Ajansal yapay zeka müşteri deneyiminde ivme kazandıkça, satıcılar şirketlerin deney yapmaktan yapay zeka aracılarını gerçek dünyada konuşlandırmaya geçmesine yardımcı olacak yeni araçlar sunuyor.
Ancak yoğun ilgiye rağmen birçok kuruluş hâlâ pilot modda kaldı.
Dialpad yakın zamanda şirketlerin aracı yapay zekasını konsept kanıtlama aşamasından üretim aşamasına geçirmelerine yardımcı olacak yeni yetenekleri tanıttı.
Geçen sonbaharda AI aracılarının piyasaya sürülmesinden sonra şirket üç pratik zorluğa odaklandı: doğru kullanım durumlarını belirlemek, lansmandan önce yatırım getirisi oluşturmak ve kanıtlamak ve yönetilen Agentic AI aracılarını koda ihtiyaç duymadan ses ve dijital kanallarda dağıtmak.
Yapay zeka ajanları neden takılıp kalıyor?
Yapay zekanın benimsenmesinin önündeki en büyük engel farkındalık değil; bu güvendir. Buna göre Shezan Kazi, Dialpad'de Yapay Zeka Dönüşümü Başkanı“Kuruluşlar yapay zeka temsilcilerinin beklentileri karşılayacağına güvenmelidir.
“Ayrıca zaman içinde bu aracıları oluşturma, dağıtma ve yönetme becerilerine de güvenmeleri gerekiyor.”
Kuruluşlar, özellikle müşteriyle yüz yüze etkileşimler söz konusu olduğunda, yapay zeka aracılarının performans beklentilerini karşılayacağından her zaman emin olmayabilir.
Daha da önemlisi, birçok ekip zaman içinde AI aracılarını oluşturma, test etme ve yönetme konusunda şirket içi uzmanlığa sahip olduklarından emin değil.
Aynı zamanda yöneticiler maliyetleri otomatikleştirme ve azaltma yönünde artan baskıyla karşı karşıya. Hemen hemen her şirket, ajansal yapay zeka ile bir şeyler yapması gerektiğini biliyor.
Sorun nereden başlayacağını bilmektir.
Üç tutarlı soru ortaya çıkıyor:
- En büyük etkiye sahip fırsatlar nerede?
- Bu aracıları nasıl oluştururuz ve hangi beceriler gereklidir?
- Bir yapay zeka ajanı ne zaman üretime gerçekten hazır olur?
Çoğu kuruluşun bu soruları yanıtlamanın net, veriye dayalı bir yolu yoktur. Sonuç olarak, birçok erken dönem yapay zeka projesi kanıtlardan ziyade varsayımlara dayanıyor.
Kazi'ye göre, “Herkes ajansal yapay zeka yapmak istediğini biliyor, ancak bunu en iyi nereye uygulayacaklarını ve hangi iş akışlarına veya kullanım senaryolarına odaklanacaklarını bilmiyorlar. Çoğu müşteri, verilerine dayanarak ne tür yapay zeka aracıları oluşturacağını belirleyemiyor ve şu anda bunların hepsi tahminden ibaret.”
Aracı yaşam döngüsünün tamamını kapsar
Dialpad'in yaklaşımı, müşterilerin yapay zeka aracılarını kontrollü, ölçülebilir bir şekilde dağıtmasına yardımcı olmak ve keşiften dağıtıma, yönetime ve sürekli optimizasyona kadar iletişim merkezinde aracılı yapay zekanın tüm yaşam döngüsünü ele almaktır.
Başlangıç noktası keşiftir. Dialpad'in Beceri Madenciliği yeteneği, geçmiş konuşma transkriptlerini ayrıntılı olarak analiz eder ve konuşmaları yalnızca üst düzey niyete göre sınıflandırmak yerine sırayla değerlendirir.
Etkileşim türlerini kümeler, hangilerinin otomasyona uygun olduğunu değerlendirir ve yapay zeka aracıları tarafından ele alındığında ölçülebilir etkiye sahip olma olasılığı en yüksek fırsatları ortaya çıkarır.
Ekipler, hangi iş akışlarının otomatikleştirileceğini tahmin etmek yerine, yapay zeka aracılarının nerede sonuç sunabileceğine dair net ve düzenli bir görünüm elde ederek insan aracılara daha karmaşık müşteri etkileşimleri için yer açar.
Bir kullanım durumu seçildiğinde Agent Studio, yapay zeka aracıları oluşturmak için görsel, kodsuz bir ortam sağlar. İş kullanıcıları, programlama veya konuşma tasarımı bilgisine ihtiyaç duymadan, doğal dil talimatlarını kullanarak iş akışlarını yapılandırabilirler.
Platform, yerleşik zekayı, özel yapay zeka modellerini ve aracıları kurumsal sistemlerle, güvenlik gereksinimleriyle ve uyumluluk politikalarıyla uyumlu hale getiren bir bağlayıcı ekosistemi içerir.
Yapay zeka ajanları yayına girmeden önce Proving Ground testi otomatikleştiriyor. Yüzlerce simüle edilmiş senaryo, karakter ve uç durum oluşturur ve ardından temsilcinin nasıl performans gösterdiğini değerlendirmek için gerçek zamanlı değerlendirmeler gerçekleştirir.
Kazi'ye göre “bu, manuel test döngülerinin yerini alıyor ve ekiplere dakikalar içinde performans öngörüleri sağlıyor.”
Pratik anlamda: Beceri Madenciliği neyin otomatikleştirilmesi gerektiğini belirler, Agent Studio bunu oluşturur ve Proving Ground yayınlanmadan önce test eder. Müşteriler ajan yapay zekayı bu şekilde operasyonel hale getiriyor.
Veriler stratejiyi değiştirdiğinde
Yapay zeka ajanlarının erken konuşlandırılması bazı ilginç bulgular gösteriyor.
Skill Mining, bir e-ticaret uygulamasında etkileşimlerin %51,4'ünün otomasyona uygun olduğunu buldu. Daha spesifik olarak, çağrıların %27'si iade etiketleri oluşturmayı içeriyordu.
Sistem, gerekli adımları belirleyip haritalandırarak şirketin kendi verilerini kullanarak iade etiketi oluşturma işlemini gerçekleştiren bir yapay zeka iş akışını hızlı bir şekilde oluşturmasına olanak tanıdı. Proving Ground daha sonra lansmandan önce performansı doğrulamak için müşteri senaryolarını simüle etti.
Başka bir durumda, çeşitli ülkelerde dil programları sunan bir eğitim sağlayıcı, ürünle ilgili sorguların çağrı hacmine hakim olacağını varsaydı.
Skill Mining, şirketin çağrılarını ve konuşmalarını analiz etti ve çağrıların %37'sinin öğrencilerin yeni bir ülkeye geldikten sonra nerede çamaşır yıkayabilecekleri ile ilgili olduğunu buldu.
Bu içgörü, liderliğin öncelik olarak görmediği bir soruyu yanıtlamaya odaklanan bir yapay zeka temsilcisinin yaratılmasına yol açtı.
Benzer şekilde, bir restoran grubu başlangıçta birincil otomasyon kullanım örneği olarak rezervasyonlara odaklandı.
Ancak Skill Mining, yeni şifre rotasyon politikasının ardından ayda yaklaşık 25.000 şifre sıfırlama talebinin olduğunu tespit etti; bu, rezervasyon çağrılarından çok daha fazla.
Yapay zeka aracıları kullanılarak parola sıfırlama işlemlerinin otomatikleştirilmesi, daha net ve daha hızlı bir yatırım getirisi sağladı.
Yerleşik yönetim
Yapay zeka aracıları oluşturmak kolaylaştıkça yönetim giderek daha önemli hale geliyor. Tuş takımı hem oluşturma hem de çalışma zamanında korumalar içerir.
Memur gelişimi sırasında, COMPASS (Konuşma Performansı ve Güvenlik Sorumlusu), serbest bırakılmadan önce her memuru değerlendirir. Yapılandırma mantığını değerlendirir, potansiyel riskleri belirler ve düzeltme önerilerinde bulunur.
Bunu dağıtımdan önce kalite ve güvenlik kontrolü olarak düşünün.
Temsilci canlı yayına geçtiğinde Guardian modeli konuşmaları gerçek zamanlı olarak izler. Etkileşimleri engelleyebilir, uyumluluk önlemlerini uygulayabilir veya gerekirse bir insan temsilciye iletebilir. Amaç performansı korurken riski azaltmaktır.
Erken sonuçlar
Birçok müşteri hâlâ uygulama aşamasında olsa da, erken ölçümler halihazırda ortaya çıkıyor. Bir kuruluş, %70'in üzerinde bir AI aracı çözüm oranıyla ayda 90.000'den fazla çağrıyı yönetiyor.
Bir e-ticaret müşterisi, sipariş durumu sorguları ve güncellemeleri için %80'in üzerinde çözüm oranları bildiriyor.
Bir diğer operasyonel fayda ise uzmanlaşmış yapay zeka yeteneklerine olan bağımlılığın azalmasıdır. Teknik olmayan CX liderleri, hızlı mühendisleri veya konuşma tasarımcılarını işe almadan aracıları yapılandırıp yönetebilir, böylece aracı yapay zekanın benimsenmesinin önündeki engelleri azaltır.
Deneyden mimariye
Yapay zeka aracıları oluşturmak giderek daha kolay hale geldikçe, asıl soru bunların kurumsal CX mimarinize nasıl uyum sağlayacağıdır.
Kuruluşların tasarım yoluyla uyumluluk, tasarım yoluyla yönetişim ve tasarım yoluyla güvenlik konularını düşünmesi gerekir. Hız önemlidir ama dayanıklılık daha önemlidir.
Yapay zeka aracıları oluşturmak giderek kolaylaşıyor. Karmaşık bir iş ortamında bunları sorumlu bir şekilde ölçeklendirmek daha zordur.
Kazi şunu belirtiyor: “Kuruluşlar ajansal yapay zeka ile ilerledikçe odak noktası hızdan sürdürülebilirliğe doğru kayıyor.
“Yapay zeka aracıları oluşturmak giderek kolaylaşıyor. Asıl soru, bunların iş mimarinize nasıl uyduğudur.”
“Kuruluşların tasarım yoluyla uyumluluk, tasarım yoluyla yönetişim ve tasarım yoluyla güvenlik konularını düşünmesi gerekiyor. Hız önemlidir, ancak sürdürülebilirlik daha önemlidir.”
Dialpad'in stratejisi, doğru kullanım senaryolarının belirlenmesinden etkinin doğrulanmasına ve gerçek zamanlı izlemenin güçlendirilmesine kadar tüm yaşam döngüsünü yönetmeye odaklanır.
Yapay zeka yatırımlarından ölçülebilir yatırım getirisi gösterme baskısı altındaki şirketler için bu uçtan uca yaklaşım, aracılı yapay zekanın bir pilot girişim olarak mı kalacağını yoksa temel müşteri deneyimi altyapısının bir parçası mı olacağını belirleyebilir.
Bir yanıt yazın