构建支持 AI 的服务

操作实践 构建支持AI的服务 先进的数字、自动化和人工智能技术以低成本提供出色的客户体验。真 正的挑战是建立能够充分利用这些新工具的服务组织。 由FedericoBerruti和OanaCheta与Kar -WoonChoy 2024年7月 不应该有任何疑问在这一点上，客户体验是一个巨大的增长因素。当我们分析2016年至2021年间75家面向消费者的公司的财务表现时，我们发现那些拥有最高客户体验评级的公司的收入增长是同行的两倍。1 这不是魔术。照顾客户的公司往往比没有客户的公司获得更多的客户，向每个客户出售更多的产品，并保留这些客户的时间更长。 这也不容易。推动客户体验的因素——如响应迅速、个性化的服务——传统上提供的成本很高。它们依赖于大量有技能和积极性的一线员工，并得到经理和专业专家的支持，以及不断分析与客户群相关的见解的广泛技术资源。 目前，很少有组织能够在服务功能扩展方面进行大量投资。在经历了两年的高通胀和利率上升之后，许多公司正在寻求削减运营成本，而不是将这些能力加倍。高管们对消费者需求的乐观情绪较低，这使得他们对新产能投资持谨慎态度。即使是想要扩大服务团队规模的企业 ，也发现很难雇用和留住更多的员工。2 有技术可以帮助 在这种环境下，许多公司都在寻求技术来解决成本和客户体验悖论。数字化客户服务的最新发展有望在效率和生产力方面取得显着提高， 同时使这种深 个性化，可以将日常服务交互转变为出色的体验。例如 ，GenerativeAI（genAI）正在帮助公司根据个人客户偏好和购买历史记录制作有针对性的通信。 基于AI的交互式聊天机器人或交互式语音识别（IVR）系统可以以快速且用户友好的方式处理复杂的查询。随着IVR、聊天机器人和虚拟助手技术的进步，客户体验最终可能会演变为与渠道无关的、基于AI的支持。在幕后，数字劳动力管理系统可以帮助公司调整服务团队的时间表，以满足不断变化的需求，而使用AI工具的服务代理可以为客户提供更快，更准确的答案。 当他们竞相实施这些新技术时，公司应该避免阻碍先前数字化转型努力的陷阱。在2022年麦肯锡对高级商业领袖的调查中，十分之九的人表示，他们的组织在过去两年中至少进行了一次大规模的数字化转型。绝大多数情况下，这些转型努力表现不佳，仅产生了31％的预期收入增长和25％的预期成本节省。3 当公司反思阻碍其技术转型的问题时，会出现一些共同的主题。有些是任何业务变革努力所共有的，例如高层领导层的承诺不足或一致性不足，这可能会减慢决策速度，并使转型难以建立和维持动力。 另一种趋势是追逐闪亮的物体，但无法建立良好的基础功能。许多公司的转型-无论是针对细分，前后设计，人才还是运营模式-都会因为这些问题而失败。 1VictoriaBough，OliverEhrlich，HaraldFanderl和RobertSchiff，“以体验为主导的增长：创造价值的新方式”，麦肯锡，2023年3月23日。2“经济状况展望，2024年6月”，麦肯锡，2024年6月27日。 3“实现数字化转型全部价值的三项新任务”，麦肯锡，2022年6月15日。 有些主题是数字转型工作所独有的。一个是过度谨慎。一些公司采取零敲碎打的方法，在其运营中逐步引入新技术 ，每次更改都旨在解决特定问题或痛点。这种方式有助于公司管理成本和风险，但这可能意味着忽视需要大规模变革的机会。从长远来看，这些可能是最有价值的。 其他公司则相反，将特定技术视为应对所有运营挑战的银弹。他们试图用单一工具解决所有问题。这种方法无效。它不仅无法修复基础流程，而且还迫使团队采用可能无法有效解决他们面临的挑战的工具。 构建支持AI的服务组织 在即将到来的人工智能数字化转型浪潮中，公司可以通过正确完成三件基本事情来避免这些陷阱。首先，他们可以在正确的时间以正确的方式部署正确的技术。其次，他们可以将技术的使用和 最后，他们可以为员工提供接受技术所需的技能和能力。 正确的技术，正确的时间，正确的方式有效的数字化服务不应该建立在单一技术上，而是应该从技术组件的工具箱中组装起来。与任何工具箱一样，用户需要为每个任务选择合适的工具。GenAI技术给公司 一种强大的新方法来总结和处理消息和其他自然语言输入 ， 例如。然而，当任务需要处理结构化数据时，机器人流程自动化可能是一种更快、更便宜、更可靠的解决方案。事实上，以集成的方式部署技术可以帮助放大影响，如下面的组织示例所示。 时机在技术采用中起着重要作用。转换过程的每个阶段都需要不同的重点，并且最好由不同的技术工具支持。这些阶段通常包括诊断、计划和实施。诊断阶段的重点是了解组织的全部潜力。规划阶段是关于优化运营和制定前进战略。实施阶段侧重于扩展、维持和。 炼油业务。 最后，必须使用适当的操作模型来部署选定的技术。这包括诸如是否继续进行概念验证或完整构建以及是否获得许可证或使用系统集成商的服务等决策。以正确的方式引入技术可确保顺利实施并最大限度地减少中断。例如，在诊断阶段，从流程中获得的见解可能会导致部署超自动化技术，如光学字符识别(OCR)和智能文档处理，或其他工具 ，如机器学习、低代码或无代码平台，以及可能需要数字孪生来满足运营需求。此外，选择具有足够机会和领导承诺的业务部门可以帮助克服在实施过程中遇到的潜在挑战 。 一家北美财富管理公司使用一系列技术来实现显著的经常性效率节约。它自动化了五个端到端操作流程，从所有这些流程的文档提取、验证和数据提取开始。该公司首先进行了自上而下的、基于角色的自动化潜力评估，并应用有针对性的任务挖掘工具，以建立每年处理数千个指导文档和表单所需的手动工作的视图。然后，它开发了一个概念验证系统，该系统使用OCR技术对手写数据进行分类和提取，并结合机器人过程自动化来验证该数据并将其插入下游系统。新系统包括机器学习技术，因此它可以不断调整自己的内部流程以提高性能。 新的全自动系统在整个公司范围内进行了扩展和推广，使公司能够重组其后台运营并消除下游错误。该公司将其中央邮件处理和数据输入部门重新设计为数字数据质量控制中心，并将70％以上的员工重新分配给其他任务。这一变化也对客户体验产生了直接的积极影响，因为更快的数字化处理减少了新帐户应用程序的端到端时间，并几乎在瞬间捕获了任何错误，通常是在最终客户仍然存在的时候 。 在数字化过程中修复和重新构想流程 技术无法解决因服务流程中断而导致的问题，而且创建一个快速、简化和高效的流程，仍然提供不满意的客户结果也是没有意义的。这就是为什么成功的技术支持转型需要技术和传统业务改进杠杆的无缝集成。 第一步是了解和简化当前流程。这涉及使用流程挖掘、发现和文档工具管理需求并消除不必要的任务。通过为流程的当前状态创建基线并简化策略、输入、异常和服务，可以大大降低复杂性。 接下来，协调和数字化流程至关重要。通过重新设计工作流和创建结构化数字输出，可以减少切换，信息可以更顺畅地流动。使用自然语言处理(NLP)、OCR、聊天机器人和Web表单等工具有助于生成数字结构化输入。 一旦简化和数字化，数字化流程的自动化和集成是下一步的重要步骤。特定流程组件的自动化可以通过设计和配置机器人、API和微服务来实现，特别是对于由已知规则管理的活动。可以训练机器学习算法来处理具有复杂或未知规则的活动。公司应确保基础层能够支持这些技术。 最后，重组和赋予劳动力权力完成了转型周期。一些Thischangeisstructural,optimizingthedesignoftheorganizationandimprovingefficiencythroughcentralizationoroffshoring.Therestisaboutmindset,skills,andcapabilities,whichwediscussbelow. 一家跨国专业服务公司采取端到端的方法来改进其后台技术支持中心。它开始对数千个数据点进行深入的、人工智能驱动的分析 跨四个渠道，包括呼叫、聊天、电子邮件和案例管理工具。该公司处理了数百小时的代理活动，以了解他们如何在不同的应用程序中花费时间并确定关键的痛点。这些见解用于改善三个维度的绩效：客户体验，流程， 和人。 该公司结合了GeeAI，对话AI和任务挖掘技术，为技术支持人员找到更有效地利用时间的方法。例如，研究发现，表现最好的代理人会在通话期间使用“死时间”来审查与其他案件有关的聊天和文档。通过使用任务挖掘和传统的客户服务诊断，该公司还确定了最佳代理商使用的各种快捷方式和标准技术来解决常见问题。共享这些方法有助于其他代理更快地解决客户问题，从而缩短平均处理时间。 为您的员工配备合适的能力和技能 人是任何数字化转型的秘密成分。麦肯锡对成功的数字化实施的研究发现，表现最好的人实现与人相关的目标的可能性是其他人的1.6倍，4其中包括大规模的能力建设工作，改善员工体验和有效的人才管理。 随着技术的进步，人才管理和能力建设的重要性日益提高。 已经在实施人工智能方面取得进展的组织预计将在未来三年内重新培训其大部分员工，其中73％的目标是在此期间提高30％以上员工的技能。5 数字化员工需要正确的工具，以及有效使用这些工具的技能，工作流程和支持资源。例如，大多数服务员工将不具备高级计算机编程功能，但是低代码和无代码数字平台可以允许非专业人员分析数据或自动执行任务。 技术也正在改变公司传统上用来提高员工技能的“现场和论坛”方法。基于论坛的学习正在从零星的事件过渡到持续的学习体验。以前，能力建设依赖于一次性的、基于事件的研讨会，这些研讨会通常持续一周，每年举行一次。然而，这种方法已经转向技术支持的方法，包括微学习会议和沉浸式在线模块。这些资源。 使用广泛的图书馆和先进技术进行个性化。 同样，基于实地的学习正在经历 从基于观察的实践到基于数据的实践的转变。过去，在职教练是通过样本观察进行的，例如电话收听会议。现在 ，教练变得更加精确和依赖于数据，使用由 基于NLP的机器学习算法。这允许根据个人绩效指标定制教练机会。 敬业，积极的服务员工队伍是长期绩效的基础。经过时间考验的精益管理原则——例如坚持不懈地关注消除浪费和缺陷，并根据一线员工的见解进行改进——在人工智能化的世界中仍然至关重要。唯一的区别在于可用于收集见解和进行改进的工具。低技术解决方案，如工作辅助和政策 。 4麦肯锡全球实施调查2022年 5“2023年AI的状况：生成AI的突破年”，麦肯锡，2023年8月1日。 现在可以通过一线员工构建、测试、部署和维护的数字解决方案来补充这些变化。 先进的数字技术可以为服务组织解锁一个难以捉摸的目标 ，使他们能够以更低的成本提供更好的客户体验。组织已经在探索通过IT和运营职能之间的协作来使用创新的AI技术。他们预见了一个世界，在这个世界中，端到端价值流的决策和客户旅程被AI增强，一代AI工具为这些旅程提供了新的智能和个性化水平，智能，实时支持技术将服务代理转变为专注于知识和价值创造的“超级人类”。 然而，迈向技术支持服务模式的旅程充满了挑战。为了使其发挥作用，公司应该选择正确的技术，在转型的正确阶段实施它们，并以正确的方式应用它们。 他们也应该超越技术，将数字工具与传统的转型和改进方法一起应用，并授权他们的团队接受持续改进。如果做得好，数字化服务卓越可以创造一个良性循环，腾出资源投资于服务改进和创新，使组织与同行区分开来，促进增长 ，并有助于实现可持续的竞争优势。 费德里科·贝鲁蒂是麦肯锡多伦多办事处的合伙人Kar-WoonChoy是高级知识专家；和OanaCheta是芝加哥办事处的合伙人. 作者希望感谢CarolineCraig，EmilyAtwood，EtienneBillette，KeithGilson，MegKelleher和ShivinaJagtiani对本文的贡献。 版权所有©2024麦肯锡公司。保留所有权利。