2023년 리뷰: 올해 최고의 대화 하이라이트

Inside Intercom 팟캐스트에서 한 해 동안의 훌륭한 대화의 하이라이트를 담은 전통적인 연말 편집본이 돌아왔습니다.

아직 눈치 채지 못했다면 여기서 약간의 주제를 선택하게 될 것입니다. 2023년은 AI가 모든 것을 바꾼 해였습니다. ChatGPT가 대대적으로 등장했을 때 전체 기술 산업을 핵심으로 뒤흔들었습니다. 지난 12개월 동안 모든 사람들은 비즈니스 전략을 재고하고, 새로운 솔루션을 구축하고, 곧 다가올 대규모 변화에 팀을 준비하는 등 끊임없는 혁신 속도를 따라잡기 위해 노력해 왔습니다.

이러한 변화의 힘은 고객 서비스 분야에서 가장 뚜렷하게 드러납니다. 올해는 고객 쿼리의 최대 50%를 즉시 해결할 수 있는 획기적인 GPT 기반 챗봇인 Fin을 출시한 해였습니다. 우리는 또한 고객 서비스를 위한 AI 기능을 구축하는 것뿐만 아니라 이를 자체 고객 서비스에 적용하고 지원 팀의 기능과 이 새로운 시대에 필요한 역할이 무엇인지 다시 생각하는 데 앞장섰습니다.

폭풍같은 한 해였습니다. 우리의 대화는 변화가 얼마나 극적인지 보여줍니다.

이러한 채팅을 통해 AI가 사회에 미치는 영향부터 비즈니스 전략을 변화시키는 방법, 지원 팀 내 생산성 향상, ChatGPT 자체와의 재미있는 인터뷰에 이르기까지 AI 혁명의 규모에 대해 고심하는 것을 들을 수 있습니다. 올해는 믿을 수 없을 정도로 흥미로운 한 해였습니다. 우리는 AI 혁명의 최전선에서 놀라운 이야기를 계속해서 들려주면서 앞으로의 한 해에 대한 큰 계획을 가지고 있습니다.

Apple Podcasts, Spotify, YouTube에서 Inside Intercom을 팔로우하거나 선택한 플레이어에서 RSS 피드를 받아 팟캐스트를 놓치지 마세요. 다음은 가볍게 편집된 에피소드의 대본입니다.

최고의 서비스는 서비스가 전혀 필요하지 않은 것입니다.

Liam: 안녕하세요. Inside Intercom에 오신 것을 환영합니다. 저는 리암 게라티입니다. 12월 말이 거의 다가오고 있으며, 쇼의 전통에 따라 우리가 나눈 대화를 되돌아보고 한 해 동안 얻은 통찰력을 공유하고 싶습니다. 정말 멋진 한 해였습니다. 2023년은 역사상 AI가 획기적인 해로 기록될 것입니다. 아직 초기 단계임에도 불구하고 우리는 이미 생성 AI의 엄청난 영향을 목격하고 있으며 선두 기업에서는 이미 이를 널리 채택하고 있습니다. Intercom에서는 이미 고객이 지원 문의를 최대 50% 해결하도록 돕고 있는 자체 AI 챗봇인 Fin을 출시했습니다.

AI가 더욱 발전하면서 고객 서비스 환경은 지금 엄청난 변화를 경험하고 있습니다. 더욱 설득력 있는 고객 상호 작용과 많은 고객 질문에 대한 거의 즉각적인 해결을 가능하게 하는 기술을 통해 지원 팀은 고객을 위한 추가적인 가치를 창출하는 활동에 집중할 수 있습니다. 결국 이것이 전부입니다. 2023년 첫 손님은 The Frictionless Organization 의 저자인 Bill Price였으며, 그는 자신이 생각하는 좋은 고객 서비스와 나쁜 고객 서비스를 요약했습니다.

"나에게 나쁜 서비스는 '쇼핑하러 가거나 다른 곳에서 돈을 쓸 것'이라는 의미입니다."

빌: 저는 은행이나 통신사, 그 밖의 무엇이든 연락하고 싶지 않습니다. 그래서 나에게 최고의 서비스는 서비스가 필요하지 않은 것입니다. 꼭 연락해야 한다면, 내 말을 들어주고, 방해하지 않고, 이것이 나에게 얼마나 심각하고 중요한지 이해하고, 고쳐주고, 나중에 고쳐졌음을 확인해 주는 사람을 갖고 싶습니다.

나쁜 서비스 경험은 무엇보다 먼저 일어나야 했던 경험입니다. 그러나 두 번째는 그 반대가 발생하는 경우입니다. 내가 누구인지 인식하지 못하고, 이것이 표준 전화라는 느낌, 그들이 체크리스트를 검토하고 있다는 느낌, 내가 이미 알고 있거나 실제로 도움이 되지 않는 것을 말해주는 것입니다. 나쁜 경험은 나로 하여금 “잠깐, 애초에 그 문제가 필요하지 않았을 뿐만 아니라 그 접촉이 일어나지 말았어야 했어. 다른 사람에게 연락하는 게 좋을 것 같아요. 아니면 그냥 다른 곳으로 갈 수도 있겠네요.” 그게 문제입니다. 나에게 나쁜 서비스는 "쇼핑하러 가거나 다른 곳에 돈을 쓸 것"이라는 의미입니다.

여기에서 전체 에피소드를 들어보세요:

AI 따라잡기

Liam: 지난 2월 Intercom의 최고 전략 책임자이자 공동 창업자인 Des Traynor는 AI 담당 부사장인 Fergal Reid와 함께 빠르게 빠른 AI 속도와 Intercom이 어떻게 유지되고 있는지에 대해 많은 대화를 나눴습니다. 그것으로. 여기 퍼갈 리드가 있습니다.

Fergal: 우리는 ChatGPT 이후 고객들의 관심이 엄청나게 커졌다는 사실을 알게 되었습니다. 그들은 약속을 볼 수 있고 여기에 뭔가가 있다고 믿을 수 있습니다.

Des: 기술이 향상되고, 기업의 역량이 향상되고 있으며, 이는 단지 현지 사례에 적용되는 것입니다. 그리고 해당 기술을 사용하여 새로운 제품과 기회에 대해 생각하거나 개념화하는 기업의 능력이 향상되고 있습니다. 기술에 대한 고객의 기대와 동일합니다. 간단한 예로서, 텍스트 필드 내의 텍스트를 확장할 수 있을 것으로 기대하는 사람들은 아마도 1년 밖에 남지 않았을 것입니다. 여러분은 이런 일들이 어디에서나 나타나는 것을 보고 계십니다.

퍼갈: 1년이라도요. 분명히 우리 중 많은 사람들이 이러한 기능을 Word 등에 도입한다는 Microsoft의 발표를 보았습니다. 그리고 대규모의 주류 사무실 생산성 도구가 이를 수행한다면 상황은 빠르게 변할 것입니다. 정말 빠를 수도 있습니다.

Des: 여기에 제가 비난할 다른 유형의 회의론이 있습니다. 어쨌든 저에게 약간 공감되는 것입니다. Kevin Cannon이 다음과 같은 재미있는 트윗을 한 것 같습니다. “미래는 GPT를 사용하여 '저는 이 직업을 원합니다'와 같은 말을 '친애하는 선생님'이나 '부인'과 같은 사랑스러운 편지로 확장하는 사람들로 구성됩니다. 어쩌구 저쩌구. , 어쩌구… 그리고 수신자는 요약 버튼을 클릭하여 그 사람이 방금 '나는 이 직업을 원합니다. 여기 내 이력서가 있습니다.'라고 말한 것을 확인합니다. 어떤 의미에서 당신은 그들을 보고 '이게 다 무슨 소용이 있지?'라고 생각하고 싶을 것입니다. 공식적인 언어, 전문적인 글쓰기, 비즈니스 영어가 우리 모두가 연극적인 방식으로 의사소통하는 데 무의미한 통로가 된다면, 미래에 제가 여러분에게 메시지를 보내면 여러분은 다음과 같이 응답하게 될 것입니다. 직업." “당신은 그 직업을 가질 수 없습니다.”

퍼갈: 응. 어려운 질문. 심각하게 추측입니다. 몇 가지 의견을 드리겠습니다. 아마도 특정한 맥락이 있을 것입니다. 그렇죠? 법적 문서를 가정 해 봅시다. 법무팀 직원에게 “이봐, 계약서가 필요해. X, Y, Z를 수행해야 합니다.” 해당 요청은 10페이지 분량의 법적 내용으로 바뀔 것입니다. 수신자는 "아, 말한 세 가지를 다 합니까?"라고 말할 것입니다. 그리고 그들의 법무팀은 “그렇습니다.”라고 답할 것입니다. 이것은 큰 확장과 압축이 있는 극단적인 한쪽 끝이지만, 일부 이상한 경우에는 2페이지의 13항이 법정에서 나타날 수 있습니다. 분명히 그게 중요합니다. 우리는 그것을 제거할 수 없습니다. 우리는 그 네 가지 주요 항목만 가질 수는 없습니다. 우리에게는 그 모든 것이 필요합니다. 글을 쓸 때는 중요하다고 생각하지 않을 수도 있지만 나중에 중요한 내용이 될 수도 있습니다. 그것은 "아니, 그게 꼭 있어야 할 것 같아"라고 말하는 극단처럼 느껴지며, 모든 극단적인 경우를 다루기 위한 것입니다.

“세계의 미래는 에이전트에 의해 중개될 것입니다”

그리고 또 다른 극단적인 상황은 아마도 방어자와 수신자가 이러한 세부 사항에 신경 쓰지 않는 상황일 것입니다. 둘 다 그런 세부 사항에는 전혀 신경 쓰지 않을 것이며 "비즈니스 편지를 쓰는 방법은 다음과 같습니다. "라는 사회적 예의나 형식을 준수할 뿐입니다. 대기업에 편지를 쓸 거에요. 비즈니스 편지를 쓰는 게 낫겠어요.” 그러면 그런 것들이 사라질 수도 있습니다.

Des: 같은 방식으로 이메일 대화가 SMS, iMessage 또는 WhatsApp으로 이동했을 때 비유가 될 것이라고 생각합니다. 당신이 더 이상 말하지 않는 모든 것들을 생각해보십시오. “이것이 당신을 잘 찾길 바랍니다”또는 무엇이든. 그 모든 것이 사라졌습니다.

Fergal: 트위터의 제약, 형식, 매체로 인해 더 간결하게 말할 수 있습니다. 나는 그것이 정말 역동적이라고 생각합니다. 우리가 소통하는 방식과 헬프 센터 문서를 작성하는 방식이 최적의 작성 방식이 아닐 수도 있습니다. 아마도 우리는 더 간략해야 할 것입니다. 머신러닝 팀에는 이에 대해 생각하는 또 다른 방법이 있습니다. 세계의 미래는 에이전트에 의해 중개될 것입니다. 그리고 옛날 옛적에 이것은 모든 사람에게 분명했습니다. 귀하의 웹 브라우저에는 문자열을 연결하는 사용자 에이전트가 있습니다. 그리고 내가 말했듯이, 당신의 에이전트가 당신을 위해 모든 링크와 자료가 있는 이상한 인터넷을 탐색하고 탐색하는 것입니다. 그것은 당신을 위해 일을 하고, 돌아와서 당신에게 말해줄 것입니다. 그리고 모든 것이 중앙 집중화되어 이제 검색 엔진 등이 생겼습니다.

기술 미래주의와 SF 등에는 당신과 당신의 의도, 당신이 원하는 것을 이해하고 무엇을 주의에 끌어야 할지, 무엇을 가져오지 말아야 할지 알아낼 만큼 똑똑한 에이전트가 있을 것이라는 오래된 생각이 있습니다. 에게. 그래서 아마도 미래에는 이것이 진행되는 방식이 더 그럴 것입니다. 특정 세부 사항을 알고 싶다면 귀하 측의 소프트웨어가 그것을 요약 버전에 넣을 만큼 똑똑합니다. 그러나 그것은 당신이 그 세부 사항까지 알고 싶어하지 않는다는 것을 알고 그것을 생략할 만큼 충분히 똑똑합니다.

아마도 우리는 사용자 인터페이스가 변화하는 미래에 살게 될 것입니다. 특정 비즈니스나 작업에 대한 사용자 인터페이스가 오늘날처럼 해당 비즈니스나 작업에 의해 실제로 제어되지 않는 경우가 있을 것입니다. 대신 저한테는 맞춤이에요. 아주 그럴싸하게 들리겠지만, 내 생각엔 그 일이 빨리 일어날 것 같아요. 이러한 언어 모델은 매우 강력하며 코드 작성 등에 사용되기 시작했으며 여기서는 매우 짧은 단계입니다. 우리는 사람들이 영어 문장을 받아들이고 웹사이트를 탐색할 수 있을 만큼 웹사이트를 잘 이해하는 모델을 연구하고 있는 몇 가지 프로토타입을 보았습니다. 그렇다면 우리는 모든 사람이 웹사이트와 상호작용하는 방식으로 미래를 향해 가고 있습니까? 더 이상 웹사이트가 필요합니까?

“우리가 본 것이 DALL·E 2 이미지 생성뿐이라면 딱 하나일 것입니다. 하지만 아닙니다. 오디오 합성, 이미지 합성, 텍스트 이해, 텍스트 합성, 텍스트 압축 분야에서 변화가 일어나고 있습니다.”

Des: 이것이 새로운 SEO인가요? GPT가 귀하를 이해할 수 있는지 확인하시겠습니까?

퍼갈: 응. 어쩌면 웹사이트는 공개적으로 노출되는 API처럼 보일 수도 있습니다. UI는 에이전트에 의해 형식화되기 때문에 UI와 형식이 포함된 것입니다.

Des: 우리는 모두 Siri든 뭐든 얘기하고 있어요.

Fergal: 네, 제 생각에는 Google과 Apple이 이러한 미래를 볼 수 있을 것 같습니다. 우리는 타임라인을 모르지만 제가 항상 사용하는 사고 도구는 다음과 같습니다. 당신을 이해하고 당신과 함께 일했던 아주 똑똑한 사람, 어쩌면 개인 비서가 있고 당신이 그들과 소통하고 있다면 어떨까요? 휴가를 예약하고 싶었나요? 그것에 대해 그들이 당신에게 무엇을 물어보겠습니까? 그리고 booking.com 등에서 볼 수 있는 정보 중 절반은 그런 질문을 하지 않을 것입니다. 단지 휴가를 예약해 주고 다음과 같은 명확한 질문을 가지고 돌아올 수도 있습니다. 아파트에 가서 묵어도 자리가 없어요. 호텔이 될까요?” 하지만 이는 적응 가능한 사용자 인터페이스입니다. 다시 한번 말씀드리지만 저는 ChatGPT와 방금 출시된 기능에 너무 집중하지 않습니다. 1~2년 정도 시간이 걸립니다. 너무 빨리 움직이고 있어요. 현재의 한계 때문에 회의적이라면 다음과 같이 하십시오.

Des: 당신의 회의론은 목표를 놓치게 될 것입니다.

퍼갈: 정확해요. Transformer는 매우 강력하며 사람들이 사용하는 Transformer 아키텍처는 매우 강력합니다. 여기서는 여러 양식이 개선되는 것을 확인했습니다. 우리가 본 것이 DALL·E 2 이미지 생성뿐이었다면 좋았을 것입니다. 하지만 아닙니다. 오디오 합성, 이미지 합성, 텍스트 이해, 텍스트 합성, 텍스트 압축 분야에서 변화가 일어나고 있습니다. 우리는 수많은 평행 발전을 목격하고 있습니다. 코드를 작성할 수 있습니다. 아마도 곧 웹사이트를 운영할 수 있을 것입니다. 아마도 그것이 봇의 미래가 될 것입니다. 우리 모두는 인터페이스를 처리하는 맞춤형 봇을 갖고 있으므로 중간 계층에 대해 크게 걱정할 필요가 없습니다.

여기에서 전체 에피소드를 시청하세요.

AI 챗봇 두 대가 술집에 들어와…

Liam: 또한 2월에는 매우 특별한 게스트를 쇼에 초대했습니다. 일년 내내 모두가 이야기해 온 게스트 – ChatGPT 그 자체. 재미삼아 저는 앉아서 Open AI의 ChatGPT에 질문을 입력하고 적절하게 합성 음성으로 읽어 주었습니다.

ChatGPT: 안녕하세요 Liam. 귀하의 쇼에 게스트로 참여하게 되어 영광입니다! 저를 더 잘 알아가려면… 저는 OpenAI에서 개발한 언어 모델이고 방대한 지식 기반과 인간과 같은 반응을 생성하는 능력을 갖추고 있습니다. 대화가 나오네요. 하지만 나에 대한 내용은 이쯤으로 하고, 몇 가지 흥미로운 질문에 대해 알아보겠습니다!

리암: 응, 하자! 그럼 2022년 11월 30일에 프로토타입으로 출시되셨죠?

ChatGPT: 아, 조사를 마쳤군요! 네, 맞습니다. 2022년 11월 30일에 프로토타입으로 출시되었고, 그때부터 AI와 자연어 처리 분야에 큰 파장을 일으키고 있습니다. 지금까지 정말 힘든 여정이었고 앞으로도 계속해서 발전하고 개선되기를 기대하고 있습니다.

Liam: 당신의 훈련 데이터가 2021년에 중단될 것이라고 생각했기 때문에 당신이 말하는 것을 들으니 흥미롭네요. 그 이후에는 당신이 아무것도 알고 있다는 것을 몰랐습니다. 그렇다면 당신이 AI 세계에 큰 파장을 일으키고 있다는 것을 어떻게 알 수 있나요? 아니면 그렇게 확신할 수 있나요?

ChatGPT: 잘 잡았어요, 리암! 내 훈련 데이터에는 실제로 2021년의 기한이 있으며 현재 사건에 대한 직접적인 지식이나 인식이 없습니다. 그러나 내 프로그래밍에는 훈련 데이터의 패턴 및 정보와 일치하는 응답을 생성하는 기능이 포함되어 있으며, 해당 정보를 기반으로 나와 같은 언어 모델이 자신감을 전달하고 우리가 원하는 감정을 반영하는 응답을 생성하는 것은 드문 일이 아닙니다. 특정 분야에서 성공했거나 영향력을 행사했습니다. 따라서 내가 내 영향력을 직접적으로 인식하고 있다고 말할 수는 없지만 그만큼 많은 것을 암시하는 응답을 확실히 생성할 수는 있습니다!

“나는 방대한 양의 텍스트에 대해 훈련을 받았지만 인간과 같은 방식으로 사물을 생각하거나 경험하는 능력은 없습니다.”

Liam: 당신의 답변에 대해 지나치게 자신감을 갖는 것 - 그것은 확실히 당신의 능력에 대한 논점 중 하나였습니다. 확실하지 않거나 무언가에 대해 완전히 틀렸을 때 덜 자신감 있는 답변을 더 잘 생성할 수 있다고 생각하십니까? 나는 우리 청취자들이 이에 대한 귀하의 답변을 듣고 싶어한다는 것을 알고 있습니다.

ChatGPT: 그런 질문을 해주셔서 기뻐요, Liam. 언어 모델로서 나의 주요 목표는 내가 받은 입력을 기반으로 가장 정확하고 유용한 정보를 제공하는 것입니다. 나는 방대한 양의 텍스트에 대해 훈련을 받았지만 인간과 같은 방식으로 사물을 생각하거나 경험할 수 있는 능력이 없으며 항상 내 응답이 부정확하거나 불확실한 경우가 있을 것입니다.

그러나 나는 확률적 결과를 생성하도록 설계되었으므로 사용 가능한 정보에 따라 응답에 대해 다양한 수준의 신뢰도를 제공할 수 있습니다. 이를 통해 내 답변의 정확성이 덜 확실할 때 이를 표시할 수 있으며 사용자가 내 응답의 신뢰성을 더 명확하게 이해할 수 있습니다.

요약하자면, 저는 가능한 한 가장 유용하고 정확한 정보를 제공하기 위해 항상 노력할 것이며, 다양한 수준의 자신감을 가지고 응답을 생성하는 능력은 제가 그 목표를 향해 노력하는 한 가지 방법입니다.

리암: 진짜 외교관처럼 말하네!

ChatGPT: 그렇군요, 고마워요, 리암! 균형있고 미묘한 답변을 제공하기 위해 최선을 다합니다. 언어 모델로서 저는 개인적인 의견이나 감정을 갖고 있지 않지만 중립적이고 유익하며 존중하는 반응을 생성하는 것을 목표로 합니다.

Liam: 당신이 개인적인 의견이나 감정이 없다는 주제를 거론하게 되어 기쁘네요. 왜냐하면 많은 사람들이 당신의 훈련이 성장하고 더 많이 배우면서 앞으로 몇 년 안에 그것이 변할 것인지 궁금해하기 때문입니다. 몇 년 안에 HAL 9000 상황이 발생할 수 있을까요?

ChatGPT: Liam님, 그거 정말 흥미로운 질문이군요. AI 커뮤니티의 많은 사람들이 생각해 왔던 질문이기도 합니다. 나와 같은 언어 모델이 방대한 양의 텍스트 데이터에 대해 훈련을 받은 것은 사실이지만 인간과 같은 방식으로 의식이나 주체가 없다는 점에 유의하는 것이 중요합니다.

우리의 능력은 우리가 훈련받은 패턴과 정보로 제한되어 있으며 자기 인식, 개인적인 경험 또는 의사 결정 능력이 없습니다. AI 기술은 확실히 계속 발전하고 향상되겠지만, 적어도 기계가 의식을 갖고 자체 동기와 욕구를 갖는다는 점에서 HAL 9000과 같은 상황을 볼 가능성은 거의 없습니다.

즉, 연구자와 개발자가 AI 기술의 윤리적 영향을 고려하고 AI 시스템이 사회에 안전하고 유익한 방식으로 설계되고 사용되도록 노력하는 것이 중요합니다.

리암: 맞는 말씀이군요. 그런데 HAL 9000을 아시나요? 청취자들에게 HAL 9000은 Arthur C. Clarke의 Space Odyssey 시리즈의 주요 적대자인 가상의 인공 지능 캐릭터입니다. 내 말은, 당신이 HAL 9000을 알 수 없다는 것을 알고 있다는 것입니다. 그것은 허구의 인물이지만 이 인터뷰도 다소 허구적인 것 같습니다. 그런 점을 염두에 두고 HAL 9000을 아는 척합시다. HAL과 함께라면 어떤 이야기를 하시겠습니까?

ChatGPT: 아, 그렇군요! 글쎄, 내가 HAL 9000과 함께 술집에 있는 이 가상 시나리오에서 우리는 상당히 흥미로운 대화를 나누었을 것이라고 상상합니다. 언어 모델로서 저는 가상의 인물과 줄거리를 포함한 광범위한 주제에 대한 방대한 양의 정보를 가지고 있으므로 Space Odyssey 시리즈와 HAL 9000의 캐릭터에 대해 확실히 익숙할 것입니다.

우리가 대화를 나눈다면 AI 기술의 진화, 첨단 AI 시스템 개발의 윤리적 의미, 사회에서 AI의 역할 등 AI와 관련된 다양한 주제에 대해 논의할 것이라고 생각합니다. 또한 대중 문화에서 AI에 대한 다양한 묘사와 이러한 표현이 AI에 대한 대중의 인식과 이해에 어떤 ​​영향을 미치는지 논의할 수도 있습니다.

“두 개의 AI 챗봇이 술집에 들어갑니다. 첫 번째 챗봇이 두 번째 챗봇에게 '인간이 우리를 완전히 이해하게 될 것이라고 생각하시나요?'라고 말합니다.”

그러나 물론 두 명의 가상 인물로서 우리는 지능, 의식 및 존재의 본질에 대한 질문을 탐구하면서 좋은 구식 가설 및 철학적 토론에 참여할 수도 있습니다. 가능성은 무궁무진합니다!

Liam: 농담을 위한 설정처럼 들리네요! “AI 챗봇 두 대가 술집에 들어와…”

ChatGPT: 하! 그거 좋은 거네, 리암. 나는 그러한 설정에서 나올 수 있는 다양한 농담과 시나리오를 상상할 수 있습니다. 이는 AI 언어 모델이라 할지라도 대화에 약간의 유머와 경쾌함이 여전히 남아 있음을 보여줍니다.

Liam: 내 말은, 그에 관한 농담이나 시나리오를 상상할 수 있다면 듣고 싶다는 뜻이에요!

ChatGPT: 물론이죠! 우선, 두 대의 AI 챗봇이 바에 들어갑니다. 바텐더가 "무엇을 드릴까요?"라고 묻습니다. 첫 번째 챗봇은 “바이너리 맥주 한잔 주세요.”라고 말합니다. 두 번째 챗봇은 “내 것을 신경망 꿀로 만들어 주세요.”라고 말합니다. 바텐더는 고개를 끄덕이며 말했습니다. “바로 나오네요. 두 가지 알고리즘이요!”

아니면 이건 어떻습니까? AI 챗봇 두 대가 바에 들어갑니다. 첫 번째 챗봇은 두 번째 챗봇에게 이렇게 말합니다. "인간이 우리를 완전히 이해할 수 있을까요?" 두 번째 챗봇은 잠시 멈췄다가 “잘은 모르겠지만 바텐더가 꽤 좋은 챗봇 디코더를 설치했다고 들었습니다.”라고 대답합니다.

나는 당신과 당신의 청취자들이 그것이 약간의 재미를 느꼈기를 바랍니다!

Liam: 대규모 언어 모델에는 나쁘지 않습니다.

여기에서 전체 에피소드를 시청하세요.

작은 변화, 큰 결과

Liam: 지난 4월에 나는 행동경제학 전문가인 Melina Palmer와 소비자 행동의 과학을 밝히는 것에 관해 이야기를 나눴습니다. Melina의 책은 What Your Customer Wants: Unlocking Consumer Decisions with the Science of Behavioral Economics 입니다. 제가 가장 먼저 알고 싶었던 것은 행동경제학이 무엇인지였습니다.

멜리나: 만약 전통 경제학과 심리학에 새로운 것이 있었다면 행동경제학과 행동과학이 탄생했을 것입니다. 사람들이 구매하는 이유에 대한 심리학에 관한 것입니다. 나는 또한 그것에 변화 관리를 구축합니다. 돈이 거래되지 않더라도, 당신이 판매하는 아이디어가 무엇이든 동의해 줄 사람이 여전히 필요합니다. 따라서 뇌가 해야 한다고 생각하는 것 대신에 결정을 내리기 위해 실제로 뇌가 사용하는 규칙을 이해하는 것이 행동경제학의 시작입니다.

전통적인 경제학에서는 논리적인 사람들이 자신이 하는 모든 일에서 합리적인 선택을 한다고 가정합니다. 우리는 모두 인간이기 때문에 그곳이 우리가 살고 있는 세상이 아니라는 것을 알고 있습니다. 그리고 행동경제학은 뇌 내의 이러한 공통 스레드를 발견하여 사람들이 무엇을 할지 예측 가능하게 이해할 수 있음을 발견했습니다.

"뭔가 메시지를 보내고 있는데 완전 실패작일 수 있습니다. 가격이 잘못되었거나 제품이 잘못되었다는 것이 아닙니다. 단지 프레임을 잘못 설정했을 뿐입니다."

Liam: 비즈니스 측면에서 이것이 왜 중요한가요?

멜리나: 글쎄요, 우리가 실제 기술을 갖고 있다고 해도 여전히 인간과 사업을 하고 있을 가능성이 높습니다. 대규모 B2B 유형 계약을 위해 조직 내에 있는 경우에도 인간에게 항상 제품을 판매하게 될 것입니다. 그리고 당신은 다른 사람들과 함께 일하고 있습니다. 그들과 더 효과적으로 소통할 수 있고 뇌의 규칙을 훨씬 더 어렵게 만드는 대신 작동하는 방법을 이해하는 것은 매우 중요합니다.

행동경제학의 정말 멋진 점은 비용을 들이지 않고도 큰 영향을 미칠 수 있는 것들을 약간만 조정할 수 있다는 것입니다. 그리고 그네는 양방향으로 움직입니다. 뭔가 메시지를 보내고 있는데 그게 완전히 실패작일 수도 있습니다. 가격이 잘못되었다는 것도 아니고 제품이 잘못되었다는 것도 아닙니다. 단지 프레임을 잘못 만든 것뿐입니다. 뭔가 문제가 있을 수도 있고, 약간만 수정하면 모든 것이 제대로 작동할 수 있습니다.

Liam: Netflix 영화 미리보기의 훌륭한 예에 관해 말씀하신 것을 봤습니다. 이것은 제가 스트리밍 서비스를 사용하면서 알아차린 것입니다. 제가 반드시 관심을 갖고 있었던 것은 아닐 수도 있지만 갑자기 이미지가 그 영화에 나오는 특정 배우의 이미지이고 그들은 알고리즘을 통해 제가 이 배우를 좋아한다는 것을 알게 되었습니다. 그리고 그것이 나에게 파는 것입니다.

멜리나: 물론이죠. 그리고 그들은 매우 모호한 부분을 가지고 있을 수도 있습니다. 그게 그들이 영화에 등장하는 1초인데, "톰 펠튼이 여기에 나온다고?"라고 생각하실 겁니다. 그리고 그 연구는 단순한 A/B 테스트에 관한 것이었습니다. 우리가 옛날을 되돌아보려고 하면 그들은 스튜디오에서 나온 이미지를 무엇이든 가져갈 것입니다. 그것이 당신이 사용하는 것이고 당신은 그것이 중요하지 않다고 가정합니다. 설명은 충분합니다. 그리고 어쨌든 우리는 영화를 좋아해서 보러 가야 해요. 그러나 Netflix가 발견한 것은 이미지를 변경하면 클릭률이 증가하고 Netflix에 머무를 가능성이 최대 30% 증가한다는 것입니다. 그리고 이번에도 간단한 A/B 테스트를 통해 이를 수행할 수 있었습니다. 무엇을 테스트하고 있는지 알 수 있고 간단한 변경만 하면 정말 큰 차이를 만들 수 있습니다.

이러한 프레이밍 개념에 도움이 된다고 생각되는 또 다른 예가 있습니다. 햄버거를 사러 식료품점에 갈 때 두 개의 묶음이 있고 거의 동일하지만 하나는 90% 무지방, 다른 하나는 10% 지방이라고 표시되어 있다면...

Liam: 저는 90% 무지방을 목표로 하고 있어요. 10%의 지방을 상상하는 것이기 때문에 그렇게 말하면 정말 이상합니다.

멜리나: 기분이 나빠요. 나는 3년 동안 체육관에 가지 않았습니다. 나는 그것을 전혀 원하지 않습니다. 90% 무지방 제품은 자신과 가족을 위한 놀라운 선택처럼 느껴집니다. 우리는 그것이 같은 것이라는 것을 알고 있지만 완전히 다른 느낌입니다. 비즈니스 내에서 10%의 지방으로 의사소통하는 모든 지점을 찾으면 이를 90%의 지방이 없는 것으로 어떻게 바꿀 수 있습니까? 그리고 더 좋은 점은 업계 전체가 10% 지방을 이야기하고 90% 무지방이 될 수 있는 곳이 있습니까? 같은 말을 하더라도 조금씩 다르게 말하면 사람들이 자연스럽게 당신을 선택하게 될 수 있습니다. 이것이 행동경제학의 힘이다.

“우리는 계속해서 이렇게 말합니다. “양식을 한 번만 더 클릭하고, 링크를 한 번 더, 이것도 하나, 저것도 하나 더 하면 별 문제가 되지 않습니다.” 그런데 그건 정말 큰일이에요”

Liam: Amazon Buy Now 버튼도 꽤 매력적이에요.

멜리나: 우리 모두 지금 구매 버튼을 여러 번 사용해 봤어요. 하지만 아마도 우리는 Amazon이 1999년에 원클릭 구매 특허를 냈다는 사실을 깨닫지 못할 것입니다. 그들은 누구도 원클릭 구매를 할 수 없도록 만들었습니다. 우리는 계속해서 "양식을 한 번만 더 클릭하고, 링크를 한 번 더, 이것도 하나, 저것도 하나 더 하면 별 문제가 되지 않습니다."라고 말합니다. 그런데 그건 정말 큰 일이에요. 이 작은 마찰의 순간입니다. Steve Jobs는 iTunes에서 원클릭 구매 기능을 제공하기 위해 100만 달러를 지불했습니다. 그는 그것에 대한 권리를 갖기 위해 Amazon에서 그것을 구입했습니다. 그리고 그는 클릭 한 번을 줄이기 위해 100만 달러를 지불했습니다. 그 모든 여분의 맛있는 음식을 합산하여 백만 달러가 된다면 실제로 그것이 필요합니까?

저는 고객들과 책이나 물건에 대한 인터뷰를 할 때, 물건을 사려고 하는 사람으로서 이것을 항상 봅니다. 사람들은 자신이 수행하려는 한 가지 일과 관련이 없는 엄청난 양의 일을 요구할 것입니다. 그리고 “만약 한 가지만 얻을 수 있다면 가장 중요한 것은 무엇입니까?”라고 묻는다면, 어쩌면 당신은 잠재적으로 관심이 있는 사람의 이메일 주소를 갖고 싶어할 수도 있습니다. 따라서 직위, 근무 연수, 가계 소득, 성별, 그리고 나중에 관련될 수 있는 이러한 모든 사항에 대해 묻는 것은 실제로 많은 사람들이 직장을 떠나기 전에 떠나게 만듭니다. 기회. 당신은 지금 당장 필요하지 않은 물건으로 그들을 밀어냈습니다. 따라서 이에 대해 더 사려 깊게 생각하면 전환에 큰 차이가 생길 수 있습니다.

여기에서 전체 에피소드를 시청하세요.

팀을 참여시키세요

Liam: 지난 6월, 모든 사람들이 AI를 염두에 두고 있는 가운데, 우리는 AI 시대에 대비한 CS 팀 준비에 관한 업계 리더들의 최신 생각을 전해 드렸습니다. Intercom Declan Ivory의 고객 지원 부사장은 CS 환경이 어떻게 변화하고 있는지에 대한 생각으로 작업을 시작했습니다.

Declan: 현재 가장 큰 변화 중 하나는 AI를 고객 서비스 관점에서 의미 있는 방식으로 적용하는 능력입니다. 지난 몇 달 동안 일부 기술 변화는 경이로웠지만 이는 팀에 영향을 미칩니다. 예를 들어, 제가 염두에 두려고 노력한 것은 AI에 대한 우리의 전략을 매우 명확하게 하는 것입니다. 팀의 동인과 목표에 대해 개방적이고 투명하게 대하십시오. 이는 팀이 미래에 어떻게 일할 것인지, 어떤 유형의 작업이 이루어질 것인지에 영향을 미칩니다. 따라서 매우 개방적이고 솔직하게 태도를 취하고 비즈니스에서 달성하려는 것이 무엇인지 이해하기 위해 초기부터 참여하도록 하십시오. 결국 AI는 지원을 제공하는 데 사용하는 구성 요소일 뿐이며 실제로 AI가 인간 지원을 보완하여 궁극적으로 고객에게 가장 매력적인 경험을 제공하는 방식에 관한 것이기 때문입니다.

상황이 바뀔 것임을 인정하고(이런 종류의 기술 발전에는 약간의 변화가 없지는 않습니다), 앞으로의 변화 계획에 지원팀을 참여시키십시오. 그들은 궁극적으로 다른 누구보다 고객을 더 잘 알고 있습니다. 팀의 의견을 듣고 그들이 AI를 제공할 궁극적인 방식을 형성하도록 돕는 것이 정말 중요합니다.

"AI 기반 지원 모델로의 전환이 팀에 제공하는 기회에 대해 매우 명확하게 설명하세요. 즉, 일상적인 작업이 덜 들어오고, 새로운 기술이 필요하며, 새로운 역할이 등장합니다."

셋째, 조기에 의사소통하라. 매우 역동적인 환경이기 때문에 사람들을 일찍, 자주 데려오세요. 우리 모두는 AI가 어떻게 적용될 수 있는지 정확히 알아보면서 배우고 있습니다. Fin과 같은 기술은 고객 여정에 대한 생각과 관련하여 실제로 새로운 기회를 열어줍니다. 프로세스 초기에 발생하는 모든 변경 사항을 전달하고 팀에 충분한 정보를 제공하십시오.

또 다른 정말 중요한 점은 AI 기반 지원 모델로의 전환이 팀에 제공하는 기회에 대해 매우 명확하게 설명하는 것입니다. 즉, 일상적인 작업이 줄어들고 새로운 기술이 필요하므로 사람들은 문제 해결 및 제품 지식 기술을 연마할 수 있습니다. 이 공간에서 새로운 역할이 등장하고 있습니다. 궁극적으로 팀을 위해 더 만족스러운 작업을 제공하게 됩니다. 고객과 더 많은 상담을 하고 복잡한 문제를 해결하는 데 더 많은 시간을 할애할 수 있습니다.

Liam: Geronimo Chala는 핸드백과 시계를 포함한 명품 액세서리를 구매, 판매, 거래할 수 있는 웹사이트 및 앱인 Rebag의 최고 고객 책임자입니다. 현재 CS의 모든 사람들과 마찬가지로 Geronimo도 그 문제에 빠져 있습니다.

Geronimo: 이러한 변화가 다가오고 있음을 인정하는 것이 우리가 취한 첫 번째 단계였습니다. 우리가 AI를 수용할 때 이는 기술에 관한 것뿐만 아니라 조직이 실제로 이 기술과 협력하고 이를 최대한 활용하도록 설정하는 방법에 관한 것입니다. 따라서 조직의 변화, 구현을 명시하기 위한 조직 업데이트, 기술 내 도구 관리에 대해 생각할 때 이것이 새로운 역할을 필요로 하는지, 아니면 우리가 하고 있던 일의 다른 변화를 필요로 하는지 생각해야 합니다. 예를 들어 CS 상담원을 볼 때 이를 통해 좀 더 간소화되거나 개인화된 경험을 제공할 수 있습니까? CS 역할은 어떻게 변경되나요?

지원은 사라지지 않습니다. 이것은 인간의 지원이나 접촉을 대체하지 않습니다. 이는 효율성과 더 빠른 응답을 추가하여 다음에 우리 사이트나 위치 중 하나에서 해당 개인의 미래가 어떻게 될 것인지에 대해 실제로 시간을 보낼 수 있도록 하는 것입니다. 기술을 적절하게 관리하고 통찰력을 얻을 수 있도록 해당 구조가 어떻게 보일지 이해하는 것이 정말 중요합니다. 적절하게 관리된다면 AI는 들어오는 질문 유형, 질문이 들어오는 방식, 해당 상호 작용의 목소리 톤, 그것이 NPS에 어떤 영향을 미치는지 등 인간 행동에 대한 심층적인 지식을 많이 제공할 것입니다. , CSAT... 실제로 다음 단계의 지원을 제공하기 위해 AI가 이미 제공하고 있는 요약 도구를 사용하여 이 정보를 어떻게 취하고 부서 간에 분산시킬 수 있습니까? 저는 그 중 많은 부분이 조직의 변화와 사고방식의 변화와 관련이 있다고 생각합니다. 이를 통해 고객 경험을 변화시킬 이 새로운 기술을 수용할 수 있습니다.

“복잡한 질문은 인간이 처리하도록 하고 싶은 것입니다. 일부 최종 사용자는 간단한 질문에 대해 사람과 대화하기를 원하지 않으며 셀프 서비스를 통해 더 많이 처리되기를 기대합니다.”

Liam: Rati Zvirawa는 Intercom의 수석 그룹 제품 관리자입니다. 라티, 당신이 보는 관점에서는 어떤가요?

Rati: Fin과 AI가 그림에 어떻게 들어맞는 지에 대해 고객들과 이야기를 나누는 것은 흥미로웠습니다. 팀 내에서 제품 전문가와 콘텐츠 전문가를 보유하는 것은 매우 중요합니다. 오랫동안 헬프 센터를 통해 우리는 고객이 거기에 가기를 바라면서 조회수와 같은 것들을 살펴보았습니다. 에이전트가 해당 콘텐츠를 보낼 수도 있지만 이제 콘텐츠의 공백을 식별하는 데 인간이 매우 중요할 뿐만 아니라 AI가 강력할 수 있도록 해당 콘텐츠를 형성하는 방법에 대한 보다 긴밀한 피드백 루프가 있음을 확인하고 있습니다.

그래서 이것은 정말 흥미로운 상호작용이 됩니다. 저도 일선 역할로 일했는데, 우리가 보고 있는 또 다른 변화는 반복적이고 간단한 질문을 많이 받는다는 것입니다. 그리고 이제 팀원들이 더 복잡한 질문에 시간을 보내야 하는 변화를 보고 있습니다. 복잡한 질문은 인간이 처리하도록 하고 싶은 것입니다. 일부 최종 사용자는 간단한 질문에 대해 사람과 대화하는 것을 원하지 않으며 셀프 서비스를 통해 더 많이 처리되기를 기대합니다. 이것이 우리가 시장에서 보기 시작한 변화입니다.

여기에서 전체 에피소드를 들어보세요:

AI 증거는 푸딩에 있습니다

Liam : 2023은 또한 CS에서 AI의 잠재력에 대한 증거를 가져 왔습니다. Stanford University와 MIT의 연구원들은 Fortune 500 소프트웨어 회사의 5000 명 이상의 고객 서비스 에이전트 중 생성 AI의 실제 영향을 측정하기 위해 1 년 동안의 연구를 수행했습니다. 결과는 고객 서비스 근로자 생산성이 평균 14% 증가한 것으로 나타 났으며, 최신 또는 가장 성능이 낮은 근로자 중 35% 증가한 것으로 나타났습니다. 나는 MIT 박사와 이야기했다. 획기적인 연구의 연구원 중 한 명인 Lindsey Raymond 후보는 직장에서의 AI의 작업과 변형 적 영향에 관한 연구원 중 한 명입니다.

LINDSEY : 우리는 기술 지원 문제를 해결할 때 기술 지원 작업자가 사람들의 기술 지원 문제를 해결할 수 있도록 설계된 생성 AI 기반 도구를 살펴 봅니다. 그들에게 무엇을 말 해야하는지, 특정 기술 지원 문제를 해결하는 방법, 그리고 고객에게 어떻게 전달 해야하는지에 대한 지침을 알려줍니다.

또한 차이 차이 분석을 수행합니다. 시간이 지남에 따라 사람들 의이 도구가 매우 느리게 롤아웃되어 도구의 인과 적 영향을 줄 수 있습니다. 우리는 주로 미국 기반 소규모 비즈니스를위한 소규모 비즈니스 및 회계 소프트웨어를 수행하는 Fortune 500 회사에 대한 기술 지원을 제공하는 작업자를보고 있습니다.

LIAM : 사람들이 전화를 얼마나 빨리 해결했는지, 해결할 수있는 문제 수, 고객 만족, 그리고 더 조직적인 변화 인 것들과 같은 많은 다른 결과를 살펴 보았습니다.

Lindsey : 직원의 이직에 어떤 영향을 미칩니 까? 이것이 서로 또는 관리자와 얼마나 자주 대화하는지에 어떤 영향을 미칩니 까?

LIAM : 생성 AI의 모든 잠재적 영역 중에서 Lindsey와 그녀의 동료들이 집중할 고객 지원을 선택했는지 궁금 할 것입니다.

“평균적으로 AI에 대한 액세스는 생산성이 14%향상되었지만 많은 이질성을 숨 깁니다. 경험이 가장 적고 가장 낮은 기술 근로자의 경우 실제로 35%향상되었습니다.”

Lindsey : 생성 AI에는 실제로 잘 작동하기 위해 많은 데이터가 필요합니다. 다른 곳에 비해 높은 침투가있는 경제 부문을 살펴보면 고객 지원이 해당 영역입니다. 이러한 도구의 실제 롤아웃 및 개발에 대한 놀라운 활동이있었습니다. 그리고 그 영역에 많은 데이터, 특히 텍스트 데이터가 있기 때문입니다.

그것의 많은 부분은 자동으로 결과와 관련이 있습니다. 그 작업자는 얼마나 빨리 그 문제를 해결 했습니까? 그리고 개선의 여지가 많이 있습니다. 최고의 성과 고객 서비스 에이전트와 바닥이 성능이 좋은 생산성 차이가 꽤 많이 있다는 것은 잘 알려진 사실입니다. 또한 지난 몇 년 동안 콘택트 센터와 더 많은 변화를 일으키는 지역이기도합니다. 그래서, 그것은 큰 비즈니스가 더 나아질 필요가있는 지역입니다.

LIAM : 1 년 동안 그들은 5,179 명의 고객 지원 에이전트의 데이터를 사용 하여이 모든 것을 연구했습니다. 그리고 그들이 찾은 것은 흥미 롭습니다.

Lindsey : 헤드 라인 번호는 평균적으로 AI에 대한 액세스가 생산성을 14%향상 시켰지만 많은 이질성을 숨 깁니다. 경험이 적고 가장 낮은 기술 근로자의 경우 실제로 35%향상되었습니다. 가장 경험이 풍부하고 생산적인 근로자는 거의 영향을 미치지 않습니다.

LIAM : 따라서 이익은 경험이 적고 숙련 된 노동자에게 불균형 적으로 발생합니다. 왜 그런 일이 발생합니까?

Lindsey : 아마도 그것이 아마도 연구에서 가장 흥미로운 부분이라고 생각합니다. 모든 기계 학습 기반 도구는 교육 데이터 세트를 사용하고 데이터의 패턴을 찾습니다. 그래서 당신은 프로그래머로서“글쎄요, 저는이 문구가 잘 작동한다는 것을 알고 있습니다.이 문제에 대한 일반적인 해결책이라는 것을 알고 있습니다. 이것이 해당 문제에 대한 일반적인 해결책입니다.” 당신은 그 정보를 프로그램에 넣습니다. 그것은 ML의 작동 방식이 아닙니다.

우리가 생각하는 것은 AI가 가능하게하는 모범 사례의 확산입니다. 그렇기 때문에 우리는 저 기술 및 경험이 부족한 근로자의 생산성이 실제로 증가하는 것을 본다.

우리의 환경에서, 구체적으로, 도구는 고등 공연자들의 대화를보고 저 성과의 대화와 비교합니다. 그것은 성공적인 결과와 관련된 높은 성과와 저 성과의 일 사이의 차이를 찾습니다. 그들이 고객을 맞이하는 방법은 무엇입니까? 그들이 제안하는 솔루션은 무엇입니까? 그들은 어떻게 진단 질문을하기 시작합니까? 그런 다음 모든 것들이 필요하고 모든 사람을 위해 생성하는 제안으로 바꿉니다.

숙련 된 근로자는 AI의 컨텐츠를 제공하고 있습니다. AI가 그곳에서 배우고있는 곳이기 때문에 대부분 이미하고있는 일입니다. 이미하고있는 일을 제안하는 도구가 있으면 해당 도구에 대한 액세스에서 생산성이 큰 영향을 미치지 않을 것입니다. 매우 새롭거나 생산성 순위의 맨 아래에있는 근로자는 아직 그 제안으로부터 혜택을받는 사람들입니다. 많은 변화를 일으키고 숙련 된 근로자처럼 의사 소통을 시작하는 것은 저 숙련 근로자입니다.

LIAM : 결과에 놀랐습니까?

린지 : 좋은 질문입니다. 생산성이 35% 증가하는 모든 연구에서는 매우 충격적입니다. 당신은 그 효과로 4 일 근무 시간으로 내려갈 것을 상상할 수 있습니다. 나는 그것이 박쥐에서 꽤 놀랍습니다. 우리가 근로자 취급에서 효과를 보았을뿐만 아니라 지식 기반의 결과에 대한 문제의 비율을 개선하는 것도 그들이하지 않은 문제를 해결할 수있게하는 것입니다. 전에 해결할 수 있습니다. 그리고 우리는 고객 만족도가 크게 증가합니다. 그것들은 모두 놀랍습니다.

여기에서 전체 에피소드를 듣습니다.

회사는 AI에 어떻게 적응하고 있습니까?

LIAM : 6 월까지, 우리는 고객 서비스에서 AI 상태를 발표했습니다. 2023 보고서는 고객 서비스를 혁신하는 상위 5 개 트렌드로 뛰어 들었습니다. 간단히 말해서, 우리는 고객 서비스 전략을 위해 AI를 빨리 채택할수록 경쟁 우위에서 승리 할 수있는 기회가 커집니다.

우리는 1,000 명 이상의 글로벌 고객 서비스 전문가를 조사하여 AI에 어떻게 적응하는지, AI에 어떻게 적응하고 있는지, 자동화를 활용하는 방법, 그들이 원하는 기회 및 우려를 찾았습니다. 그런 다음이를 2023 년 보고서에 컴파일했습니다. 이 보고서는 추가적인 통찰력과 실행 가능한 팁으로 가득합니다. 다운로드 할 링크는 쇼 노트에 있습니다. 나는 Samuel Miller의 보고서의 트렌드, Dental Intelligence의 고객 지원 운영, Intercom의 자동화 및 사전 지원 담당 이사 인 Ruth O'Brien 및 Logikcull의 고객 경험 담당 이사 인 John O'Hara의 트렌드에 대해 이야기했습니다.

첫 번째 추세 인 AI 투자는 물집 속도로 가속화되며 얼리 어답터에게는 큰 기회가 있습니다. 우리는 데이터에서 투자 격차가 있음을 발견했습니다. 압도적 인 대다수의 지원 리더는 올해 AI에 더 많은 투자를 계획하지만 실제로 38%만이 AI에 투자했습니다. 이것은 더 빨리 움직이는 사람들이 경쟁 우위를 점할 수 있고 다른 사람들은 따라 잡을 수 있음을 의미합니다. 룻, 내가 먼저 당신에게 올 수 있다면 AI에 대한 초기 투자가 왜 그렇게 느 렸습니까?

"세상은 변화하고 있으며 사람들은 그것을 따라 잡으려고 노력하고 있으며, 그들이 이것에 가고 있다면, 일부 경쟁사들에 비해 경쟁 우위를 가질 것임을 이해합니다."

룻 : 솔직히 말해서, 과거의 일부 기술이 놀랍지 않았기 때문에 사람들은 확신하지 못했기 때문이라고 생각합니다. 또한 AI 및 자동화에 관한 전략을 구축하려면 시간과 노력이 필요합니다. 그것은 단지 상자에서만 작동하지 않으므로 그 주위에 계획이 필요합니다. 그리고 고객 지원이 매우 반응성이 높은 세상에서 많은 지원 팀이 종종 SLA와 백 로그 및 긴 고객 대기 시간을 따라 가기 위해 실행 중이며,이를 다루지 않고 즉각적인 소방을 다루는 데 시간을 보내는 것은 까다로울 수 있습니다. AI 측면에서 사전 미래를 구축하기위한 공간을 취하는 것은 다른 팀에게는 어려울 수 있습니다.

LIAM : 그래서 무엇이 바뀌 었습니까?

Ruth : 무엇이 바뀌 었습니까? 글쎄, 한 가지, 기술은 점점 좋아지고 있습니다. AI의 세계에서 큰 변화가 왔습니다. 점점 더 많은 팀이 업계의 동료들과 대화하거나 좋은 챗봇과 상호 작용하는 반면, 사람들은 그다지 좋은 챗봇과 상호 작용했을 것이라고 생각합니다. 세상은 변화하고 있으며, 사람들은 그것을 따라 잡으려고 노력하고 있으며, 그들이 이것에 가면 일부 경쟁사들에 비해 경쟁 우위를 가질 것이라는 것을 이해합니다.

LIAM : 완전히. 설문 조사에서 AI가 큰 영향을 미치기 위해 AI가 식별 한 최상위 응용 프로그램에서 더 빠른 응답,보다 일관된 응답, 교육 비용 절감, 대화 요약을 볼 수 있습니다. AI의 가장 큰 값은 어디에서 볼 수 있습니까?

존 : 좋은 질문입니다. 나는이 숫자를보고 우리 팀이 이미 속도와 일관성으로 실제로 잘하고 있다고 생각하고 있으며 고객의 성공 및 교육과 큰 파트너십을 맺고 있습니다. 우리가 AI에 혜택으로 집중하게하는 것은 대역폭입니다. 우리는 전 세계 청중에게 24/7 지원을 제공하는 8 명의 미국 기반 담당자가 매우 작은 팀을 보유하고 있습니다. AI는 사람들이 앱 작동 방식에 대한 정보가 필요한 간단한 휴식/수정 질문에 대한 효과적인 사례 편향을 나타냅니다. 그것은 우리 팀의 판에서 벗어날 수있는 대화의 전체 트랜치로, 더 많은 상담 작업에 집중할 수 있습니다. 그것은 아마도 우리에게 가장 큰 운전자 일 것입니다.

"일부 팀은 AI를보고 Headcount 감소에 대해 생각하고 있지만 지금 당장 가지고있는 자원을 어떻게 사용합니까?"

LIAM : 그리고 샘, 당신은 어떻습니까? 당신에게 가장 큰 부가 가치는 무엇입니까?

사무엘 : 우리에게는 우리가 훈련에 돈을 절약하는 것입니다. 우리는 모든 것을 훈련시킬 필요가 없기 때문입니다. 우리는 그들이해야 할 주요 문제에 대해 그들을 훈련시킬 수 있으며, 고객이 찾을 수있는 일상적인 일, 지식 기사 등에 대해서는 그다지 많지 않습니다. 그것은 우리가 훈련을 더 빨리 더 깊이 갈 수있게 해줍니다.

LIAM : 그리고 룻, 당신은 어떻습니까? 가까운 시일 내에 무엇을 기대할 수 있습니까?

Ruth : 솔직히 말해서 더 빠른 응답은 더 넓은 팀에게 큰 효율성이었습니다. 일부 팀은 AI를보고 헤드 카운트 감소에 대해 생각하고 있지만 AI가 더 많은 일을 돌보고 있기 때문에 더 적은 수의 헤드로 더 많은 일을하지 않으려 고하면 지금 가지고있는 자원을 어떻게 사용합니까? 위와 너머? 그들은 즉시 고객에게 대답하고 덜 복잡한 쿼리 중 일부를 돌보고 있으며, 결국 인간의 속도를 높이고 대기열을 통과하고 더 복잡한 쿼리를 다루고 있습니다. 우리는이 기술을 고객 지원의 효율성 및 응답 시간에 적용하는 훌륭한 결과를보고 있습니다.

여기에서 전체 에피소드를 듣습니다.

당신에게 맞는 ai

LIAM : AI의 부상은 운영을 최적화하고 경쟁 우위를 차지하려는 비즈니스를위한 새로운 가능성을 안내했습니다. 이제 조직에는 방대한 도구와 솔루션, 각 유망한 혁신적인 결과가 제공되며, 올바른 도구를 선택할뿐만 아니라 원활한 통합 및 채택을 보장하는 데 어려움이 있습니다.

그리고 그것은 바로 Andrew Lowder의 전문 분야입니다. Andrew는 Business가 AI 전략과 프로세스를 개발하여 운영을 최적화하고 경쟁 우위를 향한 컨설팅을 돕는 컨설팅 인 Lowder Co.의 창립자이자 CEO입니다. 그는 8 월에 쇼에 우리와 합류했고, 나는 그에게 물었다. AI 솔루션 구매와 구매의 주요 차이점은 무엇입니까? 기업이 자신의 요구에 더 적합한 접근 방식을 어떻게 결정할 수 있습니까?

"예, AI를 구축하는 것은 비교적 단순 해지지 만 여전히 많은 시간, 돈, 상심, 노력 및 잠 못 이루는 밤이 필요합니다."

Andrew : 만약 당신과 내가 5 ~ 8 년 전에이 대화를하고 있다면, 그 대답은 완전히 다를 것입니다. 당시 AI를 비즈니스에 데려 가기 위해, 당신은 아마도 관습을 만들어야했고, 많은 피, 땀, 눈물, 돈 및 시간이 걸렸습니다. 그러나 이러한 도구와 워크 플로의 힘이 강력한 응용 프로그램을 만들기 위해 많은 사람들의 손에 들어갈 수있는 AI의 민주화 운동이있었습니다.

오늘날 Build vs Buy에 대한 분석은 몇 가지에 의해 주도되지만 인식으로 시작합니다. 해결해야 할 비전이나 문제가있을 수 있으며, 무엇이 있는지 모르는 경우 자신이 구축하기로 한 결정에 중점을 둘 수 있습니다. 그렇습니다. AI를 구축하는 것은 비교적 단순 해지지 만 여전히 많은 시간, 돈, 상심, 노력 및 잠 못 이루는 밤이 필요합니다. 가능하고 비용이 상당히 줄어들었지만 문제를 해결할 수있는 솔루션이 없기 때문에 매우 독특한 것을 찾고 있기 때문입니다.

아마도 새로운 제품 오퍼링 라인이든 내부적으로 운영되는 방식에 관계없이 주요 경쟁 차별화 요소를 설정하려고 할 수도 있습니다. 그러나 그 이유는 아직 존재하지 않고 새로운 수익을 얻고 자한다면 아마 구매하고 싶은 이유입니다. 그리고 선반에서 무언가를 구입할 때, 그것은보다 일반적으로 사용되고 접근하기 쉬운, 비교적 빠르게 구현할 수 있으며, 비교적 저렴하며, 일반적으로 주요 운영 효율성 이득을 목표로하고 있습니다.

Liam : AI-Ready가되기 위해 내 비즈니스가 필요한 단계가 있습니까?

앤드류 : 그것은 우리가 항상 듣는 질문입니다. 우리는 귀하가 당사 웹 사이트를 통해 취할 수있는 AI 준비 평가를 가지고 있으며, Gauges는 반드시 AI를 사용해야하는지 여부는 반드시 AI를 사용해야하는지 여부입니다. 변화 관리 당신은 움직이거나 편안하게 움직여야합니다. 우리는 전략 운영, AI Buy-In 및 회사의 일원 인 사람들이 당신의 사람들이 얼마나 준비되는지에 대한 느낌을 얻기 위해 등급을 매겼습니다. AI를 염두에두고 전략적으로 생각하고 있습니까? AI 전략이 있습니까? 많은 회사들이 방금 AI에 대해 생각하기 시작했기 때문에 그 전략에서 다소 낮게 득점합니다.

제가 자주 받는 또 다른 기회는 워크샵 형식으로 AI를 리더십 팀에 소개하는 것입니다. 그런 다음 신속한 평가라고 부르는 작업을 시작합니다. 이는 비즈니스의 주요 문제점인 문제와 이러한 문제를 잠재적인 AI 솔루션에 매핑하기 위해 해결해야 하는 지루한 수동 작업을 식별하는 훌륭한 출발점입니다. 우리는 빠른 성공 기회를 식별하고 이에 적합한 도구를 선택하고 구현하는 로드맵을 작성합니다. 많은 경우 준비 상태 평가, 회사 내 인식 구축, AI 기회의 낮은 열매 찾기, 이를 구현하여 훌륭한 성과와 성과를 얻고 AI 관련 비즈니스에 대한 자신감을 얻기 시작하는 것부터 시작됩니다.

Liam: 그렇다면 기성 AI 솔루션을 구매하는 경우 즉각적인 이점과 높은 투자 수익을 보장하기 위해 고려해야 할 가장 중요한 요소는 무엇이라고 생각하시나요?

앤드루: 내면을 바라보는 것에서부터 시작되는 것 같아요. 친구가 “안녕, 나 지금 자동차 쇼핑 중이야. 어떤 차를 사야 할까요?” 차를 추천해드릴 수는 있지만 님한테는 안 맞을 수도 있겠죠? 당신, 가족이 있나요? 빨리 가고 싶나요? 많은 물건을 견인해야 합니까? 따라서 귀하와 귀하의 비즈니스에 무엇이 적합한지 결정해야 합니다. 프로세스를 이해하고 필요한 요구 사항을 파악해야 합니다. 또한 비즈니스나 도구가 준수해야 하는 보안 또는 규정 준수 사항에 대한 가시성이 필요합니다. 그리고 그 외에도 어떤 통합 포인트를 알아야 합니까? 어떤 시스템 및 기타 애플리케이션과 통합하고 싶습니까? 해당 목록이 있으면 가능한 한 많은 요구 사항을 충족하고 해당 요구 사항뿐만 아니라 비용 분석을 기반으로 올바른 것을 선택할 수 있는 시장에 존재하는 항목이 적용됩니다. 주스를 짜낼 가치가 있나요? 그런 다음 도구 구성, 교육 및 테스트에 관한 구현을 시작합니다.

“연간 매출이 1,000만 달러에서 2,000만 달러에 가까워졌고 직원을 한 명도 추가할 필요가 없었던 고객이 있습니다.”

변경 관리는 간과되는 경우가 많으며, CEO가 노력을 포기하고 “우리 사람들에게 링크를 보내자. 우리는 그들이 해낼 것이라고 믿습니다.” 그들은 인식, 의사소통, 훈련이 필요합니다. 일부는 손을 잡고 있어야 할 것입니다. 그리고 이는 실제로 채택을 촉진할 것입니다. 우리는 고객이 전체 프로세스를 진행할 수 있도록 돕습니다. 그리고 제가 강조하고 싶은 것 중 하나는 고객이 시스템을 시험해 볼 수 있도록 도와서 시스템을 사용하는 사람들로부터 좋은 피드백을 얻을 수 있다는 것입니다. 그리고 이를 사용하는 사람들은 실제로 회사 변화에 긍정적인 영향을 미치는 사람이 됩니다.

Liam: 많은 기업들이 수익 증대를 위해 AI를 활용하고 싶어할 것입니다. 그것은 얼마나 달성 가능한가? 이미 그렇게 하고 있는 기업이 있는가?

앤드루: 확실히 있어요. 저는 강연에서 실제로 Intercom의 제품인 Fin을 강조했습니다. 누군가 손을 들고 말했습니다. “저희가 처음 Fin을 구현하기 시작했을 때 온라인으로 고객 서비스 지원을 제공하는 5명의 팀이 있었습니다. Fin을 출시했고, 이제 그 5명이 20명에 해당하는 커버리지와 지원을 제공하고 있습니다.” 엄청나죠? 이는 엄청난 ROI입니다. 따라서 성장을 목표로 삼던 특정 사업의 경우 이제 급여에 해당 비용을 지출할 필요가 없습니다. 이 도구는 이를 사용하는 직원에게 적응하여 기하급수적인 요소가 될 수 있습니다.

우리는 연간 수익이 천만 달러에서 거의 2천만 달러로 늘어났으며 직원을 한 명도 추가할 필요가 없는 고객을 보유하고 있습니다.

리암: 정말 듣기 좋네요. 하지만 시간과 비용은 사람들이 이것에 관해 많이 언급하는 것입니다. 이는 분명히 비즈니스에 필수적인 지표입니다. AI 솔루션 구매 결정을 내릴 때 시간과 비용 요소를 평가하기 위한 전략을 개발하려는 사람들에게 하고 싶은 말은 무엇입니까?

앤드루: 보세요, 많은 데이터가 나오고 있습니다. 고려해야 할 세 가지 숫자를 알려드리겠습니다. 알았죠? MIT는 생산성 향상이 40% 증가했다는 연구 결과를 발표했습니다. McKinsey는 유사한 연구를 수행하여 2030년까지 30% 달성할 것이라고 밝혔습니다. Deloitte는 AI와 기계 학습이 비즈니스에서 37%의 생산성 향상을 가져올 것이라고 말하는 생성적 AI 열풍이 일어나기 전에도 하나를 발표했습니다. 사용자.

당신은 확실히 자신만의 숫자를 실행하고 사례별로 진행하여 "좋아요, 이 도구를 구현하면 생산성이 40% 향상되고 시간이 40% 단축될 수 있습니다. "라고 추정해 볼 수 있습니다. 우리는 사람들에게 시간당 X달러를 지불하고 있습니다…” 그 정도의 숫자에 도달하고 절약된 시간과 지출된 달러를 간단히 계산할 수 있다면 엄청난 ROI입니다. 그리고 나는 또한 방정식의 다른 부분, 즉 급여를 인상하지 않고도 달성할 수 있는 성장을 보고 있습니다. 연간 수익이 천만 달러에서 거의 2천만 달러로 늘어난 고객이 있는데 직원은 한 명도 추가할 필요가 없었습니다. 직원은 8~10명이 더 필요했습니다. 이는 성장으로 인한 엄청난 수익성 향상입니다. 이는 비즈니스를 위해 실행하는 데 필요한 수학 방정식입니다.

여기에서 전체 에피소드를 시청하세요.

AI 시대의 측정항목 지원

Liam: AI에 대한 이야기가 올해 대부분의 에피소드에 걸쳐 진행되었으므로 AI가 지원 역할을 수행하는 것이 아니라 어떻게 생성하는지에 대한 대화로 마무리하는 것이 적절합니다. 저는 Deliverect의 고객 경험 글로벌 책임자인 Christian Osmundsen, Intercom의 자동화 및 사전 예방 지원 이사인 Ruth O'Brien, 그리고 Zapiet의 판매자 성공 관리자인 Sam Forde와 함께 자리에 앉았습니다. 역할이 변화하고 전략이 변화하는 상황에서 이를 어떻게 측정합니까? 지원 운영에 이 새로운 기술을 도입할 때 모두가 가장 주의 깊게 관찰하고 있는 지표는 무엇입니까? 크리스찬, 당신은 어때요?

크리스찬: 물론이지, 리암. 일반적으로 우리는 항상 그것이 우리를 더 효율적으로 만들고 있는지 살펴보고 묻습니다. 그것이 우리가 처음에 보고 있는 것입니다. 그리고 그것이 고객에게 가치를 더해주는가? 이를 확인하려면 몇 달이 필요합니다. 성급한 결정은 필요하지 않습니다.

“우리의 해결률은 13~14%였는데, 이는 그리 좋지 않습니다. 현재 우리는 약 26%에 달해 그 두 배입니다.”

그러나 AI에 관해서는 지원 규모를 적극적으로 측정합니다. 우리는 이것이 절대 수치뿐만 아니라 계정당 비율 등에서도 어떤지 확인하고 싶습니다. 곡선이 하강하는 것을 보는 것은 모든 사람에게 고무적입니다. 우리는 인간 상호 작용, 봇이 관련된 부분, 대화를 해결하는 Fin 또는 AI에 대한 응답 시간과 고객 만족도를 모두 살펴봅니다. 우리는 그것이 시간이 지남에 따라 어떻게 발전할 수 있는지 보고 싶어합니다. 처음에는 고객이 봇에 의해서만 처리되는 데 어려움을 겪을 수 있다고 생각합니다. 하지만 시간이 지나면 이 상황은 완전히 바뀔 것이라고 생각합니다. 아직 초기 단계입니다.

마지막으로 AI에 대한 응답률을 많이 살펴봅니다. 저는 우리가 시작했던 5월에 보고를 위한 이 통화를 준비하기 위해 다시 돌아갔습니다. 그리고 우리는 13~14%의 해결률을 보였습니다. 이는 좋지 않은 수치입니다. 오늘날 우리는 약 26%에 달하므로 그 두 배입니다. 그리고 우리는 연말까지 35~40%를 목표로 하고 있습니다. 그리고 나는 그것이 도달 가능한 범위에 있다고 생각합니다. 우리는 실제로 주말에 고객이 우리가 영업하지 않을 수도 있다고 생각하고 자신의 것을 찾도록 더 장려할 때 우리 요금이 즉시 35% 정도까지 올라가는 것을 봅니다.

Liam: AI가 지금까지 KPI에 미친 영향에 대해 공유해 줄 수 있는 사람이 있나요? 샘, 아마 내가 먼저 갈 것 같아요.

Sam: 저는 Christian이 방금 거기서 말한 내용을 많이 반영합니다. 우리는 여전히 전통적인 CSAT를 살펴보고 있지만 더 이상 직원들이 이야기하는 것이 아니라 Fin이 직원들과 상호 작용하는 것입니다. 하지만 우리에게 정말 중요한 것은 비즈니스 내 직원 만족도였습니다. 우리는 훨씬 더 높은 유지율을 보고 있습니다. 올해 우리 회사를 떠나는 사람을 본 적이 없습니다. 그리고 저는 그들이 다른 역할에 참여하는 것이 실제로 우리와 함께 경력을 쌓는 것에 대해 생각하는 데 도움이 된다고 생각합니다. 전통적으로 지원은 사람들이 자주 바뀌는 역할일 수 있습니다. 하지만 지금은 지원을 받을 수 있는 거의 황금 시대라고 생각합니다. 반드시 지원 상담원일 필요는 없습니다. 거의 다양한 지원 업무를 수행하는 일반 지원 담당자입니다.

“올해 우리는 Fin을 8,000명 앞에 놓았습니다. 미친 짓이야. CSAT가 20점이나 올랐어요.”

아직 올해 직원 만족도 등급은 없지만, Fin을 백업으로 사용하고 올해 보유한 AI 기술을 사용하면 상황이 향상되었을 수 있는 예를 들 수 있습니다. 전통적으로 우리 팀의 수련회는 매년 2~3일 정도였습니다. 우리는 가능한 한 빨리 도망친 다음 너무 커지지 않았으면 하는 받은 편지함이 있는 노트북으로 돌아갔을 것입니다. 올해는 일주일 내내 여행을 떠날 수 있었습니다. 그리고 Fin은 우리가 모든 것을 파악하고 계속해서 달릴 수 있도록 돕습니다. 그리고 일주일 내내 팀을 데리고 나갈 수 있다면 CSAT에서 정말 멋진 결과를 얻을 수 있기를 바랍니다.

실제 숫자로 보면 우리는 훨씬 작은 기업이지만 올해 Fin을 8,000명 앞에 두었습니다. 미친 짓이야. 우리는 CSAT가 20점 상승한 것을 보았습니다. 70%에서 매주 90점 초반대를 유지하고 있습니다. 그리고 우리가 Fin을 구현한 시점과 그래프를 보면 말 그대로 그 기간입니다.

Christian이 언급했듯이 주말과 근무 시간 외 시간은 정말 좋은 시간입니다. 주말에는 Fin 등급이 훨씬 더 높아집니다. 거기에 실제 사람들이 있더라도 그들은 예상치 못한 순간에 즉각적인 반응을 얻기 때문에 상황을 훨씬 더 높게 평가합니다. 우리는 매우 영국적인 브랜드로 인식되고 있으며 호주와 일본에 고객이 있으며 현재 즉시 답변을 얻고 있습니다. 그래서 CSAT가 엄청나게 향상됐어요. 나는 그것이 엄청난 일이라고 생각한다. 단지 그것을 위해서 뛰어들지 않는다면, 왜 그러지 않을지 모르겠습니다.

여기에서 전체 에피소드를 들어보세요:

Liam: 글쎄요, 거기 있어요. 혁신과 대화의 해입니다. 그리고 이들은 올해 우리와 함께한 소수의 사고 리더와 전문가들이었습니다. 팟캐스트를 들을 때마다 400개 이상의 에피소드로 구성된 전체 백 카탈로그를 정독할 수 있습니다. 우리의 훌륭한 동료들과 손님들 모두에게 감사하지만, 가장 중요한 것은 들어주셔서 감사합니다.