Այսօրվա արագ զարգացող թվային միջավայրում ընկերությունները մրցում են լուծումներ գտնելու համար, որոնք հաճախորդների սպասարկումը կդարձնեն ավելի արագ, ավելի արդյունավետ և ավելի մատչելի։ Առավել լայնորեն կիրառվող գործիքների շարքում են չաթբոտները և արհեստական բանականության (AI) գործակալները՝ տեխնոլոգիաներ, որոնք հաճախ շփոթվում են, բայց ունեն տարբեր գործառույթներ և տալիս են տարբեր արդյունքներ։
Ավտոմատացման մասնագետ Լուսիանա Պապինին բացատրում է երկու մոտեցումների միջև եղած տարբերությունները, չարաշահման ռիսկերը և թե ինչպես ռազմավարական առումով համատեղել դրանք՝ հաճախորդների սպասարկումը մասշտաբավորելու համար՝ առանց սպառողի փորձը վտանգելու։ «Շատ ընկերություններ շփոթում են չաթբոտները արհեստական բանականության հետ։ Սա վտանգում է ռազմավարությունը։ Յուրաքանչյուր գործիք ունի իր դերը, և իմանալով, թե որտեղ օգտագործել յուրաքանչյուրը, խուսափում է վատնումից և մեծացնում եկամտաբերությունը », - նշում է նա։
Ի՞նչ են չաթբոտները և արհեստական բանականության գործակալները։
Չաթբոտները նախապես սահմանված կանոնների վրա հիմնված ծրագրեր են: Դրանք արձագանքում են որոշակի հրամանների, ինչպիսիք են «աշխատանքային ժամերը» կամ «կրկնօրինակ հաշիվ-ապրանքագիրը», որոնք հիմնված են կարգավորված հաճախակի տրվող հարցերի վրա: Պարզ, արագ և մատչելի լինելով՝ դրանք իդեալական են կրկնվող և կառուցվածքային առաջադրանքների համար:
Արհեստական բանականության գործակալները գնում են ավելի հեռու։ Նրանք օգտագործում են այնպիսի տեխնիկաներ, ինչպիսիք են բնական լեզվի մշակումը (NLP), մեքենայական ուսուցումը և համատեքստային վերլուծությունը՝ հաղորդագրությունները մեկնաբանելու, պատասխանները հարմարեցնելու և ժամանակի ընթացքում սովորելու համար։ Սա թույլ է տալիս ավելի մարդկային փոխազդեցություն, որը կարող է կառավարել լեզվի բազմաթիվ սցենարներ և տարբերակներ։
«Մինչդեռ չաթբոտը գործում է սկրիպտով, արհեստական բանականության գործակալը աշխատում է ինտելեկտի միջոցով։ Այն ճանաչում է օրինաչափությունները, նույնականացնում մտադրությունները և բարելավում է օգտատիրոջ փորձը յուրաքանչյուր փոխազդեցության ժամանակ », - բացատրում է Պապինին։
Ե՞րբ պետք է օգտագործել դրանցից յուրաքանչյուրը։
Մեկի և մյուսի միջև ընտրությունը կախված է գործընթացի բարդությունից: Լուսիանայի խոսքով՝ ցածր տատանումներով ստանդարտացված հոսքերը, ինչպիսիք են մնացորդի հարցումները, պատվերի կարգավիճակը կամ կոնտակտային տվյալները, շատ լավ են աշխատում չաթբոտների հետ: Այնուամենայնիվ, այն իրավիճակները, որոնք պահանջում են համատեքստի մեկնաբանություն, անհատականացված պատասխաններ և բազմաթիվ մտադրությունների հասկացողություն, պահանջում են արհեստական բանականության գործակալներ:
Նա զգուշացնում է, որ ընկերությունների ամենատարածված սխալը արհեստական բանականությունը պարզ առաջադրանքներում կիրառելու կամ բարդ խնդիրները միայն չաթբոտի միջոցով լուծելու փորձերն են։ «Վատ կիրառված արհեստական բանականությունը թանկ է։ Անհրաժեշտից ավելի օգտագործվող չաթբոտները հիասթափեցնում են հաճախորդին։ Իդեալական դեպքում երկու լուծումներն էլ պետք է համակցվեն խելացիորեն՝ ստեղծելով սահուն ճանապարհորդություն օգտատիրոջ և արդյունավետ ճանապարհորդություն բիզնեսի համար», - նշում է նա։
Ընկերությունների արդյունքները
Ըստ McKinsey-ի՝ ընկերությունները, որոնք ինտեգրում են արհեստական բանականությունը և ավտոմատացումը հաճախորդների սպասարկման մեջ, միջինում գրանցում են արտադրողականության 20% աճ և մինչև 30% կրճատում շահագործման ծախսերի մեջ։ Առավելությունների թվում են՝
- Միջին սպասարկման ժամանակի կրճատում
- Բարելավված հաճախորդների փորձ
- Աջակցության թիմի օպտիմալացում
- Վաճառքի փոխակերպման մակարդակի բարձրացում
- Հասանելի է օրական 24 ժամ, առանց լրացուցիչ վճարի։
Լուսիանայի խոսքով՝ այս առավելությունները սահմանափակված չեն միայն խոշոր ընկերություններով։ «Նույնիսկ միկրոձեռնարկատերը կարող է սկսել WhatsApp-ի պարզ չաթբոտից։ Կարևորը նպատակի հստակեցումն ու ճիշտ գործիքի ընտրությունն է », - ասում է նա։
Միջազգային տվյալների կորպորացիայի (IDC) կանխատեսումները ցույց են տալիս, որ մինչև 2026 թվականը խոշոր ընկերությունների 75%-ը իրական ժամանակում որոշումների կայացման համար կներդնի ավտոմատացման հետ ինտեգրված արհեստական բանականություն։ Սակայն այս առաջընթացը պահանջում է տեխնիկական նախապատրաստություն։ «Ավտոմատացման մենեջերը պետք է հասկանա, թե ինչպես է արհեստական բանականությունը տեղավորվում աշխատանքային հոսքերի մեջ, ինչպես կարող է այն բարելավել հաճախորդի ճանապարհորդությունը և ինչպես են ստեղծված տվյալները ուղղորդում բիզնես որոշումները։ Սա ավելի ու ավելի ռազմավարական դեր է », - եզրափակում է նա։
