《生成式AI在客户关怀中的应用：早期成功与挑战》
一、引言与背景
《生成式AI（Gen AI）在接触中心的广泛应用》标志着2023年的一次重大转变，为提升代理效率与效果、降低运营成本以及优化客户体验提供了潜力。然而，尽管Gen AI在接触中心的部署取得了显著成果，但其采用效果参差不齐，部分接触中心能够有效利用Gen AI与人工智能技术，而另一些则难以从中获取价值。
二、主要挑战与障碍
-
高质量数据的维护：Gen AI的输出价值取决于其数据来源的质量，接触中心的数据来源多样且可能不一致，包括知识库文章、产品手册、标准操作程序（SOP）、通话记录、转录和客户详细信息。
-
理解业务案例：选择错误的应用场景可能导致低回报，Gen AI并非解决所有痛点的最佳工具。例如，以接听电话为主的接触中心可能发现，带有Gen AI功能的转录和合成技术无法跟上实时客户服务对话的速度。
-
用户为中心的设计：Gen AI的部署可能会失去动力，如果未充分考虑最终用户的需要和体验。工作流程和用户界面设计与技术功能同样重要。
-
人才获取：接触中心可能缺乏内部技术人才，如数据科学家和数据工程师，以实现大规模的Gen AI解决方案。
-
变更管理的优先级：仅仅依靠技术是不够的，在某些情况下，即使Gen AI工具设计良好且适合接触中心的上下文，但若没有有效的变更管理，采用率也可能较低。经验丰富的代理可能不认为需要增加任务，或者Gen AI工具的价值尚未在整个组织内传达。
三、采用策略概述
-
购买现成的Gen AI工具（“取”策略）：这种策略允许内部IT团队快速整合和部署现成的Gen AI增强产品，适用于将客户对话翻译和总结等少数用例。
-
定制化现有模型（“塑造”策略）：这涉及对现有Gen AI模型进行个性化定制，以适应特定的业务需求，包括创建适合不同上下文的提示、格式化内部数据并整合到大型语言模型（LLM）中，并建立合适的内部基础设施。这通常涉及较高的努力程度、内部能力和投资，但价值获取可达整个客户运营的10%至15%。
-
构建自有的基础模型（“制作”策略）：这类策略涉及从头开始开发和训练自定义的基础模型，适用于创建符合公司声音、具有多种上下文适当角色的人工智能助手，或在客户超越预设边界时自动退出。这类解决方案潜力巨大，但需要大量的前期和持续投资、高度专业化的技能、大量高质量的数据集和强大的计算能力。价值范围可达整个客户运营的20%至30%，视组织准备度和成熟度而定。
四、快速评估与部署
为了确定最适合的策略，企业应综合考虑接触中心内的预期用例、当前成熟度和组织状态。通过快速评估和部署，企业可以充分利用Gen AI技术，实现客户关怀领域的变革性增长。
