Kurumsal yapay zeka sessizce başarısız olmaz. Bu durum, tekrarlanan müşteri temaslarında, patlayan istisna kuyruklarında ve demoda harika görünen ancak üretimde felaket gibi görünen otomasyon pilotlarında kendini gösteriyor. Teknoloji nadiren suçu hak eder. Strateji neredeyse her zaman bunu yapar.
İşletmelerdeki çoğu yapay zeka uygulama başarısızlığının ardındaki rahatsız edici gerçek şudur: Yapay zeka bir şifacı değil, güçlendiricidir. Bunu bozuk iş akışlarının üzerine uyguladığınızda daha iyi sonuçlar elde edemezsiniz; makine hızında hatalı sonuçlar elde edersiniz. Bu ayrım son derece önemlidir, ancak yapay zeka dönüşüm planlamasında sürekli olarak gözden kaçırılan değişken olmaya devam etmektedir.
Amplifikatör sorunu
Yapay zekanın müşteri deneyimi operasyonunda neler yaptığını düşünün. Mevcut karar mantığınızı (kurallar, öncelikler, uç durum yönetimi) alır ve herhangi bir insan ekibinin yapabileceğinden çok daha hızlı, daha geniş kapsamlı ve çok daha tutarlı bir şekilde yineler.
İstikrarlı koşullar altında bu son derece değerlidir. İstikrarsız durumlarda bu bir sorumluluk çarpanıdır.
Çoğu kurumsal CX operasyonu istikrarlı koşullarda çalışmaz. Resmi taktik kitabında hiçbir zaman yer almayan kabile bilgisi, manuel çözümler ve ajan doğaçlaması ile çalışıyorlar. Yapay zeka bu iş modelini devraldığında onu temizlemez. Onu sanayileştiriyor. Doğaçlama politikaya dönüşür. Çözüm iş akışı haline gelir. Tahmin, talep eden her müşteriye algoritmik bir güvenle sunulan cevap haline gelir.
Gartner, veriler “Yapay Zeka için hazır olmadığında” yapay zeka çabalarının sıklıkla çöktüğü ve ölçeğin performansı hızlandırıcı olmaktan çok başarısızlık çarpanı haline geldiği konusunda uyardı. Bu yüzeysel bir veri sorunu. Özünde bu bir sistem sorunudur; hiçbir model yükseltmesinin veya tedarikçi değiştirmenin çözemeyeceği bir sorundur.
Yapay zeka neden kötü kararları çözmek yerine ölçeklendiriyor?
Gartner, 2028 yılına kadar müşterilerin en az yüzde 70'inin hizmet yolculuğuna konuşmaya dayalı bir yapay zeka arayüzü aracılığıyla başlayacağını öngörüyor. Bu değişim, kötü kararların risk profilini tamamen değiştiriyor. Daha önce insan muhakemesi ile halledilen kusurlu bir iç süreç, artık müşteri ilişkilerinin ön kapısındadır. Yanlış rotayı fark edecek bir temsilci, yanlış cevabı geçersiz kılacak bir yönetici yok. Yapay zeka bunu hallediyor ve müşteri hatayı hemen deneyimliyor.
Otomasyon ölçeklendirmesinin risklerinin operasyonel kaygılar olmaktan çıkıp marka sorunları haline gelmeye başladığı nokta burasıdır. Tutarsız kararlar güveni zedeler. Çıkmaz tırmanma yolları hayal kırıklığına neden olur. Müşteriler, yapay zekanın gerçek bir yardımcı mı yoksa karmaşık bir labirent mi olduğunu hızla öğreniyor. İkincisi olduğuna karar verdiklerinde hasarı geri almak zordur.
IBM, zayıf analitik ve otomasyon kararlarına yol açması nedeniyle, sürekli olarak düşük veri kalitesini kuruluşlar için en önemli öncelik olarak tanımlamıştır. Girdi tutarsızsa çıktı da tutarlı bir şekilde tutarsız olacaktır ve büyük ölçekte bu tutarsızlık müşteri deneyimine dönüşür.
Yapay zeka pilotları neden yalan söylüyor?
Bu model tüm sektörlerde kendini tekrarlıyor. Bir ekip yüksek hacimli bir yolculuğu otomatikleştirir. Pilot kontrollü bir ortamda iyi performans gösterir. Verilerin eksik olduğu, uç vakaların çoğaldığı ve insan temsilcilerinin içgüdüsel olarak ele aldığı istisnaların çözülmemiş temaslar olarak geri aktığı durumlarda bu durum üretimi etkiler. Liderlik bunu bir teknoloji başarısızlığı olarak yorumluyor ve daha fazla araca yatırım yapıyor. Temel sorun olan istikrarsız iş akışı, daha gelişmiş bir teknoloji yığınının altına gömülüyor.
MIT Sloan'ın iş akışı tasarımı üzerine araştırması şu noktayı ortaya koyuyor: Otomasyon potansiyeli, görevlerin birbirine nasıl uyduğuna bağlıdır. Bazı süreçler düzgün bir şekilde birbirinin içine akar. Diğerleri bunu yapmıyor. Yapay zeka karmaşık bir iş akışını çözmeyecek; sadece dolaşmayı daha hızlı ve daha büyük hacimle gerçekleştirecektir.
Yapay zekayı CX'e göre ölçeklendirmeden önce neyi çözmeniz gerekiyor?
İleriye giden yol mükemmellik değildir. Bu istikrardır ve ölçeğin peşinden gitmemeli, ondan önce gelmelidir.
Bu, karar mantığının, insan veya makine olsun herkesin tutarlı bir şekilde uygulayabileceği kadar açık bir şekilde kodlanması gerektiği anlamına gelir. Bu, birbiriyle çelişen verilere sahip sistemlerden oluşan bir sistem yerine, müşteri bağlamını tek, güvenilir bir gerçek kaynağında birleştirmek anlamına gelir. Bu, bilgi tabanını yönetmek anlamına gelir: Sahipleri atamak, inceleme döngülerini ayarlamak ve güncelliğini yitirmiş içeriği, yapay zeka müşterilere gerçekmiş gibi sunmadan önce kullanımdan kaldırmak. Ve bu, model sınırlarına ulaştığında müşteriyi koruyan istisna yolları tasarlamak anlamına gelir: hızlı yükseltme, net devir notları, çıkmaz sokakların olmaması.
NIST'in Yapay Zeka Risk Yönetimi Çerçevesi, yalnızca uygulama sırasında değil tüm yaşam döngüsü boyunca risk yönetimine odaklanarak yapılandırılmış yönetimi güvenilir yapay zekanın merkezine yerleştirir.
Bu çerçeve, çoğu kurumsal yapay zeka programının henüz ulaşmadığı ancak ihtiyaç duyulan bir olgunluğu yansıtıyor.
Daha hızlı yürütme, daha iyi yürütme anlamına gelmez
Her şeyi otomatikleştirmek istemek yanlış başlangıç noktasıdır. Doğru soru, sürecin otomatikleştirilmeye değer olacak kadar istikrarlı olup olmadığı ve hangi yönetim kontrolleri altında çalışması gerektiğidir.
Yapay zeka dönüşüm zorlukları nadiren model sorunlarıdır. Bunlar disiplin sorunlarıdır. Müşteri deneyiminde yapay zekadan sürdürülebilir değer elde eden kuruluşlar, en hızlı ilerlemeyi kaydeden kuruluşlar değil. Karar mantıklarını istikrara kavuşturan, gerektiğinde verilerini ayarlayan ve iş akışlarını otomatikleştirmeden önce yeniden tasarlayanlar onlardı.
Yürütme hızı, yürütme kalitesiyle aynı değildir. Yapay zeka size ilkinden şimdiye kadar sahip olduğunuzdan daha fazlasını verecektir. Bu hızlanmanın sizin lehinize mi yoksa aleyhinize mi çalışacağı tamamen onu üzerine inşa ettiğiniz temele bağlıdır.
Sık sorulan sorular
Kuruluştaki yapay zeka stratejisinin başarısızlığı nedir?
İş ekiplerinin karşılaştığı yapay zeka stratejisi başarısızlıkları, yapay zekanın tutarsız kararları, hatalı verileri ve bozuk iş akışlarını ölçeklendirerek ölçekte istikrarsız sonuçlar yaratmasıdır.
Başarılı bir pilot uygulamanın ardından otomasyon ölçeklendirme riskleri neden ortaya çıkıyor?
Pilotlar daha temiz koşullarda çalışır. Üretim, karmaşık veriler, istisnalar ve değişen politikalar ekleyerek otomasyon risklerini hızla ortaya çıkarır.
CX'teki yapay zeka karar sistemleri nelerdir?
CX ekiplerinin kullandığı yapay zeka karar sistemleri, verilere, kurallara ve modellere dayalı olarak hizmet eylemlerini yönlendiren, öneren, özetleyen veya otomatikleştiren araçlardır.
Yapay zekayı işletmelerde uygularken en sık karşılaşılan sorunlar nelerdir?
Kurumsal yapay zeka uygulamasıyla ilgili sorunlar genellikle parçalanmış verileri, zayıf entegrasyonu, belirsiz mülkiyeti, zayıf yönetişimi ve eksik istisna yönetimini içerir.
Ölçeklendirmeden önce hangi yapay zeka dönüşümü zorlukları en önemlidir?
Yapay zeka dönüşümünde en önemli zorluklar; karar netliği, veri kalitesi, iş akışının yeniden tasarlanması ve yapay zekanın hatalar yerine değeri ölçeklendirmesi için yönetim kontrolleridir.
Bir yanıt yazın