.

Исследование показало, что в одной из компаний с 5 000 агентов по работе с клиентами применение генеративного ИИ позволило повысить скорость решения вопросов на 14% в час и сократить время, затрачиваемое на их решение, на 9%. Кроме того, на 25% сократился отток агентов и количество запросов на разговор с менеджером.

Важно отметить, что производительность и качество обслуживания в наибольшей степени повысились у менее опытных агентов, в то время как помощник ИИ не повысил, а иногда и понизил показатели производительности и качества у более высококвалифицированных агентов. Это объясняется тем, что ИИ-помощник помогал менее опытным агентам общаться, используя техники, схожие с теми, что используются их более высококвалифицированными коллегами.

Самообслуживание клиентов. Генеративные чат-боты на основе искусственного интеллекта могут давать мгновенные и персонализированные ответы на сложные запросы клиентов независимо от языка и местонахождения заказчика. Благодаря повышению качества и эффективности взаимодействия по автоматизированным каналам генеративный ИИ может автоматизировать ответы на больший процент запросов клиентов, позволяя службам поддержки принимать запросы, которые могут быть решены только сотрудником. Исследование показало, что около половины обращений клиентов банковских, телекоммуникационных и коммунальных компаний в Северной Америке уже обрабатываются с помощью машин, включая, но не ограничиваясь, технологиями искусственного интеллекта. По нашим оценкам, генеративный ИИ может еще больше сократить объём контактов, обслуживаемых людьми, — до 50%, в зависимости от существующего в компании уровня автоматизации.

Решение проблемы при первом контакте. Генеративный ИИ может мгновенно получить имеющиеся у компании данные о конкретном клиенте, что помогает представителю службы поддержки более успешно отвечать на вопросы и решать проблемы при первичном взаимодействии.

Сокращение времени ответа. Генеративный ИИ позволяет сократить время, затрачиваемое торговым представителем на ответ клиенту, предоставляя помощь в режиме реального времени и рекомендуя дальнейшие действия.

Увеличение продаж. Благодаря способности быстро обрабатывать данные о клиентах и их истории посещений, технология может определять предложения товаров и сделок с учётом предпочтений клиентов. Кроме того, генеративный ИИ может повысить качество контроля и обучения, собирая информацию из разговоров с клиентами, определяя, что можно сделать лучше, и обучая агентов.

По нашим оценкам, применение генеративного искусственного интеллекта к функциям обслуживания клиентов может повысить производительность труда на величину от 30 до 45% от текущих затрат на выполнение функций.

Наш анализ отражает только прямое влияние генеративного ИИ на производительность клиентских операций. Он не учитывает потенциальный эффект, который технология может оказать на удовлетворенность и удержание клиентов в результате улучшения качества обслуживания, включая лучшее понимание контекста клиента, что может помочь сотрудникам предоставить более персонализированную помощь и рекомендации.

Стратегия
Специалисты по продажам и маркетингу эффективно собирают рыночные тенденции и информацию о клиентах из неструктурированных источников данных (например, социальные сети, новости, исследования, информация о продуктах, и отзывы клиентов) и разрабатывают эффективные маркетинговые и торговые коммуникации.

Информированность

Клиенты видят кампании, адаптированные к их сегменту, языку и демографии.

Рассмотрение

Клиенты получают доступ к исчерпывающей информации, сравнениям и динамическим рекомендациям, таким как персональные «примерки».

Конверсия

Виртуальные торговые представители, созданные с помощью генеративного ИИ, эмулируют человеческие качества, такие как эмпатия, персонализированное общение и обработка естественного языка для установления доверия и взаимопонимания с клиентами.

Удержание

Вероятность удержания клиентов выше, если присутствуют индивидуальные сообщения и вознаграждения. Они могут взаимодействовать с чат-ботами поддержки клиентов на основе искусственного интеллекта, которые проактивно управляют отношениями с клиентами, сокращая количество эскалации к человеческим агентам.

Маркетинг и продажи

Генеративный ИИ стремительно развивается в сфере маркетинга и продаж, где движущей силой являются текстовые коммуникации и персонализация в масштабе. Технология позволяет создавать персонализированные сообщения с учетом индивидуальных интересов, предпочтений и поведения клиентов, а также выполнять такие задачи, как подготовка черновых вариантов рекламы бренда, заголовков, слоганов, постов в социальных сетях и описаний товаров.

Однако внедрение генеративного ИИ в маркетинговые функции требует тщательной проработки. Математические модели, обученные на общедоступных данных, без достаточных защиты от плагиата, нарушения авторских прав и распознавания брендов. Приложение для виртуальной примерки может дать необъективное представление об определенных демографических группах из-за ограниченности или необъективности обучающих данных. Таким образом, требуется значительный человеческий контроль для концептуального и стратегического мышления, специфического для каждой компании.

По нашим оценкам, генеративный ИИ может повысить производительность маркетинговой функции на величину от 5 до 15 % от общих расходов на маркетинг.

В нашем анализе потенциального использования генеративного ИИ в маркетинге не учитываются побочные эффекты, выходящие за рамки прямого воздействия на производительность. Синтез на основе генеративного ИИ может обеспечить более качественное понимание данных, что приведет к появлению новых идей для маркетинговых кампаний и более целенаправленным сегментам потребителей. Маркетинговые подразделения могут переключить ресурсы на производство более качественного контента для собственных каналов, что может привести к сокращению расходов на внешние каналы и агентства.

Генеративный ИИ также может изменить подход к продажам как B2B, так и B2C-компаний. Ниже приведены два сценария использования в продажах.

Наш анализ показывает, что внедрение генеративного ИИ может повысить производительность продаж примерно на 3-5% от текущих глобальных расходов на продажи.

Этот анализ может не в полной мере учитывать дополнительный доход, который генеративный ИИ может принести отделу продаж. Например, способность генеративного ИИ идентифицировать лиды и возможности последующих действий могут выявить новые лиды и способствовать более эффективной работе с ними, что принесет дополнительный доход. Кроме того, время, сэкономленное торговыми представителями благодаря возможностям генеративного ИИ, может быть инвестировано в более качественное взаимодействие с клиентами, что приведет к повышению успешности продаж.

Генеративный ИИ как виртуальный сотрудник

В других случаях генеративный ИИ может принести пользу, работая в партнерстве с работниками, дополняя их работу и повышая ее производительность. Способность быстро переваривать горы данных и делать на их основе выводы позволяет технологии предлагать идеи и варианты, которые значительно повышают эффективность работы в сфере знаний. Это может значительно ускорить процесс разработки продукта и позволить сотрудникам уделять больше времени более важным задачам.

Разработка и планирование

Инженеры-программисты и менеджеры по продуктам используют генеративный ИИ для помощи в анализе, очистке и маркировке больших объемов данных, таких как отзывы пользователей, рыночные тенденции и существующие системные журналы.

Проектирование систем

Инженеры используют генеративный искусственный интеллект для создания нескольких проектов ИТ-архитектуры и итерации потенциальных конфигураций. Это ускоряет проектирование системы и позволяет быстрее выйти на рынок.

Кодирование

Инженерам помогают инструменты искусственного интеллекта, которые умеют кодировать. Они сокращают время разработки за счет помощи в работе над черновиками, быстрого поиска подсказок и использования в качестве базы знаний.

Тестирование

Инженеры используют алгоритмы, которые позволяют повысить качество функционального и эксплуатационного тестирования, а также генерировать тестовые примеры и тестовые данные автоматически.

Техническое обслуживание

Инженеры используют данные искусственного интеллекта, полученные из системных журналов, отзывов пользователей, и данные о производительности, чтобы помочь диагностировать проблемы, предложить способы устранения проблем и предсказать другие приоритетные области для улучшения работы.

Программная инженерия

Рассмотрение компьютерных языков как просто языков открывает новые возможности для программной инженерии. Программисты-инженеры могут применять генеративный ИИ в процессе парного программирования и для осуществления дополненного кодирования. Они также могут обучать большие языковые модели (LLM) созданию приложений, которые способны генерировать код на основе подсказок на естественном языке, описывающих задачи, которые должен решать этот код.

Программная инженерия является важной функцией в большинстве компаний, и ее значение продолжает расти. Все крупные компании, а не только технологические титаны, внедряют программное обеспечение в широкий спектр продуктов и услуг. Например, значительную часть стоимости новых автомобилей составляют цифровые функции, такие как адаптивный круиз-контроль, помощь при парковке и возможность подключения к IoT.

Согласно нашему анализу, прямое влияние ИИ на производительность программной инженерии может составить от 20 до 45% от текущих годовых затрат на эту функцию. Это влияние будет обусловлено в первую очередь сокращением времени, затрачиваемого на определенные виды деятельности, такие как создание первоначальных проектов кода, исправление и рефакторинг кода, анализ первопричин и создание новых проектов систем.

Ускоряя процесс кодирования, генеративный ИИ может расширить набор навыков и возможностей, необходимых в программной инженерии, в сторону проектирования кода и архитектуры. Одно из исследований показало, что разработчики ПО, использующие GitHub Copilot от Microsoft, выполняют задачи на 56% быстрее, чем те, кто не пользуется этим инструментом.

Внутреннее эмпирическое исследование McKinsey, посвященное командам разработчиков программного обеспечения, показало, что те из них, кто прошел обучение использованию инструментов генеративного ИИ, быстро сократили время, необходимое для создания и рефакторинга кода. А инженеры также отметили улучшение качества работы, ссылаясь на повышение уровня счастья, потока и самореализации.

В нашем анализе не учитывалось повышение качества приложений и, как следствие, рост производительности, который может обеспечить генеративный ИИ за счет улучшения кода или совершенствования ИТ-архитектуры. Это может повысить производительность по всей цепочке создания стоимости ИТ. Однако качество ИТ-архитектуры по-прежнему в значительной степени зависит от архитекторов программного обеспечения, а не от первоначальных проектов, которые он может создавать в настоящее время.

Крупные технологические компании уже продают генеративный ИИ для разработки программного обеспечения, в том числе GitHub Copilot, который теперь интегрирован с OpenAI GPT-4, и Replit, используемый более чем 20 миллионами кодеров.

Анализ ранних исследований

Исследователи используют генеративный ИИ для улучшения рыночной отчетности, идей, разработки продуктов и решений.

Виртуальный дизайн

Исследователи используют генеративный ИИ для создания эскизов и проектов на основе подсказок, что позволяет им быстро выполнять итерации с большим количеством вариантов.

Виртуальное моделирование

Исследователи ускоряют и оптимизируют этап виртуального моделирования в сочетании с новыми методами генеративного проектирования с глубоким обучением.

Планирование физических испытаний

Исследователи оптимизируют тестовые примеры для более эффективного тестирования, сокращая время, необходимое на физическую сборку и тестирование.

Продуктовые исследования и разработки

Потенциал генеративного ИИ в сфере продуктового исследования и разработки, возможно, менее признан, чем его потенциал в других бизнес-функциях. Тем не менее, как показывают наши исследования, данная технология может обеспечить производительность от 10 до 15 % от общих затрат.

Например, в биологических науках и химической промышленности уже начали использовать генеративные модели ИИ в своих исследованиях и разработках для так называемого генеративного проектирования. Фундаментальные модели позволяют генерировать молекулы-кандидаты, ускоряя процесс разработки новых лекарств и материалов. Entos, биотехнологическая фармацевтическая компания, объединила генеративный ИИ с автоматизированным синтетическими средствами разработки для проектирования терапевтических средств на основе малых молекул. Однако те же принципы могут быть применены к проектированию многих других продуктов, включая крупномасштабные физические изделия и электрические схемы.

Хотя другие методы генеративного проектирования уже раскрыли некоторый потенциал применения ИИ в сфере продуктового исследования и разработки, их стоимость и требования к данным, такие как использование «традиционного» машинного обучения, могут ограничивать их применение. Предварительно обученные базовые модели, лежащие в основе генеративного ИИ, или модели, усовершенствованные с помощью тонкой настройки, имеют гораздо более широкие области применения, чем модели, оптимизированные для решения одной задачи. Поэтому они могут ускорить выход на рынок и расширить круг продуктов, к которым может быть применен генеративный дизайн. Однако на данный момент модели фундамента не обладают достаточными возможностями для проектирования изделий во всех отраслях промышленности.

В дополнение к повышению производительности, обусловленному возможностью быстрого создания проектов-кандидатов генеративный дизайн может также обеспечить улучшение самих дизайнов, как в следующих примерах:

Мы также выявили новый вариант использования негенеративного ИИ в сфере продуктового исследования и разработки: суррогаты глубокого обучения, применение которых возросло после наших предыдущих исследований, можно использовать в паре с генеративным ИИ, об этом расскажем в следующей статье.

Больше о маркетинге и продажах на нашем телеграм-канале: Подписывайтесь!