Erwägen Sie als CX-Experte den Einsatz von generativer künstlicher Intelligenz? Hier sind die Fragen, die Sie sich stellen sollten, wenn Sie beginnen.
Generative künstliche Intelligenz (KI) ist in der Wirtschaft in aller Munde. In den letzten Monaten haben Sie bereits unzählige Schlagzeilen über ChatGPT von OpenAI und Bard von Google gesehen, da die beiden Unternehmen KI-Modelle entwickeln, die in der Lage sind, personalisierte schriftliche Inhalte zu erstellen, indem sie Muster aus vorhandenen Daten ermitteln.
Generative KI ist auf dem Vormarsch - und zwar schnell. Allein ChatGPT hat über 100 Millionen monatlich aktive Nutzer und seine Website verzeichnet jeden Monat über 1 Milliarde Seitenaufrufe.
Sowohl Privatpersonen als auch Unternehmen nutzen generative KI für Anwendungsfälle, die vom Verfassen von Gedichten über das Schreiben von Ausschreibungen bis hin zur Erstellung von Videowerbung reichen. Allen Anwendungsfällen ist eines gemeinsam: Sie müssen menschlich wirken. Diese Modelle sind zunehmend gut darin - selbst wenn das bedeutet, dass sie Referenzen in generierten Forschungspapieren erfinden.
Trotz der scheinbar endlosen, risikofreien Vorteile sollten Sie nicht blindlings auf generative KI setzen. Wie bei jeder Art von Technologie, insbesondere bei neuen Technologien, sollten Sie die Vor- und Nachteile abwägen. Auch wenn generative KI auf den ersten Blick attraktiv erscheint, kann es sein, dass Sie nicht über die notwendigen Ressourcen verfügen, um sie zu implementieren. Oder Sie kennen vielleicht nicht den genauen Anwendungsfall, um die Wirkung zu maximieren. Und gerade bei der KI sollten Sie darauf achten, dass sie Leitplanken braucht, um ebenso verantwortungsvoll wie effektiv zu sein.
Was Sie sich fragen müssen, wenn Sie generative KI für Ihr Unternehmen nutzen wollen
Generative KI erlebt ein rasantes Wachstum, und es wird erwartet, dass Unternehmen in verschiedenen Branchen in den kommenden Jahren in hohem Maße darauf zurückgreifen werden. Tatsächlich investieren viele Unternehmen bereits Zeit und Ressourcen in die Einführung und Nutzung dieser Technologie. Insbesondere als Expertecustomer experience CX)oderemployee experience EX)ziehen Sie möglicherweise den Einsatz generativer KI für Ihre Geschäftsabläufe in Betracht.
Hier sind die fünf wichtigsten Fragen, die Sie sich als CX-Experte stellen sollten, um sicherzustellen, dass generative KI-Modelle effektiv und ethisch vertretbar sind und mit den Werten und Zielen Ihres Unternehmens übereinstimmen.
#1. Wie kann ich sicherstellen, dass die Daten sicher bleiben und den Datenschutzstandards entsprechen?
Vor dem Einsatz eines KI-Modells ist es wichtig, den Datenschutz und die Sicherheit der Trainingsdaten zu berücksichtigen, insbesondere derjenigen, die personenbezogene Daten (PII) enthalten. Open-Source-KI-Modelle bergen besondere Risiken für den Datenschutz und die Datensicherheit. Diese Risiken sind auf die Anfälligkeit zurückzuführen, die durch den offenen Zugang zum Quellcode, die Verwendung von Bibliotheken von Drittanbietern und die fehlende Kontrolle über die gemeinsame Nutzung und Verbreitung entsteht.
Um das Risiko zu minimieren, sollten Unternehmen, die KI-Modelle für sensible Daten einsetzen, sicherstellen, dass strenge Zugangskontrollen und Maßnahmen für die Codebasis, die Bibliotheken und die Datenspeicherung vorhanden sind.
#2. Welche Maßnahmen wurden ergriffen, um Verzerrungen aus den Modellen zu entfernen?
Generative KI-Modelle sind besonders anfällig für Verzerrungen, da sie darauf ausgelegt sind, aus großen Datensätzen zu lernen und auf der Grundlage dieser Daten Vorhersagen oder Empfehlungen zu erstellen.
Modelle müssen auf der Grundlage eines vielfältigen und repräsentativen Datensatzes trainiert werden. Im Zusammenhang mit employee experience Kunden- und employee experience bedeutet dies, dass ausreichend Daten vorliegen, die die demografischen Merkmale, Kulturen und andere Segmente des Kunden- und Mitarbeiterstamms eines Unternehmens widerspiegeln. Beachten Sie, dass bei der Nutzung von Open-Source-Bibliotheken die Gefahr datengesteuerter Verzerrungen größer ist, da es keinen Validierungsprozess hinsichtlich der sachlichen Richtigkeit oder ethischen Unbedenklichkeit des Ausgangsmaterials gibt.
Es ist auch wichtig, mögliche algorithmische Verzerrungen in Modellen zu erkennen und zu untersuchen. Worauf ist das Modell trainiert worden, um es zu optimieren? Beispielsweise wurden einige generative KI-Modelle so trainiert, dass sie speziell für soziale Medien geeignet sind. Dies kann zu polarisierenden oder reißerischen Inhalten führen, da diese Inhalte auf diesen Plattformen häufig vorkommen, wirksam sind und verstärkt werden.
Fragen Sie, wie die KI-Modelle, die Sie in Betracht ziehen, für CX- und EX-Anwendungsfälle trainiert und optimiert wurden, und wie die Modelle geprüft und auf Verzerrungen überwacht werden.
#3. Welche Kosten sind mit der Skalierung verbunden?
Es ist eine Sache, wenn Sie als Einzelperson Ihre einmaligen Fragen an ChatGPT stellen und schnelle Antworten suchen. Aber es ist eine andere, generative KI über Dutzende oder Hunderte von Millionen von Datensätzen im gesamten Unternehmen zu skalieren.
Um in großem Maßstab erfolgreich zu sein, benötigt generative KI große Mengen unterschiedlicher und sicherer Daten, eine Infrastruktur aus Hochleistungsrechenclustern sowie Forschungs- und Entwicklungsressourcen zur Überwachung, Pflege und Weiterentwicklung von Modellen.
Die Kosten sind ein wichtiger Faktor bei der Abwägung zwischen Aufbau und Kauf, daher sollten Sie herausfinden, wie gut Ihr Unternehmen auf die Kosten der Skalierung vorbereitet ist. Außerdem sollten Sie sich fragen: Wie hoch ist der Aufwand für die Integration der selbst entwickelten generativen KI in Geschäftsprozesse und Arbeitsabläufe?
Damit sich die Kosten für KI lohnen, muss sie mit messbaren Ergebnissen verbunden sein. Die Rechtfertigung des Bedarfs an generativen KI-Modellen ist vielleicht die wichtigste Frage. Bewerten Sie also die damit verbundenen Kosten und stellen Sie fest, ob es einen überzeugenden Business Case für den Einsatz von Modellen gibt oder nicht.
#4. Was ist der wirkungsvollste Ausgangspunkt für die Einführung generativer KI in CX- und EX-Programme?
Lassen Sie sich beim Brainstorming über mögliche kostensparende Anwendungsfälle für generative KI nicht zu sehr mitreißen. Zuvor sollten Sie sich Gedanken über die Praktikabilität und die Auswirkungen machen. Es wäre großartig, Millionen von Dollar einzusparen, indem mandie Mitarbeiterim contact center inChatbots umzuwandeln, aber Verbraucher – und die Gesellschaft insgesamt – haben kein uneingeschränktes Vertrauen in KI, was den Datenschutz und den Umgang mit sensiblen Themen betrifft.
Effektive Ausgangspunkte für eine generative KI-Strategie in CX/EX sind solche, die mit positiven Geschäftsergebnissen verbunden sind, dem Chief Experience Officer (CXO) und dem Rest der C-Suite leicht zu erklären sind und sich in bestehende Arbeitsabläufe integrieren lassen.
- Gesteigerte Effizienz: Generative KI automatisiert zeitaufwändige Aufgaben, wie z. B. die Zusammenfassung von Anrufen und Dispositionsaufgaben, die Agenten nach jedem Kundendienstanruf erledigen müssen.
- Kürzere Zeit bis zur Erkenntnis: KI sollte eingesetzt werden, um die Entwicklung und Pflege regelbasierter Modelle in Anwendungen für die Verarbeitung natürlicher Sprache (NLP) und das Verstehen natürlicher Sprache (NLU) zu rationalisieren, so dass Analysten mehr Zeit für die Erzielung von Ergebnissen und Maßnahmen haben.
- Personalisierung: Große Datenmengen sollten analysiert werden, um personalisierte Empfehlungen für Kunden zu erstellen - individuell oder nach Segmenten. Ein Beispiel ist das Verständnis der Kundenhistorie mit dem Support, um den Kunden leichter durch seinen bevorzugten Kanal in der Customer Journey zu führen.
- Mitarbeiterbindung und Fluktuation:Generative KI kann auch dazu genutzt werden, employee experience besser zu verstehen employee experience Entscheidungen zu treffen, umBurnout,Fluktuation unddas Engagement der Mitarbeiter anzugehen.
#5. Wie kann ich die Einführung einer generativen KI-Strategie in meinem Unternehmen vorantreiben?
Technologielösungen sind am wirkungsvollsten, wenn sie in großem Umfang eingesetzt werden. KI ist jedoch eine Technologie, die sich nur schwer in großem Maßstab einführen lässt.
Kunden und Mitarbeiter zögern möglicherweise, mit KI-gestützten Systemen oder Empfehlungen zu interagieren, wenn sie der Technologie nicht vertrauen oder das Gefühl haben, dass ihre Privatsphäre nicht respektiert wird.
Es ist wichtig, eine KI-Strategie - insbesondere eine, die sich möglicherweise auf die Leistungsmessung, die Vergütung und die täglichen Aufgaben der Mitarbeiter auswirkt - mit Transparenz und Ehrlichkeit zu kommunizieren. Legen Sie Modellierungsmethoden offen, ermutigen Sie zu Fragen und stellen Sie regelmäßig die Ergebnisse von Audits oder Bias-Tests zur Verfügung. Beginnen Sie mit Anwendungsfällen, die sich nicht direkt auf die Vergütung oder Mitarbeiterbeurteilung auswirken, und konzentrieren Sie sich stattdessen auf Anwendungsfälle, die die Lebensqualität verbessern, wie z. B. Aufgabenautomatisierung und Workflow-Optimierung.
Und schließlich müssen Ihre generativen KI-Modelle genaue und umsetzbare Ergebnisse liefern, die relevant sind, um sowohl die Akzeptanz als auch sinnvolle Geschäftsergebnisse durch Maßnahmen zu fördern.
Bereiten Sie sich auf den Einsatz von generativer KI vor und führen Sie Ihre Branche an
Die Chancen stehen gut, dass Sie und Ihre Mitbewerber KI bereits in irgendeiner Form nutzen. Jetzt ist es an der Zeit, die generative KI aus dem Stadium der Modeerscheinung herauszuholen und diese Technologie auf konkrete Anwendungsfälle zu konzentrieren, von denen Ihre Mitarbeiter und Ihr Geschäftsergebnis profitieren. Die Aufmerksamkeit für generative KI und ihre Vorteile für Unternehmen steigt - von der Produktion von Inhalten im Handumdrehen bis zur Rationalisierung von Prozessen für Mitarbeiter. Nutzen Sie die Möglichkeiten, die sich Ihnen bieten.
