생성 AI는 고객 서비스를 영원히 변화시킬 것입니다. 우리가 거기까지 가는 방법은 다음과 같습니다

생성 AI를 활용하려는 기업은 기술이 고객에게 어떤 이점을 제공하는지에 초점을 맞춰야 합니다.

생성적 인공지능(AI)을 고객 서비스에 성공적으로 적용하려면 체계적인 접근 방식이 필요합니다.

생성적 AI 솔루션을 사용하여 고객 경험을 개선한다는 것은 레거시 프로세스를 재창조하고 데이터 액세스, 분석 및 적용 방법을 최적화하여 직원, 고객, 비즈니스 파트너 및 모든 이해관계자에게 더 빠르고 더 많은 정보를 제공하는 더 나은 결정을 내리는 것입니다. 우리 커뮤니티.

우리가 강조하고 싶은 점은 조직이 생성 AI를 적용하기 전에 프로세스를 확인하고 다시 확인해야 한다는 것입니다. 실수가 다시 발생하여 생성 AI 시스템을 구축하는 회사를 당황하게 만들 수 있습니다. 최근 Chevrolet의 사례에서는 AI 지원 봇이 고객에게 잘못된 정보를 제공하여 재정적 손실을 초래했습니다. 한편, 북미의 한 항공사는 자사의 봇이 회사의 책임이 아닌 별도의 개체라는 법적 주장을 시도했습니다.

이러한 상황에서는 기계가 좋은 데이터와 나쁜 데이터, 좋은 프로세스와 나쁜 프로세스를 구분할 수 없다는 점을 기억하는 것이 중요합니다. 기계는 데이터만 보고 데이터에 대해 생성된 프로세스와 규칙을 따릅니다.

또한 조직은 생성적 AI가 사용하는 데이터가 정확한지, 그리고 생성적 AI를 사용하여 설계한 고객 서비스 프로세스가 성공할 수 있는지 확인해야 합니다. 작게 시작하고, 측정 가능한 가치와 이점이 있는 곳에서 시작하고, 단순하게 시작하고, 깨끗한 데이터로 시작하고, 소수의 충성도 높은 고객을 디자인 프로세스에 초대하여 성공을 향한 길을 가십시오.

지난 게시물에서 우리는 생성 AI만으로는 고객 경험을 향상시키지 못할 것이라고 말했습니다. 우리는 세 가지 핵심 조언을 제공했습니다. 데이터는 신뢰할 수 있고 정확하며 이용 가능해야 합니다. 고객 프로세스는 정확하고 직관적이며 공정해야 합니다. 그리고 측정 가능한 가치가 있어야 합니다. 이제 우리는 조직이 AI 기술의 채택을 가속화할 수 있는 방법에 대한 대화로 전환하고 있으며, 생성 AI가 고객 서비스에 가장 큰 영향을 미칠 몇 가지 영역을 살펴보겠습니다.

ChatGPT의 등장은 생성 AI 기술로 챗봇을 강화함으로써 고객 참여에 주목을 받았습니다. 챗봇은 수십 년 동안 셀프 서비스 툴킷의 일부였습니다. 그들은 대부분의 고객을 만족시킬 수 있는 성공률로 질문에 답할 만큼 직관적이지 않았기 때문에 고객 서비스를 혁신하지 못했습니다. 이제 우리는 생성 및 예측 AI를 기반으로 한 봇을 보유하고 있으며 이러한 기술이 셀프 서비스를 근본적으로 변화시킬 것이라는 기대가 높습니다.

생성적 AI 도입이 어떻게 고객 경험과 고객 서비스 개선을 목표로 하는지 더 잘 이해하기 위해 고객 관계 관리(CRM), 고객 경험(CX) 및 고객 서비스 분야에서 세계 최고의 전문가 두 명을 인터뷰했습니다.

Michael Maoz는 Salesforce의 혁신 전략 담당 수석 부사장입니다. Salesforce에 합류하기 전에 Maoz는 Gartner의 연구 부사장이자 저명한 분석가였으며 고객 서비스 및 지원 전략 분야의 연구 리더로 활동했습니다.

Ed Thompson은 Salesforce의 시장 전략 담당 수석 부사장입니다. Salesforce에 합류하기 전에 Thompson은 Gartner에서 연구 부사장이자 저명한 분석가로 재직하며 CX 및 CRM 전략과 구현을 담당했습니다. Maoz와 Thompson은 고객 서비스 애플리케이션 및 프로세스에 생성 AI 솔루션을 적용하기 전에 기업이 무엇을 고려하고 구현해야 하는지에 대한 관점을 공유했습니다.

기업에서는 어떤 주요 실수를 저지르고 있나요?

Ed Thompson - 현재 기업은 지능형 봇과 관련하여 두 가지 사고 방식 또는 두 가지 접근 방식에 속합니다. 에이전트의 생산성 향상에 대해 생각하는 것부터 시작하거나 목표로 삼는 것입니다. 고객 서비스 상담원 수를 줄이기 위해 생성 AI를 사용합니다.

고객 서비스 부서의 관리자는 상담원 생산성을 높이는 도구로서 생성 AI 기반 봇의 가능성에 회의적인 경우가 많습니다. 수년에 걸쳐 소프트웨어 공급업체는 약속을 이행하지 못했습니다. 이에 비해 디지털 책임자, COO 및 재무 책임자는 상담원 생산성에 중점을 두지 않습니다. 그들은 차세대 생성 AI 기반 봇을 사용하여 비용을 절감하는 데 열광하는 경향이 있습니다.

조직이 잘못될 수 있는 곳은 차세대 지능형 봇을 채택했지만 구현과 관련하여 과거와 동일한 실수를 많이 저지르는 경우입니다. 그 실수 중 세 가지는 다음과 같습니다.

1. 옴니채널 솔루션의 일부가 아닌 독립형 봇을 구축하거나 배포하기 위해 봇은 음성, 이메일, WhatsApp, SMS, 포털 및 기타 서비스 채널과 별도로 실행됩니다.
2. 질문에 대한 답변을 제공하는 데 사용되는 기본 데이터가 엉망이어서 고객에 대한 답변이 부정확하거나 도움이 되지 않는다는 사실을 무시하는 것입니다.
3. 고객이 벗어날 수 없는 반복 루프에 빠지게 만드는 방식입니다. 이는 만족도 점수를 낮추고 에스컬레이션을 높이는 접근 방식입니다.

제너레이티브 AI는 편견, 환각, 유해한 답변과 같은 새로운 우려를 가져오고 있습니다. 그러나 오래된 우려는 여전히 남아 있으며 더욱 심각해질 수 있습니다. 아마도 생성적 AI는 통합되지 않고 고립된 데이터 소스, 오래된 데이터, 품질이 낮은 데이터, 잘못된 데이터, 불량한 서비스 프로세스 및 워크플로 설계를 해결하는 원동력을 제공할 것입니다. 제가 권장하는 것은 이전 봇 구현의 실수를 피하는 것입니다.

AI 이니셔티브를 시작하기 전에 무엇을 고려해야 합니까?

Michael Maoz - 먼저 지식 기반을 수정하고 고객 데이터를 정리합니다. 불량한 고객 셀프 서비스 프로세스에 생성적 AI를 추가하면 상황이 더욱 악화되어 이전보다 더 큰 규모와 더 심각한 결과를 초래하게 됩니다. 생성 AI 없이 고객에게 잘못된 정보를 제공하는 챗봇은 기본 지식 기반이 올바르지 않기 때문에 그렇게 합니다. 생성 AI가 추가되면 회사는 이제 잘못된 정보가 환각 때문이 아니라 봇을 통해 완벽한 확신을 가지고 고객에게 제공된다는 사실을 알게 될 것입니다.

그 결과 회사는 더욱 설득력 있는 허위 정보를 새로운 형태로 유포하게 되었습니다. 최근 우리는 NBA 농구팀의 웹사이트를 방문했습니다. 우리는 코치에 관해 봇에게 질문을 했고, 코치에 대한 정확한 정보를 얻었습니다. 한 가지 문제가 있었습니다. 그는 현재의 코치가 아니라 나중에 다른 NBA 팀의 코치로 자리를 옮긴 전 코치였습니다. 지식 기반이 업데이트되지 않았기 때문에 봇에는 현재 팀 코치에 대한 정보가 없습니다. 결과는 재미있는 환각이었습니다.

Ed Thompson - 생성 AI를 활용하는 또 다른 대안이 있습니다. 대부분의 지식 기반이 오래되었거나 신뢰할 수 없는 경우 이를 폐기하고 신뢰할 수 있는 콘텐츠로 처음부터 다시 시작하는 것이 더 쉽고 나을 수 있습니다. 우리는 40% 이상의 기업이 처음부터 다시 시작하여 생성 AI를 사용하여 고객 상호 작용(통화, 채팅, 이메일 등)에서 지식 문서를 생성할 것으로 추정합니다. 이러한 기업의 경우 오래되고 모순되는 지식 소스로 인한 환각 위험이 더 빨라지고 극적으로 낮아질 것입니다.

또 다른 30%의 서비스 조직은 다음 중 하나를 보유하게 됩니다. 충분한 지식; 신뢰할 수 있을 만큼 좋은 지식; 문제를 고칠 수 있을 만큼 충분한 지식; 또는 좋은 것과 나쁜 것을 쉽게 구분할 수 있는 지식(연령, 위치, 품질 점수의 일부 형태). 이 예에서는 처음부터 시작할 가치가 없습니다.

마지막 30%는 데이터가 엉망이라는 것을 알게 되지만 규제나 산업, 정치로 인해 어쩔 수 없이 데이터를 사용해야 하고 수년에 걸쳐 정리를 위해 노력하거나 작업이 너무 어려워 포기하게 됩니다.

권장사항: 지식 기반을 처음부터 다시 구축하는 것을 고려해 보세요.

마이클 마오즈(Michael Maoz) - 더 간단한 서비스 트랜잭션을 통해 이미 고객 요청의 최대 75%를 처리하는 생성 AI의 훌륭한 사례가 있습니다. 시간이 지나면 이 수치는 95%까지 높아질 수 있습니다. 현재 결과가 미래 결과보다 낮은 이유는 대부분의 고객 기반이 기술을 신뢰하고 사용해 볼 만큼 자신감을 갖기 전에 거쳐야 하는 필수 교육과 관련이 있습니다. 모든 고객이 셀프 서비스에 익숙하지 않으며, 많은 고객이 사람이 아닌 소프트웨어와 상호 작용할 때 불편함을 느낍니다. 기업은 고객에게 AI의 효율성과 기술에 내장된 보호 장치에 대해 교육하고, 기술 사용 방법과 그 이점에 대해 고객과 소통해야 합니다.

권장사항: 새로운 생성 AI 기술에 대한 신뢰를 구축하도록 고객을 교육하세요

Ed Thompson - 평균적으로 고객이 젊고 부유할수록 인간보다 디지털 채널을 더 선호한다는 사실을 보여주는 10년간의 연구 결과가 있습니다. 왜? 기술적으로 우수하기 때문이 아니라 오류입니다. 전환하지 않고도 그들과 함께 자랐고 인간 채널을 시도했을 때 덜 유용하다는 것을 알았기 때문입니다(즉, 도달하기 더 어렵고 품질이 더 가변적이며 느림).

시간이 지남에 따라 노년층 소비자와 소프트웨어 사용자가 Z세대와 밀레니얼 세대보다 많아지면서 디지털로의 전환이 더 많이 나타날 것입니다. 1960년대 포퍼와 쿤의 과학 철학 토론에서는 새로운 과학 이론이 합리적인 논쟁과 논쟁을 통해 결국 기존 과학 이론을 이길 것이라고 주장했습니다. 나에게는 오래된 이론의 지지자들이 결국 영향력이나 권력을 잃거나 은퇴하거나 죽기 때문에 새로운 이론이 승리한다고 생각합니다. 그러나 나이가 많고 부유하지 않으며 기술에 익숙하지 않은 소비자가 더 젊고 부유한 소비자와 동일한 비율로 디지털 채널을 채택하는 사례가 있습니다. 한 가지 예가 WhatsApp입니다. 그렇습니다. 이는 간단한 도구이고 네트워크 효과의 이점을 누리지만, 어린 입양자들이 부모와 조부모에게 사용법을 가르친 것도 사실입니다.

권장 사항: 셀프 서비스를 도입할 가능성이 가장 낮은 사람들을 대상으로 교육을 실시하세요.

마이클 마오즈 - 이는 세대 간 격차와 채널 선호도에 대한 중요한 점입니다. 이제 디지털 채널의 프로세스 설계를 살펴보겠습니다. 생성적 AI의 기능을 고려할 때 얼리 어답터는 어려운 교훈을 발견하고 있습니다. 고객이 문제를 성공적이고 직관적으로 해결할 수 있도록 프로세스를 설계하지 않는 한, 인간에게 접근하는 백스톱 없이 AI를 사용하면 고객 경험이 저하될 수 있습니다. 고객 서비스를 위한 생성 AI 온보딩의 성공을 가속화하기 위해 선도적인 기업은 고객을 프로세스 설계 주기에 참여시켜 통찰력을 얻고 응답을 테스트하고 있습니다.

Ed Thompson - 포럼과 컨퍼런스에 참석하여 채널 전환이나 생성 AI, 고객 편향에 대한 토론을 들을 때마다 계속해서 놀랐습니다. 그런데 고객이 원하는 것이 무엇인지에 대한 논의는 전혀 없습니다. 토론은 회사의 고객이 원하는 것이 무엇인지에 따라 결정되지 않습니다. 고객이 어떤 기기를 사용하고 있는지에 대한 논의조차 많지 않습니다. 나는 토론의 75%가 내부적이라고 말하고 싶습니다. 회사가 원하는 것이 무엇인지, 회사가 앉아서 고객의 말을 지켜보고 들었다는 것을 보여주는 고객에 대한 영향에 대해 가끔씩 언급하는 것뿐입니다.

미래의 업무 환경에서 생성 AI의 역할은 무엇인가요?

Ed Thompson - 고객 서비스의 미래 약속은 단순한 질문에 답하는 포인트 솔루션을 넘어 프로세스 흐름에 활용되는 생성적 AI에 있습니다. 이러한 접근 방식에는 고객 요청에 대한 대응 모드에서든 새로운 문제를 지원하기 위해 고객에게 다가가는 자율적 에이전트로서 적극적으로든 전체 영업 프로세스, 마케팅 프로세스 또는 서비스 프로세스를 실행하는 것이 수반됩니다. 장기적인 목표는 고객 서비스가 별도의 부서로 사라지고 대신 고객이 도움을 요청하지 않고 때로는 고객 요청에 응답하여 호출되는 개인 비서로 전환하는 것입니다.

API와 센서를 통해 회사 네트워크에 연결되는 차량, 기계, 장비, 인프라 등의 장치와 개체를 포함하는 '고객'을 생각해 보세요. 이러한 시나리오에서 엘리베이터, 교량 또는 엔진은 인간의 지식이나 개입 없이 도움을 '호출'할 수 있으며, 요청은 인간 에이전트나 소프트웨어 에이전트 또는 이에 응답하기 위한 조합의 파견으로 변환됩니다. 요구.

여담이지만 우리는 흔히 컨택 센터로 알려진 고객 참여 센터가 전화를 받는 센터인 콜 센터에서 진화했다는 사실을 잊어버립니다. 불과 60년 전만 해도 콜센터도 없었습니다. 생각하는 것은 놀라운 일이며 아마도 과거로부터 미래에 대해 배울 수도 있습니다. 그 당시 기업들은 어떻게 살아남았는가? 한 가지 방법은 아마도 덜 전문화되었을 수도 있습니다. 이는 상품과 서비스를 판매하는 사람들도 자신의 역할의 일부로 제품에 서비스를 제공한다는 의미입니다.

마이클 마오즈 - 좋은 질문이네요. 40년 전만 해도 기업은 차별화 요소로서 고객 경험에 의도적으로 초점을 맞추지 않았습니다. 그들은 제품 품질과 가격이 중요하다고 보았고 나중에는 고객 경험이 회사 성장에 필수적인 역할을 한다는 것을 깨달았습니다. 회사는 자신이 수행한 작업을 하위 최적화했습니다. 이는 고객 서비스가 마케팅 및 영업, 엔지니어링 및 제품 개발에서 전반적으로 차단되었음을 의미합니다. 이 전략은 경쟁업체가 고객 경험에서 벗어나 변화하는 고객 요구 사항을 충족하기 위해 제품과 서비스를 리엔지니어링해야 할 필요성을 포착할 때까지 효과가 있었습니다.

Ed Thompson - 따라서 전문화는 나중에 등장했을 수 있으며 이는 이야기의 일부일 뿐입니다. 2차 세계대전 이후 폭발적인 경제 성장이 이루어졌고 이전에는 상상도 못했던 수만 가지의 신제품이 출시되었습니다.

마이클 마오즈 - 역사적 배경이 도움이 된 것 같아요. 1940년대 미국에서는 수화기를 들고 전화를 걸지 않았습니다. 대신 "어떻게 연결하면 될까요?"라는 음성이 나올 때까지 기다렸습니다. 1960년대까지 어떤 회사도 자체 콜센터를 갖고 있지 않았으며, 이러한 변화는 전문화라는 것 외에도 규모에 대한 엄청난 변화를 나타냅니다.

반면, 미국에서는 시어스 카탈로그가 수천 개의 판매 품목을 담은 인쇄된 책이었고, 전국 어디든 우편으로 배송됐다. 조립식 주택, 재봉틀, 주방용 무엇이든 구입할 수 있지만 카탈로그를 통해서만 가능하고 사후 지원 개념이 없었습니다. 2차 세계대전을 언급하셨는데요. 2차 세계대전 이후에는 지역 상점에서 전국적으로 무한한 범위의 제품을 판매하는 교외 및 주간 고속도로, 프랜차이즈 기업, 소매업체가 성장했습니다. 국가 GDP는 3배로 늘었고 소비자는 제조업체가 서비스할 수 있는 것보다 더 빨리 상품과 서비스를 구매했습니다. 이러한 과정을 통해 새로운 판매 후 서비스 사업체와 단위가 형성되었습니다.

에드 톰슨(Ed Thompson) - 원래 요점으로 돌아가서, 우리는 고객을 지원하는 데 필요한 모든 중개와 복잡성을 가지고 현재의 위치에 있습니다. 나는 일대일 마케팅의 미래에 대한 Martha Rodgers 및 Don Peppers와 같은 선구자들의 작업을 통해 1990년대에 비즈니스 분야의 중요한 혁신이 이루어졌다는 데 동의합니다. 이러한 접근 방식은 '고객 서비스'가 별도의 부서로 사라지고 더 나아가 각 소비자나 고객이 자신의 요구 사항을 이해하는 개인 비서를 보유할 가능성을 확인한다는 귀하의 주장과 일치합니다. 우리는 또한 미래에 매스 마케팅이 종말을 맞는 시기를 보게 될 수도 있습니다. 캠페인 관리 및 이메일 대량 마케팅은 향후 5년 내에 사라질 가능성이 높습니다. 대신 마케팅에서는 개인 비서와 동일한 아이디어를 사용하여 적절한 채널에서 적시에 적절한 제안을 선별합니다.

생성 AI에 어떻게 접근해야 하나요?

Michael Maoz - 이는 사소한 프로젝트가 아니며 IT와 사업 부문(마케팅, 영업, 고객 서비스, 청구, 물류)이 새로운 협력 기회를 찾을 것으로 기대할 수 있습니다. 고객 서비스 요청을 처리하기 위해 생성 AI 솔루션을 배포하려는 사업부는 고객 경험을 개선하기 위해 생성 AI 리더와 친구가 되어야 합니다.

최고의 기업은 핵심 비즈니스 프로세스가 외부 내부, 즉 고객 관점에서 설계되어야 한다는 점을 이해하고 있습니다. 이러한 접근 방식은 핵심 IT 역할이 고객 프로세스에 통합되지 않은 조직 설계로 인해 방해를 받습니다. 시스템 통합, 자동화 구축, 데이터 마이그레이션, 데이터 시각화 생성 등의 IT 기술은 고객을 대면하는 마케팅, 디지털 상거래, 판매 및 서비스 역할과는 거리가 멀습니다. IT 팀은 생성적 AI 기술을 보유하고 있으며 마케팅, 영업, 상거래 및 고객 서비스는 고객 대면 프로세스가 가장 잘 작동하는 방식에 대한 깊은 통찰력을 가지고 있습니다. 공유된 책임과 공유된 성공 지표를 통해 부서 간 팀을 구성하면 생성적 AI 이니셔티브가 고객에게 가장 적합한 것이 무엇인지, 그리고 생성적 AI 솔루션의 우선순위를 정하는 데 도움이 됩니다.

Ed Thompson - 생성 AI로 승리할 기업에 대한 통찰력을 다음과 같이 요약할 수 있습니다.

1. 95%의 회사에서 고용할 수 있는 생성 AI 기술이 거의 또는 전혀 없습니다. 전통적인 방법을 사용하여 인재를 확보할 수 있다고 생각하지 마십시오. 또한 역량이 발전할 때까지 기다릴 여유도 없습니다.
2. 비전이 있는 기업은 가능할 때마다 직원의 기술을 향상시키기로 결정합니다.
3. 비즈니스 프로세스 설계 이후 중요한 시작점은 신속한 설계와 데이터 거버넌스에 중점을 두는 것입니다.
4. 훌륭한 기업은 기술적 역량이 IT 내부에 갇히지 않도록 보장합니다.

생성 AI에서 음성의 미래는 무엇입니까?

음성과 문자는 뇌에서 다르게 처리되며 각각 고객 서비스 측면에서 장점이 있습니다. 인간의 유창한 타이핑이나 문자 메시지 속도는 음성이나 이미지 처리 속도의 1/3에 불과합니다. 개인 정보 보호부터 정확성까지 다양한 상황에서 텍스트를 선호하는 이유가 있습니다. 인간은 타이핑할 때보다 말할 때 정확성이 훨씬 떨어진다는 장점도 있습니다. 예를 들어, 어떤 사람이 야구 경기의 1루선 티켓 두 장을 사고 싶다고 인간에게 말할 수 있습니다. "나는 1루선에 있는 티켓 두 장을 원합니다. 예, 티켓 두 장, 어떤 좋은 좌석이든 상관없습니다. 너는 가지고 있고, 그렇지 않다면 나는 3루수를 맡을 것이다." 그들은 말하는 동안 결코 글을 쓰거나, 타이핑하거나, 문자를 보내지 않을 것입니다. 그들은 먼저 생각한 다음 한 번만 입력하거나 가용성 및 가격이 포함된 경기장의 디지털 지도와 같은 시각적 단서를 사용했습니다.

음성 AI 인터페이스의 경우 음성 로봇은 티켓 2장에 대한 두 번째 언급이 중복되고 대체 위치가 경기장의 3루 쪽을 의미하며 '좋음'을 구성하는 요소가 무엇인지 파악해야 합니다. 텍스트와 이미지의 차이는 더욱 극적입니다. 인간은 텍스트 데이터보다 이미지 데이터를 수천 배 빠르게 처리합니다. 고객 서비스, 현장 서비스 및 상거래를 위한 현재 시스템은 다른 많은 분야와 함께 요청이 간단하고 명확하지 않은 한 인간의 의도를 이해하는 생성 AI 솔루션이 필요합니다. 복잡한 시나리오의 생성적 AI는 표준 워크플로와 예측 AI를 보완할 수 있습니다. 나는 이것을 더 발전시킬 것이다. 단순히 필수/상품 사용 사례가 아닌 진정으로 차별화되는 생성 AI의 가장 좋은 용도는 생성 AI와 예측을 혼합하거나 둘을 보다 전통적인 워크플로우와 혼합하는 것입니다.

생성적 AI는 강력하지만 규칙이 적용됩니다.

Generative AI는 지식과 조언을 통해 풍부한 정보를 얻을 수 있는 인간 상담원과 기술자는 물론 빠르고 정확하게 서비스를 받을 고객 모두를 위한 고객 서비스 도구에 놀라운 추가 기능을 제공합니다. 고객 서비스에 중점을 두고 올바른 서비스를 제공하는 기업은 기본 사항을 기억하는 기업입니다.

• 고객은 스트레스를 받아서는 안 됩니다.
• 상호작용이 만족스러운 상태로 유지되어야 합니다.
• 상호 작용을 통해 기업이 고객을 이해한다는 사실이 강화됩니다.
• 대화는 이전 및 후속 상호 작용과 일치하며 나머지 관계와 단절되지 않습니다.
• 필요에 따라 인간에게 다가갈 수 있는 방법이 있다.
• 고객 서비스 경험은 고립된 부서처럼 느껴지지 않고 비즈니스 전반을 반영합니다.
• 기술과 엔지니어링을 거의 눈에 띄지 않게 만드는 사려 깊은 프로세스 설계로 고객에게 깊은 인상을 주는 약간의 참신함과 '와우'가 있습니다.

Ed Thompson - "우리는 이 모든 것이 실행되는 타임라인에 대해 생각해야 합니다. 우리는 아마도 10년 간의 계획 기간을 바라볼 것입니다. 동시에 조직은 매우 유연하게 대처해야 합니다. 기회, 우선순위, 역량으로서의 생성적 AI 계획은 기술과 조직 역량이 성숙해짐에 따라 바뀔 것입니다."

예, 우리는 초기 파일럿 및 초기 프로젝트에 대한 빠른 투자 회수를 원할 것입니다. 향후 2년 동안 고객 서비스에 생성 AI 사용 사례 20개를 한꺼번에 배포하는 계획을 세우지 않는 것이 좋습니다. Salesforce에서는 고객 서비스 전반에 걸쳐 20가지 사용 사례를 작업하고 있으며 다른 클라우드 각각에서는 수십 가지가 더 있습니다. 우리 모두는 2년 안에 고객 서비스에 50가지 사용 사례가 있을 것으로 예상할 수 있습니다.

시작하기

결론은 생성 AI이며 자율 서비스 에이전트로 가는 길은 장기적인 프로그램입니다. 당신은 내내 승리를 기대할 수 있고, 재미있는 부분은 당신의 경력을 걸 수 있다는 것입니다.

생성적 AI는 기업이 소프트웨어에 대해 생각하는 방식의 근본적인 변화를 나타냅니다. 생성 AI는 예측 AI를 넘어선다는 점을 명심해야 합니다. 생성 AI는 엄격하게 정의된 규칙에 따라 출력을 제공하는 대신 새로운 데이터와 콘텐츠를 생성합니다. 이러한 결과를 안전하고 안정적으로 생성하려면 깨끗한 데이터와 거의 실시간으로 해당 데이터에 대한 액세스가 필요합니다. 데이터 및 데이터 거버넌스에 대한 신뢰와 마찬가지로 통합과 안정적인 API도 중요합니다.

요약하자면, 생성적 AI 역량을 구축할 때 다음과 같은 몇 가지 조언이 있습니다.

1. 100개의 사용 사례를 동시에 추적하여 바다를 끓이지 마십시오. 레이저에 집중하고 여러 가지를 시도해 보세요. 단, '시간 절약'에 대한 지표뿐만 아니라 입증된 재정적 회수를 통해 세 가지 개념 증명을 생산에 적용하는 데 집중하세요.
2. 예측 AI가 동일한 결과를 제공하고 이미 존재하고 입증된 여러 상황에서 생성 AI를 모든 못을 망치로 사용하지 마십시오.
3. 채용 기술을 사용하지 마십시오. 가능할 때마다 직원의 기술을 향상시키십시오. 그것은 당신의 재능을 인식하는 훌륭한 방법입니다. 학습에 관심이 있는 사람들을 찾아보세요. 그들이 기술을 향상할 수 있는 공간을 마련하십시오. IT 외부 인력을 위한 신속한 설계 기술과 신속한 조치/워크플로 기술, IT 내부 인력을 위한 데이터 기술에 중점을 둡니다.
4. 작업 흐름에 집중하세요. 제너레이티브 AI는 영업 프로세스, 고객 지원 프로세스, 마케팅 프로세스, 전자상거래 프로세스, 현장 서비스 프로세스의 흐름에서 가장 영향력이 크다.
5. 부조종사의 확산을 조심하십시오. 유지 관리 및 지원이 필요한 애플리케이션당 하나의 부조종사 - 1,000개의 부조종사가 있는 1,000개의 앱을 상상해 보십시오.
6. 대형 은행이나 기술 회사가 아닌 이상, 2~3가지 산업별 사용 사례에 모델 조정 노력을 집중하고 나머지에는 기존 공급업체의 기본 기술을 사용하세요.
7. 가장 중요한 것은 데이터 품질, 액세스 및 거버넌스에 중점을 두는 것입니다. 이는 AI에 필요한 연료이므로 투자가 필요하며 AI 투자 자체보다 더 많은 투자가 필요할 수 있습니다.
8. 우리에게 편지를 보내십시오. 우리는 질문을 받고 우리가 알고 있는 정보를 공유하는 것을 좋아합니다. Michael은 mmaoz@salesforce.com, Ed는 ed.thompson@salesforce.com

이 기사는 Salesforce 혁신 전략 수석 부사장인 Michael Maoz와 Salesforce 시장 전략 수석 부사장인 Ed Thompson이 공동으로 작성했습니다.