Штучний інтелект (ШІ) сьогодні демонструє вражаючі результати у сприйнятті потреб клієнтів, перевершуючи за цим показником людських аналітиків. Нещодавнє дослідження, проведене MIT Sloan School of Management, виявило, що великі мовні моделі здатні з високою точністю виявляти потреби споживачів, що перебуває на новому рівні.
За даними дослідження, оптимізована модель визнала 100% основних потреб клієнтів, тоді як аналітики змогли виявити лише 87,5%. Важливо зазначити, що неекспертні співробітники, використовуючи цю ж модель, досягли результатів на рівні професіоналів, що вказує на те, як компанії можуть змінити підходи до аналізу споживчих потреб.
Ці результати з’являються на фоні зростаючого використання ШІ в компаніях для обробки відгуків клієнтів, підсумовування взаємодій та вилучення важливих сигналів з великих обсягів неструктурованих даних. Застосування цих інструментів свідчить про те, що аналітична робота поступово інтегрується в щоденний робочий процес, а не залишається виключно в руках дослідницьких чи аналітичних команд.
Впровадження ШІ у робочі процеси з продуктами
Компанії, такі як Oracle, вже представили нові ШІ-агенти для фахівців з продажу, які збирають інформацію про клієнтів з багатомовних джерел, генерують підсумкові звіти про рахунки та готують аналітичні матеріали перед переговорами. Ці агенти є частиною ширшої стратегії інтеграції ШІ в робочі процеси продажу.
Клоракс також слідує схожим курсам в рамках свого п’ятирічного плану цифрової трансформації на суму 580 мільйонів доларів. Вони інтегрували генеративні ШІ-інструменти в процеси розробки продуктів та збору відгуків споживачів, аналізуючи коментарі та рецензії клієнтів на своїх брендів, що дозволяє швидше виявляти нові теми і тенденції.
Останні аналітичні дані свідчать, що впровадження ШІ в обслуговування клієнтів сприяло зростанню рівня задоволеності клієнтів на 45% і зменшенню операційних витрат на 30%. Результати показують, що швидше виявлення повторюваних проблем, швидше перенаправлення запитів і більш узгоджене класифікування тем підтримки стали основними чинниками цих поліпшень.
Зміни у циклах аналітики завдяки ранньому виявленню сигналів за допомогою ШІ
Компанії відзначають розширення робочих процесів, що ґрунтуються на аналізі з використанням ШІ, оскільки ці системи починають виконувати первинну обробку сигналів клієнтів у сферах продажу, обслуговування, маркетингу та розробки продуктів. Дослідження Gartner демонструє, що підприємства активно впроваджують ШІ для автоматизації класифікації запитів і швидкого реагування на проблеми, що виникають.
Vercel повідомила, що впровадила ШІ-агентів, навчальних на основі робочих показників її найкращих продавців, щоб деталізувати вхідні запити, фільтрувати повідомлення і маршрутизувати запити, економлячи час і ресурси, які раніше вимагали залучення кількох співробітників.
Зміщення ранніх аналітичних обробок у бік систем ШІ вже не обмежується лише сферами продажів і обслуговування — технології проникають у розробку продуктів. Організації відзначають, що ШІ-системи проходять за межі класифікації вимог клієнтів і створення внутрішніх звітів, беручи участь у процесах прийняття рішень щодо складу, формул продуктів і стратегічних розробок.
Наприклад, компанія Barry Callebaut розширила застосування ШІ у співпраці з NotCo для створення нових рецептів шоколаду, програма аналізувала альтернативи інгредієнтів та переваги споживачів, беручи до уваги зростання цін на какао. Системи враховували не лише цінові обмеження, а й генерували ідеї щодо смаку та текстури.
Інші виробники також повідомляють про аналогічні ініціативи. Johnson & Johnson перенаправила свої зусилля у сферу розробки продуктів і комерційних рішень після аналізу первинних проектів ШІ, повідомивши про досягнення значущих результатів у 10% до 15% первісних впроваджень у рамках тестування систем, які обробляли відгуки щодо медичних пристроїв та підтримувала планування розробок.