Чому жодна компанія не може слідувати за AI-комерційним кроком Amazon

Ронен Шварц — генеральний директор K2view.

Відкрийте для себе найважливіші новини та події у фінтеху!

Підписуйтеся на розсилку FinTech Weekly

Читають керівники JP Morgan, Coinbase, Blackrock, Klarna та інших компаній

Невідома історія за заголовками про AI від Amazon

Коли Amazon оголосила, що її помічник для покупок на базі штучного інтелекту Rufus тепер сприяє значному зростанню залученості клієнтів і мільярдним додатковим продажам, реакція була миттєвою: здивування, захоплення і легка заздрість. Це вважалося сміливим кроком уперед у підході підприємств до досвіду клієнтів.

Але це не було лише досягненням моделей штучного інтелекту. Це стало можливим завдяки закритій екосистемі. Amazon працює виключно на своїй платформі, де дані про продукти, клієнтів, поведінку та покупки об’єднані та контролюються централізовано. Така модель не є реалістичною для більшості підприємств, особливо у фінансових послугах. Ця галузь має найвищий рівень впровадження контакт-центрів на базі AI, що становить близько чверті світового ринку. Проте її дані все ще розкидані по управлінню банківськими рахунками, CRM, платіжних системах та платформах підтримки. У таких умовах AI працює з труднощами.

Урок простий: успіх у досвіді клієнтів залежить менше від геніальності моделі і більше від якості та цілісності даних, що її підтримують. Без єдиного, контекстуального погляду AI-агенти швидше за все порушать підтримку, ніж покращать її.

Коли AI стикається з хаотичною реальністю

Для більшості підприємств інформаційне середовище виглядає зовсім інакше, ніж у Amazon із його оптимізованою, вертикально інтегрованою платформою. Інформація зберігається у десятках систем, кожна з яких містить частину клієнтського запису, дублюється в деяких місцях, застаріла в інших і рідко синхронізована.

Впровадження AI у таке середовище створює хаос. Клієнти отримують суперечливі або часткові відповіді, довіра руйнується, і людські представники змушені втручатися, щоб відновити довіру. Те, що мало бути автоматизацією, перетворюється на повторну роботу, що створює додаткове навантаження з обох боків.

Уявіть найм кваліфікованого співробітника служби підтримки, але з файлом, наповненим неповними або неправильно позначеними записами. Їхній талант марнується, бо основа зламано. Те саме стосується AI-агентів: без послідовної, точної та своєчасної інформації вони приречені на провал.

Що потрібно для масштабування AI у досвіді клієнтів

Підприємства, які прагнуть повторити успіх Amazon, часто зосереджуються на самій моделі, налаштовуючи підказки, порівнюючи постачальників або шукаючи нові релізи. Але вирішальним фактором у довгостроковій перспективі є база даних, яка підтримує ці моделі.

Щоб зробити AI-агентів надійними та готовими до підприємств, потрібно три основні елементи:

*   **Інтеграція**: інформація про клієнтів, розкидана по десятках систем, має бути об’єднана у єдине, послідовне уявлення.
*   **Управління та безпека**: дані мають бути точними, дублікатами, захищеними та відповідати вимогам конфіденційності перед тим, як AI зможе діяти на їх основі.
*   **Контекст у реальному часі**: агенти потребують найактуальнішої інформації, а не застарілих знімків або статичних записів. 

Без цих основних елементів AI швидко руйнується, спричиняючи помилки, ризики невідповідності та розчарованих клієнтів. З цими елементами AI може перейти від пілотних проектів до масштабних систем, що приносять реальний вплив. Простий, але часто ігнорований урок: розумні агенти потребують розумніших даних.

Від пілотів до трансформації

У різних галузях підприємства експериментують з AI у досвіді клієнтів, впроваджуючи чат-боти, віртуальних помічників або генеративні інструменти у робочі процеси обслуговування. Однак більшість з цих зусиль залишаються на рівні випробувань. Останній звіт MIT показав, що майже 95% проектів AI не доходять до виробництва. Ініціативи щодо покращення досвіду клієнтів — не виняток. 
Розрив між експериментами та трансформацією зводиться до основи.

Розірвані, низькоякісні дані підривають підтримку. Чисті, об’єднані дані забезпечують масштабованість, послідовність і відповідальне впровадження. З правильною основою підприємства нарешті можуть перейти від експериментів до виробничих систем, що зміцнюють як стосунки з клієнтами, так і бізнес-результати.

Натхнення та попередження

Історія Amazon є і віхою, і застереженням. Вона показує, що можливо, коли AI-агенти працюють на основі з’єднаних, високоякісних даних, але також відкриває, наскільки рідкісною є така налаштування. Більшість підприємств не можуть просто її повторити. Майбутнє AI у досвіді клієнтів визначатиметься не лише все більш складними моделями, а й тими організаціями, які готові інвестувати у базу даних, що робить ці моделі ефективними.