L’attenzione dei media nei confronti di ChatGPT si è principalmente concentrata sul suo potenziale di trasformazione nel ridisegnare la natura del lavoro. Tuttavia, la storia più ampia riguarda come l’IA generativa trasformerà l’esperienza del cliente. Uno studio condotto da McKinsey rivela che l’80% delle attività di servizio ai clienti può essere automatizzato attraverso i canali, portando a un risparmio del 20% sui costi di servizio.
ChatGPT e strumenti simili possono essere utilizzati per supportare numerosi casi d’uso all’interno di tutte le funzioni aziendali, come marketing e vendite, supply chain, assistenza clienti, sviluppo del prodotto e molto altro ancora. Sfruttando la produttività dei dipendenti, consentendo un approccio proattivo nella risoluzione dei problemi e affrontando i punti di attrito comuni, le soluzioni basate sull’intelligenza artificiale generativa possono aiutare i team aziendali a migliorare rapidamente le capacità rivolte ai clienti. Tuttavia, per realizzare questa visione, le aziende dovranno superare cinque diversi ostacoli e implementare due diverse architetture: una per le interazioni umane e una per le interazioni completamente automatizzate.
Quali sono alcuni dei principali ostacoli o rischi che possono emergere durante l’implementazione dell’IA generativa e come possono essere mitigati? Ecco una panoramica:
- Mancanza di personalizzazione dei messaggi: Attualmente, gli strumenti di intelligenza artificiale generativa non sono in grado di personalizzare i messaggi. Tuttavia, la personalizzazione svolge un ruolo chiave nel promuovere le vendite di prodotti e servizi, aumentare l’acquisto di prodotti, ottenere vendite ripetute e migliorare la fedeltà dei clienti. Gli esperti di marketing hanno bisogno di strumenti di intelligenza artificiale generativa di livello aziendale che permettano la personalizzazione dei nomi, delle immagini, delle offerte e dei consigli sui prodotti in base agli acquisti recenti e ai messaggi di abbandono del carrello.
- Generazione di contenuti errati: Le soluzioni di intelligenza artificiale generativa utilizzano i prompt e si basano sull’apprendimento passato per generare contenuti. Tuttavia, questo significa che possono creare contenuti “allucinati” basati su informazioni apprese da modelli statistici, inclusi contenuti non veritieri. È importante evitare che questi contenuti errati raggiungano gli utenti, gli approvatori o vengano distribuiti ai clienti.
- Incapacità di applicare regole di business: Le regole di business semplificano le interazioni con i clienti. I chatbot basati su IA limitata sono in grado di rilevare queste regole e fornire risposte adeguate. Tuttavia, l’IA generativa non riesce a individuare queste regole e fornisce risposte originali a ogni domanda, creando confusione tra i clienti e introducendo errori nelle interazioni. Un’architettura tecnologica di livello aziendale che combina l’IA generativa con le politiche aziendali predefinite può aiutare a standardizzare le risposte e garantire coerenza tra i clienti.
- Mancanza di conformità: I contenuti rivolti ai clienti devono essere sottoposti a revisioni legali per garantire la conformità alle politiche aziendali, normative e dei clienti. Questo processo protegge le aziende da possibili reclami dei clienti, violazioni normative e sanzioni. Tuttavia, l’IA generativa non è in grado di creare contenuti conformi poiché non comprende le sfumature delle normative. Pertanto, è necessario che la tecnologia basata sull’IA generativa includa protezioni legali per identificare e rimuovere i contenuti non conformi prima della distribuzione o dell’utilizzo pubblico.
- Rischi per la sicurezza derivanti dall’uso non controllato di ChatGPT: L’uso di ChatGPT senza controlli di sicurezza può creare rischi per la sicurezza aziendale. Ci sono state segnalazioni di dipendenti che inseriscono dati sensibili in chatbot accessibili pubblicamente, mettendo a rischio la sicurezza dei dati e la perdita di proprietà intellettuale. I team IT e quelli responsabili dei dati possono mitigare questi problemi segmentando le informazioni, inviando i contenuti sensibili ai chatbot di dominio protetti da controlli di sicurezza, mentre le richieste generali vengono gestite da ChatGPT.
Per potenziare le operazioni B2C e B2B con l’intervento umano o completamente automatizzate, le aziende avranno bisogno di due diverse architetture.
Entrambe le architetture si basano su strumenti di intelligenza artificiale generativa open source come ChatGPT e altre soluzioni, che guidano i processi dalla raccolta dei dati all’elaborazione, creazione e personalizzazione dei contenuti, nonché alla governance.
Consideriamo uno scenario comune: un professionista del marketing inserisce un prompt in un’interfaccia aziendale utilizzando un questionario predefinito per guidare lo sviluppo del contenuto di una campagna di e-mail.
Il dipendente inserisce le informazioni chiave, inclusi dettagli come il destinatario dell’e-mail, il pubblico target, il nome del prodotto, le dichiarazioni di marketing, le caratteristiche del prodotto e qualsiasi altra informazione pertinente. L’architettura utilizza quindi i dati dei clienti per arricchire le istruzioni con informazioni che cattureranno l’attenzione del segmento di riferimento, a patto che questi dati siano disponibili. La domanda migliorata viene quindi inviata tramite un’API esterna a ChatGPT o a qualsiasi altro strumento di intelligenza artificiale generativa simile.
Successivamente, un curatore applica regole aziendali e protezioni legali per garantire che il contenuto soddisfi gli standard aziendali e normativi. Il professionista del marketing esamina e approva quindi l’e-mail risultante prima di inviarla alla base clienti.
Quando un utente inserisce una domanda, questa viene arricchita con i dati personali del cliente come prima. Tuttavia, la query aggiornata viene instradata in due modi: ad un chatbot di dominio capace di personalizzare le risposte in base ai contenuti specifici dell’azienda o tramite un’API esterna a ChatGPT per le domande di routine. Il chatbot di dominio personalizza i contenuti, mentre ChatGPT no. Il contenuto risultante viene quindi verificato per eventuali errori e confrontato con le regole aziendali e i guardrail prima di essere distribuito automaticamente ai clienti.
La corsa per aumentare il ROI dell’IA generativa è già iniziata. I leader aziendali stanno valutando i processi aziendali per identificare costi e sprechi, stanno consultando i fornitori per comprendere le loro soluzioni e stanno sviluppando prove di concetto. Sono alla ricerca di approfondimenti e soluzioni che possano sfruttare per ottenere rapidamente valore e scalabilità.
Mentre compiono questo importante lavoro, i leader aziendali possono valutare i fornitori in base alla loro capacità di affrontare queste cinque sfide comuni dell’IA generativa e di consentire interazioni sia umane che completamente automatizzate.
L’adozione di queste due diverse architetture di base consentirà alle aziende di ottenere numerosi benefici aziendali. Saranno in grado di aumentare la produttività del team, migliorare l’esperienza del cliente, ridurre i costi di interazione con il servizio e promuovere le vendite di nuovi prodotti.”