Чому жодна компанія не може слідувати за рухом Amazon у сфері штучного інтелекту та комерції

Ронен Шварц є генеральним директором K2view.

Відкрийте для себе найкращі новини та події у фінансових технологіях!

Підпишіться на розсилку FinTech Weekly

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

Непрозора історія за заголовками Amazon AI

Коли Amazon оголосив, що його AI асистент з покупок, Руфус, тепер сприяє значному підвищенню залучення клієнтів і мільярдам додаткових продажів, реакція була миттєвою: здивування, захоплення та натяк на заздрість. Це було сприйнято як сміливий крок уперед у підході підприємств до клієнтського досвіду.

Але це не була перемога лише моделей AI. Це стало можливим завдяки закритій екосистемі. Amazon повністю працює на власній платформі, де дані про продукти, клієнтів, поведінку та покупки об’єднані та контрольовані. Така структура не є реалістичною моделлю для більшості підприємств, особливо у фінансових послугах. Ця індустрія має найвищий рівень впровадження контакт-центрів на базі AI, які складають близько чверті світового ринку. Проте її дані все ще розкидані по управлінню банківськими рахунками, CRM, виставленню рахунків і платформах підтримки. У таких умовах AI стикається з труднощами.

Урок простий: успіх у клієнтському досвіді залежить менше від геніальності моделі і більше від якості та цілісності даних під нею. Без єдиного, контекстуального погляду, агенти AI більше схильні порушувати підтримку, аніж покращувати її.

Коли AI стикається з безладною реальністю

Для більшості підприємств середовище даних виглядає зовсім не як спрощена, вертикально інтегрована платформа Amazon. Інформація розташована в десятках систем, кожна з яких містить частини запису клієнта, дубльовані в деяких місцях, застарілі в інших і рідко синхронізовані.

Впровадження AI в таке середовище створює хаос. Клієнти отримують суперечливі або часткові відповіді, довіра знижується, і людські представники змушені втручатися, щоб відновити впевненість. Те, що планувалося як автоматизація, перетворюється на повторну роботу, створюючи більший тягар з обох сторін розмови.

Уявіть, що ви наймаєте досвідченого представника служби, але даєте їм шафу для паперів, забиту незавершеними або неправильно підписаними записами. Їхній талант витрачається даремно, оскільки основа зламана. Те ж саме стосується агентів AI: без послідовної, точної та своєчасної інформації їх готують до провалу.

Що насправді потрібно для масштабування AI у клієнтському досвіді

Підприємства, які прагнуть відтворити заголовки Amazon, часто зосереджуються на самій моделі, вдосконалюючи підказки, порівнюючи постачальників або переслідуючи наступний реліз. Але вирішальним фактором у довгостроковому успіху є фундамент даних, що підтримує ці моделі.

Щоб зробити агентів AI надійними та готовими для підприємств, організаціям потрібні три основи:

*   **Інтеграція**: Інформація про клієнтів, розподілена по десятках систем, повинна бути об'єднана в єдиному, послідовному вигляді. 
*   **Управління та безпека**: Дані повинні бути точними, без дублікатів, захищеними та відповідати вимогам конфіденційності, перш ніж AI зможе їх використовувати. 
*   **Контекст у реальному часі**: Агентам потрібна найактуальніша інформація, а не застарілі знімки або статичні записи. 

Без цих основ AI швидко розпадається, створюючи помилки, ризики відповідності та розчарованих клієнтів. Завдяки їм AI може перейти від пілотних проектів до надання значущого впливу в масштабах. Урок простий, але часто ігнорується: розумні агенти потребують ще розумніших даних.

Від пілотів до трансформації

У різних галузях підприємства експериментують з AI у клієнтському досвіді, впроваджуючи чат-боти, віртуальних асистентів або генеративні інструменти в робочих процесах обслуговування. Проте більшість цих зусиль залишаються в режимі випробування. Нещодавній звіт MIT показав, що майже 95% проектів AI не досягають виробництва. Ініціативи у сфері клієнтського досвіду не є винятком. 
Різниця між експериментом і трансформацією зводиться до основи.

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

Натхнення та застереження

Історія Amazon є як віхою, так і застереженням. Вона показує, що можливо, коли агенти AI працюють на основі з’єднаних, високоякісних даних, але також виявляє, наскільки рідкісною є така структура. Більшість підприємств не можуть просто відтворити її. Майбутнє AI у клієнтському досвіді не буде визначатися лише все більш складними моделями. Воно буде формуватися організаціями, які готові інвестувати в основу даних, яка робить ці моделі ефективними.