5 domande da porsi quando si implementa l'AI generativa per le aziende

In qualità di professionisti della CX, state pensando di utilizzare l'intelligenza artificiale generativa? Ecco cosa chiedersi quando si inizia.

Tutti gli operatori del settore parlano di intelligenza artificiale generativa (AI). Negli ultimi mesi si sono già visti innumerevoli titoli che parlavano di ChatGPT di OpenAI e di Bard di Google, le due aziende che sviluppano modelli di IA in grado di creare contenuti scritti personalizzati estraendo modelli dai dati esistenti.

L'IA generativa sta decollando - e in fretta. Solo ChatGPT ha oltre 100 milioni di utenti attivi mensili e il suo sito web registra oltre 1 miliardo di pagine visitate ogni mese.

Sia gli individui che le aziende stanno sfruttando l'IA generativa per casi d'uso che vanno dalla composizione di poesie alla scrittura di richieste di offerta (RFP) alla creazione di video pubblicitari. Tra tutti i casi d'uso, una cosa è comune: apparire umani. Questi modelli sono sempre più bravi a farlo, anche se ciò significa inventare riferimenti nei documenti di ricerca generati.

Nonostante i vantaggi apparentemente infiniti e privi di rischi, non si dovrebbe puntare sull'IA generativa alla cieca. Come per qualsiasi tipo di tecnologia, soprattutto se nuova, è necessario discuterne i vantaggi e gli svantaggi. Sebbene l'IA generativa possa sembrare allettante in superficie, è possibile che non abbiate le risorse necessarie per implementarla. Oppure potreste non conoscere il caso d'uso esatto per massimizzarne l'impatto. Inoltre, per quanto riguarda l'IA in particolare, è necessario tenere presente che essa ha bisogno di protezioni per rimanere responsabile ed efficace.

Cosa bisogna chiedersi quando si sfrutta l'intelligenza artificiale generativa per la propria azienda

L'IA generativa è in rapida crescita e si prevede che nei prossimi anni le organizzazioni di diversi settori faranno grande affidamento su di essa. In effetti, molte organizzazioni stanno già investendo tempo e risorse per implementare e sfruttare questa tecnologia. In particolare, se siete esperti di customer experience (CX) o employee experience (EX), potreste trovarvi a considerare l'IA generativa per le vostre operazioni.

Ecco le cinque domande principali da porsi come professionisti della CX per garantire che i modelli di IA generativa siano efficaci, etici e allineati ai valori e agli obiettivi del vostro Azienda.

#1. Come posso garantire che i dati rimangano sicuri e conformi agli standard di privacy?

Prima di implementare qualsiasi modello di IA, è essenziale considerare la privacy e la sicurezza dei dati di addestramento, in particolare quelli contenenti informazioni di identificazione personale (PII). I modelli di IA open source rappresentano rischi particolari per la privacy e la sicurezza dei dati. Questi rischi sono dovuti alla vulnerabilità creata dall'accesso aperto al codice sorgente, all'uso di librerie di terze parti e alla mancanza di controllo sulla condivisione e sulla distribuzione.

Per mitigare il rischio, le aziende che implementano modelli di IA su dati sensibili devono assicurarsi che siano in atto forti controlli e misure di accesso alla base di codice, alle librerie e all'archiviazione dei dati.

#2. Quali misure sono state adottate per eliminare i pregiudizi dai modelli?

I modelli di intelligenza artificiale generativa sono particolarmente suscettibili alle distorsioni perché sono progettati per imparare da grandi insiemi di dati e produrre previsioni o raccomandazioni basate su tali dati.

I modelli devono essere addestrati su un insieme di dati diversificato e rappresentativo. Nel contesto dei clienti e di employee experience, ciò significa che ci sono dati sufficienti e rappresentativi dei dati demografici, delle culture e di altri segmenti della base di clienti e dipendenti di un'azienda. Ricordate che la distorsione dei dati è più probabile quando si utilizzano librerie open source, perché non esiste un processo di validazione dell'accuratezza dei fatti o dell'etica del materiale di partenza. 

È inoltre fondamentale riconoscere e indagare le potenziali distorsioni algoritmiche dei modelli. Che cosa è stato addestrato a ottimizzare il modello? Ad esempio, alcuni modelli di intelligenza artificiale generativa sono stati addestrati per produrre risultati specifici per i social media: ciò può portare a contenuti più polarizzanti o sensazionali perché tali contenuti sono comuni, efficaci e amplificati su tali piattaforme.

Chiedete come i modelli di IA che state considerando sono stati addestrati e ottimizzati per i casi d'uso della CX e dell'EX, nonché come i modelli vengono controllati e monitorati contro le distorsioni. 

#3. Qual è il costo associato al ridimensionamento?

Una cosa è portare a ChatGPT le proprie domande individuali in cerca di risposte rapide. Un'altra cosa è scalare l'IA generativa su decine o centinaia di milioni di record nell'intera azienda.

Per avere successo su scala, l'IA generativa richiede grandi quantità di dati diversificati e sicuri, infrastrutture di cluster di calcolo ad alte prestazioni e risorse di ricerca e sviluppo per monitorare, mantenere e far crescere i modelli.

Il costo è un fattore importante nella conversazione tra costruire e comprare, quindi cercate di capire quanto il vostro Azienda sia predisposto per sostenere i costi di scalabilità. Inoltre, dovreste chiedervi Quale sarà il livello di impegno per integrare l'IA generativa di casa nei processi e nei flussi di lavoro aziendali?

Per valere il costo, l'IA deve essere legata a risultati misurabili. Giustificare la necessità di modelli generativi di IA è forse la questione più importante, quindi è necessario valutare i costi associati e stabilire se esiste o meno un solido caso aziendale per l'utilizzo dei modelli.

#4. Qual è il punto di partenza più efficace per introdurre l'IA generativa nei programmi CX ed EX?

Non lasciatevi trasportare dal brainstorming sulle potenziali applicazioni di risparmio dei costi dell'IA generativa. Prima di ciò, è necessario pensare alla praticità e alle implicazioni. Sarebbe fantastico risparmiare milioni di dollari convertendo gli agenti del contact center in chatbot, ma i consumatori - e la società in generale - non hanno piena fiducia nell'IA in termini di privacy dei dati e di gestione di questioni delicate.

I punti di partenza efficaci per una strategia generativa di IA nella CX/EX sono quelli legati a risultati aziendali positivi, facili da spiegare al Chief Experience Officer (CXO) e al resto della C-suite e integrabili nei flussi di lavoro esistenti.

• Maggiore efficienza: L'intelligenza artificiale generativa automatizza le attività che richiedono molto tempo, come il riepilogo delle chiamate e le attività di disposizione che gli agenti devono svolgere dopo ogni chiamata al servizio clienti.
• Riduzione dei tempi di comprensione: L'intelligenza artificiale dovrebbe essere utilizzata per semplificare lo sviluppo e la manutenzione di modelli basati su regole nelle applicazioni di elaborazione del linguaggio naturale (NLP) e di comprensione del linguaggio naturale (NLU), consentendo agli analisti di dedicare più tempo all'elaborazione di risultati e azioni.
• Personalizzazione: Grandi quantità di dati devono essere analizzate per generare raccomandazioni personalizzate per i clienti, individualmente o per segmento. Un esempio è la comprensione della storia di un cliente con l'assistenza per guidarlo più facilmente attraverso il suo canale preferito nel customer journey.
• Fedeltà e abbandono dei dipendenti: L'IA generativa può essere utilizzata anche per comprendere meglio employee experience e prendere decisioni per affrontare il burnout, il turnover e l'impegno dei dipendenti.

#5. Come posso promuovere l'adozione di una strategia di IA generativa in tutta la mia azienda?

Le soluzioni tecnologiche hanno un impatto maggiore quando vengono adottate su scala. Tuttavia, l'intelligenza artificiale è una tecnologia che può essere difficile da implementare su scala.

I clienti e i dipendenti possono esitare a interagire con i sistemi o le raccomandazioni basate sull'intelligenza artificiale se non si fidano della tecnologia o se ritengono che la loro privacy non venga rispettata. 

È importante comunicare una strategia di IA, soprattutto se potenzialmente in grado di influenzare la misurazione delle prestazioni, la retribuzione e le attività quotidiane dei dipendenti, con trasparenza e onestà. Condividete le metodologie di modellazione, incoraggiate le domande e rendete disponibili i risultati delle verifiche periodiche o dei bias test. Iniziate con i casi d'uso che non hanno un impatto diretto sulla retribuzione o sulle valutazioni dei dipendenti, concentrandovi invece sui casi d'uso relativi alla qualità della vita, come l'automazione delle attività e l'ottimizzazione dei flussi di lavoro.

Infine, per favorire sia l'adozione che i risultati aziendali significativi attraverso le azioni, i modelli di IA generativa devono avere risultati accurati e azionabili che siano rilevanti.

Preparatevi a utilizzare l'IA generativa e a guidare il vostro settore

È probabile che voi e i vostri concorrenti stiate già utilizzando l'IA in qualche modo. È giunto il momento di abbandonare la fase di moda dell'IA generativa e di concentrare questa tecnologia su casi d'uso tangibili a vantaggio dei vostri dipendenti e dei vostri profitti. L'attenzione si sta concentrando sull'IA generativa e sui suoi vantaggi per le aziende, dalla produzione di contenuti in un batter d'occhio allo snellimento dei processi per i dipendenti. Approfittate delle possibilità.