利用生成式人工智慧駕馭不斷變化的客戶關係

繪製生成式人工智慧路徑

組織需要克服的首要挑戰之一是高層領導的一致性。艾耶爾說：「你需要必要的策略，你需要有能力獲得必要的支持，你需要確保有正確的商業用例和案例。」

換句話說，明確定義好的路線圖和精確的商業目標，與判斷流程是否適合使用生成式人工智慧一樣至關重要。

實施生成式人工智慧的策略可能需要時間。艾耶爾認為，商業領袖應該對制定戰略所需的時間保持現實的看法，對各個團隊和職能部門進行必要的培訓，並確定增加價值的領域。

為了使任何生成式人工智慧部署能在一起無縫工作，必須建立正確的數據生態系統。

艾耶爾引用了 WNS Triange 與一家保險公司的合作，一個利用生成式人工智慧創建索賠流程的案例。

得益於這項新技術，保險公司可以立即評估事故造成的車損嚴重程度，並根據客戶提供的非結構化數據提出索賠建議。

艾耶爾解釋道：「因為這可以立即由一名人類評估師進行評估，他們可以迅速得出結論，這會立即提高保險公司滿足投保人要求的能力，並縮短索賠處理時間。」

然而，如果沒有過去索賠歷史、維修成本、交易數據、其他必要的數據集，以及從生成的人工智慧分析中提取明確的價值，所有這些努力都是不可能的。

艾耶爾說：「要非常清楚數據的充分性。不要跳到一個你意識到自己沒有所需數據的項目中。」

第三方體驗的好處

企業越來越意識到，它們必須接受生成式人工智慧，但知道從哪裡開始是另一回事。艾耶爾說：「你一開始就想確保自己不會重蹈別人的覆轍。」

第三方提供商可以幫助組織避免這些錯誤，並利用最佳實踐和框架來測試並定義投資回報率的可解釋性和基準。

外部合作夥伴使用預先構建的解決方案，可以加快正式投入使用的時間，並增加生成式人工智慧程序的價值。

這些解決方案可以利用預先構建的、特定於行業的生成式人工智慧平台來加速部署。

艾耶爾指出：「生成式人工智慧程序可能極其複雜，有很多基礎設施要求、與客戶的接觸以及內部法規要考慮。

組織還必須考慮使用預先構建的解決方案來加快實現價值的速度。第三方服務提供商可以將專業知識應用於所有這些要素。」

艾耶爾提到了 WNS Triange 的例子，幫助旅行中介使用生成式人工智慧處理客戶關於航空公司改期、取消和其他複雜行程的詢問。

他說：「我們的解決方案能夠立即查詢一千份政策文件，找出相關的政策……然後快速返回，響應的速度不僅很快，而且是質量高、總結式、人性化的響應。」

在另一個例子中，艾耶爾分享說，他的公司幫助一家全球零售商為個性化禮品卡創造了人工智慧驅動的生成設計。「客戶體驗大大提升。」他說。

生成式人工智慧的障礙

然而，與任何新興技術一樣，在採用生成式人工智慧技術時，也存在組織、技術和實施方面的障礙需要克服。

對於組織和企業而言，人是可能面臨的主要障礙之一。艾耶爾說：「採用生成式人工智慧往往會立即受到阻力，因為它會影響人們的日常工作方式。」

因此，必須確保所有團隊的內部支持，並注意技能差距。此外，為投資創建商業案例的能力，以及獲得管理層的支持，將有助於加快技術採用的進程。

技術的障礙與大型語言模型（LLM，large language models）和減少幻覺和偏見並確保數據質量的機制有關。

艾耶爾解釋道：「公司需要弄清楚生成式人工智慧是否可以解決整個問題，或者他們是否仍然需要人工輸入來驗證大模型的輸出。」

與此同時，組織必須知道，自己所使用的生成式人工智慧模型，是否在客戶環境中或根據企業自己的數據和見解進行了適當的訓練。

如果沒有，則很有可能產生不正確的回答。另一個挑戰是偏見：如果訓練數據存在某些偏見，最終的大模型可能是不公平的。

「必須有機制來解決這個問題。」艾耶爾說。其他問題，如數據質量、輸出真實性和可解釋性，也必須得到解決。

最後一組挑戰與實際執行有關。艾耶爾說，該技術的實施成本可能很高，尤其是如果公司無法制定可行的解決方案。

此外，必須有適當的基礎設施和人員，以避免被資源限制。用戶必須確信輸出具有相關性和高質量，以便獲得他們對項目實施的認可。

最後，必須解決隱私和道德問題。Corinium Intelligence 和 WNS Triange 的調查顯示，近 72% 的受訪者對人工智慧的道德決策感到擔憂。

未來投資的重點

生成式人工智慧的整個生態系統正在迅速發展。企業必須踐行敏捷策略並快速適應變化，以確保滿足客戶的期望並保持競爭優勢。

對於這樣一種新的快速發展的技術而言，我們幾乎不可能預測它的下一步會發生什麼，但艾耶爾表示，希望利用生成式人工智慧潛力的組織可能會在三個領域增加投資：

數據現代化、數據管理、數據質量和治理，以確保底層訓練數據的正確性和可利用性。

足夠多的人才和勞動力來滿足需求，需要引入培訓、學徒制和注入新人才，或利用第三方服務商的人才。

遵守數據隱私解決方案和機制。為了確保隱私得到保護，高層領導人還必須遵守相關司法管轄區的相關法律法規。

然而，這個過程不應該是把所有選擇都嘗試一遍，然後找到那些好用的。艾耶爾建議組織從向客戶提供的服務或產品的有效性來檢查投資回報率。

商業領袖必須使用基於生成式人工智慧的干預措施，清楚地證明和衡量客戶滿意度具有顯著提高。

艾耶爾說：「除了明確的生成式人工智慧戰略外，公司還需要了解如何應用和構建用例，如何以足夠的規模和速度將其推向市場，以及如何衡量其是否成功。」

利用生成式人工智慧與客戶互動，通常是一種多階段的方法，成功的合作關係可以在每個階段都有所幫助。

支持：Ren