نحن نحب قصص الاختراقات الدراماتيكية والنهايات الأنيقة: المخترع الوحيد يكسر التحدي التقني، ينقذ اليوم، النهاية. هذه هي المجازات المتكررة المحيطة بالتقنيات الجديدة.
لسوء الحظ، يمكن أن تكون هذه الاستعارات مضللة عندما نكون في منتصف ثورة تكنولوجية. النماذج الأولية هي التي تحظى باهتمام كبير بدلاً من التحسين المعقد المتزايد الذي يقدم حلاً رائعًا حقًا. خذ البنسلين. اكتشف الدواء في عام 1928، ولم ينقذ الأرواح فعليًا حتى تم إنتاجه بكميات كبيرة بعد 15 عامًا.
التاريخ مضحك بهذه الطريقة. نحن نحب قصصنا وأساطيرنا حول لحظات الاختراق، ولكن في كثير من الأحيان، يكون الواقع مختلفًا. ما يحدث حقًا - تلك الفترات الطويلة من التنقيح غالبًا - تجعل القصص أقل إثارة بكثير.
هذا هو المكان الذي نتواجد فيه حاليًا في مجال الذكاء الاصطناعي (AI) والتعلم الآلي (ML). في الوقت الحالي، نشهد إثارة الابتكار. كانت هناك نماذج أولية وعروض توضيحية مذهلة لنماذج لغة الذكاء الاصطناعي الجديدة، مثل GPT-3 و DALL-E 2.
بغض النظر عن الانطباع الذي أحدثوه، فإن هذه الأنواع من النماذج اللغوية الكبيرة لم تُحدث ثورة في الصناعات حتى الآن - بما في ذلك مجالات مثل دعم العملاء، حيث يكون تأثير الذكاء الاصطناعي واعدًا بشكل خاص، ناهيك عن حالات العمل العامة.
الذكاء الاصطناعي لتجربة العميل: لماذا لم يكن للروبوتات تأثير أكبر؟
غالبًا ما تركز الأخبار المتعلقة بالنماذج الأولية الجديدة والعروض التوضيحية التقنية على أداء "أفضل حالة" للنموذج: كيف يبدو الأمر على المسار الذهبي، عندما يعمل كل شيء بشكل مثالي؟ غالبًا ما يكون هذا هو أول دليل على وصول التكنولوجيا التخريبية. ولكن، على عكس الحدس، بالنسبة للعديد من المشكلات، يجب أن نكون أكثر اهتمامًا بأداء "أسوأ الحالات". غالبًا ما تكون أدنى التوقعات لما سيفعله النموذج أكثر أهمية من التوقعات العليا.
دعونا نلقي نظرة على هذا في سياق الذكاء الاصطناعي. ربما يكون روبوت دعم العملاء الذي لا يقدم أحيانًا إجابات للعملاء، ولكنه لا يقدم لهم إجابات مضللة أبدًا، أفضل من الروبوت الذي يجيب دائمًا ولكنه يكون خاطئًا في بعض الأحيان. هذا أمر بالغ الأهمية في العديد من سياقات الأعمال.
هذا لا يعني أن الإمكانات محدودة. الحالة المثالية لروبوتات دعم عملاء الذكاء الاصطناعي هي الإجابة على العديد من أسئلة العملاء - تلك التي لا تحتاج إلى تدخل بشري أو فهم دقيق - "الشكل الحر" وبشكل صحيح، 100% من الوقت. يعد هذا نادرًا الآن، ولكن هناك تطبيقات وتقنيات وحفلات الزفاف التخريبية التي تتجه نحو هذا الأمر، حتى في جيل اليوم من روبوتات الدعم.
ولكن للوصول إلى هناك، نحتاج إلى أدوات سهلة الاستخدام لتشغيل الروبوت وتشغيله، حتى بالنسبة للمنفذين الأقل تقنيًا. لحسن الحظ، نضج السوق على مدى 3 إلى 5 سنوات الماضية للوصول بنا إلى هذه النقطة. لم نعد نواجه مشكلة روبوت غير ناضجة، مع أمثال Google DialogFlow و IBM Watson و Amazon Lex فقط - روبوتات NLP جيدة، ولكنها صعبة للغاية بالنسبة لغير المطورين لاستخدامها. إنها سهولة الاستخدام التي ستجعل الذكاء الاصطناعي والتعلم الآلي منتجًا مؤثرًا وقابل للتبني.
إن مستقبل برامج الروبوت ليس حالة استخدام جديدة ومبهجة للذكاء الاصطناعي
أحد أهم الأشياء التي تعلمتها عند رؤية الشركات تنشر برامج الروبوت هو أن معظمها لا ينفذ عمليات النشر بالشكل الصحيح. تقوم معظم الشركات ببناء روبوت، وجعله يحاول الإجابة على أسئلة العملاء، ومشاهدته يفشل. هذا لأنه غالبًا ما يكون هناك فرق كبير بين قيام مندوب دعم العملاء بعمله، والتعبير عنه بشكل صحيح بما يكفي لشيء آخر - نظام آلي - يمكنه القيام بذلك أيضًا. نرى عادةً أن الشركات يتعين عليها التكرار لتحقيق الدقة والجودة في تجربة الروبوت التي تتوقعها في البداية.
لهذا السبب، من الأهمية بمكان ألا تعتمد الأنشطة التجارية على موارد المطورين الشحيحة كجزء من حلقة التكرار. غالبًا ما يؤدي هذا الاعتماد إلى عدم القدرة على التكرار وفقًا للمعيار الفعلي الذي تريده الشركة، مما يتركها مع روبوت رديء الجودة يقوض المصداقية.
هذا هو المكون الرئيسي لهذا التحسين المعقد المتزايد الذي لا يصنع قصصًا مثيرة ولكنه يقدم حلاً حقيقيًا ورائعًا: يجب أن تكون الروبوتات سهلة البناء والتكرار والتنفيذ - بشكل مستقل، حتى من قبل أولئك الذين لم يتم تدريبهم في الهندسة أو التطوير.
هذا مهم ليس فقط لسهولة الاستخدام. هناك اعتبار آخر في اللعب. عندما يتعلق الأمر بالروبوتات التي تجيب على أسئلة دعم العملاء، يُظهر بحثنا الداخلي أننا نواجه ديناميكية Pareto 80/20: الروبوتات المعلوماتية الجيدة تصل بالفعل إلى ما يقرب من 80% إلى المكان الذي ستذهب إليه. بدلاً من محاولة الضغط على آخر 10 إلى 15% من الاستعلامات المعلوماتية، يحتاج تركيز الصناعة الآن إلى التحول نحو الكشف عن كيفية تطبيق هذه التقنية نفسها لحل الاستفسارات غير المعلوماتية.
إضفاء الطابع الديمقراطي على العمل باستخدام أدوات بدون تعليمات برمجية / منخفضة التعليمات البرمجية
على سبيل المثال، في بعض حالات الأعمال، لا يكفي مجرد تقديم المعلومات ؛ يجب اتخاذ إجراء أيضًا (أي إعادة تحديد موعد أو إلغاء حجز أو تحديث عنوان أو رقم بطاقة ائتمان). أظهر بحثنا الداخلي أن النسبة المئوية لمحادثات الدعم التي تتطلب اتخاذ إجراء يصل إلى متوسط 30% تقريبًا للشركات.
يجب أن يكون من الأسهل على الشركات إعداد روبوتاتها بالفعل لاتخاذ هذه الإجراءات. هذا مرتبط إلى حد ما بحركة no-code / low-code: نظرًا لأن المطورين نادرون ومكلفون، فهناك قيمة غير متناسبة لتمكين الفرق الأكثر مسؤولية عن امتلاك تنفيذ الروبوت للتكرار دون تبعيات. هذه هي الخطوة الكبيرة التالية لروبوتات الأعمال.
لسوء الحظ، يمكن أن تكون هذه الاستعارات مضللة عندما نكون في منتصف ثورة تكنولوجية. النماذج الأولية هي التي تحظى باهتمام كبير بدلاً من التحسين المعقد المتزايد الذي يقدم حلاً رائعًا حقًا. خذ البنسلين. اكتشف الدواء في عام 1928، ولم ينقذ الأرواح فعليًا حتى تم إنتاجه بكميات كبيرة بعد 15 عامًا.
التاريخ مضحك بهذه الطريقة. نحن نحب قصصنا وأساطيرنا حول لحظات الاختراق، ولكن في كثير من الأحيان، يكون الواقع مختلفًا. ما يحدث حقًا - تلك الفترات الطويلة من التنقيح غالبًا - تجعل القصص أقل إثارة بكثير.
هذا هو المكان الذي نتواجد فيه حاليًا في مجال الذكاء الاصطناعي (AI) والتعلم الآلي (ML). في الوقت الحالي، نشهد إثارة الابتكار. كانت هناك نماذج أولية وعروض توضيحية مذهلة لنماذج لغة الذكاء الاصطناعي الجديدة، مثل GPT-3 و DALL-E 2.
بغض النظر عن الانطباع الذي أحدثوه، فإن هذه الأنواع من النماذج اللغوية الكبيرة لم تُحدث ثورة في الصناعات حتى الآن - بما في ذلك مجالات مثل دعم العملاء، حيث يكون تأثير الذكاء الاصطناعي واعدًا بشكل خاص، ناهيك عن حالات العمل العامة.
الذكاء الاصطناعي لتجربة العميل: لماذا لم يكن للروبوتات تأثير أكبر؟
غالبًا ما تركز الأخبار المتعلقة بالنماذج الأولية الجديدة والعروض التوضيحية التقنية على أداء "أفضل حالة" للنموذج: كيف يبدو الأمر على المسار الذهبي، عندما يعمل كل شيء بشكل مثالي؟ غالبًا ما يكون هذا هو أول دليل على وصول التكنولوجيا التخريبية. ولكن، على عكس الحدس، بالنسبة للعديد من المشكلات، يجب أن نكون أكثر اهتمامًا بأداء "أسوأ الحالات". غالبًا ما تكون أدنى التوقعات لما سيفعله النموذج أكثر أهمية من التوقعات العليا.
دعونا نلقي نظرة على هذا في سياق الذكاء الاصطناعي. ربما يكون روبوت دعم العملاء الذي لا يقدم أحيانًا إجابات للعملاء، ولكنه لا يقدم لهم إجابات مضللة أبدًا، أفضل من الروبوت الذي يجيب دائمًا ولكنه يكون خاطئًا في بعض الأحيان. هذا أمر بالغ الأهمية في العديد من سياقات الأعمال.
هذا لا يعني أن الإمكانات محدودة. الحالة المثالية لروبوتات دعم عملاء الذكاء الاصطناعي هي الإجابة على العديد من أسئلة العملاء - تلك التي لا تحتاج إلى تدخل بشري أو فهم دقيق - "الشكل الحر" وبشكل صحيح، 100% من الوقت. يعد هذا نادرًا الآن، ولكن هناك تطبيقات وتقنيات وحفلات الزفاف التخريبية التي تتجه نحو هذا الأمر، حتى في جيل اليوم من روبوتات الدعم.
ولكن للوصول إلى هناك، نحتاج إلى أدوات سهلة الاستخدام لتشغيل الروبوت وتشغيله، حتى بالنسبة للمنفذين الأقل تقنيًا. لحسن الحظ، نضج السوق على مدى 3 إلى 5 سنوات الماضية للوصول بنا إلى هذه النقطة. لم نعد نواجه مشكلة روبوت غير ناضجة، مع أمثال Google DialogFlow و IBM Watson و Amazon Lex فقط - روبوتات NLP جيدة، ولكنها صعبة للغاية بالنسبة لغير المطورين لاستخدامها. إنها سهولة الاستخدام التي ستجعل الذكاء الاصطناعي والتعلم الآلي منتجًا مؤثرًا وقابل للتبني.
إن مستقبل برامج الروبوت ليس حالة استخدام جديدة ومبهجة للذكاء الاصطناعي
أحد أهم الأشياء التي تعلمتها عند رؤية الشركات تنشر برامج الروبوت هو أن معظمها لا ينفذ عمليات النشر بالشكل الصحيح. تقوم معظم الشركات ببناء روبوت، وجعله يحاول الإجابة على أسئلة العملاء، ومشاهدته يفشل. هذا لأنه غالبًا ما يكون هناك فرق كبير بين قيام مندوب دعم العملاء بعمله، والتعبير عنه بشكل صحيح بما يكفي لشيء آخر - نظام آلي - يمكنه القيام بذلك أيضًا. نرى عادةً أن الشركات يتعين عليها التكرار لتحقيق الدقة والجودة في تجربة الروبوت التي تتوقعها في البداية.
لهذا السبب، من الأهمية بمكان ألا تعتمد الأنشطة التجارية على موارد المطورين الشحيحة كجزء من حلقة التكرار. غالبًا ما يؤدي هذا الاعتماد إلى عدم القدرة على التكرار وفقًا للمعيار الفعلي الذي تريده الشركة، مما يتركها مع روبوت رديء الجودة يقوض المصداقية.
هذا هو المكون الرئيسي لهذا التحسين المعقد المتزايد الذي لا يصنع قصصًا مثيرة ولكنه يقدم حلاً حقيقيًا ورائعًا: يجب أن تكون الروبوتات سهلة البناء والتكرار والتنفيذ - بشكل مستقل، حتى من قبل أولئك الذين لم يتم تدريبهم في الهندسة أو التطوير.
هذا مهم ليس فقط لسهولة الاستخدام. هناك اعتبار آخر في اللعب. عندما يتعلق الأمر بالروبوتات التي تجيب على أسئلة دعم العملاء، يُظهر بحثنا الداخلي أننا نواجه ديناميكية Pareto 80/20: الروبوتات المعلوماتية الجيدة تصل بالفعل إلى ما يقرب من 80% إلى المكان الذي ستذهب إليه. بدلاً من محاولة الضغط على آخر 10 إلى 15% من الاستعلامات المعلوماتية، يحتاج تركيز الصناعة الآن إلى التحول نحو الكشف عن كيفية تطبيق هذه التقنية نفسها لحل الاستفسارات غير المعلوماتية.
إضفاء الطابع الديمقراطي على العمل باستخدام أدوات بدون تعليمات برمجية / منخفضة التعليمات البرمجية
على سبيل المثال، في بعض حالات الأعمال، لا يكفي مجرد تقديم المعلومات ؛ يجب اتخاذ إجراء أيضًا (أي إعادة تحديد موعد أو إلغاء حجز أو تحديث عنوان أو رقم بطاقة ائتمان). أظهر بحثنا الداخلي أن النسبة المئوية لمحادثات الدعم التي تتطلب اتخاذ إجراء يصل إلى متوسط 30% تقريبًا للشركات.
يجب أن يكون من الأسهل على الشركات إعداد روبوتاتها بالفعل لاتخاذ هذه الإجراءات. هذا مرتبط إلى حد ما بحركة no-code / low-code: نظرًا لأن المطورين نادرون ومكلفون، فهناك قيمة غير متناسبة لتمكين الفرق الأكثر مسؤولية عن امتلاك تنفيذ الروبوت للتكرار دون تبعيات. هذه هي الخطوة الكبيرة التالية لروبوتات الأعمال.
الذكاء الاصطناعي في تجربة العملاء: من النماذج الأولية إلى الفرص
هناك الكثير من الاهتمام بالنماذج الأولية للتكنولوجيا الجديدة والقادمة، وفي الوقت الحالي، هناك تطورات جديدة ومثيرة ستجعل التكنولوجيا مثل الذكاء الاصطناعي والروبوتات والتعلم الآلي، جنبًا إلى جنب مع تجربة العملاء، أفضل. ومع ذلك، فإن الفرصة الواضحة والحالية هي لمواصلة الشركات التحسين والتكرار باستخدام التكنولوجيا التي تم إنشاؤها بالفعل - لاستخدام ميزات المنتج الجديدة لدمج هذه التكنولوجيا في عملياتها حتى يتمكنوا من إدراك تأثير الأعمال المتاح بالفعل.
يجب أن ننفق 80% من اهتمامنا على نشر ما لدينا بالفعل و 20٪ فقط من وقتنا على النماذج الأولية.
