2023年，生成式AI和大型语言模型（如ChatGPT）的快速发展对各行各业产生了深远影响。共享服务组织（SSO）和全球业务服务（GBS）也在积极探索生成式AI的应用，以提升客户体验（CX）。尽管GBS组织在生成式AI项目上进展缓慢，但超过半数的GBS领导者认为生成式AI对其组织成功至关重要。
生成式AI的类型及其在CX中的应用
生成式AI是一种能够生成新内容（如文本、图像）的人工智能，其核心是大型语言模型（LLM）。在CX领域，生成式AI主要应用于：
- 聊天机器人和虚拟助手：提供自然语言文本响应，处理客户支持、常见问题解答、预约安排等。
- 语音助手：通过自然语音交互解决用户查询。
- 个性化引擎：根据用户数据提供个性化产品推荐、内容选择等。
此外，生成式AI还能用于虚拟内容生成、语音生成和反馈分析等。
生成式AI如何解决CX常见挑战
GBS在CX中面临的主要挑战包括：
- 理解客户反馈：生成式AI的NLP模型可分析非结构化数据，提取客户意见和情感。
- 全渠道体验和支持：生成式AI确保跨渠道提供一致、情境感知的沟通。
- 推动客户使用自助服务：生成式AI的直观性提高客户对自助服务的接受度。
- 处理大量数据：AI模型自动识别数据中的模式和趋势，提供可操作的洞察。
- 规模化个性化体验：生成式AI可快速创建个性化内容，满足大规模客户需求。
有效部署AI的关键步骤
- 需求评估：优先将业务操作迁移至云端，评估现有CX策略，采用整合平台避免碎片化解决方案。
- 数据质量挑战：认识到数据的碎片化问题，利用AI工具（如NICE的Enlighten）增强数据价值。
- 预训练模型与自定义模型的选择：基于特定用例选择LLM，利用知识库和品牌指南确保准确性。
- 从试点到全面部署：识别AI影响最大的领域，利用历史数据构建智能自助服务，确保数据完整性。
衡量AI成功的关键指标
- 成本节约
- 客户满意度（CSAT）
- 结果准确性
其他指标包括响应时间、解决率、使用率、情感分析、留存率和个性化指标。建议结合定量和定性方法全面评估AI影响。
知识库构建与持续优化
- 整合平台：建立单一信息源，整合知识库、AI模型和系统，确保信息准确性和实时性。
- 动态知识库：采用知识管理产品，提供实时指导、SEO优化，并整合AI和人类工作流程。
- 偏见监控：通过治理、安全检查和结构化数据消除偏见，确保AI响应的可靠性。
- 用户反馈：利用用户反馈持续优化AI模型和知识库，实现迭代改进。
核心结论
生成式AI对CX和员工体验均有显著提升作用，但组织需谨慎选择合适的解决方案，确保数据安全和价值创造。未来，生成式AI将成为CX发展的重要驱动力，而持续优化和综合评估将决定其成功与否。
