Як штучний інтелект давно працює за лаштунками клієнтського досвіду
Здається, що тільки недавно штучний інтелект (ШІ) став тим, про що говорять всі, коли восени 2022 року з’явився ChatGPT. Але чи дійсно це перша велика хвиля ШІ у взаємодії з клієнтами? Ні, адже машинне навчання вже багато років використовували для виявлення шахрайства, маршрутизації дзвінків, управління роботами на заводах і навіть для автономного дозування інсуліну.
Ви коли-небудь задумувалися, чому бізнес з B2B-групи почав застосовувати ШІ набагато раніше за звичайних споживачів? Відповідь криється у високих ставках і великій кількості даних у виробництвах, лікарнях та сервісних центрах. Тут машинне навчання допомагало вирішувати дуже серйозні завдання, наприклад, автономну діагностику діабетичної ретинопатії, задовго до того, як чат-бот навчився вести розмову.
Що справді важливо для клієнтів у роботі з ШІ?
Клієнти звертаються з питаннями, щоб вирішити свої проблеми. Проте часто справа не в миттєвому вирішенні, а в тому, як це робиться: чи правильно поставлено запитання, чи зрозуміло зафіксовано суть проблеми і чи хтось бере відповідальність за подальші дії. Тому процес взаємодії часом важливіший за швидкий, але поверхневий результат.
Саме це пояснює, чому масове поширення генеративного ШІ часто неправильно тлумачать — активність із чат-ботами просто зробила технологію видимою для людей, а сама ШІ працювала вже давно, але «під капотом» складних систем.
Секрети давніх застосувань ШІ у світі
Уявіть собі Samsung у 2017 році, коли разом із Galaxy S8 був презентований голосовий помічник Bixby. Він розпізнавав мову, керував додатками і навіть міг перекладати. Майже кожен користувач телефону щодня мав справу з ШІ, навіть не помічаючи цього.
Японія, зі своїм Toyota Research Institute, вклала мільярди у розвиток робототехніки ще в 2015 році. Там машинне навчання покращувало безпеку автомобілів і підвищувало продуктивність виробництва. Ці зміни відчували споживачі, хоч і не називали це «ШІ».
В Америці медицина стала одним із найперших напрямків застосування ШІ для життя. Прикладом є Medtronic MiniMed 670G — гібридна система автоматичного дозування інсуліну, що вийшла на ринок у 2016 році. Вона вимірювала рівень глюкози що п’ять хвилин і підлаштовувала інсулін під потреби конкретної людини — автономно та безперервно.
Підкреслимо, що сучасні версії таких систем навчилися навіть передбачати майбутні коливання рівня глюкози і оперативно коригувати дози. Тому для людей із діабетом ці пристрої — справжні порятунки, а не лише експерименти з новими технологіями.
Інші знакові приклади
- Ізраїльський Mobileye: Комп’ютерне бачення для допомоги водіям, впроваджене ще з 1999 року, стало невід’ємною частиною 16 мільйонів автомобілів до 2016 року.
- Німеччина: SAP та Siemens почали в 2017-му вбудовувати машинне навчання у свої продукти та заводи, автоматизуючи обробку звернень клієнтів та оптимізуючи виробництво.
Що значить еволюція ШІ для клієнтського досвіду?
Можна умовно поділити історію застосування ШІ на етапи:
| Період | Характеристика | Що бачив клієнт |
|---|---|---|
| До 2010 | Вбудований статистичний ШІ | Рекомендації, перевірка шахрайства, голосове розпізнання — все непомітно |
| 2010–2016 | Індустріальний, сприйнятливий і клінічний ШІ | Асистенти водія, фабричні роботи, автономне дозування інсуліну |
| 2017–2019 | Поява голосових помічників і медичних діагностичних систем | Bixby, SAP Leonardo, IDx-DR |
| 2022–2023 | Революція генеративного ШІ | Генеративні чат-боти, як ChatGPT і Claude |
| 2024 і далі | «Агентичний» ШІ, що виконує дії всередині бізнес-процесів | Автоматизація кейсів, обробка заяв та оновлення записів із мінімальною участю людини |
Чому чат-боти — найпростіший приклад ШІ
Цікаво, що саме чат-боти — те, що більшість людей вважають «повноцінним ШІ» — з інженерної точки зору є базовим застосуванням моделей: аналіз тексту, пошук шаблонів і формування відповіді. Це не порівняти з алгоритмами, які автономно дозують ліки або розпізнають хвороби.
Інтерфейс з користувачем простий, а от під капотом — це складний світ продуманих алгоритмів і мільярдів даних. Чат-бот лише підсвічує те, що працювало роками без уваги звичайних людей.
Чому бізнес B2B завжди був попереду у використанні ШІ
Причина проста — тут були висока відповідальність і величезні обсяги інформації. Виробничі лінії, лікарні, автопарки і крупні служби підтримки потребували рішень для складних, часто критичних задач. Так розвивалась і технологія діалогу — з інтерактивного голосового меню до складних чатових систем — задовго до сплеску генеративного ШІ.
І ключовий урок для лідерів клієнтського досвіду: клієнти ніколи не реагували на сам ШІ, а тільки на те, наскільки їх запроси були зрозумілі і хто взяв відповідальність за рішення. Тому навички проектування діалогів важливі не менше за технології.
Що чекає на агентний ШІ у сфері клієнтського обслуговування
Найближча перспектива — агентний ШІ, який не просто відповідає, а діє: відкриває кейси, опрацьовує заявки, оновлює дані. Тоді роль людини зміщуватиметься до складних та відповідальних моментів, які машині довіряти не варто.
Виграють ті компанії, що розставлять межі: що AI може зробити сам, а де лише людина має брати на себе відповідальність.
Як визначити межі для ШІ у робочих процесах?
Щоб не втратити контроль і уникнути проблем, рекомендується:
- Впорядкувати процес до автоматизації: усунути зайві кроки, зрозуміти реальний потік роботи.
- Встановити чіткі цілі, наприклад, зменшити час на обробку заяв чи покращити якість діагностики.
- Акцентувати увагу на чистоті та якості даних — це фундамент для успіху.
Як сьогодні лідерам клієнтського досвіду інтегрувати ШІ в операції
За останні роки багато проектів із генеративним ШІ не принесли дійсного результату. В чому причина? Часто – у тому, що технологію намагаються «накинути» на старі процеси без їх переосмислення.
Потрібно не просто впроваджувати ШІ, а переробляти роботу так, щоб вона спиралась на інтелектуальні можливості технології. Це означає навчити персонал, налаштувати управління і комунікувати зміни всередині компанії. Адже технології — це лише половина справи.
Отже, будь-який бізнес виграє, якщо спланує співпрацю людини і ШІ: там, де треба, даватиме машині завдання, а там, де потрібна відповідальність, залишатиме людині право власного рішення.
Завдяки цьому підходу клієнти помітять не стільки «штучний інтелект» як технологію, скільки увагу і турботу в процесі вирішення їхніх проблем.
