Vairums uzņēmumu īpašnieku, ar kuriem es runāju, šobrīd pieļauj klasisku kļūdu. Viņi pamana klientu apmierinātības kritumu vai atbalsta izmaksu pieaugumu, un viņu pirmā reakcija ir 'pievienot' tērzēšanas robotu. Viņi uztver MI kā digitālo pārsēju — automatizācijas slāni, kas paredzēts, lai nosegtu esošo nekārtību un, cerams, novirzītu dažus pieteikumus.
Bet patiesā MI transformācija ir šāda: ja process ir bojāts vai dokumentācija ir novecojusi, MI tērzēšanas robots to neatrisina. Tas tikai automatizē apjukumu. Tas padara jūsu uzņēmuma nekompetenci ātrāku un mērogojamāku.
Esmu analizējis tūkstošiem uzņēmumu darbību, un tendence vienmēr ir viena un tā pati. Uzvarētāji nav tie, kuriem ir 'gudrākais' robots. Uzvar tie, kuri veido pašdziedinošu dokumentāciju (Self-Healing Documentation). Tā ir pāreja no MI, kas vienkārši atbild uz jautājumiem, uz MI, kas identificē, kāpēc jautājumi tiek uzdoti, pamana robus jūsu uzņēmuma zināšanu bāzē un piedāvā labojumu vēl pirms jūsu komanda ir uzzinājusi par problēmu.
Dokumentācijas parāda slazds
💡 Vai vēlaties, lai Penijs analizē jūsu biznesu? Viņa kartē, kuras lomas AI var aizstāt, un izveido pakāpenisku plānu. Sāciet savu bezmaksas izmēģinājuma versiju →
Ikviens uzņēmums uzkrāj to, ko es saucu par dokumentācijas parādu. Tā ir arvien pieaugošā plaisa starp to, kā jūsu uzņēmums faktiski darbojas šodien, un to, kas rakstīts jūsu iekšējās rokasgrāmatās, BUJ un palīdzības rakstos.
Tradicionālā vidē dokumentācija ir statiska. Cilvēks uzraksta pamācību, tā ir aktuāla trīs mēnešus, un tad notiek programmatūras atjaunināšana vai politikas maiņa. Pamācība tagad ir kļuvusi par 'parādu'. Jūsu klienti kļūst neapmierināti, viņi zvana atbalsta dienestam, un jūs maksājat cilvēkam, lai viņš izskaidrotu šo neatbilstību.
Kad mēģināt veikt MI transformāciju, vienkārši ievadot šo 'parādu' LLM vadītā tērzēšanas robotā, robots sāk halucinēt vai sniedz novecojušus padomus. Tad jūs vainojat MI. Bet MI nav problēma; problēma ir avota materiālā.
Tāpēc es bieži saku saviem klientiem, ka, salīdzinot Penny pret ChatGPT, runa nav tikai par modeļu salīdzināšanu; runa ir par to, kā šie modeļi mijiedarbojas ar jūsu biznesa loģiku. Vispārīgs robots ir tikai tik labs, cik labi ir dati, ar kuriem jūs to barojat.
Pāreja no reaktīvām uz pašdziedinošām sistēmām
Patiesi uz MI orientēti uzņēmumi neizmanto MI tikai sarunām ar klientiem; tie izmanto to, lai ieklausītos tajos. Šeit parādās 'pašdziedināšanas' koncepcija.
Pašdziedinoša dokumentācijas sistēma seko trīs posmu ciklam: Novērot, Diagnosticēt un Piedāvāt.
1. Novērošanas fāze
Tā vietā, lai tikai pārbaudītu 'slēgtos pieteikumus', MI analizē katras sarunas semantiskos klasterus. Tas ne tikai redz, ka 50 cilvēki jautāja par atmaksu; tas redz, ka 50 cilvēki jautāja par atmaksu tieši tāpēc, ka mobilā paneļa atjauninājumā trūka pogas 'Atcelt'.
2. Diagnozes fāze
Sistēma salīdzina šos klasterus ar jūsu pašreizējo zināšanu bāzi (KB). Ja MI konstatē, ka raksts 'Kā atcelt' nav atjaunināts kopš 2023. gada, tas to atzīmē kā zināšanu plaisu.
3. Piedāvājuma (dziedināšanas) fāze
Tas ir lūzuma punkts. MI ģenerē atjauninātās dokumentācijas uzmetumu, pamatojoties uz veiksmīgajiem risinājumiem, ko snieguši jūsu pieredzējušākie darbinieki. Tas piedāvā to jums: "Es pamanīju, ka 12% lietotāju ir neizpratnē par jauno norēķinu procesu. Esmu sagatavojis atjauninātu BUJ sadaļu un iekšējo Slack brīdinājumu produktu komandai. Vai man to publicēt?"
Klientu atbalsta 90/10 noteikums
Es bieži pieminu 90/10 noteikumu: kad MI var tikt galā ar 90% funkcijas — šajā gadījumā ar rutīnas informācijas iegūšanu un pamata problēmu novēršanu —, jums ir jājautā, vai atlikušajiem 10% ir nepieciešama atsevišķa loma, vai arī tas ir pienākums, kas būtu jāiekļauj stratēģiskākā pozīcijā.
Kad jūsu dokumentācija ir pašdziedinoša, tie 90% 'vieglo' pieteikumu pazūd pavisam. Jūs ne tikai 'novirzāt' pieteikumus; jūs novēršat pieteikuma iemeslu. Tam ir milzīga ietekme uz jūsu pieskaitāmajām izmaksām. Piemēram, daudzi uzņēmumi saprot, ka tiem vairs nav nepieciešamas sarežģītas un dārgas tālruņu sistēmas, ja to dokumentācija ir tik precīza, ka klienti atrod atbildes dažu sekunžu laikā.
Modeļu saskaņošana dažādās nozarēs
Es redzu, ka šī tendence paātrinās dažādos veidos atkarībā no nozares.
- SaaS jomā: Pašdziedinošas dokumentācijas kļūst par daļu no lietotāja saskarnes. Ja lietotājs novieto kursoru virs funkcijas, ar kuru tam ir grūtības, MI ģenerē rīka padomu, pamatojoties uz reāllaika atsauksmēm no citiem lietotājiem, kuriem bija tāda pati problēma.
- Viesmīlības jomā: Mēs to redzam tajā, kā tiek apstrādāti viesu pieprasījumi. Ja viesnīcu grupas viesi pastāvīgi jautā, kā lietot viedtelevizorus, MI ne tikai sniedz instrukcijas, bet arī ziņo vadītājam, ka telpās esošās norādes ir neefektīvas. Vairāk par šīm izmaiņām varat uzzināt mūsu viesmīlības ietaupījumu rokasgrāmatā.
- E-komercijā: MI identificē, ka konkrētam produktam ir par 20% augstāks atgriešanas līmenis, jo 'Izmēru ceļvedis' ir neprecīzs, salīdzinot ar klientu atsauksmēm. Pēc tam tas automātiski pielāgo izmēru ieteikumus produkta lapā.
Aģentūru nodoklis un dokumentācijas mīts
Daudzi uzņēmumi maksā lielas uzturēšanas maksas klientu pieredzes (CX) aģentūrām, lai tās veiktu atbalsta 'auditu'. Tas ir tas, ko es saucu par aģentūru nodokli. Šīs aģentūras trīs mēnešus raksta ziņojumu, kas pasaka to, ko MI varētu pateikt trīs sekundēs: jūsu dokumentācija neatbilst jūsu klienta realitātei.
Pārejot uz MI prioritāru dokumentācijas stratēģiju, jūs apejat starpnieku. Jūs nemaksājat par 'eksperta viedokli'; jūs veidojat sistēmu, kas balstās uz rekursīvo patiesību — sistēmu, kas pastāvīgi pārbauda savu precizitāti attiecībā pret lietotāju reālo pieredzi.
Kā sākt dokumentācijas transformāciju
Lai to sāktu, jums nav nepieciešams miljonu budžets. Jums ir nepieciešama domāšanas maiņa. Beidziet jautāt: "Kuru tērzēšanas robotu man pirkt?" un sāciet jautāt: "Kā padarīt manu zināšanu bāzi autonomu?"
- Auditējiet 'neatbildētos jautājumus': Apskatiet jautājumus, uz kuriem jūsu pašreizējais robots vai komanda nevar atbildēt. Tās nav kļūmes; tie ir plāni jūsu nākamajam dokumentācijas atjauninājumam.
- Savienojiet atgriezeniskās saites cilpu: Izmantojiet rīkus, kas ļauj jūsu MI 'ieteikt' dokumentācijas labojumus, pamatojoties uz tērzēšanas transkriptiem. (Intercom un Zendesk sāk to ieviest, taču pielāgoti GPT-4o risinājumi bieži vien ir efektīvāki specifiskai biznesa loģikai).
- Nogaliniet PDF: Ja jūsu uzņēmuma zināšanas ir iesprostotas statiskos PDF failos, tās ir neredzamas gan MI, gan jūsu klientiem. Pārvietojiet visu uz strukturētu, uz tagiem balstītu wiki, ko LLM var pārlasīt un atjaunināt.
Secinājumi
MI transformācija nenozīmē cilvēku aizstāšanu ar runājošām kastēm. Tā ir uzņēmuma veidošana, kas mācās.
Kad jūsu dokumentācija pašdziedinās, jūsu atbalsta komanda pārstāj būt 'izmaksu centrs' un kļūst par 'stratēģisku ieskatu' dzinēju. Jūs ietaupāt naudu, jā. Bet vēl svarīgāk ir tas, ka jūs veidojat uzņēmumu, kas ir fundamentāli saprotamāks tā klientiem.
Šī skaidrība ir galvenā konkurētspējas priekšrocība. Ja esat gatavi pārtraukt sūču lāpīšanu un sākt cauruļu remontu, rīki jau ir šeit. Sāksim strādāt.