مدیر عامل Zendesk: عوامل هوش مصنوعی می توانند خدمات مشتری را تغییر دهند

وقتی فناوری جدید باید حول سیستم‌ها، فرآیندها و روش‌های کار جا افتاده کار کند، تحول هوش مصنوعی سخت‌تر می‌شود. این چیزی است که ما چهارشنبه آینده، 21 اکتبر، ساعت 2 بعد از ظهر به آن خواهیم پرداخت. ET، در "غلبه بر موانع برای تحول هوش مصنوعی در صنایع قدیمی" با رهبران ارشد یاهو، EY، مایکروسافت و کوالکام. آخرین یادآوری اینکه هنوز زمان برای ثبت نام وجود دارد.

این هفته در AI Impact، من به یک چروک خدمات مشتری نگاه می‌کنم که قبلا زیاد به آن فکر نمی‌کردم: وقتی مشتریان می‌توانند کار تماس، پیام‌رسانی و پیگیری نرم‌افزار خود را انجام دهند، تعداد تعاملاتی که کسب‌وکارها باید انجام دهند می‌تواند به سرعت افزایش یابد.

مدیر عامل Zendesk: عوامل هوش مصنوعی می توانند خدمات مشتری را تغییر دهند

اگمایر به نیوزویک گفت: «آنچه در حال تغییر است این است که میزان تعاملات منفجر خواهد شد.

قبل از آن سه، چهار سال بدون تماس با آن شرکت ها رفته بود. او اکنون قصد دارد ماهانه نماینده را با آنها چک کند.

نمایندگان شخصی می توانند بارها و بارها با ارائه دهندگان تماس بگیرند بدون اینکه از مشتریان بخواهند زمان خود را صرف انجام آن کنند. بنابراین اتوماسیون ممکن است تلاش لازم برای مدیریت هر تعامل را کاهش دهد و در عین حال تعداد بیشتری از آنها را ایجاد کند.

Eggemeier گفت Zendesk شاهد افزایش حجم تعامل در بین مشتریان با سنگین‌ترین پذیرش هوش مصنوعی است. او گفت که سرویس خودکار می‌تواند شبانه روزی و در بین زبان‌هایی که کسب‌وکارها قبلا فقط در ساعات محدودی از آن‌ها پشتیبانی می‌کردند، کار کند.

مدیریت این حجم همچنان به شرکت ها نیاز دارد که تصمیم بگیرند که هر تعامل باید کجا باشد. Eggemeier گفت: کسب و کارها می توانند فعالیت خدمات موجود خود را بررسی کنند و تعیین کنند که کدام مسائل باید به صورت سلف سرویس باقی بماند، هوش مصنوعی می تواند از عهده آن برآید و قضاوت یا خط مشی شرکت در چه مواردی نیاز به شخص دارد.

اولویت مشتری می تواند جایی که درخواست ارسال می شود تغییر کند.

او گفت: «من فکر می‌کنم شرایط خاصی وجود دارد که در آن شما همدلی بیشتری می‌خواهید و به دنبال سریع‌ترین تصمیم نیستید.

این اولویت همچنین می تواند پس از شروع تعامل تغییر کند.

اگمایر گفت: «از سوی دیگر، اگر با یک عامل هوش مصنوعی وارد یک حلقه دایره‌ای شوم و آن را حل نکنم، می‌خواهم توانایی رفتن به یک انسان را داشته باشم.

مدیران اجرایی همچنین باید تصمیم بگیرند که آیا افزایش اتوماسیون واقعا خدمات بهتری را تولید می کند، نه اینکه فقط بر اساس میزان کار این فناوری قضاوت کنند.

او گفت: «اگر نرخ وضوح بالاتر، اما رضایت کمتری دریافت می‌کنید، در آینده بر کسب‌وکار شما تأثیر می‌گذارد.

معیار موفقیت می تواند بر اساس تعامل متفاوت باشد. ممکن است یکی بر اساس حل شدن موضوع مورد قضاوت قرار گیرد، در حالی که دیگری را می توان با پول جمع آوری شده یا فروش سنجید. اگمایر گفت که مدیران عامل باید این نتایج را در کنار رضایت مشتری در طول زمان در نظر بگیرند.

درب ورودی خدمات به مشتریان نیز ممکن است خارج از خود شرکت حرکت کند. Eggemeier گفت که مردم می توانند به طور فزاینده ای از طریق عوامل شخصی یا رابط هایی مانند ChatGPT و Claude به جای بازدید از وب سایت شرکت یا باز کردن مستقیم ابزارهای پشتیبانی آن، به دنبال کمک باشند.

انتقال سرویس به رابط‌های هوش مصنوعی شخص ثالث می‌تواند ترافیک وب‌سایت‌های خود شرکت‌ها و تماس انسان با انسان را کاهش دهد. همچنین کسب‌وکارها را با چالش جدیدی روبرو می‌کند: حفظ اطلاعات و تجربه مشتری زمانی که سیستم هوش مصنوعی دیگری بین آنها و مشتری قرار می‌گیرد.

Eggemeier انتظار دارد که این رابط های خارجی به بخش بزرگتری از نحوه تعامل مشتریان با شرکت ها تبدیل شوند.

او گفت: «من فکر نمی‌کنم اکوسیستم‌های بسته به این خوبی عمل کنند.

غلبه بر موانع تحول هوش مصنوعی در صنایع قدیمی

سرمایه گذاری در هوش مصنوعی در حال افزایش است و شرکت های با سابقه راه هایی برای وارد کردن این فناوری به سازمان هایی پیدا می کنند که بر اساس سال ها روابط با مشتری، عملیات پیچیده، سیستم های حیاتی و مسئولیت های نظارتی شکل گرفته اند. چالش تبدیل پایلوت های امیدوارکننده به نتایج تجاری پایدار بدون ایجاد اختلال در نقاط قوتی است که باعث موفقیت آن شرکت ها شده است.

در یک وبینار هوش مصنوعی نیوزویک که توسط Cognizant ارائه می شود، گابریل اسنایدر، سردبیر اجرایی نیوزویک، سازمانی، بحثی را با عنوان «غلبه بر موانع تغییر هوش مصنوعی در صنایع قدیمی» مدیریت خواهد کرد.

این گفتگو به چگونگی اتصال سازمان‌های مستقر هوش مصنوعی به سیستم‌ها و جریان‌های کاری موجود، شفاف‌سازی مالکیت و حاکمیت و همسویی سرمایه‌گذاری‌های فناوری با افراد، فرآیندها و نتایج قابل اندازه‌گیری کسب‌وکار را بررسی خواهد کرد.

مت سانچز، مدیر عامل یاهو، دورگا ملادی، معاون اجرایی و مدیر کل برنامه‌ریزی فناوری، راه‌حل‌های لبه و مرکز داده در کوالکام و کیتی جورج، معاون شرکت تغییر نیروی کار در مایکروسافت و رودریگو مادانز، فناوری مرز بعدی جهانی و رهبر هوش مصنوعی در EY به گفتگو خواهند پیوست.

در 4 نوامبر، دکتر رنجیت تینایکار، میزبان «انجمن تأثیر هوش مصنوعی» نیوزویک، با Firdaus Bhathena، معاون اجرایی و مدیر ارشد فناوری و تحول در S&P Global، می‌نشیند تا درباره اینکه چگونه شرکت‌های بزرگ پیشرفت‌های هوش مصنوعی را به نتایج تجاری تبدیل می‌کنند، و چرا داده‌های قابل اعتماد و متمایز اهمیت فزاینده‌ای پیدا می‌کنند.

با تکیه بر تجربه Bhathena در S&P Global، FIS Global و CVS Health، این گفتگو بررسی می‌کند که چگونه سازمان‌ها داده‌ها را کنترل و قابل استفاده مجدد می‌کنند، جریان‌های کاری را حول قابلیت‌های جدید طراحی مجدد می‌کنند و سرعت را با اعتماد، امنیت و انعطاف‌پذیری متعادل می‌کنند.

آنها همچنین بررسی خواهند کرد که چگونه رهبران می‌توانند سرمایه‌گذاری‌های فناوری را بر مشکلات مشتری متمرکز نگه دارند و شناسایی کنند که مزیت رقابتی واقعی کجا می‌تواند پدیدار شود.

به بحث زنده چهارشنبه، 4 نوامبر، ساعت 11 صبح به وقت شرقی بپیوندید. رایگان ثبت نام کنید.

بررسی میان دوره ای: سیاست هوش مصنوعی چگونه انتخابات 2026 را شکل داد

انتخابات میان دوره ای 2026 در مورد سیاست های نوظهور هوش مصنوعی به ما چه خواهد گفت؟

یک هفته پس از روز انتخابات، گابریل اسنایدر، سردبیر اجرایی نیوزویک، بحثی را با کارشناسان سیاست و خودی‌های واشنگتن که نتایج میان دوره‌ای را از دریچه هوش مصنوعی بررسی می‌کنند، مدیریت خواهد کرد.

در این پنل، Nathaniel Persily، استاد حقوق در دانشکده حقوق استنفورد حضور خواهد داشت. برنت بوکانان، بنیانگذار و مدیر عامل Cygnal؛ و نیک پنیمن، بنیانگذار و مدیر عامل شماره یک.

با استفاده از کارت امتیازی سیاست هوش مصنوعی نیوزویک به عنوان نقطه شروع، این پانل بررسی خواهد کرد که کجا سیاست هوش مصنوعی به یک موضوع کمپین تبدیل شده است، چگونه موقعیت ها از خطوط سنتی حزب عبور می کند و چگونه بحث ها در مورد مقررات، مراکز داده، مشاغل، حریم خصوصی و امنیت ملی در رقابت های فردی انجام می شود.

این گفتگو همچنین به نحوه برخورد کمپین‌ها و گروه‌های بیرونی با این موضوعات، از جمله نقش هزینه‌های صنعت، و اینکه نتایج می‌تواند برای مبارزات سیاسی پیش رو معنی داشته باشد، بررسی خواهد کرد.

ثبت نام کنید و به بحث زنده در 10 نوامبر بپیوندید.

هوش مصنوعی سازمانی در دنیای فیزیکی: پیمایش در مرز آشفته زنجیره تامین

انبارها، کارخانه‌ها و شبکه‌های حمل‌ونقل هوش مصنوعی سازمانی را در معرض نوع دیگری از آزمون قرار می‌دهند: تصمیمات دیجیتال پیامدهای فوری در دنیای فیزیکی دارند.

دانکن آنگوو، مدیر اجرایی Blue Yonder، در 19 نوامبر به دکتر رنجیت تینایکار، میزبان "انجمن تاثیر هوش مصنوعی" نیوزویک می‌پیوندد تا درباره وارد کردن سیستم‌های مستقل به طور فزاینده در عملیات زنجیره تامین پیچیده صحبت کند.

این بحث نقش مدل‌های تخصصی را پوشش می‌دهد که شرکت‌های تخصصی باید با خودکار شدن تصمیمات بیشتر حفظ کنند و اینکه آیا اقتصاد فناوری سازمانی می‌تواند به سمت نتایج قابل اندازه‌گیری تجاری مانند بهره‌وری، هزینه‌های عملیاتی و جابجایی کالا حرکت کند.

برای پیوستن به بحث زنده پنجشنبه 19 نوامبر ساعت 12:30 ثبت نام کنید. ET .

یکی از بینش های اخیری که در مورد هوش مصنوعی آموخته اید چیست؟

"بزرگترین بینشی که من مدام به آن باز می گردم این است که سازمان ها چقدر کار مدیریت تغییر سازمانی و طراحی سازمانی را دست کم می گیرند. این یک انتقال یکباره نیست. حتی برنامه های هوش مصنوعی ساده ثابت نمی مانند. مجموعه ویژگی ها تکامل می یابد. تجربه کاربر تکامل می یابد. این به این معنی است که آموزش مداوم، حلقه های بازخورد، و به روز رسانی های گردش کار تبدیل به یک وظیفه دائمی نمی شوند.

اما تغییر عمیق تر در سطح سازمانی است. مدل‌های عملیاتی قدیمی در IT، Risk و Governance برای این منظور ساخته نشده‌اند. همانطور که برنامه های هوش مصنوعی بالغ می شوند، ساختارهای تیم باید تغییر کنند. نقش‌های جدید، چارچوب‌های جدید مسئولیت‌پذیری، روش‌های جدید تفکر درباره مالکیت چه کسی. این کار طراحی مجدد در تقاطع منابع انسانی، رهبری اجرایی و هر رهبر عملکردی در ساختمان قرار دارد.

فوریت واقعی است. سازمان هایی که به تنهایی از منظر فناوری و ریسک برای هوش مصنوعی برنامه ریزی می کنند، تنها بخشی از مشکل را حل می کنند. مکالمه مدل عملیاتی باید به صورت موازی انجام شود. اگر اینطور نباشد، حکومت واکنشی می شود و پذیرش متوقف می شود. شما می توانید سیاست های درست و ساختار اشتباه داشته باشید و باز هم شکست بخورید.»

درس خود را برای به اشتراک گذاشتن دارید؟ به من ایمیل بزنید: a.mills@newsweek.com

WestCX AI متن بیمار را از پیام به تماس منتقل می کند

هر چه بیماران بیشتر از یک سازمان مراقبت های بهداشتی بشنوند، فرصت های بیشتری برای تماس با آن دارند. یادآوری‌های قرار ملاقات، اعلان‌های پر کردن مجدد و سایر اقدامات ارتباطی می‌توانند زمانی که کارکنان باید زمینه‌های پشت هر پاسخ را کنار هم بگذارند، کار بیشتری ایجاد کنند.

Sam Meckey، رئیس WestCX، یک شرکت فناوری تعامل با مشتری که به صنایع تحت نظارت خدمات ارائه می‌کند، گفت که این شرکت از هوش مصنوعی استفاده می‌کند تا این تعاملات را در حین جابجایی بیماران بین پیام‌ها و تماس‌ها به هم متصل نگه دارد.

WestCX اطلاعات بیمار، سابقه ارتباط و گردش کار پشت درخواست را ترکیب می کند. هوش مصنوعی آن می‌تواند تشخیص دهد که چرا کسی به سراغش می‌رود، به نیازهای مشترک پاسخ می‌دهد و اطلاعات را از تعامل قبلی به تعامل بعدی منتقل می‌کند، نه اینکه کارکنان را برای بازسازی تبادل نظر بگذارد.

مکی گفت سازمان‌های مراقبت‌های بهداشتی که از این پلت‌فرم استفاده می‌کنند، حجم تماس‌ها را تا 40 درصد کاهش داده‌اند و تا 62 درصد از تماس‌های ورودی را از ارسال به کارکنان میز جلو نگه داشته‌اند.

مکی گفت: «آنچه این اعداد واقعا ایجاد می‌کنند زمان است.

او گفت که کارکنان می توانند به جای اتصال دستی مکالمات بین سیستم ها، هزینه بیشتری را صرف بیمارانی کنند که به حمایت انسانی نیاز دارند.

هنگامی که هوش مصنوعی تاریخچه یک تعامل را به جلو منتقل می کند، پاسخ، پاسخ به تماس یا پیگیری کمتر به وظیفه دیگری تبدیل می شود که شخص باید با دست آن را بازسازی کند.

آیا یک مورد جالب استفاده از هوش مصنوعی برای به اشتراک گذاشتن با من دارید؟ به من ایمیل بزنید: a.mills@newsweek.com

■ OpenAI و Meta به یک هیئت قضایی فدرال هشدار دادند که صوتی و تصویری تولید شده با هوش مصنوعی پیشرفته‌تر می‌تواند احراز هویت شواهد دادگاه را دشوارتر کند، زیرا قضات در نظر دارند که آیا قوانین شواهد موجود کافی هستند یا خیر. [رویترز]

■ یک پروژه کاپستون MIT یک سیستم هوش مصنوعی محلی ایجاد کرد که قراردادهای دریایی را با الگوهای تایید شده مقایسه می‌کند، تعهدات تغییر یافته و قرار گرفتن در معرض خطر احتمالی را نشان می‌دهد، و داده‌های حساس قرارداد را از فضای ابری نگه می‌دارد. [ بررسی مدیریت زنجیره تامین ]

■ سنای ایالات متحده در حال آماده شدن برای دسترسی کارکنان به Anthropic’s Claude است و مجموعه ابزارهای هوش مصنوعی را که برای هزاران دستیار برای کارهای رسمی در دسترس است، گسترش می دهد. [دولت بلومبرگ]

■ TSMC در تلاش است تا با تقاضای انویدیا، AMD و شرکت‌های بزرگ ابری برای ظرفیت تراشه‌های پیشرفته مطابقت داشته باشد و تحلیلگران هشدار می‌دهند که محدودیت‌های تولید می‌تواند توانایی صنعت هوش مصنوعی را در مقیاس‌بندی محدود کند. [CNBC]

■ یک مطالعه جمعی Wharton و GBK نشان داد که 67 درصد از رهبران شرکت‌هایی که بخش‌هایشان هوش مصنوعی را به طور کامل تعبیه کرده بودند، نمایندگانی را پذیرفته بودند و جریان‌های کاری را به‌طور قابل‌توجهی طراحی مجدد کرده بودند، در مقایسه با 19 درصد از آن‌هایی که این کار را نکرده بودند. [دانش در وارتون]

ردیابی حرکت های اجرایی در سراسر چشم انداز هوش مصنوعی

جو نیپکو، که هوش مصنوعی را در Form Bio رهبری می‌کرد، به عنوان دانشمند ارشد داده به Planview پیوست و به پیشرفت قابلیت‌های هوش مصنوعی آن کمک کرد زیرا این شرکت ابزارهایی برای کمک به شرکت‌ها در تخصیص مؤثرتر افراد، پول و زمان می‌سازد.

گابریل رودریگز، معاون ارشد سابق فناوری LPL Financial، به عنوان مدیر ارشد فناوری در Choreo منصوب شد و پلتفرم فناوری خود را ایجاد کرد و از هوش مصنوعی برای گسترش ظرفیت مشاور در تجارت مالیاتی و مدیریت ثروت شرکت استفاده کرد.

تیگران خریمیان، مدیر ارشد مهندسی فناوری سابق در FINRA، به عنوان مدیر ارشد فناوری، رهبر استراتژی فناوری جهانی، تحول پلت فرم، مهندسی و فعال‌سازی هوش مصنوعی به ریمز پیوسته است، زیرا قابلیت‌های داده و اطلاعاتی را برای بازارهای سرمایه گسترش می‌دهد.

Cayetano Gea-Carrasco، که رهبری تحول هوش مصنوعی سازمانی و سازمان جهانی داده و تجزیه و تحلیل در BBVA را بر عهده داشت، به‌عنوان رئیس هوش مصنوعی و داده‌ها برای بانکداری مصرف‌کننده و وام‌دهی، نظارت بر موارد استفاده از هوش مصنوعی، نوسازی داده‌ها و استقرار مسئولانه به Wells Fargo می‌پیوندد.

Shivani Stumpf که تجربه رهبری ارشد را از PowerSchool و Hoonuit به ارمغان آورده است، به عنوان مدیر ارشد هوش مصنوعی به Xplor Technologies پیوسته و استراتژی هوش مصنوعی سازمانی خود را رهبری می کند و قابلیت های بومی هوش مصنوعی را در محصولات نرم افزاری عمودی خود آورده است.

کسی را در حال حرکت در هوش مصنوعی می شناسید؟ اطلاعات تغییر شغل را به a.mills@newsweek.com ارسال کنید

جالب ترین یا غیرمنتظره ترین روشی که اخیرا از هوش مصنوعی استفاده کرده اید چیست؟

غیرمنتظره ترین روشی که اخیرا از هوش مصنوعی استفاده کردم، به عنوان یک شریک متفکر در حین توسعه مقاله ای بود که به تازگی منتشر شده بود. در ابتدا انتظار داشتم از آن به عنوان یک واژه پرداز سریعتر استفاده کنم، اما در عوض، با طرح سناریوهای خاصی که به طور کامل آزمایش نکرده بودم، فرضیات گسترده ای را که در مورد معماری پرداخت کننده داشتم، به چالش کشید، سوالاتی مانند، "چه چیزی در مورد وضعیت unifiedhyr اشتباه می کند؟" به هر حال مرکز تماس؟» به دلیل این رفت و برگشت، قطعه بسیار واضح تر شد، و به کشف چند بحث کمک کرد که نمی توانستند در این زمینه ادامه پیدا کنند.

بررسی دقیق

متمایز بود زیرا یادآوری بود که مفیدترین نقش هوش مصنوعی این نیست که «سریع‌تر کار را انجام دهد»، بلکه این است که همکار سؤالی باشد که من از آن اجتناب می‌کنم. وقتی شروع به استفاده از آن کردم، کل رویکردم تغییر کرد. من آن را نه زمانی که به خروجی نیاز دارم باز می‌کنم، بلکه زمانی که مغز دومی می‌خواهم که در مورد نقاط ضعف من مودب نباشد.»

جادوی هوش مصنوعی را تجربه می کنید؟ در مورد آن در a.mills@newsweek.com به ما بگویید