איך עסקים וארגונים יכולים למנף נכון בינה מלאכותית ליצירת חוויית לקוח משופרת?
מאת: ערן בראון, 29.4.19, 16:42

ככל שיותר חברות וארגונים מכירים בחשיבות של טכנולוגיה מתקדמת לקידום חוויית לקוח חיובית, כך מפציעים יותר פתרונות מבוססי בינה מלאכותית ולמידת מכונה, שניתן לרכוש מהמדף ולהטמיע.
 
בינה מלאכותית ולמידת מכונה הפכו למכשירים משמעותיים לקידום חוויית לקוח בשנים האחרונות. חברת המחקר והייעוץ גרטנר ציינה, שבוטים, שמבוססים על בינה מלאכותית, יהוו 85% מכל האינטראקציות של לקוחות עם שירות לקוחות עד 2020. כלומר, רוב האינטראקציות עם לקוחות תבוצענה ללא כל גורם אנושי.

המספרים הללו אולי נשמעים מפתיעים, אבל בפועל, חוויית הלקוח והתמיכה הטכנולוגית בה הפכו למוקד להשקעות מסיביות בארגונים, מגמה, שצפויה להמשיך ולהתחזק. מאחר ששירות הלקוחות הוא אחד המשפיעים על היכולת לשמר לקוחות, איכות השירות, שייתנו הבוטים, הופכת ליתרון תחרותי, שיכול למנוע זליגה של לקוחות.

ידוע לכל, שהקרב על ליבו של הלקוח מתחולל כיום במגוון גדול של זירות. על המדף בחנות, ברדיו, בטלוויזיה, במסרים מידיים במכשירים הניידים ובמדיה הדיגיטלית על סוגיה. שטף המידע, שמגיע לפתחו של כל לקוח, הוא אדיר, ולכן עסק, שיתאים את עצמו, את תכניו ואת השירות שלו בדרך הטובה ביותר לצרכיו של הלקוח, יזכה בו. לעומת זאת, עסק, שיפזר את מסריו באופן לא ממוקד, ללא כל סינון או התאמה, ויחטיא בטיפול בלקוח, יפסיד אותו, ואפילו ייחשב לגורם מטריד.

אחד האתגרים הגדולים במוקדי שירות הלקוחות, למשל, הוא ההתנהלות עם לקוחות פוטנציאליים ('לידים') ,שמתקבלים בתהליכי שיווק ומכירות והפיכתם להזדמנויות. טכנולוגיות, שמבוססות על בינה מלאכותית, שכוללות זיהוי קולי, יכולות, לדוגמה, להקליט את השיחות ולזהות איזה מילים, שנאמרו ע"י נציג השירות והמכירות, הפכו לחסמים ליצירת הזדמנויות ואיזה מילים הביאו להמשך תהליך המכירה מוצלח וכך להגדיל את אחוזי ההצלחה ואת שביעות הרצון של הלקוחות.

עם זאת, חשוב לציין, ש"חווית לקוח" הוא צירוף מילים, שאינו שמור אך ורק ליחסי הגומלין בין חברות מסחריות לצרכנים, אלא מהווה מוקד חשוב לטיפול גם בקרב ארגונים המספקים שירות, דוגמת בתי חולים, שירותי בריאות ומשרדי ממשלה, שמבקשים לייעל ולשפר את השירות שלהם. במקרים אלה, חוויית הלקוח היא אפילו קריטית יותר ויכולה לשנות את מהלך חייהם ובריאותם של מטופלים ואזרחים.

לדוגמה, בתחום הבריאות, פתרונות מבוססי בינה מלאכותית מסננים נפחי מידע אדירים כדי לבצע סטטיסטיקות, לזהות טעויות בטיפול וחוסר יעילות בזרימת העבודה ולהפיק תובנות. כך, מערכות בריאות יכולות לחסוך אשפוזים מיותרים, לצמצם אי נוחות מיותרת למטופלים, מה שיכול להוביל בו זמנית לצמצום בעלויות ולשיפור השירות (כתוצר של הורדת העומס במחלקות). מערכת מעניינת נוספת, שנמצאת כיום תחת ניסיון, כוללת יכולות זיהוי פנים שמאפשרות לקבוע האם מטופל נמצא במצוקה בהתבסס על תנועות שרירים באף, שפתיים, לחיים וגבות.

ככל שיותר חברות וארגונים מכירים בחשיבות של טכנולוגיה מתקדמת לקידום חוויית לקוח חיובית, כך מפציעים יותר פתרונות מבוססי בינה מלאכותית ולמידת מכונה, שניתן לרכוש מהמדף ולהטמיע.

שוק הבינה המלאכותית צפוי להגיע ל 77.6 מיליארד דולרים ב- 2022 על פי IDC. חלק נכבד ממנו ייצג טכנולוגיות חוויית לקוח, שתשמשנה לשירות לקוחות אוטומטי ופרסונליזציה המתחילה משלב השיווק, דרך המכירה עצמה וכלה בשירות ללקוח לאחר המכירה.

כלי הבינה המלאכותית המוצעים כיום הולכים ומתקדמים והופכים מדויקים יותר בהבחנות ובהמלצות שלהם, בזכות שימוש נרחב יותר בנפחי מידע גדולים ובחתכים לא סטנדרטיים של מידע ארגוני שנצבר.

חלה תפנית מאלגוריתמים, שהסתפקו במעט מידע, לעבר אלגוריתמים חכמים יותר (כדוגמת Deep learning) הצורכים נפחי מידע עצומים וממשיכים להשתפר ככל שנותנים להם עוד מידע לאימון (Training dataset) ולא מגיעים ליעילות המירבית שלהם ללא נפחי מידע גבוהים.

כדי לקפוץ לסטנדרט החדש בעולם חוויית הלקוח, תוך שימוש בפתרונות בינה מלאכותית מתקדמים, יש להגדיל את נפח האחסון. התשובה לשאלה "בכמה נצטרך לגדול?" תלויה, בין היתר, בתעשייה ובמורכבות הפתרון הנדרש, אך כבר לא מדובר בסדר גודל של טרה-בייט (Terabytes) של מידע. עוד ועוד ארגונים מתחילים לחצות את גבול הפטה-בייט וחלקם (כמו עולם הדימות ברפואה, תעשיית הרכב ואחרים) כבר מדברים על סדרי גודל של עשרות ומאות פטה-בייט.

יש לבנות תשתית, שתוכל לתמוך בנפחים הללו ואף לתמוך בגדילה עתידית שלהם, מבלי שהדבר יפגע משמעותית בארגון מבחינה תקציבית. שימוש בכלי בינה מלאכותית ללא תמיכה תשתיתית תוביל להפקת תובנות לא נכונות, שיכולות לעלות לעסק כספים מרובים וטעויות גורליות דוגמת השקעה בקו מוצרים לא נכון או הצקה לא מכוונת ללקוחות, שאינם קהל המטרה ומתן שירות לא מותאם.

נפח המידע בעולם עולה בקצב אקספוננציאלי. אם בעבר עיקר השיח היה סביב יכולות האחסון של נפח המידע הגואה, הרי שכיום השיח הוא גם סביב המינוף של נפח המידע הזה. לא מספיק לאחסן את המידע, צריך לאפשר לגשת אליו, לכולו, ביעילות, ולהשתמש בו להפקת תובנות עסקיות, לפני שהמתחרים יעשו כן.

לא מעט פתרונות אחסון, דוגמת פתרונות All Flash, מציעים ביצועים גבוהים, אך דורשים השקעה כספית אדירה. ואם לא די בכך, הרי שהם לא יכולים לאחסן את כל המידע הארגוני בשל עלותם, דבר המגביל את היכולת של מערכות הבינה המלאכותית לגשת לכלל המידע הדרוש ולייצר את הערך העסקי, שלשמו נבנו.

חומרה יקרה לא תענה על הסוגיות העומדות בפני המבקשים לאמץ טכנולוגיות בינה מלאכותית. היא לא זאת שתספק חוויית לקוח מצוינת, שתייצר את היתרון התחרותי לארגון. מקבלי החלטות בארגונים יכולים כיום לשאת עיניהם לפתרונות חדשים, שאינם מאלצים אותם להתפשר על גישה לכל המידע בכל עת ושמספקים ביצועים גבוהים ויכולת לגדול בקצב הגידול של הטבעי של המידע.

קרדיט צילום תמונה עליונה: אלון לוין
 
מאת: ערן בראון, אפריל 2019.
סמנכ"ל טכנולוגיות לאזור EMEA בחברת INFINIDAT