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

Ронен Шварц — генеральний директор K2view.

Відкрийте для себе найкращі новини та події у фінтеху!

Підписуйтеся на розсилку FinTech Weekly

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

Невідома історія за заголовками про штучний інтелект Amazon

Коли Amazon оголосила, що її помічник для покупок на базі штучного інтелекту, Rufus, тепер сприяє значному зростанню залученості клієнтів і мільярдам додаткових продажів, реакція була миттєвою: здивування, захоплення і легка заздрість. Це вважалося сміливим кроком уперед у тому, як підприємства підходять до досвіду клієнтів.

Але це не було лише тріумфом моделей штучного інтелекту. Це стало можливим завдяки закритій екосистемі. Amazon працює цілком на своїй платформі, де дані про продукти, клієнтів, поведінку та покупки об’єднані та контролюються. Така модель не є реалістичною для більшості підприємств, особливо у фінансових послугах. Ця галузь має найвищий рівень впровадження контакт-центрів на базі штучного інтелекту, 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 штучний інтелект бореться.

Урок простий: успіх у досвіді клієнта залежить менше від геніальності моделі і більше від якості та цілісності даних, що її підтримують. Без єдиного, контекстуального погляду, агентам штучного інтелекту швидше за все доведеться порушувати підтримку, ніж її покращувати.

Коли штучний інтелект зустрічається з хаотичною реальністю

Для більшості підприємств середовище даних виглядає зовсім інакше, ніж у спрощеній, вертикально інтегрованій платформі Amazon. Інформація зберігається у десятках систем, кожна з яких містить частини запису клієнта, дублюється в деяких місцях, застаріває в інших і рідко синхронізована.

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

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

Що насправді потрібно для масштабування штучного інтелекту у досвіді клієнта

Підприємства, які прагнуть повторити заголовки Amazon, часто зосереджуються на самій моделі, тонко налаштовуючи підказки, порівнюючи постачальників або гоняючись за наступним оновленням. Але вирішальним фактором у довгостроковому успіху є база даних, яка підтримує ці моделі.

Щоб зробити агентів штучного інтелекту надійними та готовими до підприємств, організаціям потрібні три основи:

*   **Інтеграція**: Інформація про клієнтів, розкидана по десятках систем, повинна бути об’єднана у єдине, послідовне уявлення. 
*   **Управління та безпека**: Дані мають бути точними, без дублювання, захищеними та відповідати вимогам конфіденційності, перш ніж штучний інтелект зможе діяти на їх основі. 
*   **Контекст у реальному часі**: Агентам потрібна найактуальніша інформація, а не застарілі знімки або статичні записи. 

Без цих основ штучний інтелект швидко розвалиться, спричиняючи помилки, ризики невідповідності та розчарованих клієнтів. З ними штучний інтелект може перейти від пілотних проектів до масштабних систем, що приносять реальний вплив. Урок простий, але часто ігнорується: розумні агенти потребують розумніших даних.

Від пілотів до трансформації

У різних галузях підприємства експериментують із штучним інтелектом у досвіді клієнта, впроваджуючи чат-боти, віртуальних помічників або генеративні інструменти у робочі процеси обслуговування. Проте більшість з цих зусиль залишаються на рівні випробувань. Останній звіт MIT показав, що майже 95% проектів штучного інтелекту не доходять до виробництва. Ініціативи щодо досвіду клієнтів не є винятком. 
Розрив між експериментом і трансформацією зводиться до основи.

Розірвані, низькоякісні дані підривають підтримку. Чисті, єдині 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 і попередження

Історія Amazon є і віхою, і застереженням. Вона показує, що можливо, коли агентам штучного інтелекту забезпечують підключені, високоякісні дані, але також відкриває, наскільки рідкісною є така налаштування. Більшість підприємств не можуть просто її повторити. Майбутнє штучного інтелекту у досвіді клієнта не визначатиметься лише все більш досконалими моделями. Воно формуватиметься організаціями, готовими інвестувати у базу даних, яка робить ці моделі ефективними.