لماذا لا يمكن لأي شركة أن تتبع خطوة أمازون في التجارة بالذكاء الاصطناعي

رونن شوارتز هو الرئيس التنفيذي في K2view.

اكتشف أهم أخبار وفعاليات التكنولوجيا المالية!

اشترك في النشرة الإخبارية لـ FinTech Weekly

يقرأها التنفيذيون في JP Morgan، Coinbase، Blackrock، Klarna والمزيد

القصة غير المروية وراء عناوين الذكاء الاصطناعي في أمازون

عندما أعلنت أمازون أن مساعد التسوق الذكي الخاص بها، روفوس، أصبح يقود زيادات هائلة في تفاعل العملاء ومليارات من المبيعات الإضافية، كانت الردود فورية: الدهشة، الإعجاب، ولمحة من الحسد. اعتُبر ذلك خطوة جريئة نحو الأمام في كيفية تعامل الشركات مع تجربة العملاء.

لكن هذا لم يكن انتصارًا لنماذج الذكاء الاصطناعي وحدها. لقد أصبح ممكنًا بفضل نظام بيئي مغلق. تعمل أمازون بالكامل على منصتها الخاصة، حيث يتم توحيد البيانات المتعلقة بالمنتجات والعملاء والسلوك والشراء والتحكم فيها. هذا النموذج غير واقعي لمعظم الشركات، خاصة في الخدمات المالية. هذه الصناعة لديها أعلى معدل اعتماد لمراكز الاتصال المدعومة بالذكاء الاصطناعي، والتي تمثل حوالي ربع السوق العالمية. ومع ذلك، لا تزال بياناتها مبعثرة عبر إدارة حسابات البنك، ونظام إدارة علاقات العملاء، والفوترة، ومنصات الدعم. في بيئات كهذه، يواجه الذكاء الاصطناعي صعوبة.

الدرس واضح: النجاح في تجربة العملاء يعتمد أقل على عبقرية النموذج وأكثر على جودة ونزاهة البيانات الأساسية. بدون رؤية موحدة وسياقية، من المرجح أن يسبب وكلاء الذكاء الاصطناعي اضطرابات في الدعم أكثر من تحسينه.

عندما يلتقي الذكاء الاصطناعي بالواقع الفوضوي

بالنسبة لمعظم الشركات، بيئة البيانات لا تشبه منصة أمازون المبسطة والمتكاملة عموديًا. المعلومات تتوزع عبر العشرات من الأنظمة، كل منها يحتفظ بأجزاء من سجل العميل، مكررة في بعض الأماكن، قديمة في أماكن أخرى، ونادراً ما تكون متزامنة.

إدخال الذكاء الاصطناعي في تلك البيئة يخلق فوضى. يتلقى العملاء ردودًا متضاربة أو جزئية، ويتآكل الثقة، ويضطر الممثلون البشريون للتدخل لاستعادة الثقة. ما كان يُقصد أن يكون أتمتة يتحول إلى إعادة عمل، مما يخلق أعباء أثقل على كلا الجانبين من المحادثة.

فكر في توظيف ممثل خدمة ماهر ولكن يمنحهم خزانة ملفات مليئة بسجلات غير مكتملة أو موسومة بشكل خاطئ. يُهدر موهبتهم لأن الأساس مكسور. الأمر نفسه ينطبق على وكلاء الذكاء الاصطناعي: بدون معلومات متسقة ودقيقة وفي الوقت المناسب، هم مهيئون للفشل.

ما يتطلبه الأمر حقًا لتوسيع نطاق الذكاء الاصطناعي في تجربة العملاء

الشركات التي تتطلع إلى تكرار عناوين أمازون غالبًا ما تركز على النموذج نفسه، وتضبط المطالبات، وتقارن بين البائعين، أو تطارد الإصدار التالي. لكن العامل الحاسم في النجاح على المدى الطويل هو أساس البيانات الذي يدعم تلك النماذج.

لجعل وكلاء الذكاء الاصطناعي موثوقين وجاهزين للمؤسسات، تحتاج المؤسسات إلى ثلاثة أساسيات:

*   **التكامل**: يجب توحيد معلومات العملاء المنتشرة عبر العشرات من الأنظمة في رؤية واحدة ومتسقة. 
*   **الحوكمة والأمان**: يجب أن تكون البيانات دقيقة، ومكررة، ومحفوظة، ومتوافقة مع لوائح الخصوصية قبل أن يتمكن الذكاء الاصطناعي من التصرف بناءً عليها. 
*   **السياق في الوقت الحقيقي**: يحتاج الوكلاء إلى أحدث المعلومات المتاحة، وليس لصور ثابتة أو سجلات قديمة. 

بدون هذه الأساسيات، يتفكك الذكاء الاصطناعي بسرعة، مسببًا أخطاء، ومخاطر الامتثال، وخيبة أمل العملاء. ومع توفرها، يمكن للذكاء الاصطناعي أن يتجاوز التجارب التجريبية ليقدم تأثيرًا ذا معنى على نطاق واسع. الدرس بسيط لكنه غالبًا ما يُغفل: الوكلاء الأذكياء يتطلبون بيانات أذكى.

من التجارب إلى التحول

تجرب الشركات عبر الصناعات مع الذكاء الاصطناعي في تجربة العملاء، من خلال إطلاق روبوتات الدردشة، والمساعدين الافتراضيين، أو الأدوات التوليدية في سير العمل الخدمي. ومع ذلك، تظل معظم هذه الجهود عالقة في وضع التجربة. وجد تقرير MIT مؤخرًا أن حوالي 95% من مشاريع الذكاء الاصطناعي تفشل في الوصول إلى الإنتاج. مبادرات تجربة العملاء ليست استثناء. 
الفجوة بين التجربة والتحول تعود إلى الأساس.

البيانات غير المتصلة، ذات الجودة الرديئة، تقوض الدعم. المعلومات النظيفة والموحدة تتيح التوسع، والاتساق، والتبني المسؤول. مع الأساس الصحيح، يمكن للشركات أخيرًا الانتقال من التجارب إلى أنظمة الإنتاج التي تعزز علاقات العملاء ونتائج الأعمال.

الإلهام وتحذير

قصة أمازون هي كل من معلم ودرس تحذيري. تظهر ما هو ممكن عندما يتم تشغيل وكلاء الذكاء الاصطناعي بواسطة بيانات متصلة وعالية الجودة، لكنها تكشف أيضًا عن مدى ندرة هذا الإعداد. لا يمكن لمعظم الشركات ببساطة تكراره. مستقبل الذكاء الاصطناعي في تجربة العملاء لن يُحدد فقط بواسطة نماذج أكثر تطورًا. بل سيتشكل بواسطة المؤسسات المستعدة للاستثمار في أساس البيانات الذي يجعل تلك النماذج فعالة.