Uwalnianie produktywności: dowiedz się, jak sztuczna inteligencja zwiększa produktywność zespołu obsługi klienta o 14% według naukowców ze Stanford i MIT

Co się stanie, gdy generatywna sztuczna inteligencja spotka się z miejscem pracy? W tym odcinku specjalnym zagłębimy się w przełomowe badanie, w którym ludzie wspomagani przez sztuczną inteligencję na nowo definiują granice produktywności.

Generatywna sztuczna inteligencja mogła przyciągnąć znaczną uwagę opinii publicznej, ale jak dotąd jej implikacje ekonomiczne w świecie rzeczywistym pozostają w dużej mierze niezbadane. Pomimo obiecujących sygnałów w scenariuszach testowych, jakiekolwiek natychmiastowe korzyści z biznesowego punktu widzenia wydawały się do tej pory poza zasięgiem.

Naukowcy z Uniwersytetu Stanforda i MIT przeprowadzili całoroczne badanie, aby zmierzyć rzeczywisty wpływ generatywnej sztucznej inteligencji wśród ponad 5000 agentów obsługi klienta w firmie programistycznej z listy Fortune 500. Wyniki są już dostępne. Produktywność pracowników obsługi klienta wzrosła o 14% średniej, z oszałamiającym 35-procentowym skokiem wśród najnowszych lub najmniej wydajnych pracowników.

System sztucznej inteligencji, który połączył model nauki języka GPT OpenAI z algorytmami uczenia maszynowego, przeanalizował rozmowy między osobami osiągającymi najlepsze wyniki i porównał je z rozmowami osób osiągających niskie wyniki. Następnie generował w czasie rzeczywistym sugestie, jak odpowiedzieć klientom, co ostatecznie skutkowało skróceniem czasu obsługi czatu, zwiększeniem współczynnika rozwiązywania czatów i poprawą zadowolenia klientów. W rzeczywistości nowo zatrudnieni agenci obsługi klienta mogliby z pomocą sztucznej inteligencji działać tak samo dobrze, jak agenci z sześciomiesięcznym doświadczeniem w pracy bez sztucznej inteligencji.

W dzisiejszym odcinku mieliśmy okazję porozmawiać z dr MIT. Lindsey Raymond, jedna z badaczek stojących za przełomowym badaniem, o swojej pracy i transformacyjnym wpływie sztucznej inteligencji na miejsce pracy.

Brak czasu? Oto kilka kluczowych wniosków:

• Generatywna sztuczna inteligencja opiera się na obfitości danych, co sprawia, że ​​obsługa klienta, z jej bogactwem danych tekstowych, jest głównym sektorem rozwoju narzędzi sztucznej inteligencji.
• Różnice w produktywności między agentami wsparcia o najlepszych i najniższych wynikach, a także rosnąca zależność od centrów kontaktowych to główne czynniki napędzające ulepszenia w branży obsługi klienta.
• Pracownicy o niskich kwalifikacjach odnieśli największe korzyści z narzędzia AI, ponieważ pomogło im ono przyjąć najlepsze praktyki, których sami jeszcze nie wymyślili.
• Znaczący wzrost produktywności możliwy dzięki sztucznej inteligencji, taki jak lepsze rozwiązywanie problemów i zadowolenie klientów, może nawet wspierać wzrost czterodniowego tygodnia pracy.

Jeśli podoba Ci się dyskusja, obejrzyj więcej odcinków naszego podcastu. Możesz śledzić w Apple Podcasts, Spotify, YouTube lub pobrać kanał RSS w wybranym odtwarzaczu. Poniżej znajduje się lekko zredagowana transkrypcja odcinka.

Robienie fal w obsłudze klienta

Liam Geraghty: Witam w Inside Intercom. Jestem Liam Geraghty. To trochę szalone myśleć, że ChatGPT Open AI został uruchomiony zaledwie kilka miesięcy temu. Szybkości, z jaką sztuczna inteligencja stała się częścią naszego życia, nikt nie mógł przewidzieć. Już zaczyna przekształcać przestrzeń obsługi klienta i wsparcia.

„Człowiek plus maszyna jest lepsza niż maszyna, która z kolei jest lepsza niż człowiek. Myślę, że właśnie to widzę w tym świecie wsparcia”

Współzałożyciel firmy Intercom, Des Traynor, w ostatnim odcinku naszego podcastu mówił o tym, jak jego zdaniem przyszłość CS to automatyzacja oraz współpraca ludzi, botów i mózgów.

Des Traynor: Człowiek plus maszyna jest lepsza niż maszyna, która z kolei jest lepsza niż człowiek. Myślę, że to właśnie widzę w tym świecie wsparcia. Myślę, że ludzie będą ostatecznie kontrolować inteligencję, którą wykorzystuje sztuczna inteligencja.

Liam Geraghty: Wielu liderów obsługi klienta rzuciło się prosto w sztuczną inteligencję i pływa w jej generatywnych wodach. Ale inni, choć podekscytowani, tylko zanurzają palec u nogi, czując się trochę zniechęceni.

Cóż, dla każdego z was, którzy lubią kopać na palcach, być może zainteresuje was nowe badanie przeprowadzone przez naukowców z Uniwersytetu Stanforda i Massachusetts Institute of Technology, dotyczące generatywnej sztucznej inteligencji w pracy, z kilkoma naprawdę interesującymi odkryciami. Badanie przeprowadzili Eric Brynjolfsson, Danielle Li i Lindsey Raymond.

Wnioski z generatywnej sztucznej inteligencji w miejscu pracy

Lindsey Raymond: Jestem Lindsey Raymond. Jestem doktorantem na MIT.

Liam Geraghty: Lindsey i jej współpracownicy badają wpływ generatywnych narzędzi sztucznej inteligencji na produktywność w firmie z listy Fortune 500. Po raz pierwszy zmierzono wpływ tych narzędzi na pracę poza środowiskiem laboratoryjnym.

Lindsey Raymond: Sama idea generatywnej sztucznej inteligencji jest całkiem nowa. Jeśli chodzi o to, co ludzie studiowali, przeprowadzono pewne prace nad tym, jak te narzędzia działają na takich rzeczach, jak egzamin adwokacki.

Liam Geraghty: AI zmiażdżyła egzamin adwokacki.

Lindsey Raymond: Albo egzaminy z kodowania, bardzo laboratoryjne badania możliwości. A nasze jest pierwszym, które mówi, co się dzieje, gdy badasz, co te narzędzia mogą zrobić w prawdziwym miejscu pracy i przez długi czas, ponieważ nasze badanie trwa przez cały rok.

Liam Geraghty: Więc czego dokładnie dotyczyło to badanie?

Lindsey Raymond: Przyglądamy się generatywnemu narzędziu opartemu na sztucznej inteligencji, które ma pomóc pracownikom pomocy technicznej w rozwiązywaniu problemów związanych z pomocą techniczną.

Liam Geraghty: Brzmi znajomo!

Lindey Raymond: Mówienie im obojgu, co mają mówić, jak rozwiązać konkretny problem pomocy technicznej, a także wskazówki, w jaki sposób powinni przekazać to klientowi.

„Generative AI potrzebuje wielu danych, aby działać naprawdę dobrze. Jeśli spojrzysz na sektor gospodarki, w którym penetracja jest wysoka w porównaniu z innymi miejscami, obsługa klienta jest tym obszarem”

Przeprowadzamy też analizę różnic w różnicach — bardzo powolne wdrażanie tego narzędzia wśród ludzi w miarę upływu czasu, abyśmy mogli spróbować uzyskać efekt przyczynowy narzędzia. Szukamy pracowników zapewniających wsparcie techniczne dla firmy z listy Fortune 500, która tworzy oprogramowanie dla małych firm i oprogramowanie księgowe, głównie dla małych firm z siedzibą w USA.

Liam Geraghty: Przyjrzeli się wielu różnym wynikom, takim jak szybkość, z jaką ludzie rozwiązywali rozmowy, liczbę problemów, które są w stanie rozwiązać, zadowolenie klientów, a także niektóre rzeczy, które są bardziej zmianami organizacyjnymi.

Lindsey Raymond: Jak to wpływa na rotację pracowników? Jak to wpływa na to, jak często rozmawiają ze sobą lub ze swoimi przełożonymi?

Liam Geraghty: Być może zastanawiasz się, dlaczego spośród wszystkich potencjalnych obszarów generatywnej sztucznej inteligencji Lindsey i jej współpracownicy wybrali obsługę klienta, na której się skupili.

„Istnieją dość duże różnice w produktywności między najlepszymi agentami obsługi klienta a tymi, którzy osiągają najniższe wyniki”

Lindsey Raymond: Generatywna sztuczna inteligencja potrzebuje wielu danych, aby naprawdę dobrze działać. Jeśli spojrzysz na sektor gospodarki, w którym penetracja jest wysoka w porównaniu z innymi miejscami, obsługa klienta jest tym obszarem. Nastąpiła zaskakująca ilość działań związanych z faktycznym wdrożeniem i rozwojem tych narzędzi. A to dlatego, że w tym obszarze jest tak dużo danych, zwłaszcza danych tekstowych.

Wiele z nich jest po prostu automatycznie kojarzonych z wynikami – jak szybko dany pracownik rozwiązał ten problem? Jest też dużo miejsca na ulepszenia. Powszechnie wiadomo, że istnieją dość duże różnice w wydajności między najlepszymi agentami obsługi klienta a tymi, którzy osiągają najniższe wyniki. Jest to również obszar, w którym w ciągu ostatnich kilku lat nastąpiła ogromna zmiana polegająca na robieniu więcej z centrami kontaktowymi. Tak więc jest to obszar, w którym istnieje duża potrzeba biznesowa, aby stać się w tym lepszym.

Od zera do bohatera

Liam Geraghty: Tak więc w ciągu roku przestudiowali to wszystko, korzystając z danych od 5179 agentów obsługi klienta. A to, co odkryli, jest intrygujące.

Lindsey Raymond: Nagłówek jest taki, że dostęp do sztucznej inteligencji poprawił produktywność średnio o 14%, ale kryje się za tym wiele heterogeniczności. W przypadku najmniej doświadczonych i najmniej wykwalifikowanych pracowników poprawił się on o 35%. Najbardziej doświadczeni i produktywni pracownicy nie widzą prawie żadnego efektu.

Liam Geraghty: Tak więc zyski przypadają nieproporcjonalnie mniej doświadczonym i mniej wykwalifikowanym pracownikom. Dlaczego tak się dzieje?

Lindsey Raymond: Myślę, że to prawdopodobnie najciekawsza część badania. Każde narzędzie oparte na uczeniu maszynowym używa zestawu danych szkoleniowych i szuka wzorców w danych. Więc ty, jako programista, nie mów: „Cóż, wiem, że to zdanie działa dobrze, więc zrób to i wiem, że to jest wspólne rozwiązanie tego problemu, a to jest wspólne rozwiązanie tego problemu” i umieszczasz te informacje w swoim programie. Tak nie działa ML.

„To pracownicy, którzy są bardzo nowi lub znajdują się na dole rankingu produktywności, naprawdę korzystają z tych sugestii, ponieważ są to rzeczy, których jeszcze nie wymyślili”

W naszym środowisku narzędzie przygląda się rozmowom osób osiągających najlepsze wyniki i porównuje je z rozmowami osób osiągających słabe wyniki. Szuka różnic między tym, co robią osoby o wysokich i niskich wynikach, które są związane z pomyślnymi wynikami. Jak witają się z klientami? Jakie rozwiązania proponują? Jak zaczynają zadawać pytania diagnostyczne? Następnie bierze wszystkie te rzeczy i zamienia je w sugestie, które generuje dla wszystkich. Wysoko wykwalifikowani pracownicy dostarczają treści dla sztucznej inteligencji – to w większości rzeczy, które już robią, ponieważ to tam sztuczna inteligencja się tego nauczyła. Kiedy masz narzędzie sugerujące robienie rzeczy, które już robisz, prawdopodobnie nie zobaczysz ogromnych efektów produktywności wynikających z dostępu do tego narzędzia. To pracownicy, którzy są bardzo nowi lub znajdują się na dole rankingu produktywności, naprawdę korzystają z tych sugestii, ponieważ są to rzeczy, których jeszcze nie wymyślili. To pracownicy o niskich kwalifikacjach bardzo się zmieniają i zaczynają zbliżać się do komunikowania się jak pracownicy o wysokich kwalifikacjach.

To, co naszym zdaniem się dzieje, to rozpowszechnianie najlepszych praktyk, które umożliwia sztuczna inteligencja. I dlatego obserwujemy te naprawdę duże wzrosty produktywności w przypadku pracowników o niskich kwalifikacjach i niedoświadczonych, a nie tak bardzo w przypadku pracowników o wysokich kwalifikacjach. Uważamy, że jest to tylko funkcja sposobu, w jaki działa uczenie maszynowe.

„W każdym badaniu, w którym widać wzrost produktywności o 35%, jest to dość szokujące. Można sobie wyobrazić schodzenie do czterodniowego tygodnia pracy z takimi efektami”

Liam Geraghty: Czy byłeś zaskoczony wynikami?

Lindsey Raymond: To świetne pytanie. W każdym badaniu, w którym widać wzrost produktywności o 35%, jest to dość szokujące. Można sobie wyobrazić schodzenie do czterodniowego tygodnia pracy z takimi efektami. Myślę, że to było dość zaskakujące od samego początku. Fakt, że zauważyliśmy efekty nie tylko w nieco szybszej obsłudze połączeń przez pracowników, ale także w zwiększeniu udziału rozwiązywanych przez nich problemów, co jest bardziej wynikiem opartym na wiedzy, umożliwia im rozwiązywanie problemów, których nie mieli być w stanie rozwiązać wcześniej. A potem widzimy dość duży wzrost zadowolenia klientów. To wszystko było, jak sądzę, zaskakujące.

Liam Geraghty: Czy myślisz, że AI kiedykolwiek będzie w stanie wskoczyć i przeprowadzić tego typu badania?

Lindsey Raymond: Prawdopodobnie tak. Jestem pewien, że istnieje generatywna sztuczna inteligencja, która może pisać artykuły ekonomiczne lepiej niż ja.

Liam Geraghty: Lindsey, bardzo dziękuję za dzisiejszą rozmowę.

Lindsey Raymond: Tak, absolutnie. To była przyjemność.