Andy: Ja, dat is een geweldige vraag. Ik denk dat kunstmatige intelligentie tegenwoordig zeker in de belangstelling staat, maar wat volgens mij net zo waardevol is, is augmented intelligence. Laten we beginnen met het definiëren van de twee. Daarom verwijst kunstmatige intelligentie naar machines die de menselijke cognitie imiteren. En als we nadenken over gebruikerservaring, is daar eigenlijk geen beter voorbeeld van dan chatbots of virtuele assistenten. Technologie waarmee u 24/7 kunt communiceren met Brand 365 wanneer u maar wilt, en die de gesprekken nabootst die u normaal gesproken zou voeren met een live menselijke klantenservicemedewerker. Augmented intelligence verwijst daarentegen feitelijk naar AI die de menselijke capaciteiten vergroot, waardoor de cognitieve belasting van een individu toeneemt, waardoor hij of zij meer kan doen met minder, waardoor hij tijd bespaart. Ik denk dat op het gebied van gebruikerservaring copiloten hier een zeer populair voorbeeld worden. Hoe kunnen copiloten aanbevelingen doen, reacties genereren, veel van de dagelijkse taken automatiseren die mensen simpelweg niet graag doen en, eerlijk gezegd, niet goed in zijn?
Ik denk dus dat er een duidelijk onderscheid is tussen kunstmatige intelligentie, eigenlijk die machines die de menselijke capaciteiten voor 100% overnemen, versus machines die de menselijke capaciteiten voor 100% overnemen, en die mensen niet vervangen, maar ze naar een hoger niveau tillen, waardoor ze meer kunnen doen. En waar er een overlap is en ik denk dat we deze trend de komende jaren echt zullen zien versnellen op het gebied van klantervaringen, is de mix tussen de twee als we met het merk omgaan. En wat ik daarmee bedoel, is misschien een gesprek beginnen met een intelligente virtuele agent, een chatbot, en vervolgens naadloos overgaan in een levende menselijke klantvertegenwoordiger om een gespecialiseerde rol te spelen. Dus misschien kan ik, terwijl ik onderzoek doe naar een nieuw product om te kopen, zoals een mobiele telefoon online, de chatbot wat vragen stellen, en deze verwijst naar zijn kennisbank en eerdere interacties om deze te beantwoorden. Maar als het tijd is om een heel specifieke vraag te stellen, kan ik worden verheven tot klantenservicemedewerker voor dat merk. Ik zou dan kunnen besluiten om te zeggen: “Hé, als het tijd is om iets te kopen, wil ik er zeker van zijn dat je praat met een levend individu.” Dus ik denk dat er een mix of een continuüm zal zijn, als je wilt, van dit soort interacties die je hebt. En ik denk dat we op een punt zullen komen waarop we heel binnenkort misschien niet eens meer weten of het een mens aan de andere kant van die digitale interactie is of gewoon een machine die heen en weer praat? Maar ik denk dat deze twee concepten, kunstmatige intelligentie en augmented intelligence, zeker zullen blijven bestaan en verbeteringen in de klantervaring op grote schaal bij merken zullen stimuleren.
laurier: Nou, er is de klantreis, maar er is ook de AI-reis, en de meeste van die reizen beginnen met data. Wat is intern het proces om de AI-capaciteiten op het gebied van data te versterken, en hoe spelen data een rol bij het verbeteren van de ervaring van zowel werknemers als klanten?
Andy: Ik denk dat het tegenwoordig een algemeen begrip is dat AI slechts zo goed is als de gegevens waarop het is getraind. Korte anekdote: als ik een AI-ingenieur ben die probeert te voorspellen welke films mensen zullen bekijken, zodat ik betrokkenheid in mijn film-app kan opnemen, wil ik gegevens. Welke films hebben mensen in het verleden gezien en wat vonden ze leuk? Hetzelfde geldt voor de klantervaring: als ik de beste uitkomst van die interactie probeer te voorspellen, heb ik CX-gegevens nodig. Ik wil weten wat er in het verleden goed is gegaan met deze interacties, wat is slecht of slecht? Ik wil geen gegevens die alleen op het publieke internet beschikbaar zijn. Ik heb gespecialiseerde CX-gegevens nodig voor mijn AI-modellen. Als we nadenken over het versterken van de mogelijkheden van kunstmatige intelligentie, gaat het eigenlijk om het verkrijgen van de juiste gegevens om mijn modellen op te trainen om de beste prestaties te leveren.
En als ik terugkom op het voorbeeld dat ik gaf over sentiment, denk ik dat dit de noodzaak versterkt om ervoor te zorgen dat wanneer we AI-modellen trainen voor klantervaring, dit gebeurt op basis van rijke CX-datasets, en niet alleen op publiek beschikbare informatie zoals sommige andere populaire modellen van grote talen.
En ik denk erover na hoe data een rol spelen bij het verbeteren van de werknemers- en klantervaring. Er is een strategie die van belang is voor het afleiden van nieuwe informatie of het afleiden van nieuwe data uit die ongestructureerde datasets waarover deze contactcenters en ervaringscentra vaak beschikken. Dus als we over het gesprek nadenken, is het heel open, toch? Het kan op vele manieren gaan. Het is niet vaak voorspelbaar en erg moeilijk om aan de oppervlakte te begrijpen waar AI en geavanceerde machine learning-technieken kunnen helpen, hoewel ze nieuwe informatie uit die gesprekken kunnen halen, zoals het sentiment van de consument aan het begin van het gesprek versus aan het einde. Welke acties heeft de agent ondernomen die tot positieve trends in dat sentiment of tot negatieve trends hebben geleid? Hoe hebben al deze elementen zich afgespeeld? En je kunt heel snel overgaan van het nemen van grote ongestructureerde datasets die misschien niet veel informatie of signalen bevatten, naar zeer grote datasets die rijk zijn en veel signalen bevatten en daar nieuwe informatie of inzichten uit afleiden, zoals ik me graag voorstel. dat de chemie van dat gesprek een zeer cruciale rol speelt, denk ik dat AI vandaag de dag de klantervaringen aanstuurt om ervoor te zorgen dat die ervaringen vertrouwd zijn, goed worden uitgevoerd en zijn gebaseerd op consumentengegevens die kunnen worden vertrouwd, en niet op openbare informatie die niet daadwerkelijk bijdraagt naar een positieve klantervaring.
laurier: Terugkomen op jouw idee van gebruikerservaring is werk. Een van de belangrijkste vragen waarmee de meeste organisaties worden geconfronteerd bij het implementeren van technologie is hoe ze een hoogwaardige gebruikerservaring kunnen bieden zonder dat dit ten koste gaat van de bedrijfsresultaten. Dus hoe kan AI de naald op deze manier in dat positieve gebied bewegen?
Andy: Ja, ik denk dat als er één woord is om over na te denken als het gaat om AI die de bedrijfsresultaten verplaatst, het schaal is. Ik denk dat de manier waarop we over dingen denken eigenlijk allemaal te maken heeft met schaalgrootte, waardoor mensen of werknemers meer kunnen doen, of het nu gaat om het vergroten van hun cognitieve belasting, het besparen van tijd of het efficiënter maken van dingen. Nogmaals, het verwijst naar die verhoogde intelligentie. En als we dan door kunstmatige intelligentie gaan, denken we alles over automatisering. Dus hoe kunnen we een 365 24/7 klantervaring bieden? Hoe kan de klantervaring worden verbeterd als consumenten op elk gewenst moment een merk kunnen bereiken? Het is dus belangrijk om beide tactieken op een manier toe te passen die het bedrijfsresultaat verbetert en resultaten oplevert. Ik denk dat er nog een derde is die niet genoeg aandacht krijgt, en dat is consistentie. Zo kunnen we medewerkers meer laten werken. We kunnen hun taken automatiseren om meer capaciteit te bieden, maar we moeten ook consistente, positieve ervaringen bieden.