Cómo la iteración de IA puede mejorar la experiencia del cliente


Consulte las sesiones a pedido de Low-Code/No-Code Summit para aprender cómo innovar con éxito y obtener eficiencias al mejorar y escalar a los desarrolladores ciudadanos. mira ahora.


Nos encantan las historias de avances dramáticos y finales prolijos: el inventor solitario se enfrenta al desafío técnico, salva el día, salva el final. Estos son los tropos recurrentes que rodean a las nuevas tecnologías.

Desafortunadamente, estos tropos pueden ser engañosos cuando en realidad estamos en medio de una revolución tecnológica. Son los prototipos los que reciben demasiada atención en lugar del refinamiento incremental y complejo lo que realmente ofrece una solución innovadora. Toma penicilina. Descubierta en 1928, la droga no salvó vidas hasta que se produjo en masa 15 años después.

La historia es divertida así. Nos encantan nuestras historias y mitos sobre momentos decisivos, pero a menudo la realidad es diferente. Lo que realmente sucede, estos largos períodos de refinamiento, hace que las historias sean mucho menos emocionantes.

Aquí es donde nos encontramos ahora en el espacio de la inteligencia artificial (IA) y el aprendizaje automático (ML). En este momento vemos la emoción de la innovación. Ha habido increíbles prototipos y demostraciones de nuevos modelos de lenguaje de IA, como GPT-3 y DALL-E 2.

Evento

Cumbre de seguridad inteligente

Conozca el papel fundamental de la IA y el ML en la ciberseguridad y los estudios de casos específicos de la industria el 8 de diciembre. Regístrese para obtener su pase gratis hoy.

Regístrate ahora

Independientemente del impacto que hayan causado, este tipo de grandes modelos de lenguaje aún tienen que revolucionar las industrias, incluidas aquellas como la atención al cliente, donde el impacto de la IA es particularmente prometedor, por no hablar de los casos comerciales generales.

IA para la experiencia del cliente: ¿por qué los bots no han tenido más impacto?

Las noticias sobre nuevos prototipos y demostraciones tecnológicas a menudo se centran en el rendimiento del «mejor de los casos» del modelo: ¿cómo se ve en el camino dorado, cuando todo funciona a la perfección? Esta suele ser la primera evidencia de la llegada de una tecnología disruptiva. Pero, en contra de la intuición, para muchos problemas, deberíamos estar mucho más interesados ​​en el rendimiento del «peor de los casos». A menudo, las expectativas más bajas de lo que hará un modelo son mucho más importantes que las más altas.

Veamos esto en el contexto de la IA. Un bot de atención al cliente que algunas veces no da respuestas a los clientes, pero Nunca les da respuestas engañosas, es probablemente mejor que un bot que siempre responde pero a veces se equivoca. Esto es crucial en muchos contextos comerciales.

Esto no significa que el potencial sea limitado. Un estado ideal para los bots de atención al cliente de IA sería responder muchas preguntas de los clientes, aquellas que no requieren intervención humana o comprensión matizada, «de forma libre» y correctamente, el 100% del tiempo. Es raro ahora, pero hay algunas aplicaciones, técnicas e integraciones disruptivas que admiten esto, incluso en la generación actual de bots de soporte.

Pero para llegar allí, necesitamos herramientas fáciles de usar para hacer que un bot funcione, incluso para implementadores menos técnicos. Afortunadamente, el mercado ha madurado durante los últimos 3 a 5 años para llevarnos a este punto. Ya no nos enfrentamos a un panorama de bots inmaduros, con solo Google DialogFlow, IBM Watson y Amazon Lex: buenos bots de NLP, pero muy difíciles de usar para quienes no son desarrolladores. Es la facilidad de uso lo que hará de AI y ML un producto adoptable e impactante.

El futuro de los bots no es un nuevo caso de uso llamativo para la IA

Una de las cosas más importantes que he aprendido al ver a las empresas implementar bots es que la mayoría de las implementaciones fallan. La mayoría de las empresas construyen un bot, hacen que intente responder las preguntas de los clientes y observan cómo falla. Esto se debe a que a menudo hay una gran diferencia entre que un representante de atención al cliente haga su trabajo y lo articule lo suficientemente bien como para que otra cosa, un sistema automatizado, también pueda hacerlo. Por lo general, encontramos que las empresas necesitan iterar para lograr la precisión y la calidad de la experiencia del bot que inicialmente esperan.

Por esta razón, es fundamental que las empresas no dependan de los escasos recursos de desarrollo como parte de su ciclo de iteración. Tal dependencia a menudo lleva a no poder iterar al estándar real que la empresa quiere, dejándola con un bot de mala calidad que socava su credibilidad.

Este es el componente principal de ese refinamiento incremental complejo que no crea historias interesantes, pero ofrece una solución realmente innovadora: los bots deben ser fáciles de construir, iterar e implementar, de forma independiente, incluso por aquellos que no están capacitados en ingeniería o desarrollo.

Esto es importante no solo por la facilidad de uso. Hay otra consideración en juego: cuando se trata de bots que responden preguntas de atención al cliente, nuestra investigación interna muestra que nos enfrentamos a una dinámica de Pareto 80/20: los bots informativos buenos ya están a un 80 % de distancia de donde alguna vez irán. En lugar de tratar de extraer el 10-15% inferior de las consultas informativas, la industria ahora debe enfocarse en descubrir cómo aplicar esta misma tecnología para resolver consultas no informativas.

Democratizar la acción con herramientas sin código/de código bajo

Por ejemplo, en algunos casos de negocios, no es suficiente dar información; a Valores también debe tomarse (es decir, reprogramar una cita, cancelar una reserva o actualizar una dirección o número de tarjeta de crédito). Nuestra investigación interna ha demostrado que el porcentaje de conversaciones de soporte que requieren acción alcanza una mediana de alrededor del 30 % para las empresas.

Debería ser más fácil para las empresas configurar sus bots para realizar estas acciones. Esto está algo relacionado con el movimiento sin código/bajo código: dado que los desarrolladores son escasos y costosos, es desproporcionado permitir que los equipos más responsables de implementar el bot iteren sin dependencias. Este es el próximo gran paso para los bots empresariales.

IA en la experiencia del cliente: de prototipos a oportunidades

Hay mucha atención en la creación de prototipos de tecnologías nuevas y futuras, y en este momento hay nuevos desarrollos emocionantes que harán que la tecnología como AI, bots y ML, así como la experiencia del cliente, sean aún mejores. Sin embargo, la oportunidad clara y presente es que las empresas continúen mejorando e iterando utilizando tecnología ya establecida, para utilizar nuevas funciones de productos para integrar esta tecnología en sus operaciones para que puedan obtener el impacto comercial ya disponible.

Deberíamos dedicar el 80 % de nuestra atención a implementar lo que ya tenemos y solo el 20 % de nuestro tiempo a la creación de prototipos.

Fergal Reid es jefe de aprendizaje automático en Intercom.

Tomadores de decisiones de datos

¡Bienvenido a la comunidad VentureBeat!

DataDecisionMakers es donde los expertos, incluidos los técnicos de datos, pueden compartir conocimientos e innovaciones de datos.

Si desea obtener más información sobre conocimientos de vanguardia e información actualizada, mejores prácticas y el futuro de los datos y la tecnología de datos, únase a nosotros en DataDecisionMakers.

¡Incluso podría considerar escribir su propio artículo!

Más información sobre DataDecisionMakers



Source link

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *