ИИ окружает нас повсюду, и компании каждый день используют его по-новому. И, честно говоря, определение ИИ не остается неизменным два дня подряд. Поэтому неудивительно, что медиа-компании выпускают еженедельные журналы по ИИ - как для неспециалистов, так и для бизнесменов. И, черт возьми, искусственный интеллект тоже проник в индустрию развлечений. Теперь триллеры могут более плавно преодолеть разделение между наукой и фантастикой, и вы получите больше прибыли - в конце концов, модели Nexus 8 с искусственным интеллектом из Blade Runner 2049 могут стать вчерашней шумихой к 2030 году. Кто знает? Но ИИ в обслуживании клиентов?
Давайте перейдем к столь же захватывающему сценарию службы поддержки клиентов. Допустим, ваша компания производит важнейшее горнодобывающее оборудование, такое как экскаваторы, тяжелое буровое оборудование, буровые установки, экскаваторы и т. Д. - вы улавливаете занятие. Теперь давайте проследим путь горного проекта, на котором один из ваших экскаваторов вышел из строя. Подрядчик, которому удалось нанять дорогостоящую рабочую силу в условиях жестких правил, уже отстает от производства.
Он арендовал ваш экскаватор в автосалоне. Экскаватор перестает работать, и рабочие внезапно перестают работать. Подрядчик теряет деньги, потому что повторный наем рабочей силы был бы дорогостоящим и трудоемким. С другой стороны, дилер теряет деньги за каждый час простоя вашей машины. Вы тоже проигрываете - скоро посмотрим. К сожалению, подрядчик арендовал и другое оборудование у того же дилера. Но так как раскопки прекратились, проект остановился, и остальное оборудование тоже не использовалось.
Давайте пропустим ту часть, где дилер вступает в разногласие с подрядчиком по поводу условий их аренды, и сосредоточимся на процессе ремонта, который, наконец, заставил их снова начать работу.
В таком сценарии дилер обычно звонит в службу поддержки клиентов и озвучивает свою проблему руководителю другой стороны. Дилер, у которого есть кое-какие ноу-хау в отношении вашего продукта, даже не знает, что с ним не так. В итоге руководитель записывает короткую, приятную и простую на вид проблему: «Модель XCav25T не работает». После создания заявки ваша группа поддержки назначает ближайшего инженера по обслуживанию на месте для выполнения этой задачи. Для него короткий и милый кошмар. Что ж, все мы знаем, чем заканчивается эта история.
И затем мы спрашиваем: где ИИ вписывается в это уравнение? Или мы говорим о научной фантастике?
Перед этим давайте еще раз рассмотрим историю добычи полезных ископаемых. В горнодобывающей промышленности затраты на обслуживание оборудования могут достигать 35–50% от операционного бюджета. Шокирует, не правда ли? Независимо от того, к какому объему добавляется стоимость сбоя, сбои всегда обходятся дорого в ситуациях B2B, и, возможно, больше, чем в сценарии B2C. Один случай отказа происходит на следующем звене цепочки поставок, и это продолжается до конечной точки. Но к тому времени заказчик уже переключился на лучшего поставщика, и подрядчику даже не нужно было звонить по телефону. Конкурирующий продукт потрясающий. На этот раз дилер проинформировал подрядчика о предстоящей проблеме и последующем 2-часовом простое. Итак, как изменились таблицы?
На производстве вопросы поддержки клиентов обычно технически сложны. И если владелец продукта не смог определить, что пошло не так, есть большая вероятность, что этого не сделает и руководитель колл-центра. Нецелесообразно иметь инженера, сидящего за службой поддержки. Тогда давайте рассмотрим возможность внесения некоторых ошибок в машину - не в буквальном смысле, а в устройствах IoT. IoT, или Интернет вещей, относится к небольшим устройствам, иногда просто голым датчикам, которые собирают данные из своей среды и передают их на компьютер через облако. Что ж, компьютер может быть сервером, но давайте посмотрим, как это повлияло на нашу проблему с ремонтом.
После того, как этот датчик зарегистрировал сбой, запускалось сообщение, в котором сообщалось о критическом сбое непосредственно в нужную команду, и, если ваши пути обслуживания были четко определены, интеллектуальный алгоритм также определил ближайшего полевого инженера, у которого не было много на своей тарелке, что день. Более того, датчик инициировал сообщение об ошибке вместе с кодом ошибки, который был сопоставлен с возможным набором проблем с помощью этого решения AI.
На этот раз инженер также был проинформирован о возможных инструментах, которые могут ему понадобиться для этого ремонта - и в течение 15 минут после аварии инженер по техническому обслуживанию уже был в пути.
Похоже на научную фантастику? Что ж, это вчерашний ажиотаж для некоторых ведущих производственных компаний. Так как же стало возможным это молниеносное обслуживание?
AI любит выбирать шаблоны. Но это еще не все, на что способен ИИ - если честно, мы только намочили ноги. В нашем примере настоящая смена парадигмы произошла в тот момент, когда персонал службы поддержки не просмотрел ни одной страницы из ваших 300 страниц руководств по устранению неполадок, которые, вероятно, не смогли выявить критическую проблему на момент написания. В таком сценарии без решения искусственного интеллекта старые проблемы никогда не устареют. Влияние? Плохая репутация среди ваших клиентов, потеря денег (и стоимости) в цепочке поставок, резкое падение оценок удовлетворенности и многое другое. Что еще могло случиться? Стоимость обучения вашего персонала, деньги, которые вы платите им за многочасовое копание информации, обратный путь за необходимыми инструментами - и, опять же, многое другое - также увеличивают ваши потери.
Если бы только полевой инженер знал, что на самом деле не так с машиной, прежде чем он отправился в ремонт. Это те вещи, в которых ИИ может быть действительно хорош, если вы научитесь этому. Поговорим о просмотре тысяч страниц устранения неполадок, прошлых заявок на обслуживание, их решений и других нюансах, которые мы, люди, часто склонны упускать - потому что ошибаться - это человек, верно?
ИИ можно обучить делать (почти) все. Если вы обучите правильные модели для решения нужных проблем, вы даже можете составить талон на обслуживание из изображения сломанной детали машины, и, что еще лучше, мгновенно узнать правильное решение для ремонта. Более того, автоматизация во всем мире активно внедряется в обрабатывающую промышленность. Когда автоматизация сочетается с искусственным интеллектом и Интернетом вещей, именно тогда вы видите настоящего зверя - мы говорим об автоматическом разрешении, прогнозирующем разрешении, оптимизации времени безотказной работы и простоя для достижения наилучшего соотношения затрат и результатов, а также прогнозирования сбоев.
Помните, когда мы говорили о выборе шаблонов на основе случайности? Если бы ваш продукт мог передавать данные IoT, можно было бы обучить алгоритм отслеживать его жизненно важные показатели и искать закономерности, которые проявляются прямо перед сбоями. Это то, что мы называем истинной ориентацией на клиента - представьте, какую ценность вы можете добавить для своего клиента, своих сотрудников и, фактически, всех, кто имеет долю в вашем бизнесе. В конце концов, разочарованный инженер-полевой инженер тоже не очень хорошо отзывается о вашем бизнесе.
Что, если бы вы могли обогатить интеллект своего предприятия, позаимствовав кое-что из «я» в ИИ? Ведущие производители уже делают это, и другие тоже. После того, как пандемия ударила по нашим головам, это стало вопросом времени больше, чем что-либо еще, включая затраты, масштабы и готовность.
