Twilio CMO: ما 2 هفته کار را با هوش مصنوعی به یک روز کاهش دادیم. سپس کار غیر سکسی شروع شد
تیم بازاریابی ما از سه کمپین مبتنی بر حساب در یک چهارم به 15 کمپین رسید.
تیم بازاریابی ما بیش از دو هفته را صرف تحقیق در مورد حساب کاربری و ایجاد محتوای شخصی برای یک کمپین می کرد. اکنون کمتر از یک روز طول می کشد و ما در هر سه ماه 15 کمپین مبتنی بر حساب اجرا می کنیم که یک جهش قابل توجه از سه کمپین استاندارد قبلی خودمان است.
مدل هوش مصنوعی این کار را به تنهایی انجام نداد. کاری که انجام داد، کار بی زرق و برق زیر آن بود. این بخش غیر سکسی است، و این بخشی است که اکثر شرکت ها از آن صرف نظر می کنند.
همانطور که Khozema Shipchandler، مدیرعامل Twilio در ماه آگوست در طول درآمدهای سه ماهه دوم ما بیان کرد، ما در مراحل اولیه نیستیم، ما هنوز در حال تمرین ضربه زدن هستیم.
نتایج ما واقعی است، اما آنها استثنا هستند. اکثر شرکت ها هنوز آنجا نیستند.
وقتی سخنان کلیدی چشم انداز و داستان های مشتری آینده ای مستقل را نوید می دهند، اما تجربیات زندگی شده با هم مطابقت ندارند، اعتماد از بین می رود. نظرسنجیها نیز به همین شکل اشاره میکنند: 86 درصد از شرکتها معتقدند مشتریان از خدمات مبتنی بر هوش مصنوعی خود راضی هستند، اما تنها 51 درصد از مشتریان موافق هستند. و بسیاری از آنچه وعده داده شده است هنوز در مقیاس اجرا نشده است. دیلویت دریافت که تنها 25 درصد از سازمان ها 40 درصد یا بیشتر از خلبان های هوش مصنوعی خود را به تولید منتقل کرده اند. فاصله بین پایلوت و تولید جایی است که بسیاری از شرکت ها جایگاه خود را از دست می دهند.
جایی که ما واقعا هستیم
من به پذیرش هوش مصنوعی سازمانی در سه مرحله فکر می کنم. این چارچوب خود من است، نه یک استاندارد صنعتی.
فاز اول بهره وری شخصی است که در آن افراد از هوش مصنوعی برای انجام سریعتر کار استفاده می کنند. اینجا جایی است که اکثر تیم ها می نشینند و احتمالا فعلا باقی خواهند ماند.
فاز دو فراتر از تک تک کاربران است و به یک تیم کامل می رسد که با همکاری هوش مصنوعی از طریق گردش کار مشترک، عوامل سفارشی و فرآیندهای مهندسی مجدد، کار را به جلو می برد. برخی از تیم ها اینجا هستند، از جمله تیم ما.
فاز سه جایی است که گردش کار تغییر می کند: فرآیندها به طور مستقل در مقیاس، از انتها به انتها اجرا می شوند. بسیاری از فروشندگان آن را می فروشند. تعداد کمی از مشتریان آن را اجرا می کنند.
مشکل این است که هر سه فاز در یک داستان فشرده شده اند و به گونه ای فروخته می شوند که گویی فاز سه در حال حاضر اینجاست در حالی که نیست.
چیزی که این دو هفته واقعا از آن ساخته شده بود
رسیدن از دو هفته به کمتر از یک روز بیشتر مربوط به مدل نبود. قبل از اینکه هر چیزی را خودکار کنیم، ابتدا باید از انسان شروع میکردیم. این به ما کمک می کند تا سلیقه را در نظر بگیریم و اطمینان حاصل کنیم که هوش مصنوعی در جایی که بیشترین اهمیت را دارد، جایگزین نبوغ و خلاقیت واقعی انسان نمی شود. بدون این، خروجی به طور کلی با نام تجاری ما هماهنگ نمی شد. یک مثال خوب، تلاش ما برای استفاده از ابزارهای هوش مصنوعی برای بومیسازی یک کمپین فرانسوی است و به هر فردی کلاهبرگ اضافه میکند، که کمی احمقانه به نظر میرسید و با استاندارد کلی خلاقانه ما سازگاری نداشت و چیزی نبود که بتوانیم آن را به صورت زنده اجرا کنیم.
مثال خوب دیگر بهداشت داده ها است. برای اینکه نمایندگان از طرف یک تیم یا کارگر اقدامی انجام دهند، باید دادههای تمیز، متصل و قابل دسترسی را تهیه کنند. تعداد کمی از شرکت ها این را دارند. یک نظرسنجی از رهبران داده نشان داد که تنها 8.4٪ می گویند داده های آنها برای تولید هوش مصنوعی آماده است. هوش مصنوعی روش های خراب کار را اصلاح نمی کند. شکاف های پایه را بزرگ می کند.
به علاوه، بیشتر شرکتها به تنهایی بر روی یک پلتفرم ایجاد نمیکنند. یک تیم با کلود کار می کند، در حالی که تیم دیگر با Copilot جفت می شود، و تیم سوم از ChatGPT استفاده می کند. در تیم ما، تقریبا یکسان است - تیمها برای ایجاد محتوا به ChatGPT و Gemini دسترسی دارند، و ما در تلاش هستیم تا کلود را به سازمان گستردهتر خود برای کارهای بازاریابی خاص باز کنیم. بافت همبند بین مدل های مختلف نابالغ باقی می ماند و تحول واقعی به آن بستگی دارد.
انسجام برند، بهداشت داده ها، حاکمیت و یکپارچگی زیرساخت های غیرجنسی هستند که به ندرت به تیتر اخبار تبدیل می شوند. آنها را نادیده بگیرید و میتوانید به دلایل اشتباه در سرفصلها قرار بگیرید: قطعی CrowdStrike در سال 2024 را در نظر بگیرید، که توسط یک بهروزرسانی نرمافزار معیوب که میلیونها دستگاه ویندوز را در سراسر جهان مختل کرد، ایجاد شد. این برای شرکتهای فورچون 500 حدود 5.4 میلیارد دلار هزینه در بر داشت و یادآوری واضحی است که کنترلهای کیفی زیربنای فناوری سازمانی چیزی جز غیرجنسی هستند.
هدایت در لحظه
شرکت ها باید با این موضوع چه کنند؟ با مقاومت در برابر میل به قول دادن بیش از حد شروع کنید و به مشتریان اعتبار بدهید. نسخه نمایشی محصول قابل حمل نیست و مشتریان تفاوت را می دانند. در لحظه ای که سهمی در زمین وجود دارد که می گوید یک کوک ثابت در بین گردش کار وجود دارد، سوال پیگیری واضح این است که "به مشتریان نشان دهید این کار را در تولید انجام می دهند."
سپس، صادق باشید. فازی را که واقعا در آن هستید تشخیص دهید و آن را در آغوش بگیرید. در Twilio، ما در فاز دو هستیم و عمدا به سمت فاز سه میرویم بدون اینکه وانمود کنیم که قبلا آنجا هستیم (یا اینکه همه پاسخها را داریم).
این وسط بودن شرم ندارد. شرکت هایی که ابتدا کار غیر جذاب را انجام می دهند، داده ها، حاکمیت، ادغام، آنهایی هستند که با نتایجی که می توانند نشان دهند به فاز سوم می رسند.
Twilio زیرساختهایی را برای تعامل با مشتری در عصر هوش مصنوعی میفروشد. نظرات بیان شده در نظرات Fortune.com صرفا نظرات نویسندگان آنها است و لزوما منعکس کننده نظرات و اعتقادات Fortune نیست.
این داستان در ابتدا در سایت Fortune.com منتشر شد
متن اصلی (انگلیسی)
Twilio CMO: We shrank 2 weeks of work down to one day with AI. Then the unsexy work began
Our marketing team went from three account-based campaigns a quarter to as many as 15. The model couldn't do our data, governance and integration work.