Na końcu, jako ostatnia instancja, konsultant zatwierdza to wszystko. Z czasem, kiedy stopa błędów po stronie agentów AI spadnie odpowiednio nisko i kiedy uwarunkowania prawne na to pozwolą, możliwe będzie całkowite odciążenie konsultanta.
Mówimy o komunikacji, ale czy GenAI potrafi też usprawnić proces profilowania klienta i doboru oferty?
Dzisiaj jeszcze nie. To lepiej pozostawiać rozwiązaniom machine learning, które radzą sobie z tym wciąż bardzo dobrze. Wykorzystanie AI na 1500 parametrów per każdy klient pochłonęłoby gigantyczne zasoby obliczeniowe.
A gdyby to było możliwe … spodziewalibyście się interesujących wyników?
Trudno powiedzieć. Dzisiaj raczej wyobrażam sobie, że machine learning wykonuje ten pierwszy etap pracy, tzn. na podstawie bazowych parametrów określa tych kilkanaście cech czy skłonności klienta. To już może być polem dla generatywnej sztucznej inteligencji. GenAI ma jedną bezcenną zaletę: może wejść w interakcje z klientem. Powiedzmy, że przedstawi mu opracowaną przez ML ofertę, ale klient odpowie: „tak, ale…”. Na podstawie tych dodatkowych danych AI potrafi podjąć samodzielnie działanie i zmodyfikować lub uzupełnić ofertę. Statyczne systemy tego nie zrobią.
To jest abstrakcyjna koncepcja?
To jest koncepcja, którą testujemy. Wyobrażam sobie, że agent AI porusza się w zadanych widełkach, aby w trakcie interakcji z klientem dopasować ofertę, którą klient zaakceptuje, a nam da wartość. To jest wyzwanie jeżeli agent AI ‒ skoncentrowany na efekcie ‒ zacznie szybko proponować ofertę najtańszą, bo to jest efektywne i kończy się sprzedażą. Tylko nie zupełnie o to nam chodzi.
Można odnieść wrażenie, że we wsparciu kanału e-mail w pionie B2B (o czym rozmawialiśmy wcześniej) GenAI przyjęła się mocniej.
Rozróżnijmy dwa obszary: analitykę i operacje. W analityce danych GenAI mało pomaga. Inaczej jest jeżeli chodzi o operacje. Na przykład o analizę treści pojedynczego maila i pomoc w przygotowaniu odpowiedzi na podstawie zestawu danych i reguł. Albo o udzielenie odpowiedzi na czacie obsługowym. Takich rozwiązań bez GenAI by nie było. I nie tylko takich. Co z tego, że statyczne narzędzie ML określiło prawdopodobieństwo zakupu usługi jako minimalne, skoro sam klient deklaruje, że chce ją kupić. GenAI wychwyci ten komunikat i da ofertę.
Czyli do analityki GenAI to jeszcze nie teraz. Ale gdy cena tokena spadnie sto razy…?
Gdy cena tokena spadnie tysiąc razy, to ja chętnie zleciłbym GenAI zadanie analityki i sprofilowania 1000 klientów wraz z wypracowaniem trzech rekomendacji ofertowych dla każdego z nich.
I czego się można spodziewać?
Szczerze? Nie wiem, ale jestem ciekaw. Może pojawi się efekt namiastki ludzkiej intuicji, którą GenAI ponoć wykazuje, a ML nie? To jednak przyszłość. Dzisiaj ML daje bardzo namacalne korzyści, a GenAI jest ciekawe, ale efektywność ma na razie niewysoką.
Jak dalece możliwość wykorzystania GenAI zależy od ceny tokena?
To także. W przypadku dostawców o skali Orange koszty jednostkowe zawsze mają duże znaczenie. Nie jest to jednak jedyne wyzwanie.
