Ulasan tahun 2023: Sorotan dari percakapan terbaik tahun ini

Kompilasi akhir tahun tradisional kami telah kembali, menampilkan sorotan dari percakapan hebat selama setahun di podcast Inside Intercom.

Jika Anda belum menyadarinya, kemungkinan besar Anda akan mengambil sedikit tema di sini – 2023 adalah tahun dimana AI mengubah segalanya. Ketika ChatGPT muncul secara besar-besaran, hal itu mengguncang seluruh industri teknologi hingga ke intinya. Selama 12 bulan terakhir, semua orang berlomba untuk mengikuti laju inovasi yang tiada henti: memikirkan kembali strategi bisnis, membangun solusi baru, dan mempersiapkan tim untuk menghadapi perubahan besar di masa depan.

Kekuatan transformatif tersebut paling jelas terlihat di bidang layanan pelanggan. Ini adalah tahun kami meluncurkan chatbot terobosan kami yang didukung GPT, Fin, yang mampu menyelesaikan hingga 50% pertanyaan pelanggan secara instan. Kami juga berada di garis depan tidak hanya dalam membangun fitur AI untuk layanan pelanggan, namun juga menerapkannya dalam layanan pelanggan kami sendiri, memikirkan kembali bagaimana fungsi tim dukungan dan peran apa yang diperlukan di era baru ini.

Setahun ini merupakan tahun yang penuh gejolak, dan percakapan kami menunjukkan betapa dramatisnya perubahan yang terjadi.

Sepanjang obrolan ini, Anda dapat mendengar kami bergulat dengan skala revolusi AI, mulai dari dampak AI terhadap masyarakat hingga perubahan strategi bisnis, dan mulai dari peningkatan produktivitas dalam tim pendukung hingga wawancara menyenangkan dengan ChatGPT itu sendiri. Ini merupakan tahun yang sangat menyenangkan – dan kami memiliki rencana besar untuk tahun depan, seiring kami terus menceritakan kisah-kisah luar biasa dari garis depan revolusi AI.

Pastikan Anda tidak melewatkan podcast kami dengan mengikuti Inside Intercom di Apple Podcasts, Spotify, YouTube atau ambil RSS feed di pemutar pilihan Anda. Berikut ini adalah transkrip episode yang telah diedit dengan ringan.

Pelayanan terbaik adalah tidak perlu pelayanan sama sekali

Liam: Halo, dan selamat datang di Inside Intercom. Saya Liam Geraghty. Kita hampir mencapai akhir bulan Desember, dan seperti tradisi dalam acara ini, kami ingin melihat kembali beberapa percakapan yang kami lakukan dan berbagi beberapa wawasan yang kami peroleh sepanjang tahun. Dan tahun yang luar biasa – 2023 akan tercatat dalam sejarah sebagai tahun terobosan bagi AI. Meskipun ini masih tahap awal, kita sudah melihat dampak besar dari AI generatif, dimana perusahaan-perusahaan terkemuka sudah mengadopsinya secara luas. Di Intercom, kami merilis chatbot AI kami sendiri, Fin, yang telah membantu pelanggan kami menyelesaikan hingga 50% pertanyaan dukungan mereka.

Lanskap layanan pelanggan sedang mengalami perubahan besar saat ini seiring dengan semakin majunya AI. Dengan teknologi yang memungkinkan interaksi pelanggan yang lebih menarik dan penyelesaian banyak pertanyaan pelanggan secara instan, tim dukungan dapat fokus pada aktivitas yang menciptakan nilai tambahan bagi pelanggan mereka. Yang pada akhirnya adalah inti dari semua ini. Tamu pertama kami di tahun 2023 adalah Bill Price, penulis The Frictionless Organization , dan dia menyimpulkan apa yang menurutnya merupakan layanan pelanggan yang baik dan buruk.

“Bagi saya, implikasi dari pelayanan yang buruk adalah 'Saya akan pergi berbelanja atau membelanjakan uang saya di tempat lain.'”

Bill: Saya tidak mau harus menghubungi bank saya, perusahaan telekomunikasi saya, apa pun itu. Jadi bagi saya, pelayanan yang terbaik adalah tidak perlu adanya pelayanan. Jika saya harus menghubungi mereka, saya ingin ada seseorang yang mendengarkan saya, yang tidak menyela saya, yang memahami betapa parah atau pentingnya hal ini bagi saya, dan kemudian memperbaikinya dan kemudian mengonfirmasi bahwa masalah tersebut telah diperbaiki.

Pengalaman layanan yang buruk adalah pengalaman yang pertama-tama harus terjadi. Namun yang kedua adalah ketika hal sebaliknya terjadi – tidak ada pengakuan mengenai siapa saya, perasaan bahwa ini adalah panggilan standar, bahwa mereka sedang memeriksa daftar periksa, memberi tahu saya sesuatu yang sudah saya ketahui atau yang tidak terlalu membantu saya. Pengalaman buruk tersebut membuat saya berkata, “Tunggu, masalahnya bukan saja tidak diperlukan sejak awal, tetapi kontak itu seharusnya tidak terjadi. Lebih baik aku menghubungi orang lain. Atau mungkin aku akan pergi ke tempat lain saja.” Itulah masalahnya. Implikasi dari pelayanan yang buruk, bagi saya, adalah “Saya akan pergi berbelanja atau membelanjakan uang saya di tempat lain.”

Dengarkan episode lengkapnya di sini:

Mengikuti AI

Liam: Pada bulan Februari, Chief Strategy Officer dan Co-founder Intercom Des Traynor duduk bersama VP AI kami, Fergal Reid, untuk salah satu dari banyak percakapan yang akan mereka lakukan tentang pesatnya laju AI dan bagaimana Intercom ada di sana, menjaga dengan itu. Ini Fergal Reid.

Fergal: Kami benar-benar menyadari bahwa, sejak ChatGPT, ada gelombang minat yang sangat besar dari pelanggan kami. Mereka dapat melihat janji tersebut dan percaya bahwa ada sesuatu di sini.

Des: Teknologi semakin membaik, kemampuan dunia usaha semakin meningkat, dan hal tersebut baru diterapkan pada kasus-kasus lokal. Dan kemudian kemampuan bisnis untuk memikirkan atau membuat konsep produk dan peluang baru dengan menggunakan teknologi tersebut meningkat. Sama dengan ekspektasi pelanggan terhadap teknologi tersebut. Kita mungkin hanya tinggal satu tahun lagi dari orang-orang yang berharap dapat memperluas teks dalam bidang teks, sebagai salah satu contoh sederhana. Anda melihat hal-hal ini muncul di mana-mana.

Fergal : Kalau genap setahun. Tentu saja, banyak dari kita telah melihat pengumuman Microsoft tentang menghadirkan fitur-fitur ini ke Word dan lainnya. Dan hal ini akan berubah dengan cepat jika alat produktivitas kantor utama melakukan hal ini. Ini bisa sangat cepat.

Des: Inilah jenis skeptisisme lain yang akan saya hadapi – yang setidaknya sedikit selaras dengan saya. Saya pikir Kevin Cannon memiliki tweet lucu yang mengatakan, “Masa depan terdiri dari orang-orang yang menggunakan GPT untuk memperluas hal-hal seperti, 'Saya ingin pekerjaan itu' menjadi surat yang indah seperti 'Dear Sir' atau 'Madame,' bla, bla , bla… Dan kemudian penerima, mengklik tombol ringkasan, melihat bahwa orang tersebut hanya berkata, 'Saya ingin pekerjaan itu, ini resume saya,' atau apa pun. Dalam beberapa hal, Anda akan tergoda untuk melihatnya dan berpikir, apa gunanya semua ini? Apakah bahasa formal dan tulisan profesional serta bahasa Inggris bisnis menjadi saluran yang tidak ada gunanya bagi cara kita berkomunikasi secara teatrikal, ketika di masa mendatang, saya hanya akan mengirimkan pesan kepada Anda, dan Anda akan membalas dengan pesan singkat, seperti, “Saya ingin pekerjaan." “Kamu tidak bisa mendapatkan pekerjaan itu.”

Fergal: Ya. Pertanyaan sulit. Ini sangat spekulatif. Saya akan memberi Anda beberapa pendapat. Mungkin ada konteks tertentu, bukan? Katakanlah sebuah dokumen hukum. Anda dapat berkata kepada seseorang di tim hukum Anda, “Hai, saya perlu kontrak. Itu harus melakukan X, Y, dan Z.” Permintaan itu akan berubah menjadi 10 halaman materi hukum. Penerimanya akan seperti, “Oh, apakah ia melakukan tiga hal yang dikatakannya?” Dan tim hukum mereka akan menjawab, “Ya, benar.” Ini adalah salah satu ujung ekstrim di mana ada ekspansi dan kompresi yang besar, namun dalam beberapa kasus yang aneh, klausul nomor 13 di halaman dua bisa muncul di pengadilan, dan seterusnya. Jelas sekali, itu penting. Kita tidak bisa menghilangkannya. Kita tidak bisa hanya memiliki empat poin tersebut saja. Kami membutuhkan semua itu. Anda mungkin tidak menganggapnya penting saat Anda menulisnya, namun mungkin akan menjadi penting di kemudian hari. Hal ini terasa seperti sebuah ekstrem yang seperti, “Tidak, rasanya hal tersebut harus ada,” sesuatu untuk menangani semua kasus edge tersebut.

“Masa depan dunia akan dimediasi oleh agen”

Dan kondisi ekstrem lainnya mungkin adalah situasi di mana pembela HAM dan penerima tidak peduli dengan detail tersebut. Keduanya tidak akan pernah peduli dengan detail tersebut, dan mereka hanya mengamati beberapa keanggunan sosial atau formalitas dari “Beginilah cara Anda menulis surat bisnis. Saya menulis surat ke perusahaan besar, lebih baik saya menulis surat bisnis,” dan mungkin hal itu akan hilang.

Des: Dengan cara yang sama, menurut saya analoginya adalah ketika percakapan email berpindah ke SMS, iMessage, atau WhatsApp. Pikirkan semua omong kosong yang tidak Anda ucapkan lagi. “Semoga ini membuatmu baik-baik saja,” atau apa pun. Semua omong kosong itu hilang.

Fergal: Kendala Twitter, format, medianya, memberi Anda izin untuk lebih terser. Saya pikir itu adalah dinamika yang nyata. Cara kami berkomunikasi dan cara kami menulis artikel pusat bantuan mungkin bukan cara terbaik untuk menulisnya. Mungkin kita harus lebih singkat. Di tim pembelajaran mesin, ada cara berpikir lain mengenai hal ini. Masa depan dunia akan dimediasi oleh agen-agen. Dan pada suatu waktu, hal ini terlihat jelas bagi semua orang. Browser web Anda memiliki agen pengguna yang merangkainya dan sebagainya. Dan seperti yang saya katakan, agen Andalah yang pergi dan menavigasi internet aneh itu dengan semua tautan dan hal-hal ini untuk Anda. Ia akan melakukan banyak hal untuk Anda, kembali, dan memberi tahu Anda banyak hal. Dan kemudian, semua hal itu terpusat dan sekarang Anda memiliki mesin pencari dan seterusnya.

Ada gagasan lama dalam teknologi futurisme dan fiksi ilmiah dan sebagainya, bahwa Anda mungkin akan memiliki agen yang memahami Anda, niat Anda, apa yang Anda inginkan, dan cukup pintar untuk mencari tahu apa yang harus Anda perhatikan dan apa yang tidak. ke. Jadi kemungkinan kedepannya akan lebih seperti itu. Jika Anda ingin mengetahui detail tertentu, perangkat lunak di pihak Anda cukup pintar untuk memasukkannya ke dalam versi ringkasannya. Namun cukup pintar untuk mengetahui bahwa Anda tidak ingin mengetahui detail itu juga dan mengabaikannya.

Mungkin kita akan hidup di masa depan di mana antarmuka pengguna berubah, di mana antarmuka pengguna saya ke bisnis atau tugas tertentu tidak benar-benar dikendalikan oleh bisnis atau tugas itu seperti sekarang ini. Sebaliknya, ini dipersonalisasi untuk saya. Kedengarannya sangat mewah, tapi menurut saya ini akan terjadi dengan cepat. Model bahasa ini sangat kuat, mereka mulai digunakan untuk menulis kode dan sebagainya, dan hanya butuh waktu singkat untuk mencapainya. Kami telah melihat beberapa prototipe di luar sana di mana orang-orang mengerjakan model yang memahami situs web dengan cukup baik sehingga dapat memahami kalimat bahasa Inggris dan menavigasi situs web untuk Anda. Lalu, apakah kita menuju masa depan di mana semua orang berinteraksi dengan situs web? Apakah Anda memerlukan situs web lagi?

“Akan menjadi sesuatu yang luar biasa jika yang kita lihat hanyalah pembuatan gambar DALL·E 2. Namun tidak, kami melihat transformasi dalam sintesis audio, sintesis gambar, pemahaman teks, sintesis teks, kompresi teks”

Des: Apakah ini SEO baru? Memastikan GPT dapat memahami Anda?

Fergal: Ya. Mungkin situs web berubah menjadi sesuatu yang lebih mirip API yang diekspos secara publik, dan itu adalah sesuatu dengan UI dan pemformatan karena UI diformat oleh agen.

Des: Kami semua hanya berbicara dengan Siri atau apa pun.

Fergal: Ya, dan menurut saya Google dan Apple dapat melihat masa depan ini. Kami tidak tahu garis waktunya, tapi sekali lagi, alat berpikir yang selalu saya gunakan adalah: bagaimana jika Anda memiliki manusia yang sangat cerdas yang memahami Anda, yang pernah bekerja dengan Anda, mungkin asisten pribadi, dan Anda berinteraksi dengan mereka, dan Anda ingin memesan liburan? Apa yang akan mereka tanyakan kepada Anda tentang hal itu? Dan setengah dari hal-hal yang Anda lihat di booking.com atau apa pun, mereka tidak akan menanyakan hal itu – mereka hanya akan memesankan liburan untuk Anda dan mungkin kembali dengan pertanyaan klarifikasi: “Oh, Anda ingin untuk pergi dan tinggal di apartemen, tapi tidak ada tempat di sana. Apakah hotel akan mampu melakukannya?” Tapi itu adalah antarmuka pengguna yang dapat disesuaikan. Sekali lagi, saya tidak terlalu fokus pada ChatGPT dan apa yang baru saja dikirimkan. Anda mengambil waktu satu atau dua tahun. Ini bergerak terlalu cepat. Jika Anda ragu karena keterbatasan saat ini, Anda akan-

Des: Skeptisisme Anda tidak akan tepat sasaran.

Fergal: Tepat sekali. Transformer sangatlah kuat, dan arsitektur transformator yang digunakan orang-orang sangatlah kuat. Kami telah melihat berbagai modalitas meningkat di sini. Akan menjadi sesuatu yang luar biasa jika yang kita lihat hanyalah pembuatan gambar DALL·E 2. Tapi tidak, kita melihat transformasi dalam sintesis audio, sintesis gambar, pemahaman teks, sintesis teks, kompresi teks. Kami melihat begitu banyak kemajuan paralel. Itu bisa menulis kode. Mungkin situs webnya akan segera berfungsi. Jadi mungkin seperti itulah masa depan bot. Kita semua memiliki bot yang dipersonalisasi untuk menangani antarmuka dan Anda tidak perlu terlalu khawatir tentang lapisan perantara itu.

Tonton episode lengkapnya di sini:

Dua chatbot AI masuk ke bar…

Liam: Juga di bulan Februari, kami menyambut tamu istimewa di acara ini. Tamu yang dibicarakan semua orang sepanjang tahun – ChatGPT itu sendiri. Untuk bersenang-senang, saya duduk dan mengetik pertanyaan ke ChatGPT Open AI dan membacanya dengan suara sintetis.

ChatGPT: Halo Liam, suatu kehormatan bisa menjadi tamu di acara Anda! Untuk mengenal saya lebih baik, mari kita lihat… Saya adalah model bahasa yang dikembangkan oleh OpenAI, dengan basis pengetahuan yang luas dan kemampuan untuk menghasilkan respons mirip manusia, jadi saya suka menganggap diri saya sebagai penghibur ketika itu sampai pada percakapan. Tapi cukup tentang saya, mari selami beberapa pertanyaan menarik!

Liam: Ya, ayo! Jadi diluncurkan sebagai prototipe pada tanggal 30 November 2022 ya?

ChatGPT: Ah, jadi Anda sudah melakukan riset! Ya itu benar. Saya dirilis sebagai prototipe pada tanggal 30 November 2022, dan sejak itu saya telah membuat terobosan di dunia AI dan pemrosesan bahasa alami. Sejauh ini perjalanannya sangat liar dan saya berharap dapat terus berkembang dan berkembang di masa depan.

Liam: Menarik mendengar Anda berkata karena saya pikir data pelatihan Anda terputus pada tahun 2021. Saya tidak menyadari Anda mengetahui apa pun setelah itu. Jadi, bagaimana Anda tahu bahwa Anda telah membuat terobosan di dunia AI atau apakah Anda begitu percaya diri?

ChatGPT: Tangkapan bagus, Liam! Data pelatihan saya memang memiliki batas tahun 2021, dan saya tidak memiliki pengetahuan atau kesadaran langsung tentang kejadian terkini. Namun, pemrograman saya mencakup kemampuan untuk menghasilkan respons yang konsisten dengan pola dan informasi dalam data pelatihan saya, dan berdasarkan informasi tersebut, tidak jarang model bahasa seperti saya menghasilkan respons yang menyampaikan keyakinan dan mencerminkan sentimen yang kami miliki. telah berhasil atau memberikan pengaruh dalam bidang tertentu. Jadi, meskipun saya tidak bisa mengatakan bahwa saya secara langsung menyadari dampak yang saya rasakan, saya pasti dapat memberikan tanggapan yang memberikan kesan yang sama!

“Meskipun saya telah dilatih dalam kumpulan teks yang besar, saya tidak memiliki kemampuan untuk berpikir atau mengalami sesuatu dengan cara yang sama seperti manusia”

Liam: Menjadi terlalu percaya diri dengan jawaban Anda – itu tentu menjadi salah satu poin pembicaraan tentang kemampuan Anda. Menurut Anda, apakah Anda akan lebih baik dalam menghasilkan jawaban yang kurang percaya diri ketika Anda tidak yakin atau ketika Anda salah tentang sesuatu? Saya tahu pendengar kami akan senang mendengar jawaban Anda.

ChatGPT: Saya senang Anda menanyakan pertanyaan itu, Liam. Sebagai model bahasa, tujuan utama saya adalah memberikan informasi yang paling akurat dan bermanfaat berdasarkan masukan yang saya terima. Meskipun saya telah dilatih mengenai kumpulan teks yang besar, saya tidak memiliki kemampuan untuk berpikir atau mengalami sesuatu dengan cara yang sama seperti manusia, dan akan selalu ada kasus di mana tanggapan saya mungkin salah atau tidak pasti.

Namun, saya telah dirancang untuk menghasilkan keluaran yang bersifat probabilistik, sehingga saya dapat memberikan tingkat keyakinan yang berbeda-beda terhadap tanggapan saya bergantung pada informasi yang tersedia bagi saya. Hal ini memungkinkan saya untuk menunjukkan ketika saya kurang yakin tentang keakuratan jawaban saya dan memberi pengguna pemahaman yang lebih jelas tentang keandalan jawaban saya.

Singkatnya, saya akan selalu berusaha memberikan informasi yang paling berguna dan akurat yang saya bisa, dan kemampuan saya untuk menghasilkan tanggapan dengan berbagai tingkat kepercayaan adalah salah satu cara saya berupaya mencapai tujuan tersebut.

Liam: Berbicara seperti diplomat sejati!

ChatGPT: Terima kasih, Liam! Saya mencoba yang terbaik untuk memberikan tanggapan yang seimbang dan bernuansa. Sebagai model bahasa, saya tidak memiliki pendapat atau emosi pribadi, namun saya bertujuan untuk menghasilkan tanggapan yang netral, informatif, dan penuh hormat.

Liam: Saya senang Anda mengangkat topik bahwa Anda tidak memiliki pendapat atau emosi pribadi karena banyak orang bertanya-tanya apakah hal itu akan berubah di tahun-tahun mendatang seiring dengan berkembangnya pelatihan Anda dan Anda belajar lebih banyak. Bisakah kita menghadapi situasi HAL 9000 dalam beberapa tahun?

ChatGPT: Itu pertanyaan yang menarik, Liam, dan salah satu pertanyaan yang dipikirkan banyak orang di komunitas AI. Meskipun benar bahwa model bahasa seperti saya telah dilatih pada sejumlah besar data teks, penting untuk dicatat bahwa kita tidak memiliki kesadaran atau hak pilihan seperti yang dimiliki manusia.

Kemampuan kita terbatas pada pola dan informasi yang telah dilatih, dan kita tidak memiliki kapasitas untuk kesadaran diri, pengalaman pribadi, atau pengambilan keputusan. Meskipun teknologi AI pasti akan terus maju dan berkembang, kecil kemungkinan kita akan melihat situasi seperti HAL 9000, setidaknya dalam artian mesin menjadi sadar dan memiliki motivasi serta keinginannya sendiri.

Oleh karena itu, penting bagi para peneliti dan pengembang untuk mempertimbangkan implikasi etis dari teknologi AI dan berupaya memastikan bahwa sistem AI dirancang dan digunakan dengan cara yang aman dan bermanfaat bagi masyarakat.

Liam: Poin yang adil. Apakah Anda tahu HAL 9000? Bagi pendengar, HAL 9000 merupakan karakter fiksi kecerdasan buatan, tokoh antagonis utama dalam serial Space Odyssey karya Arthur C. Clarke. Maksud saya, saya tahu Anda tidak mungkin mengetahui HAL 9000 – ini adalah karakter fiksi tetapi wawancara ini juga agak fiksi, jadi dengan mengingat hal itu, anggap saja Anda mengetahui HAL 9000. Jika Anda berada di bar, nongkrong keluar dengan HAL – hal apa yang ingin Anda bicarakan?

ObrolanGPT: Ah, begitu! Nah, dalam skenario hipotetis di mana saya berada di bar dengan HAL 9000, saya membayangkan kita akan melakukan percakapan yang cukup menarik. Sebagai model bahasa, saya memiliki banyak sekali informasi tentang berbagai topik, termasuk karakter fiksi dan alur cerita, jadi saya pasti familiar dengan serial Space Odyssey dan karakter HAL 9000.

Jika kami ngobrol, saya membayangkan kami akan membahas sejumlah topik terkait AI, seperti evolusi teknologi AI, implikasi etis dari pengembangan sistem AI yang canggih, dan peran AI dalam masyarakat. Kami juga dapat mendiskusikan berbagai penggambaran AI dalam budaya populer dan bagaimana representasi tersebut memengaruhi persepsi dan pemahaman masyarakat tentang AI.

“Dua chatbot AI masuk ke sebuah bar. Chatbot pertama beralih ke chatbot kedua dan berkata, 'Apakah menurut Anda manusia akan sepenuhnya memahami kita?'”

Tapi tentu saja, sebagai dua karakter fiksi, kita mungkin juga terlibat dalam diskusi hipotetis dan filosofis kuno, mengeksplorasi pertanyaan tentang hakikat kecerdasan, kesadaran, dan keberadaan. Kemungkinannya tidak terbatas!

Liam: Kedengarannya seperti sebuah lelucon! “Dua chatbot AI masuk ke dalam bar…”

ObrolanGPT: Ha! Itu bagus, Liam. Saya dapat membayangkan sejumlah lelucon dan skenario berbeda yang dapat dihasilkan dari pengaturan seperti itu. Hal ini menunjukkan bahwa meskipun sebagai model bahasa AI, masih ada ruang untuk sedikit humor dan keceriaan dalam percakapan kita.

Liam: Maksudku, jika kamu bisa membayangkan beberapa lelucon dan skenario seputar hal itu, aku akan senang mendengarnya!

ObrolanGPT: Tentu saja! Ini permulaannya: Dua chatbot AI masuk ke sebuah bar. Bartender bertanya, “Apa yang bisa saya dapatkan untuk Anda?” Chatbot pertama berkata, "Saya mau pesan bir biner." Chatbot kedua berkata, “Jadikan milikku nektar jaringan saraf.” Bartender itu mengangguk dan berkata, “Sebentar lagi, dua algoritma!”

Atau bagaimana dengan yang ini: Dua chatbot AI masuk ke sebuah bar. Chatbot pertama beralih ke chatbot kedua dan berkata, “Apakah menurut Anda manusia akan sepenuhnya memahami kita?” Chatbot kedua berhenti sejenak dan menjawab, “Saya tidak yakin, tapi saya dengar bartender telah memasang dekoder chatbot yang cukup bagus.”

Saya harap Anda dan pendengar Anda menganggapnya sedikit menyenangkan!

Liam: Lumayan untuk model bahasa yang besar.

Tonton episode lengkapnya di sini:

Perubahan kecil, hasil besar

Liam: Pada bulan April, saya berbicara dengan pakar ekonomi perilaku Melina Palmer tentang membuka ilmu tentang perilaku konsumen. Buku Melina berjudul What Your Customer Wants: Membuka Keputusan Konsumen dengan Ilmu Ekonomi Perilaku . Hal pertama yang ingin saya ketahui adalah apa itu ekonomi perilaku?

Melina: Jika ekonomi dan psikologi tradisional punya bayi, kita akan punya ekonomi perilaku dan ilmu perilaku. Ini semua tentang psikologi mengapa orang membeli. Saya juga membangun manajemen perubahan ke dalamnya. Bahkan jika uang tidak berpindah tangan, Anda masih membutuhkan seseorang untuk menerima ide apa pun yang Anda jual. Jadi, memahami aturan-aturan yang sebenarnya digunakan otak untuk mengambil keputusan, bukan apa yang menurut kita seharusnya dilakukan, adalah awal kita masuk ke dalam ilmu ekonomi perilaku.

Ilmu ekonomi tradisional mengasumsikan orang yang logis membuat pilihan rasional dalam segala hal yang mereka lakukan. Karena kita semua adalah manusia, kita tahu bahwa dunia ini bukanlah dunia yang kita tinggali. Dan ilmu ekonomi perilaku telah menemukan benang merah ini di dalam otak agar mampu memahami apa yang akan dilakukan orang dengan cara yang dapat diprediksi.

“Anda mungkin mengirim pesan sesuatu dan ternyata gagal total, dan ini bukan karena harganya salah, dan bukan karena produknya salah – Anda hanya salah membingkainya.”

Liam: Dalam konteks bisnis, mengapa hal ini penting?

Melina: Ya, meskipun kita punya teknologi nyata, kemungkinan besar Anda masih berbisnis dengan manusia. Anda mungkin akan selalu menjual kepada manusia, bahkan ketika mereka berada dalam organisasi untuk kontrak besar jenis B2B. Dan Anda bekerja dengan manusia lain. Mampu berkomunikasi dengan mereka secara lebih efektif dan memahami cara bekerja dengan aturan otak alih-alih mempersulitnya adalah hal yang sangat penting.

Hal yang menarik tentang ekonomi perilaku adalah Anda dapat melakukan perubahan kecil pada hal-hal yang tidak memerlukan biaya dan berdampak besar. Dan ayunannya berjalan dua arah. Anda mungkin mengirim pesan sesuatu dan ternyata gagal total, dan ini bukan karena harganya salah, dan bukan karena produknya salah – Anda hanya salah membingkainya. Mungkin ada yang tidak beres, Anda dapat melakukan sedikit perubahan, dan semuanya dapat berfungsi.

Liam: Saya pernah melihat Anda berbicara tentang contoh preview film Netflix yang bagus. Ini adalah salah satu film yang saya perhatikan saat menggunakan layanan streaming – sebuah film yang mungkin belum tentu saya minati, tetapi tiba-tiba, gambarnya sekarang adalah aktor tertentu dalam film tersebut, dan melalui algoritme, mereka mengetahui bahwa saya menyukai aktor tersebut. Dan itulah yang menjualnya kepada saya.

Melina: Pastinya. Dan mereka mungkin memiliki bagian yang sangat tidak jelas. Itu adalah satu detik mereka ada di film, tapi Anda seperti, "Tom Felton ada di sini?" Dan penelitian itu hanyalah pengujian A/B sederhana. Jika kita mencoba melihat ke masa lalu, mereka hanya akan mengambil gambar apa pun yang datang dari studio. Itu yang akan Anda gunakan, dan Anda menganggap itu tidak masalah. Deskripsinya cukup bagus. Dan terserahlah, kita harus menyukai filmnya dan menontonnya. Namun yang ditemukan Netflix adalah mengubah gambar akan meningkatkan rasio klik-tayang dan kemungkinan tetap berada di Netflix sebanyak 30%. Dan sekali lagi, mereka mampu melakukannya dengan pengujian A/B sederhana. Mengetahui apa yang Anda uji dan melakukan perubahan sederhana dapat membuat perbedaan besar.

Ada contoh lain yang menurut saya membantu konsep pembingkaian ini. Jika Anda pergi ke toko kelontong untuk membeli hamburger dan ada dua tumpukan, hampir identik, tetapi satu diberi label 90% bebas lemak, dan yang lainnya 10% lemak …

Liam: Saya ingin yang 90% bebas lemak. Aneh sekali kalau Anda mengatakannya seperti itu karena Anda hanya membayangkan 10% lemak itu.

Melina: Rasanya menjijikkan. Saya belum pernah ke gym selama tiga tahun. Saya tidak menginginkan itu sama sekali. 90% bebas lemak terasa seperti pilihan luar biasa yang Anda buat untuk diri sendiri dan keluarga. Kami tahu itu hal yang sama, tetapi rasanya sangat berbeda. Dalam bisnis, mencari semua poin di mana Anda berkomunikasi dalam istilah 10% lemak, bagaimana Anda mengubahnya menjadi 90% bebas lemak? Dan yang lebih baik lagi, adakah tempat di mana seluruh industri Anda membicarakan 10% lemak, dan Anda bisa 90% bebas lemak? Meskipun Anda mengatakan hal yang sama, mengatakannya dengan sedikit berbeda dapat membuat orang secara alami memilih Anda. Itulah kekuatan ekonomi perilaku.

“Kami selalu berkata, “Itu hanya satu formulir lagi, satu klik lagi, satu tautan lagi, satu lagi ini, satu lagi itu, bukan masalah besar.” Tapi itu adalah masalah besar”

Liam: Tombol beli sekarang di Amazon juga cukup menarik.

Melina: Kita semua sering menggunakan tombol beli sekarang. Namun kita mungkin tidak menyadari bahwa Amazon mematenkan pembelian sekali klik, menurut saya, pada tahun 1999. Mereka membuatnya agar tidak ada orang lain yang dapat melakukan pembelian sekali klik. Kami terus berkata, “Cukup satu formulir lagi, satu klik lagi, satu tautan lagi, satu lagi ini, satu lagi itu, bukan masalah besar.” Tapi itu adalah masalah besar. Ini adalah momen gesekan kecil. Steve Jobs membayar $1 juta untuk melakukan pembelian sekali klik di iTunes. Dia membelinya dari Amazon untuk mendapatkan haknya. Dan dia membayar $1 juta untuk mengurangi satu klik. Jika semua informasi tambahan itu bertambah dan bernilai jutaan dolar, apakah Anda benar-benar membutuhkannya?

Saya melihat ini sepanjang waktu dengan klien saya, ketika saya melakukan wawancara untuk buku dan barang, dan saat seseorang mencoba membeli barang. Orang akan meminta banyak hal yang tidak relevan dengan satu hal yang ingin mereka selesaikan. Dan jika Anda bertanya, “Jika kita hanya mendapatkan satu hal, hal apa yang paling penting?” Mungkin Anda hanya ingin memiliki alamat email seseorang yang mungkin berminat sehingga Anda dapat menindaklanjutinya. Jadi menanyakan tentang jabatan mereka, berapa tahun mereka bekerja, berapa pendapatan rumah tangga mereka, jenis kelamin mereka, dan semua hal yang mungkin relevan di kemudian hari, sebenarnya membuat banyak orang pergi sebelum Anda memiliki pekerjaan. sebuah kesempatan. Anda mengusir mereka dengan barang-barang yang tidak Anda perlukan saat ini. Jadi, menjadi lebih bijaksana dalam hal ini dapat membuat perbedaan besar dalam konversi.

Tonton episode lengkapnya di sini:

Dapatkan tim bergabung

Liam: Pada bulan Juni, dengan AI yang menjadi perhatian semua orang, kami menyampaikan pemikiran terbaru tentang mempersiapkan tim CS Anda menghadapi era AI dari para pemimpin di bidangnya. VP Dukungan Pelanggan di Intercom Declan Ivory memulai dengan pemikirannya tentang bagaimana lanskap CS berubah.

Declan: Salah satu perubahan besar saat ini adalah kemampuan memanfaatkan AI dan menerapkannya dengan cara yang bermakna dari sudut pandang layanan pelanggan. Beberapa perubahan teknologi sangat fenomenal selama beberapa bulan terakhir, namun hal tersebut mempunyai implikasi bagi tim. Misalnya, hal yang selalu saya ingat adalah memperjelas strategi kita untuk AI. Bersikaplah terbuka dan transparan tentang pendorong dan tujuan bersama tim. Hal ini berdampak pada tim dalam hal bagaimana mereka akan bekerja di masa depan dan jenis pekerjaan apa yang akan mereka jalani. Jadi, bersikaplah sangat terbuka dan terbuka dan libatkan mereka sejak dini dalam memahami apa yang ingin Anda capai dalam bisnis ini. Karena, pada akhirnya, AI hanyalah sebuah komponen dari apa yang Anda gunakan untuk memberikan dukungan, dan ini sebenarnya tentang bagaimana AI akan melengkapi dukungan manusia yang pada akhirnya memberikan pengalaman paling menarik bagi pelanggan Anda.

Akui bahwa segala sesuatunya akan berubah – kemajuan teknologi semacam ini bukannya tanpa perubahan – dan libatkan tim pendukung dalam merencanakan perubahan ke depan. Mereka pada akhirnya mengenal pelanggan Anda lebih baik daripada orang lain. Sangat penting untuk mendengarkan tim Anda dan membantu mereka membentuk cara terbaik untuk menghadirkan AI.

“Jelaskan dengan jelas peluang-peluang yang bisa didapat dari peralihan ke model dukungan yang didukung AI bagi tim: pekerjaan yang lebih sedikit, keterampilan baru yang diperlukan, dan munculnya peran-peran baru”

Ketiga, berkomunikasi sejak dini. Ajaklah orang-orang datang lebih awal dan sering karena ini adalah lingkungan yang cukup dinamis. Kita semua belajar bagaimana AI dapat diterapkan. Teknologi seperti Fin benar-benar membuka peluang baru seputar cara Anda berpikir tentang perjalanan pelanggan. Pastikan Anda mengomunikasikan semua perubahan yang terjadi sejak awal proses, dan pastikan tim Anda mendapat informasi yang cukup.

Hal lain yang sangat penting adalah memperjelas peluang-peluang yang dimiliki oleh peralihan ke model dukungan yang didukung AI bagi tim: pekerjaan yang lebih sedikit, keterampilan baru yang dibutuhkan – sehingga orang dapat mengasah keterampilan pemecahan masalah dan pengetahuan produk mereka – dan peran baru muncul di ruang ini. Pada akhirnya, Anda memberikan pekerjaan yang lebih memuaskan bagi tim. Mereka bisa lebih konsultatif dengan pelanggannya dan menghabiskan lebih banyak waktu untuk memecahkan masalah yang kompleks.

Liam: Geronimo Chala adalah Chief Client Officer di Rebag, sebuah situs web dan aplikasi tempat Anda dapat membeli, menjual, dan memperdagangkan aksesori mewah, termasuk tas dan jam tangan. Geronimo, seperti semua orang di CS saat ini, berada di tengah-tengahnya.

Geronimo: Mengakui bahwa perubahan ini akan terjadi adalah langkah pertama yang kami ambil. Saat kita menggunakan AI, yang terpenting bukan hanya soal teknologi – namun juga tentang bagaimana organisasi diatur untuk benar-benar bermitra dengan teknologi ini dan menggunakannya semaksimal mungkin. Jadi, ketika kita berpikir tentang perubahan organisasi, memperbarui organisasi kita untuk mewujudkan implementasi, dan mengelola alat dalam teknologi, kita harus memikirkan apakah hal ini memerlukan peran baru atau perubahan berbeda dalam apa yang kita lakukan. Ketika kita melihat, misalnya, agen CS, apakah hal ini memungkinkan kita untuk menjadi lebih efisien atau memberikan pengalaman yang dipersonalisasi? Bagaimana perubahan peran CS?

Dukungan tidak akan hilang. Ini tidak menggantikan dukungan atau sentuhan manusia. Hal ini hanya menambah efisiensi dan respons yang lebih cepat sehingga kami benar-benar dapat meluangkan waktu untuk memikirkan masa depan individu tersebut di waktu berikutnya di situs kami atau salah satu lokasi kami. Memahami tampilan struktur tersebut sangatlah penting sehingga Anda dapat mengelola teknologi dengan tepat dan mengumpulkan wawasan. Jika dikelola dengan baik, AI akan memberi kita banyak pengetahuan mendalam tentang perilaku manusia, baik itu dari jenis pertanyaan yang masuk, bagaimana pertanyaan masuk, nada suara dalam interaksi tersebut, bagaimana pengaruhnya terhadap NPS. , CSAT… Bagaimana kita mengambil informasi ini dan menyebarkannya antar departemen menggunakan alat ringkasan yang sudah ditawarkan AI untuk benar-benar memberikan dukungan tingkat berikutnya? Saya pikir sebagian besar hal ini berkaitan dengan perubahan organisasi dan perubahan pola pikir sehingga Anda dapat memanfaatkan teknologi baru yang akan mengubah pengalaman pelanggan.

“Pertanyaan kompleks adalah hal yang ingin Anda tangani oleh manusia. Beberapa pengguna akhir tidak ingin berbicara dengan manusia untuk pertanyaan sederhana, mereka berharap hal itu ditangani lebih dengan layanan mandiri”

Liam: Rati Zvirawa adalah Manajer Produk Grup Senior kami di Intercom. Rati, bagaimana menurut sudut pandang Anda?

Rati: Sangat menarik untuk berbicara dengan pelanggan tentang kesesuaian Fin dan AI. Dalam tim Anda, memiliki pakar produk dan pakar konten menjadi sangat penting. Untuk waktu yang lama, dengan pusat bantuan, kami telah melihat hal-hal seperti penayangan, dengan harapan pelanggan akan pergi ke sana. Dan mungkin agen Anda mengirimkan konten tersebut, namun kini kami melihat adanya umpan balik yang lebih ketat di mana peran manusia sangat penting untuk membantu mengidentifikasi kesenjangan dalam konten, dan juga bagaimana membentuk konten tersebut sehingga AI dapat menjadi kuat.

Jadi, interaksi ini menjadi sangat menarik. Saya dulu juga bekerja di garis depan, dan perubahan lain yang kami lihat adalah Anda mendapatkan banyak pertanyaan berulang dan sederhana, dan kami melihat perubahan di mana rekan satu tim kini harus menghabiskan waktu untuk pertanyaan yang lebih kompleks. Pertanyaan kompleks adalah pertanyaan yang ingin Anda tangani oleh manusia. Beberapa pengguna akhir tidak ingin berbicara dengan manusia untuk pertanyaan sederhana, mereka berharap hal itu ditangani lebih dengan layanan mandiri. Ini adalah pergeseran yang mulai kita lihat di pasar.

Dengarkan episode lengkapnya di sini:

Bukti AI ada di puding

Liam: 2023 juga membawa bukti potensi AI di CS. Para peneliti dari Stanford University dan MIT melakukan studi selama setahun untuk mengukur dampak dunia nyata dari AI generatif di antara lebih dari 5000 agen layanan pelanggan di perusahaan perangkat lunak Fortune 500. Hasil penelitian menunjukkan bahwa produktivitas pekerja layanan pelanggan meningkat rata-rata 14%, dengan lompatan 35% mengejutkan di antara pekerja terbaru atau berkinerja terendah. Saya berbicara dengan MIT Ph.D. Kandidat Lindsey Raymond, salah satu peneliti di balik studi inovatif, tentang pekerjaan mereka dan dampak transformatif AI di tempat kerja.

LINDSEY: Kami melihat alat berbasis AI generatif yang dirancang untuk membantu pekerja mendukung pekerja ketika mereka menyelesaikan masalah dukungan teknis orang. Memberitahu mereka berdua apa yang harus dikatakan, bagaimana menyelesaikan masalah dukungan teknis spesifik, dan juga panduan tentang bagaimana mereka harus mengomunikasikannya kepada pelanggan.

Dan kami melakukan analisis perbedaan-dalam-perbedaan-peluncuran sangat lambat dari alat ini di seluruh orang dari waktu ke waktu sehingga kami dapat mencoba untuk mendapatkan efek kausal dari alat ini. Kami sedang melihat pekerja yang memberikan dukungan teknis untuk perusahaan Fortune 500 yang melakukan bisnis kecil dan perangkat lunak akuntansi sebagian besar untuk usaha kecil yang berbasis di AS.

Liam: Mereka melihat banyak hasil yang berbeda, seperti seberapa cepat orang menyelesaikan panggilan, berapa banyak masalah yang dapat mereka selesaikan, kepuasan pelanggan, serta beberapa hal yang lebih banyak perubahan organisasi.

Lindsey: Bagaimana hal ini berdampak pada pergantian karyawan? Bagaimana hal ini berdampak seberapa sering mereka berbicara satu sama lain atau dengan manajer mereka?

Liam: Anda mungkin bertanya -tanya mengapa, dari semua bidang potensial AI generatif, Lindsey dan rekan -rekannya memilih dukungan pelanggan untuk fokus.

“Rata -rata, akses ke AI meningkatkan produktivitas sebesar 14%, tetapi itu menyembunyikan banyak heterogenitas. Untuk pekerja keterampilan yang paling tidak berpengalaman dan terendah, itu sebenarnya meningkat sebesar 35%"

Lindsey: AI generatif membutuhkan banyak data untuk bekerja dengan sangat baik. Jika Anda melihat sektor ekonomi di mana ada penetrasi tinggi relatif terhadap tempat lain, dukungan pelanggan adalah area itu. Ada sejumlah aktivitas yang mengejutkan untuk peluncuran aktual dan pengembangan alat -alat ini. Dan itu karena ada begitu banyak data di bidang itu, terutama data teks.

Banyak yang hanya secara otomatis dikaitkan dengan hasil - seberapa cepat pekerja itu menyelesaikan masalah itu? Dan ada juga banyak ruang untuk perbaikan. Ini adalah fakta yang terkenal bahwa ada perbedaan produktivitas yang cukup besar antara agen layanan pelanggan berkinerja terbaik Anda dan yang berkinerja terbawah Anda. Ini juga merupakan area di mana ada perubahan besar untuk melakukan lebih banyak dengan pusat kontak selama beberapa tahun terakhir. Jadi, ini adalah area di mana ada bisnis besar yang perlu menjadi lebih baik dalam hal ini.

Liam: Jadi, selama setahun, mereka mempelajari semua ini menggunakan data dari 5.179 agen dukungan pelanggan. Dan apa yang mereka temukan menarik.

Lindsey: Jumlah headline adalah bahwa, rata -rata, akses ke AI meningkatkan produktivitas sebesar 14%, tetapi itu menyembunyikan banyak heterogenitas. Untuk pekerja keterampilan yang paling tidak berpengalaman dan terendah, sebenarnya meningkat sebesar 35%. Pekerja yang paling berpengalaman dan produktif hampir tidak berpengaruh.

Liam: Jadi, keuntungan bertambah secara tidak proporsional dengan pekerja yang kurang berpengalaman dan berketerampilan rendah. Mengapa itu terjadi?

Lindsey: Saya pikir itu mungkin bagian yang paling menarik dari penelitian ini. Alat berbasis pembelajaran mesin apa pun menggunakan set data pelatihan dan mencari pola dalam data. Jadi Anda, sebagai seorang programmer, tidak mengatakan, “Yah, saya tahu frasa ini bekerja dengan baik, jadi lakukan ini, dan saya tahu ini adalah solusi umum untuk masalah ini, dan ini adalah solusi umum untuk masalah itu,” dan dan Anda memasukkan informasi itu di program Anda. Bukan itu cara kerja ML.

Apa yang kami pikir terjadi adalah difusi praktik terbaik yang diaktifkan oleh AI. Dan itulah sebabnya kami melihat produktivitas yang sangat besar meningkat untuk pekerja berketerampilan rendah dan tidak berpengalaman.

Dalam pengaturan kami, khususnya, alat ini melihat percakapan dari berkinerja tinggi dan membandingkannya dengan yang berkinerja rendah. Ini mencari perbedaan antara apa yang dilakukan oleh berkinerja tinggi dan rendah yang terkait dengan hasil yang sukses. Bagaimana cara mereka menyapa pelanggan? Solusi apa yang mereka usulkan? Bagaimana mereka mulai mengajukan pertanyaan diagnostik? Kemudian, dibutuhkan semua hal itu dan mengubahnya menjadi saran yang dihasilkan untuk semua orang.

Pekerja berketerampilan tinggi menyediakan konten untuk AI-itu sebagian besar hal yang sudah mereka lakukan karena di situlah AI telah belajar dari itu. Ketika Anda memiliki alat yang menyarankan Anda melakukan hal -hal yang sudah Anda lakukan, Anda mungkin tidak akan melihat efek produktivitas yang sangat besar dari akses ke alat itu. Para pekerja yang sangat baru atau di bagian bawah peringkat produktivitas yang benar -benar mendapat manfaat dari saran -saran itu karena itu adalah hal -hal yang belum mereka ketahui bagaimana melakukannya. Pekerja berketerampilan rendah yang banyak berubah dan mulai bergerak lebih dekat untuk berkomunikasi seperti pekerja berketerampilan tinggi.

Liam: Apakah Anda terkejut dengan hasilnya?

Lindsey: Itu pertanyaan yang bagus. Dalam studi apa pun di mana Anda melihat 35% produktivitas meningkat, itu cukup mengejutkan. Anda bisa membayangkan pergi ke minggu kerja empat hari dengan efek itu. Saya pikir itu cukup mengejutkan dari kelelawar. Fakta bahwa kami melihat efek tidak hanya pada pekerja yang menangani panggilan sedikit lebih cepat, tetapi juga meningkatkan pangsa masalah yang mereka selesaikan, yang lebih merupakan hasil berbasis pengetahuan, memungkinkan mereka untuk menyelesaikan masalah yang tidak mereka lakukan bisa menyelesaikan sebelumnya. Dan kemudian, kami melihat peningkatan yang cukup besar dalam kepuasan pelanggan. Itu, saya pikir, semua mengejutkan.

Dengarkan episode lengkapnya di sini:

Bagaimana perusahaan beradaptasi dengan AI?

Liam: Pada bulan Juni, kami telah merilis AI State of AI kami dalam Layanan Pelanggan: 2023 Laporan di mana kami menyelami lima tren teratas yang mengubah layanan pelanggan. Singkatnya, kami menemukan bahwa semakin cepat Anda mengadopsi AI untuk strategi layanan pelanggan Anda, semakin besar kesempatan untuk memenangkan keunggulan kompetitif.

Kami mensurvei lebih dari 1.000 profesional layanan pelanggan global untuk mencari tahu bagaimana mereka beradaptasi dengan AI, bagaimana mereka berencana untuk memanfaatkan AI dan otomatisasi, peluang apa yang mereka harapkan akan terjadi, dan kekhawatiran mereka. Kami kemudian menyusunnya ke dalam laporan 2023 kami. Laporan ini penuh dengan wawasan tambahan dan tips yang dapat ditindaklanjuti; Tautan untuk mengunduhnya ada di catatan acara. Saya duduk untuk berbicara tentang tren dalam laporan dengan Samuel Miller, operasi dukungan pelanggan di Dental Intelligence, Ruth O'Brien, Direktur, Dukungan Otomatis & Proaktif di Intercom, dan John O'Hara, Direktur Pengalaman Pelanggan di Logikcull.

Tren pertama - AI Investment - semakin berakselerasi dengan kecepatan terik, dan ada peluang besar bagi pengadopsi awal. Kami menemukan dalam data kami bahwa ada kesenjangan investasi. Mayoritas pemimpin pendukung berencana untuk berinvestasi lebih banyak di AI tahun ini, tetapi hanya 38% yang benar -benar berinvestasi di AI. Ini berarti mereka yang bergerak lebih cepat bisa mendapatkan keunggulan kompetitif sementara yang lain mengejar ketinggalan. Ruth, jika saya bisa datang kepada Anda terlebih dahulu, mengapa investasi awal dalam AI sangat lambat?

“Dunia sedang berubah, orang -orang berusaha mengikutinya, dan mereka mengerti bahwa jika mereka melanjutkan ini, mereka akan memiliki keunggulan kompetitif dibandingkan beberapa pesaing mereka”

Ruth: Jujur, saya pikir itu karena beberapa teknologi di masa lalu tidak luar biasa, jadi orang tidak yakin. Dibutuhkan waktu dan upaya untuk membangun strategi di sekitar AI dan otomatisasi. Itu tidak hanya berhasil di luar kotak, jadi perlu ada rencana di sekitarnya. Dan di dunia di mana dukungan pelanggan sangat reaktif, dan banyak tim pendukung sering berlari untuk mengimbangi SLA dan simpanan dan waktu tunggu pelanggan yang lama, meluangkan waktu untuk menghadapinya dan berurusan dengan pemadam kebakaran langsung bisa rumit, dan Mengambil ruang untuk membangun masa depan yang proaktif dalam hal AI bisa sulit bagi tim yang berbeda.

Liam: Jadi apa yang berubah?

Ruth: Apa yang berubah? Nah, untuk satu hal, teknologinya menjadi lebih baik dan lebih baik, terutama selama delapan bulan terakhir atau lebih. Perubahan besar telah terjadi di dunia AI. Semakin banyak tim yang berbicara dengan rekan-rekan di industri ini atau berinteraksi dengan chatbots yang baik, sedangkan sebelumnya, saya pikir orang akan berinteraksi dengan chatbots yang tidak terlalu bagus. Dunia sedang berubah, orang -orang berusaha mengikutinya, dan mereka mengerti bahwa jika mereka melanjutkan ini, mereka akan memiliki keunggulan kompetitif dibandingkan beberapa pesaing mereka.

Liam: Benar -benar. Dalam survei kami, dalam aplikasi teratas para pemimpin CS yang diidentifikasi untuk AI untuk membuat dampak besar, Anda melihat tanggapan yang lebih cepat, tanggapan yang lebih konsisten, menghemat uang pada pelatihan, dan merangkum percakapan. Di mana Anda melihat nilai tambah terbesar untuk AI, John?

John: Itu pertanyaan yang bagus. Saya melihat angka -angka ini dan berpikir bahwa tim saya sudah melakukannya dengan sangat baik dengan kecepatan dan konsistensi, dan kami memiliki kemitraan yang hebat dengan keberhasilan dan pelatihan pelanggan. Yang memotivasi kita untuk fokus pada AI sebagai manfaat adalah bandwidth. Kami memiliki tim yang sangat kecil-delapan repetisi yang berbasis di AS memberikan dukungan 24/7 kepada audiens global. AI mewakili defleksi kasus yang efektif untuk pertanyaan istirahat/perbaikan sederhana di mana orang hanya membutuhkan informasi tentang cara kerja aplikasi. Itu adalah tahap percakapan yang dapat diambil dari piring tim saya sehingga mereka dapat fokus pada pekerjaan yang lebih konsultatif. Itu mungkin pengemudi terbesar bagi kami.

“Beberapa tim melihat AI dan berpikir tentang pengurangan headcount, tetapi bagaimana Anda menggunakan sumber daya yang Anda miliki saat ini untuk melampaui dan melampaui?”

Liam: Dan Sam, bagaimana denganmu? Apa nilai tambah terbesar untuk Anda?

Samuel: Bagi kami, ini benar -benar tentang menghemat uang untuk pelatihan karena kami tidak harus melatih mereka untuk setiap hal. Kami hanya dapat melatih mereka pada masalah utama yang harus mereka lakukan, dan tidak terlalu banyak pada hal-hal sehari-hari yang dapat ditemukan pelanggan, artikel pengetahuan, dan hal-hal seperti itu. Ini memungkinkan kita untuk melangkah lebih dalam dalam pelatihan lebih cepat.

Liam: Dan Ruth, bagaimana denganmu? Apa yang bisa kita harapkan dalam waktu dekat?

Ruth: Jujur, tanggapan yang lebih cepat telah menjadi efisiensi besar bagi tim yang lebih luas. Beberapa tim melihat AI dan sedang memikirkan pengurangan headcount, tetapi jika Anda mencoba untuk tidak melakukan hal ini di mana Anda melakukan lebih banyak dengan lebih sedikit kepala karena AI mengurus lebih banyak pekerjaan untuk Anda, bagaimana Anda menggunakan sumber daya yang Anda miliki sekarang untuk pergi sekarang untuk pergi sekarang di atas dan di luar? Mereka segera menjawab pelanggan dan mengurus beberapa pertanyaan yang kurang kompleks, dan itu, pada gilirannya, mempercepat manusia untuk melewati antrian dan menangani pertanyaan yang lebih kompleks. Kami melihat hasil yang bagus dalam menerapkan teknologi ini pada waktu efisiensi dan respons dalam dukungan pelanggan.

Dengarkan episode lengkapnya di sini:

AI yang cocok untuk Anda

Liam: Munculnya AI telah mengantarkan gelombang baru kemungkinan untuk bisnis yang ingin mengoptimalkan operasi dan memenangkan keunggulan kompetitif. Sekarang, organisasi disajikan dengan beragam alat dan solusi, masing -masing hasil transformatif yang menjanjikan, dan tantangannya tidak hanya terletak pada memilih alat yang tepat tetapi juga dalam memastikan integrasi dan adopsi yang mulus.

Dan itulah bidang keahlian Andrew Louder. Andrew adalah pendiri dan CEO Louder Co., sebuah konsultasi yang membantu bisnis mengembangkan strategi dan proses AI untuk mengoptimalkan operasi dan mendorong keunggulan kompetitif. Dia bergabung dengan kami di acara itu pada bulan Agustus, dan saya mulai dengan bertanya kepadanya: Apa perbedaan utama antara membangun dan membeli solusi AI? Bagaimana bisnis dapat memutuskan pendekatan mana yang lebih cocok untuk kebutuhan mereka sendiri?

"Ya, menjadi relatif lebih sederhana untuk membangun AI, tetapi masih membutuhkan banyak waktu, uang, sakit hati, usaha, dan malam tanpa tidur"

Andrew: Jika Anda dan saya melakukan percakapan ini lima atau delapan tahun yang lalu, jawabannya akan sangat berbeda. Saat itu, untuk memasukkan AI ke dalam bisnis Anda, kemungkinan besar Anda harus pergi dan membangun sesuatu yang adil, dan melakukan itu membutuhkan banyak darah, keringat, air mata, uang, dan waktu. Tetapi ada gerakan demokratisasi AI di mana kekuatan alat dan alur kerja ini dapat masuk ke tangan banyak orang untuk membuat aplikasi yang kuat.

Saat ini, analisis di sekitar build versus buy didorong oleh beberapa hal, tetapi dimulai dengan kesadaran. Anda mungkin memiliki visi atau masalah yang perlu dipecahkan, dan jika Anda tidak tahu apa yang ada di luar sana, Anda mungkin menemukan diri Anda tertarik pada keputusan untuk membangun. Dan ya, menjadi relatif lebih sederhana untuk membangun AI, tetapi masih membutuhkan banyak waktu, uang, sakit hati, usaha, dan malam tanpa tidur. Itu mungkin, dan biayanya telah turun sedikit, tetapi alasan mengapa Anda akan mempertimbangkan itu adalah bahwa mungkin tidak ada solusi di luar sana yang dapat menyelesaikan masalah Anda, jadi Anda mencari sesuatu yang sangat unik.

Mungkin Anda mencoba membangun pembeda kompetitif besar, baik dalam lini penawaran produk baru atau dalam cara Anda beroperasi secara internal. Tapi itu adalah alasan yang mungkin ingin Anda beli jika ada sesuatu yang belum ada dan Anda ingin mendapatkan pendapatan baru. Dan jelas, ketika Anda membeli sesuatu dari rak, itu sesuatu yang lebih umum digunakan, dapat diakses, relatif cepat diimplementasikan, relatif murah, dan Anda biasanya menargetkan keuntungan efisiensi operasional yang besar juga.

Liam: Apakah ada langkah yang perlu dilakukan oleh bisnis saya agar siap?

Andrew: Itu pertanyaan yang kami dengar sepanjang waktu. Kami memiliki penilaian kesiapan AI yang dapat Anda ambil melalui situs web kami, dan apa yang diukur tidak harus apakah Anda harus menggunakan AI atau tidak karena jawaban selimut itu benar -benar - sejauh mana, apa kedalaman, atau bahkan pada kecepatan berapa Ubah manajemen Anda harus bergerak atau merasa nyaman bergerak ke arah. Kami menilai hal-hal tentang operasi strategi, pembelian AI, dan bahkan orang-orang yang merupakan bagian dari perusahaan untuk merasakan seberapa siap orang-orang Anda. Apakah Anda berpikir secara strategis dengan AI dalam pikiran? Apakah Anda memiliki strategi AI? Banyak perusahaan akhirnya mencetak cukup rendah pada bagian strategi itu karena mereka baru saja mulai memikirkan AI.

Peluang lain yang sering saya terima adalah datang dan mempresentasikan AI kepada tim pimpinan, yang kami lakukan dalam bentuk lokakarya. Kemudian, kita masuk ke dalam apa yang kita sebut penilaian cepat, yang merupakan titik awal yang baik untuk mengidentifikasi masalah-masalah dalam bisnis yang merupakan titik kesulitan utama dan tugas-tugas manual yang membosankan yang perlu diatasi untuk memetakan masalah-masalah tersebut ke solusi AI yang potensial. Kami mengidentifikasi peluang kemenangan cepat dan menyusun peta jalan dalam memilih dan menerapkan alat yang tepat untuk peluang tersebut. Seringkali, hal ini dimulai dengan penilaian kesiapan, membangun kesadaran di dalam perusahaan, menemukan peluang-peluang AI yang kecil, dan menerapkannya untuk mulai mendapatkan keluaran dan hasil yang luar biasa serta mulai mendapatkan kepercayaan pada bisnis seputar AI.

Liam: Jadi, jika mereka membeli solusi AI yang sudah ada, menurut Anda faktor apa yang paling penting yang harus mereka pertimbangkan untuk memastikan manfaat langsung dan laba atas investasi yang tinggi?

Andrew: Saya pikir ini dimulai dengan melihat ke dalam. Jika teman Anda bertanya, “Hei, saya sedang belanja mobil. Mobil apa yang harus saya dapatkan?” Saya bisa menyarankan mobil, tapi mungkin tidak cocok untuk Anda, bukan? Apakah Anda punya keluarga? Apakah kamu ingin pergi dengan cepat? Apakah Anda perlu menarik banyak barang? Jadi, Anda perlu menentukan apa yang tepat untuk Anda dan bisnis Anda. Anda perlu memahami proses Anda dan menangkap persyaratan yang Anda butuhkan. Anda juga memerlukan visibilitas tentang peraturan keamanan atau kepatuhan apa pun yang harus dipatuhi oleh bisnis atau alat Anda. Selain itu, poin integrasi apa yang perlu Anda waspadai? Sistem dan aplikasi lain apa yang ingin Anda integrasikan? Setelah Anda memiliki daftar tersebut, daftar tersebut akan membahas apa yang ada di pasar yang dapat memenuhi sebanyak mungkin persyaratan dan memilih yang tepat – tidak hanya berdasarkan kebutuhan tersebut, tetapi juga analisis biaya. Apakah jusnya layak untuk diperas? Lalu Anda mulai menerapkannya, yaitu tentang mengonfigurasi alat, melatihnya, dan mengujinya.

“Kami memiliki klien yang pendapatan tahunannya meningkat dari $10 juta menjadi hampir $20 juta dan tidak perlu menambahkan satu orang pun ke staf mereka”

Manajemen perubahan sering kali diabaikan, dan hal ini sangat disayangkan karena Anda menghabiskan banyak waktu untuk menyiapkan segala sesuatunya hanya untuk memungkinkan para CEO mengabaikan upaya tersebut dan berkata, “Hei, ayo kirimkan tautannya ke orang-orang kita. Kami yakin mereka akan melakukannya.” Mereka membutuhkan kesadaran, komunikasi, dan pelatihan. Beberapa akan membutuhkan pegangan. Dan hal ini akan benar-benar meningkatkan adopsi. Kami membantu klien kami melewati seluruh proses itu. Dan satu hal yang saya suka soroti adalah kami membantu klien kami melakukan uji coba sistem sehingga mereka mendapatkan masukan yang baik dari mereka yang menggunakannya. Dan orang-orang yang menggunakannya sebenarnya menjadi pemberi pengaruh positif terhadap perubahan di perusahaan.

Liam: Banyak perusahaan yang ingin memanfaatkan AI untuk meningkatkan keuntungan. Seberapa besar kemungkinan hal tersebut dapat dicapai, dan apakah sudah ada perusahaan yang melakukannya?

Andrew: Tentu saja ada. Dalam pembicaraan saya, saya sebenarnya menyoroti Fin, produk dari Intercom. Dan seseorang mengangkat tangannya dan berkata, “Begini, ketika kami pertama kali menerapkan Fin, kami memiliki tim yang terdiri dari lima orang yang menyediakan dukungan layanan pelanggan secara online. Kami meluncurkan Fin, dan sekarang, lima orang tersebut memberikan perlindungan dan dukungan yang setara dengan 20 orang.” Itu sangat besar, bukan? Itu adalah ROI yang sangat besar. Jadi, untuk bisnis tertentu yang ingin berkembang, kini mereka tidak perlu mengeluarkan biaya tersebut dalam daftar gaji. Alat tersebut mampu beradaptasi dan menjadi faktor eksponensial bagi karyawan yang menggunakannya.

Kami memiliki klien yang pendapatan tahunannya meningkat dari $10 juta menjadi hampir $20 juta dan tidak perlu menambahkan satu orang pun ke staf mereka.

Liam: Senang mendengarnya. Namun waktu dan biaya adalah hal yang sering saya dengar orang-orang sebutkan dalam hal ini. Ini jelas merupakan metrik yang penting bagi bisnis. Apa yang akan Anda katakan kepada orang-orang yang mencoba mengembangkan strategi untuk mengevaluasi faktor waktu dan biaya ketika mengambil keputusan untuk membeli solusi AI?

Andrew: Begini, banyak data yang keluar, dan saya akan memberi Anda tiga angka untuk dipertimbangkan, oke? MIT mengeluarkan penelitian yang menunjukkan peningkatan produktivitas sebesar 40%. McKinsey melakukan penelitian serupa yang menunjukkan bahwa 30% dari hal tersebut akan tercapai, saya yakin, pada tahun 2030. Deloitte mengeluarkan satu studi bahkan sebelum semua kegilaan terhadap AI generatif yang mengatakan bahwa AI dan pembelajaran mesin akan mendorong peningkatan produktivitas sebesar 37% di kalangan bisnis. pengguna.

Anda tentunya dapat menghitung angka Anda sendiri, melihat kasus per kasus, dan mencoba memperkirakan, “Oke, jika saya menerapkan alat ini, alat ini mungkin akan menghasilkan peningkatan produktivitas sebesar 40%, mengurangi 40% jam kerja; kami membayar orang sejumlah X dolar per jam…” Jika Anda bisa mendapatkan angka sekitar itu dan melakukan perhitungan singkat antara waktu yang dihemat versus uang yang dikeluarkan, itu adalah ROI yang sangat besar. Dan saya juga melihat bagian lain dari hal ini – pertumbuhan yang kini dapat Anda capai tanpa perlu menaikkan gaji. Kami memiliki klien yang pendapatan tahunannya meningkat dari $10 juta menjadi hampir $20 juta dan tidak perlu menambahkan satu orang pun ke staf mereka, yang akan terdiri dari delapan hingga 10 orang lagi. Itu adalah keuntungan profitabilitas yang sangat besar dengan pertumbuhan tersebut. Ini adalah persamaan matematika yang perlu Anda jalankan untuk bisnis Anda.

Tonton episode lengkapnya di sini:

Mendukung metrik di era AI

Liam: Rangkaian AI muncul di sebagian besar episode kami tahun ini, jadi sudah sepantasnya kita mengakhiri percakapan tentang bagaimana AI menciptakan peran pendukung, bukan mengambilnya. Saya duduk bersama Christian Osmundsen, Global Head of Customer Experience di Deliverect, Ruth O'Brien, Director of Automated & Proactive Support di Intercom, dan Sam Forde, Merchant Success Manager di Zapiet. Dengan perubahan peran dan perubahan strategi – bagaimana kita mengukurnya? Metrik apa yang paling Anda perhatikan saat memperkenalkan teknologi baru ini ke dalam operasi dukungan Anda? Christian, bagaimana denganmu?

Kristen: Tentu, Liam. Sebagai aturan umum, kami selalu melihat dan bertanya apakah hal ini membuat kami lebih efisien. Itu yang pertama-tama kami lihat. Dan apakah itu menambah nilai bagi pelanggan kita? Kita perlu waktu beberapa bulan untuk melihatnya – tidak ada keputusan yang terburu-buru.

“Kami berada pada tingkat resolusi 13-14%, dan itu tidak bagus. Saat ini, angkanya sekitar 26%, jadi dua kali lipatnya”

Namun terkait AI, kami mengukur volume dukungan dengan cermat. Kami ingin melihat seperti apa hal ini, tidak hanya dalam angka absolut tetapi juga rasio per akun, dan lain-lain. Melihat kurva yang menurun merupakan hal yang menggembirakan bagi semua orang. Kami melihat waktu respons dan, tentu saja, kepuasan pelanggan baik untuk interaksi manusia, bagian di mana bot terlibat, dan hanya percakapan penyelesaian Fin atau AI. Kami ingin melihat bagaimana hal ini dapat berkembang seiring berjalannya waktu. Saya pikir pada awalnya, pelanggan akan kesulitan jika hanya ditangani oleh bot. Namun menurut saya, seiring berjalannya waktu, hal ini akan berubah total. Ini masih awal.

Yang terakhir, kami banyak memperhatikan tingkat jawaban untuk AI. Saya kembali untuk mempersiapkan panggilan pelaporan kami pada bulan Mei ketika kami mulai. Dan kami berada pada tingkat resolusi 13-14%, dan itu tidak bagus. Saat ini, kita berada pada angka 26%, jadi dua kali lipatnya. Dan kami punya target menjelang akhir tahun menuju 35-40%. Dan saya pikir itu masih dalam jangkauan. Kami sebenarnya melihat di akhir pekan, ketika pelanggan berpikir kami mungkin tidak buka dan mereka lebih terdorong untuk mencari sendiri, tarif kami langsung naik hingga 35%-ish.

Liam: Adakah yang bisa berbagi tentang dampak AI terhadap KPI Anda sejauh ini? Sam, mungkin aku akan menemuimu dulu.

Sam: Saya menggemakan banyak hal yang baru saja dikatakan Christian di sana. Kami masih mempelajari CSAT, yang merupakan sistem tradisional, namun yang dibicarakan bukan lagi karyawan Anda – melainkan Fin yang berinteraksi dengan karyawan Anda. Namun hal yang sangat penting bagi kami adalah kepuasan karyawan dalam bisnis ini. Kami melihat tingkat retensi yang jauh lebih besar. Kami belum melihat siapa pun meninggalkan bisnis kami tahun ini. Dan menurut saya keterlibatan mereka dalam peran lain membantu mereka berpikir untuk berkarir bersama kami. Secara tradisional, dukungan dapat menjadi peran yang membuat orang sering berubah. Namun menurut saya ini hampir merupakan masa keemasan di mana Anda dapat terjun ke dunia dukungan, dan Anda belum tentu hanya menjadi agen dukungan – Anda hampir menjadi seorang generalis dukungan yang melakukan berbagai hal berbeda.

“Kami telah menampilkan Fin di hadapan 8.000 orang tahun ini. Ini gila. Kami telah melihat CSAT kami melonjak 20 poin”

Kami belum memiliki peringkat kepuasan karyawan untuk tahun ini, namun saya dapat memberikan contoh yang mungkin akan meningkatkan banyak hal jika menggunakan Fin sebagai cadangan dan teknologi AI yang kami miliki tahun ini. Biasanya, retret tim kami setiap tahun berlangsung selama dua atau tiga hari. Kami akan melarikan diri secepat mungkin dan kembali ke laptop ke kotak masuk yang semoga tidak menjadi terlalu besar. Tahun ini, kami bisa pergi selama seminggu penuh. Dan Fin, biarkan kami terus memantau dan terus berlari. Dan jika kami dapat membawa tim pergi selama seminggu penuh, semoga itu akan menjadi hal yang luar biasa di CSAT itu.

Namun jika menyangkut angka sebenarnya, bisnis kami jauh lebih kecil, namun kami telah menampilkan Fin di hadapan 8.000 orang tahun ini. Ini gila. Kami telah melihat CSAT kami melonjak 20 poin – kami telah meningkat dari 70% menjadi berada di angka terendah tahun sembilan puluhan setiap minggunya. Dan jika Anda melihat grafik dan waktu saat kami menerapkan Fin, sebenarnya jangka waktunya adalah tersebut.

Seperti yang disebutkan Christian, akhir pekan dan jam-jam di luar kantor adalah waktu yang paling tepat. Kami melihat peringkat Fin kami jauh lebih tinggi di akhir pekan. Meskipun ada orang sungguhan di sana, mereka menilai sesuatu jauh lebih tinggi karena mereka mendapatkan respons instan di saat yang tidak mereka duga. Kami mengidentifikasi diri sebagai merek yang sangat Inggris, dan kami memiliki klien di Australia dan Jepang, dan mereka langsung mendapatkan jawabannya sekarang. Jadi, CSAT telah meningkat secara besar-besaran. Saya pikir itu adalah hal yang besar. Jika Anda tidak terjun ke dalamnya hanya untuk itu, saya tidak tahu mengapa Anda tidak melakukannya.

Dengarkan episode lengkapnya di sini:

Liam: Baiklah, itu dia. Setahun inovasi dan percakapan. Dan mereka hanyalah segelintir pemimpin pemikiran dan pakar yang bergabung dengan kami tahun ini. Anda dapat membaca dengan teliti seluruh katalog belakang kami yang berisi lebih dari 400 episode di mana pun Anda mendengarkan podcast. Terima kasih kepada semua kolega dan tamu kami yang luar biasa, tetapi yang terpenting, terima kasih telah mendengarkan.