Libérer la productivité : découvrez comment l'IA augmente la productivité de l'équipe du service client de 14 %, selon des chercheurs de Stanford et du MIT

Que se passe-t-il lorsque l'IA générative rencontre le lieu de travail ? Dans cet épisode spécial, nous plongeons dans une étude révolutionnaire alors que les humains assistés par l'IA redéfinissent les limites de la productivité.

L'IA générative a peut-être attiré une attention considérable de la part du public, et pourtant, à l'heure actuelle, ses implications économiques dans le monde réel restent largement inexplorées. Malgré des signaux prometteurs dans les scénarios de test, tout bénéfice immédiat d'un point de vue commercial semblait hors de portée jusqu'à présent.

Des chercheurs de l'Université de Stanford et du MIT ont mené une étude d'un an pour mesurer l'impact réel de l'IA générative parmi plus de 5000 agents du service client d'une société de logiciels Fortune 500, et les résultats sont tombés. La productivité des employés du service client a augmenté de 14% sur moyenne, avec un bond stupéfiant de 35 % parmi les travailleurs les plus récents ou les moins performants.

Le système d'IA, qui combinait le modèle d'apprentissage des langues GPT d'OpenAI avec des algorithmes d'apprentissage automatique, a analysé les conversations entre les plus performants et les a comparées à celles des moins performants. Il a ensuite généré des suggestions en temps réel sur la façon de répondre aux clients, ce qui a fini par réduire le temps de traitement des discussions, augmenter les taux de résolution des discussions et améliorer la satisfaction des clients. En fait, les agents du service client nouvellement embauchés pourraient, avec l'aide de l'IA, être aussi performants que les agents ayant six mois d'expérience de travail sans IA.

Dans l'épisode d'aujourd'hui, nous avons eu l'occasion de discuter avec MIT Ph.D. la candidate Lindsey Raymond, l'une des chercheuses à l'origine de cette étude révolutionnaire, à propos de son travail et de l'impact transformateur de l'IA sur le lieu de travail.

Vous manquez de temps ? Voici quelques points clés :

• L'IA générative se nourrit de données abondantes, ce qui fait du support client, avec sa richesse de données textuelles, un secteur de choix pour le développement d'outils d'IA.
• L'écart de productivité entre les agents de support les plus performants et les moins performants, ainsi que le recours croissant aux centres de contact, sont les principaux moteurs d'amélioration du secteur du service client.
• Les travailleurs peu qualifiés ont le plus bénéficié de l'outil d'IA, car il les a aidés à adopter les meilleures pratiques qu'ils n'avaient pas encore découvertes par eux-mêmes.
• Les gains de productivité importants permis par l'IA, tels que l'amélioration de la résolution des problèmes et de la satisfaction des clients, pourraient même soutenir l'essor de la semaine de travail de quatre jours.

Si vous aimez la discussion, consultez d'autres épisodes de notre podcast. Vous pouvez suivre sur Apple Podcasts, Spotify, YouTube ou récupérer le flux RSS dans le lecteur de votre choix. Ce qui suit est une transcription légèrement modifiée de l'épisode.

Faire des vagues dans le support client

Liam Geraghty : Bonjour et bienvenue sur Inside Intercom. Je suis Liam Geraghty. C'est un peu fou de penser que ChatGPT d'Open AI n'a été lancé qu'il y a quelques mois. La vitesse à laquelle l'IA est devenue une partie de nos vies est quelque chose que personne n'aurait pu prévoir. Il commence déjà à transformer le service client et l'espace d'assistance.

"Un humain plus une machine vaut mieux qu'une machine, qui à son tour vaut mieux qu'un humain. Je pense que c'est ce que je vois dans ce monde de soutien »

Le co-fondateur d'Intercom, Des Traynor, a expliqué comment, selon lui, l'avenir de CS est l'automatisation et la collaboration entre les humains, les robots et les cerveaux, dans un épisode récent de notre podcast.

Des Traynor : Un humain plus une machine vaut mieux qu'une machine, qui à son tour vaut mieux qu'un humain. Je pense que c'est ce que je vois dans ce monde de soutien. Je pense qu'en fin de compte, les humains contrôleront l'intelligence sur laquelle fonctionne l'IA.

Liam Geraghty : De nombreux responsables du service client ont plongé directement dans l'IA et nagent dans ses eaux génératives. Mais d'autres, bien qu'excités, ne font que plonger leur orteil, se sentant un peu intimidés.

Eh bien, pour l'un d'entre vous, vous serez peut-être intéressé d'entendre parler d'une nouvelle étude menée par des chercheurs de l'Université de Stanford et du Massachusetts Institute of Technology, sur l'IA générative au travail, avec des résultats vraiment intéressants. L'étude a été menée par Eric Brynjolfsson, Danielle Li et Lindsey Raymond.

Aperçus de l'IA générative sur le lieu de travail

Lindsey Raymond : Je suis Lindsey Raymond. Je suis un étudiant diplômé au MIT.

Liam Geraghty : Lindsey et ses collègues étudient l'impact des outils d'IA générative sur la productivité dans une entreprise du Fortune 500. C'est la première fois que l'impact de ces outils sur le travail est mesuré en dehors d'un environnement de laboratoire.

Lindsey Raymond : L'idée même de l'IA générative est assez nouvelle. En ce qui concerne ce que les gens ont étudié, il y a eu des travaux sur la façon dont ces outils fonctionnent sur des choses comme l'examen du barreau.

Liam Geraghty : AI a écrasé l'examen du barreau.

Lindsey Raymond : Ou des examens de codage, des examens des capacités très basés sur le laboratoire. Et la nôtre est la première qui dit ce qui se passe lorsque vous étudiez ce que ces outils peuvent faire dans un lieu de travail réel et sur une longue période, car notre étude se déroule sur l'année.

Liam Geraghty : Alors, sur quoi portait exactement l'étude ?

Lindsey Raymond : Nous examinons un outil génératif basé sur l'IA, conçu pour aider les travailleurs du support technique lorsqu'ils résolvent les problèmes de support technique des utilisateurs.

Liam Geraghty : Cela semble familier !

Lindey Raymond : Leur dire à la fois quoi dire, comment résoudre le problème de support technique spécifique, et aussi des conseils sur la façon dont ils doivent communiquer cela au client.

« L'IA générative a besoin de beaucoup de données pour fonctionner vraiment bien. Si vous regardez un secteur de l'économie où la pénétration est élevée par rapport à partout ailleurs, le support client est ce domaine "

Et nous effectuons une analyse de différence dans la différence - un déploiement très lent de cet outil sur les personnes au fil du temps afin que nous puissions essayer d'obtenir l'effet causal de l'outil. Nous recherchons des travailleurs fournissant un support technique pour une entreprise Fortune 500 qui fabrique des logiciels de petite entreprise et de comptabilité principalement pour les petites entreprises basées aux États-Unis.

Liam Geraghty : Ils ont examiné de nombreux résultats différents, comme la rapidité avec laquelle les gens ont résolu les appels, le nombre de problèmes qu'ils sont capables de résoudre, la satisfaction des clients, ainsi que certaines choses qui relèvent davantage du changement organisationnel.

Lindsey Raymond : Quel impact cela a-t-il sur le roulement du personnel ? Quel impact cela a-t-il sur la fréquence à laquelle ils se parlent ou avec leurs managers ?

Liam Geraghty : Vous vous demandez peut-être pourquoi, parmi tous les domaines potentiels de l'IA générative, Lindsey et ses collègues ont choisi de se concentrer sur le support client.

"Il existe des différences de productivité assez énormes entre vos agents de service client les plus performants et ceux qui sont les moins performants"

Lindsey Raymond : L'IA générative a besoin de beaucoup de données pour fonctionner vraiment bien. Si vous regardez un secteur de l'économie où la pénétration est élevée par rapport à partout ailleurs, le support client est ce domaine. Il y a eu une quantité surprenante d'activités pour le déploiement et le développement de ces outils. Et c'est parce qu'il y a tellement de données dans ce domaine, en particulier des données textuelles.

Une grande partie est simplement automatiquement associée aux résultats - à quelle vitesse ce travailleur a-t-il résolu ce problème ? Et il y a aussi beaucoup de place pour l'amélioration. C'est un fait bien connu qu'il existe d'énormes différences de productivité entre vos agents de service client les plus performants et ceux qui sont les moins performants. C'est aussi un domaine où il y a eu ce changement énorme pour en faire plus avec les centres de contact au cours des deux dernières années. Et donc, c'est un domaine où les grandes entreprises ont besoin de s'améliorer.

De zéro à héro

Liam Geraghty : Ainsi, au cours d'une année, ils ont étudié tout cela à l'aide des données de 5 179 agents du service client. Et ce qu'ils ont trouvé est intrigant.

Lindsey Raymond : Le chiffre principal est qu'en moyenne, l'accès à l'IA a amélioré la productivité de 14 %, mais cela cache beaucoup d'hétérogénéité. Pour les travailleurs les moins expérimentés et les moins qualifiés, il s'est en fait amélioré de 35 %. Les travailleurs les plus expérimentés et les plus productifs ne voient presque aucun effet.

Liam Geraghty : Ainsi, les gains reviennent de manière disproportionnée aux travailleurs moins expérimentés et moins qualifiés. Pourquoi cela se produit-il ?

Lindsey Raymond : Je pense que c'est probablement la partie la plus intéressante de l'étude. Tout outil basé sur l'apprentissage automatique utilise un ensemble de données de formation et recherche des modèles dans les données. Donc vous, en tant que programmeur, ne dites pas : "Eh bien, je sais que cette phrase fonctionne bien, alors faites ceci, et je sais que c'est la solution commune à ce problème, et c'est la solution commune à ce problème", et vous mettez cette information dans votre programme. Ce n'est pas comme ça que ML fonctionne.

"Ce sont les travailleurs qui sont très nouveaux ou au bas du classement de la productivité qui bénéficient vraiment de ces suggestions parce que ce sont les choses qu'ils n'ont pas encore compris comment faire"

Dans notre contexte, en particulier, l'outil examine les conversations des plus performants et les compare à celles des moins performants. Il recherche les différences entre ce que font les élèves les plus performants et les moins performants qui sont associées à des résultats positifs. Comment accueillent-ils les clients ? Quelles sont les solutions qu'ils proposent ? Comment commencent-ils à poser des questions de diagnostic ? Ensuite, il prend toutes ces choses et les transforme en suggestions qu'il génère pour tout le monde. Les travailleurs hautement qualifiés fournissent le contenu pour l'IA – ce sont pour la plupart des choses qu'ils font déjà parce que c'est de là que l'IA a appris cela. Lorsqu'un outil vous suggère de faire des choses que vous faites déjà, vous n'allez probablement pas voir d'énormes effets sur la productivité de l'accès à cet outil. Ce sont les travailleurs qui sont très nouveaux ou au bas du classement de la productivité qui bénéficient vraiment de ces suggestions parce que ce sont des choses qu'ils n'ont pas encore trouvé comment faire. Ce sont les travailleurs peu qualifiés qui changent beaucoup et commencent à se rapprocher de la communication comme les travailleurs hautement qualifiés.

Nous pensons que ce qui se passe, c'est cette diffusion des meilleures pratiques rendue possible par l'IA. Et c'est pourquoi nous voyons ces très fortes augmentations de productivité pour les travailleurs peu qualifiés et inexpérimentés et pas tellement pour les travailleurs hautement qualifiés. Et cela, selon nous, n'est qu'une fonction du fonctionnement de l'apprentissage automatique.

« Dans toute étude où vous voyez des augmentations de productivité de 35 %, c'est assez choquant. Vous pourriez imaginer descendre à une semaine de travail de quatre jours avec ces effets »

Liam Geraghty : Avez-vous été surpris par les résultats ?

Lindsey Raymond : C'est une excellente question. Dans toute étude où vous voyez des augmentations de productivité de 35 %, c'est assez choquant. Vous pourriez imaginer descendre à une semaine de travail de quatre jours avec ces effets. Je pense que c'était assez surprenant dès le départ. Le fait que nous ayons constaté des effets non seulement sur le fait que les travailleurs traitent les appels un peu plus rapidement, mais également sur l'amélioration de la part des problèmes qu'ils résolvent, ce qui est davantage un résultat basé sur les connaissances, leur permet de résoudre des problèmes qu'ils n'étaient pas pouvoir résoudre avant. Et puis, nous constatons des augmentations assez importantes de la satisfaction des clients. Tout cela était, je pense, surprenant.

Liam Geraghty : Pensez-vous que l'IA pourra un jour intervenir et faire ce type d'études ?

Lindsey Raymond : Probablement, oui. Je suis certain qu'il existe une IA générative qui peut rédiger des articles économiques mieux que moi.

Liam Geraghty : Lindsey, merci beaucoup de m'avoir parlé aujourd'hui.

Lindsey Raymond : Oui, absolument. Ce fut un plaisir.