چرا هوش مصنوعی سازمانی به مکالمات بی‌درنگ نیاز دارد، نه فقط اسناد

"مغز سازمانی" اصطلاحی است که بیشتر و بیشتر در بازار فناوری سازمانی و در سطح C-suite برجسته می شود. فروشندگان فناوری از انواع مختلف در حال تقلا برای اتصال اسناد داخلی، پایگاه های دانش و سیستم های داده ساختاریافته به یک معماری واحد هستند.

هدف قانع کننده این است که عوامل هوش مصنوعی را با بافت سازمانی عمیقی که ممکن است فراهم کنیم تا بتوانند با دقت غیرقابل باوری استدلال، خودکار و کمک کنند.

اما از آنجایی که کسب‌وکارها منابع خود را برای پیوند دادن پایگاه‌های داده، اسناد خط‌مشی و ورودی‌های CRM می‌ریزند، یک نقطه کور قابل توجه باقی می‌ماند.

تلاش‌ها برای ایجاد یک مغز سازمانی اغلب اطلاعات موجود در میلیون‌ها مکالمه‌ای که کارمندان در حال حاضر با مشتریان، همکاران و نامزدها در تماس‌های تلفنی و کانال‌های پیام دارند نادیده می‌گیرند.

اسناد به شما می‌گویند خط‌مشی‌های شما چیست و سوابق CRM می‌تواند به شما بگوید چه اتفاقی افتاده است، اما مکالمات تجاری به شما می‌گویند که چرا یک حادثه رخ داده است.

برای هر شرکتی که در مورد ساختن یک مغز سازمانی واقعی جدی است، گفتگوها نمی توانند لایه گمشده هوش سازمانی باقی بمانند.

فراتر از محدوده داده های ساخت یافته

ابزارهای استاندارد کسب و کار در ردیابی نتایج عالی هستند اما در حفظ تفاوت های ظریف بسیار وحشتناک هستند. سیستم‌های ساختاریافته ممکن است مواردی از متوقف شدن یک معامله سازمانی، یک حساب در معرض خطر از بین رفتن یا انصراف نامزد از فرآیند مصاحبه را ثبت کنند. اما البته نمی تواند انگشت خود را روی ماشه واقعی بگذارد.

یک معامله فقط متوقف نمی شود، بلکه همیشه یک عامل کلیدی وجود دارد که نظر خریدار را در طول یک تماس در مرحله آخر تغییر می دهد. به طور مشابه، یک نامزد فقط یک پیشنهاد را رد نمی کند، شاید یک رقیب در طول یک چت مذاکره سریع، خط مشی کار از خانه را معرفی کند.

وقتی سازمان‌ها برای آموزش مدل‌های هوش مصنوعی یا اطلاع‌رسانی استراتژی صرفا به پایگاه‌های اطلاعاتی ثابت تکیه می‌کنند، مغز سازمانی خود را با یک رژیم غذایی ناقص تغذیه می‌کنند. آنها پس از مرگ را بدون علائم دریافت می کنند، و هوش مصنوعی برای درک واقعیت عملیاتی یک شرکت، نیاز به زمینه گاه بی نظم و بلادرنگ دارد که در گفتگوی انسانی یافت می شود.

زمینه عملی

هوش مصنوعی به سطحی از بلوغ رسیده است که در آن تجزیه و تحلیل صدا و تعاملات چت با حجم بالا دیگر خوب یا یک امتیاز نیست. اما فقط ضبط هر تعامل و ریختن رونوشت های خام در دریاچه داده، که به طور موثر صدای بدون ساختار را ذخیره می کند، مطلقا هیچ چیز را حل نمی کند. برای اینکه زمینه مکالمه واقعا مفید باشد، کسب و کارها باید بر روی چند ستون عملیاتی اصلی تمرکز کنند.

اول، بینش‌های مکالمه باید به‌جای اینکه صرفا در داشبورد VoIP زندگی کنند، به‌طور خودکار با سیستم‌های سازمانی موجود همگام شوند و به داده‌های بی‌درنگ از یک تماس پشتیبانی اجازه می‌دهند CRM را غنی کرده و هشدارهای خودکار را راه‌اندازی کنند. دوم، اطلاعات استخراج‌شده باید فورا به تیم‌های مجهز برای اقدام بر روی آن هدایت شود. به عنوان مثال، اگر تماس‌های فروش به طور معمول نشان می‌دهند که اصطکاک چشم‌انداز از یک ردیف قیمت‌گذاری خاص ناشی می‌شود، آن سیگنال باید مستقیما به سمت استراتژی محصول و بازاریابی جریان یابد تا اینکه در سازمان درآمدی به دام بماند.

در نهایت، در حالی که هوش مصنوعی باید خلاصه‌سازی، تحلیل احساسات و تشخیص الگو را انجام دهد، قضاوت انسان باید همیشه فیلتر نهایی برای تصمیم‌گیری مهم باقی بماند. اگرچه این ممکن است بدیهی به نظر برسد، اما شگفت‌انگیز است که چگونه بسیاری از کارمندان به سرعت به هوش مصنوعی وابسته شده‌اند، از جمله استفاده از آن برای قضاوت‌های تجاری حیاتی.

شکستن سیلوهای دانش

سیلوهای دانش همچنان چالش های بزرگی برای بسیاری از سازمان ها هستند. تیم‌های فروش یاد می‌گیرند که خریداران چه می‌خواهند، تیم‌های پشتیبانی یاد می‌گیرند که محصول در کجا شکست می‌خورد، و استخدام می‌آموزند که بازار چگونه برندسازی کارفرما را درک می‌کند. همه اطلاعات بسیار ارزشمندی هستند، اما اغلب این گروه ها یک استخر اطلاعاتی واحد را به اشتراک نمی گذارند.

هنگامی که زمینه مکالمه به مغز سازمان وارد می شود، این دیوارها در هر بخش حل می شوند. به عنوان مثال، وقتی مشتری بالقوه در طول یک نسخه نمایشی فروش به شکاف ویژگی خاص اشاره می‌کند، این بینش می‌تواند تیم‌های محصول را وادار کند تا این ویژگی را در اولویت قرار دهند در حالی که فروش پیام‌های فراگیر خود را به‌روزرسانی می‌کند.

به طور مشابه، اگر مشتری به طور اتفاقی در یک تماس پشتیبانی از تغییر ساختار شرکتی آینده نام می‌برد، مدیریت حساب می‌تواند برای محافظت از حساب قبل از تمدید قرارداد، اقدامات پیشگیرانه را آغاز کند.

با اتصال این نقاط مکالمه در بخش‌ها، سازمان‌ها از آتش‌نشانی واکنشی به هم‌ترازی فعال تغییر می‌کنند.

ارزش بیش از حجم

اکنون این بدان معنا نیست که تلاش برای ضبط، رونویسی، و تجزیه و تحلیل تک تک تعاملات داخلی راه رو به جلو است. زیرا ناگفته نماند که این امری مرزی غیرممکن است. اگر تلاش شود، می‌تواند منجر به هزینه‌های محاسباتی بسیار بالا و حتی نگرانی مشروع در مورد نظارت کارکنان شود.

برای ایجاد یک مغز سازمانی کاربردی و قابل اعتماد، سازمان ها باید ارزش را بر حجم اولویت دهند. تمرکز باید بر روی جریان‌های کاری با ارزش بالا باشد، جایی که گفتگو مستقیما نتایج کسب‌وکار را هدایت می‌کند، مانند تماس‌های درآمدی با مشتری، تعاملات پشتیبانی حیاتی یا نقاط تماس کلیدی جذب استعداد.

تمرکز بر روی این مناطق هدف، نویز داده ها را به حداقل می رساند و در عین حال ROI فوری را ارائه می دهد. سازمان ها باید با حفظ مرزهای مشخص اعتماد ایجاد کنند. تجزیه و تحلیل مکالمه باید به جای مدیریت ریز لحن کارکنان یا اجرای اسکریپت های سفت و سخت، بر روندهای بازار، بازخورد محصول و مسدود کننده های عملیاتی تمرکز کند.

مغز سازمانی کامل

یک شرکت واقعا باهوش نمی‌تواند به تنهایی بر روی کاغذ و جداول درآمد کار کند. این امر مستلزم زمینه و تفاوت ظریفی است که فقط تعاملات انسانی فراهم می کند.

از آنجایی که هوش مصنوعی سازمانی با سرعتی سریع به تکامل خود ادامه می‌دهد، داشتن بزرگترین کتابخانه‌های اسناد ثابت بی‌اهمیت است. سازمان‌هایی که پیشرفت می‌کنند، آن‌هایی هستند که با موفقیت داده‌های تجاری ساختاریافته خود را با هوش غنی و پویا پنهان در مکالمات روزمره خود جفت می‌کنند.

لیست ما از بهترین پلتفرم های هوش تجاری را بررسی کنید.

این مقاله به عنوان بخشی از TechRadar Pro Perspectives، کانال ما برای معرفی بهترین و باهوش ترین ذهن ها در صنعت فناوری امروز تهیه شده است.

نظرات بیان شده در اینجا نظرات نویسنده است و لزوما نظرات TechRadarPro یا Future plc نیست. اگر مایل به مشارکت هستید، اطلاعات بیشتری را در اینجا بیابید: https://www.techradar.com/pro/perspectives-how-to-submit