生成 AI は顧客サービスを永遠に変えます。ここに到達する方法は次のとおりです

生成 AI を活用したい企業は、そのテクノロジーが顧客にどのようなメリットをもたらすかに焦点を当てる必要があります。

生成型人工知能 (AI) を顧客サービスにうまく導入するには、体系的なアプローチが必要です。

生成 AI ソリューションを使用してカスタマーエクスペリエンスを向上させることは、従来のプロセスを再発明し、データのアクセス、分析、適用方法を最適化して、従業員、顧客、ビジネスパートナー、組織などのすべてのステークホルダーに役立つ、より迅速で、より多くの情報に基づいた、より適切な意思決定を下すことです。私たちのコミュニティ。

私たちが理解したい点は、組織が生成 AI を適用する前に、プロセスを確認し、再確認する必要があるということです。間違いが再発して、生成 AI システムを構築する企業を困らせる可能性があります。シボレーでの最近の例では、AI 対応ボットが顧客に虚偽の情報を伝え、結果として経済的損失をもたらしました。一方、北米の航空会社は、自社のボットは別個の存在であり、その回答は同社の責任ではないと法的主張を試みた。

このような状況では、マシンはデータの良し悪し、プロセスの良し悪しを区別できないことを覚えておくことが重要です。マシンはデータのみを参照し、そのために作成されたプロセスとルールに従います。

また、組織は、生成 AI によって消費されるデータが正確であり、設計した顧客サービスプロセスが生成 AI を使用して成功できることを確認する必要もあります。小規模から始め、測定可能な価値と利点があるところから始め、シンプルに始め、クリーンなデータから始め、少数の忠実な顧客を設計プロセスに招待して、成功への道を確実に進めます。

前回の投稿で、生成 AI だけでは顧客エクスペリエンスは向上しないと述べました。私たちは、次の 3 つの重要なアドバイスを提供しました。データは信頼でき、正確で、利用可能でなければなりません。顧客のプロセスは正確、直感的、そして公平でなければなりません。そして測定可能な価値が必要です。現在、私たちは組織が AI テクノロジーの導入をどのように加速できるかについて話し合うためにギアを変えており、生成 AI が顧客サービスに最も大きな影響を与えるいくつかの分野を見ていきます。

ChatGPT の台頭は、チャットボットに生成 AI テクノロジーを提供することにより、顧客エンゲージメントにスポットライトを当てました。チャットボットは、何十年にもわたってセルフサービスツールキットの一部として使われてきました。彼らは、ほとんどの顧客を満足させる成功率で質問に答えるほど直観的ではなかったため、顧客サービスに革命を起こすことができませんでした。現在では生成AIと予測AIをベースにしたボットが存在しており、これらのテクノロジーがセルフサービスを根本的に変えると期待されています。

生成的 AI の導入がどのように顧客エクスペリエンスと顧客サービスの向上を目指すのかをより深く理解するために、私は顧客関係管理 (CRM)、顧客エクスペリエンス (CX)、および顧客サービスの世界をリードする専門家 2 人にインタビューしました。

Michael Maoz は、Salesforce のイノベーション戦略担当上級副社長です。 Salesforce に入社する前は、Maoz は Gartner のリサーチバイスプレジデント兼著名アナリストを務め、カスタマーサービスおよびサポート戦略分野のリサーチリーダーを務めていました。

Ed Thompson は、Salesforce の市場戦略担当上級副社長です。 Salesforce に入社する前は、Thompson は Gartner のリサーチバイスプレジデント兼著名アナリストとして、CX および CRM の戦略と実装を担当していました。 Maoz 氏と Thompson 氏は、生成 AI ソリューションを顧客サービスアプリケーションやプロセスに適用する前に、企業が何を検討し、実装する必要があるかについて見解を共有しました。

企業が犯している重大な間違いは何ですか?

エド・トンプソン - 現時点では、インテリジェントボットに関して、企業は 2 つの考え方、または 2 つのアプローチに分かれています。まずエージェントの生産性を向上させることを考えるか、または目標として考えるかのどちらかです。生成 AI を使用してカスタマーサービスエージェントの数を削減します。

カスタマーサービス部門のマネージャーは、エージェントの生産性を支援するツールとしての AI を活用した生成ボットの可能性に懐疑的なことがよくあります。長年にわたり、ソフトウェアサプライヤーは約束を果たしましたが、それは実現しませんでした。それに比べて、デジタル部門の責任者、COO、財務部門の責任者は、エージェントの生産性をそれほど重視していません。彼らは、新世代の生成型 AI 搭載ボットを使用してコストを削減することに興奮する傾向があります。

組織が間違いを犯す可能性があるのは、新世代のインテリジェントボットを導入しても、その実装に関しては過去と同じ間違いを数多く犯すことになる場合です。その間違いのうち 3 つは次のとおりです。

オムニチャネルソリューションの一部ではないスタンドアロンボットを構築または展開し、ボットが音声、電子メール、WhatsApp、SMS、ポータル、その他のサービスチャネルに対して個別に実行されるようにするため。
質問に対する回答を提供するために使用されている基礎となるデータが混乱しており、その結果、顧客への回答が不正確または役に立たないという事実を無視すること。
顧客を逃れることのできない繰り返しループに送り込むこと、つまり満足度スコアを低下させ、エスカレーションを促進するアプローチです。

生成 AI は、偏見、幻覚、有害な回答などの新たな懸念をもたらしています。しかし、以前からの懸念は依然として残っており、さらに深刻になる可能性があります。おそらく、生成型 AI は、統合されておらずサイロ化されたデータソース、古いデータ、低品質のデータ、不正確なデータ、不適切なサービスプロセスやワークフロー設計を解決するための推進力を提供するでしょう。私がお勧めするのは、以前のボット実装の間違いを避けることです。

AI への取り組みを開始する前に考慮すべきことは何ですか?

Michael Maoz - まず、ナレッジベースを修正し、顧客データをクリーンアップします。不適切な顧客セルフサービスプロセスに生成 AI を追加すると、以前よりも規模が大きくなり、より深刻な結果が生じるだけで、事態はさらに悪化します。生成 AI を使用せずにチャットボットが顧客に誤った情報を提供するのは、基礎となる知識ベースが誤っているためです。生成 AI が追加されると、企業は、幻覚によるものではなく、ボットによって完全な自信を持って誤った情報が顧客に提供されるようになったことがわかります。

その結果、同社はより雄弁な虚偽の情報を新たな形で広めるようになった。最近、NBA バスケットボールチームの Web サイトにアクセスしました。ボットにコーチに関する質問をしたところ、コーチに関する正確な情報が得られました。問題が 1 つありました。彼は現在のコーチではなく、その後別の NBA チームのコーチに移った元コーチでした。ナレッジベースが更新されていなかったため、ボットには現在のチームコーチに関する情報がありませんでした。その結果、面白い幻覚が現れました。

Ed Thompson - 生成 AI を進める別の選択肢もあります。ナレッジベースの大部分が古いか信頼性が低い場合は、それを廃棄し、信頼できるコンテンツで最初からやり直す方が簡単で良い場合があります。当社は、企業の 40% 以上がゼロから再出発し、生成 AI を使用して顧客とのやり取り (電話、チャット、電子メールなど) からナレッジ記事を生成すると推定しています。これらのビジネスにとって、それはより迅速であり、その結果、古くて矛盾した知識源からの幻覚のリスクが劇的に低下します。

さらに 30% のサービス組織は次のいずれかを持っています。十分な知識がある。信頼できるほど十分な知識。彼らがそれを修正できるのに十分な知識。または、良いものと悪いものを簡単に区別できる知識 (築年数、場所、何らかの形式の品質スコア)。これらの例では、最初から始める価値はありません。

最後の 30% は、データが混乱していることに気づきますが、規制や業界、政治のせいで、データを使用せざるを得なくなり、何年もかけてデータを整理するか、作業が難しすぎて断念することになります。

推奨事項: ナレッジベースを最初から再構築することを検討してください。

Michael Maoz - よりシンプルなサービストランザクションにより、顧客リクエストの最大 75% を処理する生成 AI の優れた例がすでに存在します。時間の経過とともに、これを 95% まで上げることができます。現在の結果が将来の結果よりも低い理由は、顧客ベースの大部分がテクノロジーを信頼し、十分な自信を持って試してみる前に受けるべき必要な教育に関係しています。すべての顧客がセルフサービスに満足しているわけではなく、多くの顧客は人間ではなくソフトウェアと対話するときに不快感を感じます。企業は、AI の有効性とテクノロジーに組み込まれた安全対策について顧客に教育するとともに、テクノロジーの使用方法とそのメリットについて顧客とコミュニケーションをとる必要があります。

推奨事項: 新しい生成 AI テクノロジーに対する信頼を築くようにお客様を教育する

Ed Thompson - 平均して、顧客が若く裕福であればあるほど、人間よりもデジタルチャネルを好むことが、10 年に及ぶ調査によって示されています。なぜ？それは彼らが技術的に優れているからではありません、それは誤った考えです。それは、彼らが乗り換える必要もなく成長してきたため、人間のチャネルを試してみるとあまり役に立たない（つまり、アクセスしにくく、品質が変動しやすく、遅い）ことがわかったからです。

時間の経過とともに、高齢の消費者やソフトウェアユーザーの数が Z 世代やミレニアル世代よりも多くなるにつれて、デジタルへの移行がさらに進むでしょう。 1960年代のポパーとクーンの科学哲学論争では、新しい科学理論は合理的な議論と議論を通じて最終的に古い科学理論に勝つだろうと主張されました。私にとって、新しい理論が勝つのは、古い理論の支持者が最終的には影響力や権力を失うか、引退するか死ぬからです。しかし、高齢で裕福ではなく、テクノロジーに詳しくない消費者が、若くて裕福な消費者と同じ割合でデジタルチャネルを採用する例もあります。一例は WhatsApp です。確かに、これはシンプルなツールであり、ネットワーク効果の恩恵を受けていますが、若い採用者が両親や祖父母にその使い方を教えていたのも事実です。

推奨事項: セルフサービスを採用する可能性が最も低い教育を対象にします。

Michael Maoz - これは世代間の違いとチャンネルの好みに関する素晴らしい点です。次に、デジタルチャネルのプロセス設計を見てみましょう。生成 AI の機能を考慮すると、早期導入者は難しい教訓を発見しています。顧客が問題をうまく直感的に解決できるようにプロセスが設計されていない限り、人間に連絡するというバックストップなしで AI を使用すると、顧客エクスペリエンスが損なわれる可能性があります。顧客サービス向けの生成 AI のオンボーディングの成功を加速するために、大手企業は顧客をプロセス設計サイクルに参加させ、洞察を得て顧客の反応をテストしています。

エド・トンプソン - フォーラムやカンファレンスに参加し、チャネルシフトや生成 AI、顧客の偏向についての議論を聞いていると、いつも驚かされます。そして、顧客が何を望んでいるのかについてはまったく議論されていません。議論は、企業の顧客が何を望んでいるのかによって情報が得られるわけではありません。顧客がどのようなデバイスを使用しているかについてはあまり議論されていません。議論の 75% は裏返しの内容、つまり会社が何を望んでいるのかについてであり、顧客への影響について時折言及されるだけで、会社が座って顧客を観察し、顧客の意見に耳を傾けていたことがわかります。

将来の仕事における生成 AI の役割は何ですか?

Ed Thompson - カスタマーサービスの将来の約束は、単純な質問に答えるポイントを超えたソリューションであり、プロセスフローで利用される生成 AI にあります。このアプローチには、顧客の要求に応じて事後対応モードで行う場合でも、新たな問題を支援するために顧客に連絡する自律エージェントとして積極的に行う場合でも、販売プロセス、マーケティングプロセス、またはサービスプロセス全体を実行することが必要です。長期的な目標は、顧客サービスが別個の部門として消滅し、顧客が支援を求めずに呼び出される場合もあれば、顧客の要求に応じて呼び出されるパーソナルアシスタントに変わることです。

API やセンサーを介して企業ネットワークに接続する車両、機械、設備、インフラストラクチャなどのデバイスやオブジェクトを含む「顧客」について考えてみましょう。これらのシナリオでは、エレベーター、ブリッジ、またはエンジンが、人間の知識や介入なしに支援を「呼び出す」ことができ、その要求は、人間のエージェント、ソフトウェアエージェント、またはそれらの組み合わせの派遣に変換されて対応します。リクエスト。

余談ですが、一般にコンタクトセンターとして知られるカスタマーエンゲージメントセンターは、単なる電話を受け付けるセンター、つまりコールセンターから発展したことを忘れています。わずか60年前にはコールセンターすらありませんでした。考えることは驚くべきことであり、おそらく私たちは過去から未来について学ぶことができるのです。当時、企業はどのようにして生き残ったのでしょうか？ 1 つの方法は、おそらく専門性をあまり持たないことだったかもしれません。つまり、商品やサービスを販売する人は、その役割の一環として製品のサービスも行うことになります。

マイケル・マオズ - 素晴らしい質問ですね。 40 年前でさえ、企業は差別化要因として顧客体験を意図的に重視していませんでした。彼らは製品の品質と価格が重要であると考えていましたが、その後、顧客体験が会社の成長に不可欠な役割を果たしていることに気づきました。両社は自社の業務を部分的に最適化し、顧客サービスがマーケティングや販売、エンジニアリングや製品開発から全体的に切り離されていることを意味しました。この戦略は、競合他社が顧客エクスペリエンスから逆算して製品やサービスを再設計して顧客のニーズの変化に対応する必要性を認識するまで機能しました。

エド・トンプソン - つまり、専門分野は後から入ってきたものであり、話の一部にすぎないのかもしれません。第二次世界大戦後、爆発的な経済成長が起こり、これまで想像もできなかった何万もの新製品が導入されました。

マイケル・マオズ - 歴史的背景が役に立つと思います。 1940 年代の米国では、電話の受話器を取るだけでダイヤルしませんでした。代わりに、「どうすれば接続できますか?」という声を待ちました。 1960 年代頃までは、独自のコールセンターを持った企業はありませんでした。この変化は、いわゆる専門化に加えて、規模への大きな変化を表しています。

一方、米国では、シアーズのカタログは数千点の販売商品を掲載した印刷本で、全国どこにでも郵便で届けられました。キッチンはプレハブやミシンなど何でも買えますが、それはカタログ経由でしかなく、アフターサポートという概念もありませんでした。第二次世界大戦について言及しましたね。第二次世界大戦後、郊外や州間高速道路、フランチャイズビジネス、そして地元の店から全国に無限の製品を販売する小売業者が台頭しました。国の GDP は 3 倍になり、消費者は製造業者がサービスを提供できるよりも早く商品やサービスを購入しました。そのプロセスにより、新しいポストセールスサービス事業とユニットが形成されました。

Ed Thompson - 元の論点に戻りますが、私たちは顧客サポートのあらゆる仲介とあらゆる複雑さを抱えて、今の状況にいます。ビジネスにおける重要な進歩は、1990 年代にマーサ・ロジャースやドン・ペッパーズなどの将来の One to One マーケティングに関する先見の明のある人々の取り組みによってもたらされたことに私は同意します。そのアプローチは、「顧客サービス」が別個の部門として消滅し、さらに各消費者や顧客が自分のニーズを理解するパーソナルアシスタントを持つ可能性についてのあなたの指摘と一致します。将来的には、マスマーケティングが終焉を迎える日が来るかもしれません。キャンペーン管理と電子メールによるマスマーケティングは、今後 5 年間で廃止される可能性があります。代わりに、マーケティング部門はパーソナルアシスタントと同じ考え方を使用して、適切なチャネルで適切なタイミングで適切なオファーを厳選します。

生成 AI にどのようにアプローチすべきですか?

Michael Maoz - これらは重要なプロジェクトであり、IT と事業部門 (マーケティング、販売、顧客サービス、請求、物流) が新たな協力の機会を見つけることが期待されます。顧客サービス要求を処理するために生成型 AI ソリューションを導入したい事業部門は、顧客エクスペリエンスを向上させるために生成型 AI リーダーと友達になる必要があります。

優秀な企業は、中核となるビジネスプロセスを外側から内側に、つまり顧客の観点から設計する必要があることを理解しています。このアプローチは、IT の中核的な役割が顧客プロセスに統合されていない組織設計によって妨げられています。システムの統合、自動化の構築、データの移行、データの視覚化の作成などの IT スキルは、マーケティング、デジタルコマース、販売およびサービスといった顧客対応の役割とはかけ離れています。 IT チームは生成型 AI スキルを備えており、マーケティング、販売、コマース、顧客サービスは顧客対応プロセスが最適に機能する方法についての深い洞察を持っています。説明責任を共有し、成功指標を共有する部門横断的なチームを作成することで、顧客にとって何が最適であるか、また生成 AI ソリューションの順序に優先順位を付けることに、生成 AI イニシアティブを集中させることができます。

Ed Thompson - 生成 AI で勝利する企業に関する洞察は次のように要約できます。

95% の企業が採用できる生成 AI スキルはほとんどありません。従来の方法を使って人材を獲得できるとは考えないでください。また、能力が進化するのを待つ余裕もありません。
先見の明のある企業は、可能な限り従業員のスキルを向上させることを決定します。
ビジネスプロセスの設計後に開始する重要な点は、迅速な設計とデータガバナンスに焦点を当てることです。
優れた企業は、技術スキルが IT 内に閉じ込められないようにします。

生成 AI における音声の未来はどうなるでしょうか?

音声とテキストは脳による処理が異なり、顧客サービスにおいてはそれぞれに利点があります。人間のタイピングやテキストメッセージの流暢さは、音声や画像処理の 3 分の 1 しかありません。プライバシーから正確さまで、さまざまな状況でテキストを好む理由があります。人間が話すときは、入力するときよりも正確さがはるかに劣るという利点もあります。たとえば、ある人は、野球の試合で一塁線のチケットを 2 枚買いたいと言って人間に話しかけるかもしれません。「一塁線にあるチケットを 2 枚欲しいのですが、はい、チケット 2 枚でいい席なら何でもいいです」持っているし、そうでない場合は私が三塁を取るよ。」彼らは話しながら書いたり、タイプしたり、テキストメッセージを送ったりすることは決してありません。彼らはまず考えてから 1 回入力するか、空き状況や価格を含むスタジアムのデジタルマップなどの視覚的な手がかりを使用します。

音声 AI インターフェイスの場合、音声ボットは、2 枚のチケットについての 2 番目の言及が冗長であること、および代替の場所がスタジアムの 3 塁側を指しており、何が「良い」を構成するのかを理解する必要があります。テキストと画像の違いはさらに顕著です。人間は画像データをテキストデータよりも何千倍も速く処理します。カスタマーサービス、フィールドサービス、コマースなどの現在のシステムは、他の多くの分野と同様に、要求が単純で明確でない限り、人間の意図を理解する生成型 AI ソリューションを必要とします。複雑なシナリオにおける生成 AI は、標準的なワークフローと予測 AI を補完する可能性があります。私はこれをさらに進めたいと思います。単なる必須/汎用のユースケースではなく、真に差別化を図る生成 AI の最適な用途は、生成 AI と予測を組み合わせたり、両方を従来のワークフローと組み合わせたりするものになります。

生成 AI は強力ですが、ルールが適用されます

生成 AI は、人間のエージェントと技術者にとって、生成 AI がもたらす知識とアドバイスによって豊かになるだけでなく、迅速かつ正確なサービスを受ける顧客にとっても、顧客サービスのツールへの素晴らしい追加機能です。顧客サービスを重視し、それを正しく行う企業は、次の基本を覚えている企業です。

お客様がストレスを感じないようにする必要があります。
彼らは満足して対話を終える必要があります。
このやり取りにより、企業が顧客を理解していることが強化されます。
この対話は前後のやり取りと一貫しており、残りの関係から切り離されていません。
必要に応じて人間に連絡する方法があります。
カスタマーサービスエクスペリエンスは、サイロ化された部門のようには感じられず、ビジネス全体を反映しているように感じられます。
テクノロジーやエンジニアリングをほとんど目に見えなくする思慮深いプロセス設計には、ちょっとした目新しさと「すごい」という印象があり、顧客に感動を与えます。

エド・トンプソン - 「私たちは、これらすべてがどのようなスケジュールで展開されるかを考える必要があります。私たちはおそらく 10 年にわたる計画期間を見据えています。同時に、組織は非常に柔軟に対応する必要があります。テクノロジと組織の能力が成熟するにつれて、機会、優先順位、機能が変化するため、生成的な AI 計画が必要になります。」

はい、初期パイロットと初期プロジェクトの迅速な回収が必要です。今後 2 年間で顧客サービスに生成 AI の 20 のユースケースを一度に導入するような計画は立てないことをお勧めします。 Salesforce では、カスタマーサービス全体で 20 のユースケースに取り組んでおり、他の各クラウドではさらに数十のユースケースに取り組んでいます。 2 年間でカスタマーサービスで 50 件のユースケースが発生すると誰もが予想できます。

はじめる

肝心なのは生成型 AI であり、自律型サービスエージェントへの道は長期にわたるプログラムです。道中ずっと勝利が期待できますし、自分のキャリアを賭けることができるのが楽しいところです。

生成 AI は、企業のソフトウェアに対する考え方に根本的な変化をもたらします。生成 AI は予測 AI を超えたものであることを念頭に置く必要があります。生成 AI は、厳密に定義されたルールに基づいて出力を提供するのではなく、新しいデータと新しいコンテンツを作成します。これらの結果を安全かつ確実に作成するには、クリーンなデータと、そのデータにほぼリアルタイムでアクセスする必要があります。データとデータガバナンスに対する信頼と同様に、統合と信頼性の高い API が重要になります。

要約すると、生成 AI コンピテンシーを構築する際のアドバイスをいくつか紹介します。

100 のユースケースを並行して追いかけて大騒ぎしないでください。焦点を絞って物事を試してください。ただし、「時間の節約」に関する指標だけでなく、3 つの概念実証を実稼働環境に導入し、経済的な見返りが実証されていることに重点を置いてください。
予測 AI が同じ結果をもたらし、すでに世に出て実証されている多くの状況で、生成 AI をすべての釘のハンマーとして使用しないでください。
スキルを採用しないでください。可能な限り、従業員のスキルを向上させます。それは自分の才能を認識する素晴らしい方法です。学ぶことに興味のある人を探してください。彼らがスキルアップできる余地を作りましょう。 IT 外部の担当者は迅速な設計スキルと迅速なアクション/ワークフロースキルに重点を置き、IT 内部担当者はデータスキルに重点を置きます。
仕事の流れに注目してください。生成 AI は、販売プロセス、カスタマーサポートプロセス、マーケティングプロセス、e コマースプロセス、およびフィールドサービスプロセスのフローで最も大きな影響を与えます。
副操縦士の急増に注意してください。保守とサポートが必要なアプリケーションごとに 1 つのコパイロット -- 1,000 人のコパイロットを持つ 1,000 個のアプリを想像してください。
メガバンクやテクノロジー企業でない限り、モデルチューニングの取り組みを 2 つまたは 3 つの業界固有のユースケースに集中し、残りの部分には既存のサプライヤーからすぐに使えるテクノロジーを使用してください。
最も重要なのは、データの品質、アクセス、ガバナンスに焦点を当てることです。これらは AI が必要とする燃料であるため、投資が必要です。おそらく AI への投資そのものよりも多くの投資が必要です。
私たちに手紙を書いてください。私たちは質問に答えたり、知っていることを共有したりすることが大好きです。マイケルの場合は mmaoz@salesforce.com、エドの場合は ed.thompson@salesforce.com です。

この記事は、Salesforce イノベーション戦略担当上級副社長 Michael Maoz と Salesforce 市場戦略担当上級副社長 Ed Thompson の共著です。