Παρά τις προσπάθειες ψηφιοποίησης που έχουν γίνει επί σειρά ετών, οι οργανισμοί αξιοποιούν λιγότερο από το ένα τρίτο της αναμενόμενης αξίας από τις ψηφιακές τους επενδύσεις, σύμφωνα με έρευνα της McKinsey. Αυτό οφείλεται στο γεγονός ότι οι περισσότερες μεγάλες εταιρείες ξεκινούν με τις τεχνολογικές δυνατότητες και προσαρμόζουν εφαρμογές σε αυτές, αντί να εκκινούν από τις ανάγκες των πελατών και να αναπτύσσουν τεχνολογικές λύσεις με βάση αυτές. Η μη προτεραιοποίηση του πελάτη μπορεί να οδηγήσει σε κατακερματισμένες λύσεις, ασυνάρτητες εμπειρίες πελατών και, τελικά, σε αποτυχημένους μετασχηματισμούς.
Οι οργανισμοί που επιτυγχάνουν εξαιρετικά αποτελέσματα από την Τεχνητή Νοημοσύνη (AI) αντιστρέφουν αυτή την προσέγγιση. Υιοθετούν μια νοοτροπία «μηχανικής με επίκεντρο τον πελάτη» (customer-back engineering), τοποθετώντας τους πελάτες στην καρδιά του τεχνολογικού μετασχηματισμού.
Πρόκειται για μια στρατηγική κατά την οποία τα προϊόντα και οι υπηρεσίες αναπτύσσονται έχοντας πρωτίστως κατά νου την εμπειρία του πελάτη, συμπεριλαμβανομένων των προκλήσεων, των αναγκών και των προσδοκιών του. Στη συνέχεια, οι ομάδες ανάπτυξης προϊόντων εργάζονται με ευέλικτο και ευπροσάρμοστο τρόπο, αναζητώντας τα απαραίτητα βήματα για τον σχεδιασμό και την υλοποίηση λύσεων που επιτυγχάνουν την επιθυμητή εμπειρία.
«When you get your engineers closer to customers, you get a lot more sideways innovation», δηλώνει ο κ. Ashish Agrawal, Διευθύνων Αντιπρόεδρος Τεχνολογίας Πιστωτικών Καρτών και Πληρωμών στην Capital One. «That leads to a multiplier effect, because engineers can approach a problem from a different dimension that can be unique to the sales or product perspective.»
Η επιχειρηματολογία υπέρ της πελατοκεντρικότητας στη μηχανική
Οι μηχανικοί είναι επιλυτές προβλημάτων, όπως αναφέρει ο κ. Agrawal. Όταν ενημερώνονται για τις προκλήσεις που αντιμετωπίζουν οι πελάτες ή για τον τρόπο με τον οποίο χρησιμοποιούν τα προϊόντα και τις υπηρεσίες στον πραγματικό κόσμο, μπορούν να επινοήσουν τρόπους για την αποτελεσματική αντιμετώπιση των αναγκών των πελατών, καθώς βρίσκονται φυσικά πιο κοντά στα συστήματα και τα δεδομένα από πολλές άλλες ομάδες εντός της εταιρείας.
«Fostering a customer-centric culture has a motivational effect on engineers when they actually start seeing how the core changes they’re making, or the features they’re adding, are having a direct impact on the lives of customers», τονίζει ο κ. Agrawal.
Απαιτεί επίσης πειθαρχία. Ο κ. Agrawal εξηγεί ότι η Capital One έχει θέσει ως στόχο για κάθε μηχανικό στον οργανισμό του να καθιερώσει αρκετά σημεία επαφής με τους πελάτες καθ’ όλη τη διάρκεια του έτους, με διάφορες μορφές, όπως:
- Ψηφιακές συνεδρίες ενσυναίσθησης για την παρατήρηση των διαδρομών των χρηστών και τον εντοπισμό σημείων τριβής
- Ενσωματωμένη υποστήριξη πελατών για συγκεκριμένες χρονικές περιόδους, με σκοπό την εμβάθυνση της κατανόησης των αναγκών εξυπηρέτησης
- Συμμετοχή μηχανικών σε επισκέψεις πελατών (engineering ride-alongs), όπου οι μηχανικοί συνοδεύουν το προσωπικό επιτυχίας πελατών, πωλήσεων και υποστήριξης σε κλήσεις ή επιτόπιες επισκέψεις
- Διαγωνισμοί Hackathon για την ανάπτυξη λύσεων γύρω από πραγματικά προβλήματα πελατών
Οι ευκαιρίες της Τεχνητής Νοημοσύνης με την πελατοκεντρικότητα
«The biggest challenge engineers within large companies face is a lack of direct access to customers», επισημαίνει ο κ. Agrawal. «This can make it harder for technologists to work with customers to identify problems and innovate solutions.»
Η Τεχνητή Νοημοσύνη έχει επιταχύνει τόσο τις προκλήσεις όσο και τις ευκαιρίες. Ο κύκλος ζωής της κυκλοφορίας προϊόντων έχει γίνει σημαντικά ταχύτερος. Ωστόσο, το θετικό είναι ότι οι μηχανικοί βρίσκονται πιο κοντά στα δεδομένα που τροφοδοτούν την AI, οπότε μπορούν να εφαρμόσουν ταχύτερα τεχνικές δεδομένων που βασίζονται στην AI για την επίλυση προβλημάτων πελατών.
Ο κ. Agrawal περιγράφει ένα πρόσφατο σενάριο: Στον τομέα της εξυπηρέτησης πελατών, οι συνομιλίες μπορούν να συνοψίζονται άμεσα και να παρέχουν στον εκπρόσωπο εξυπηρέτησης το πλαίσιο του αρχικού αιτήματος του μέλους και τα υπόλοιπα σημεία δράσης. Η αυτόνομη AI (Agentic AI) μπορεί επίσης να ενεργοποιηθεί για να θέσει στοχευμένες ερωτήσεις παρακολούθησης σχετικά με την αλληλεπίδραση, κάτι που διαφορετικά θα απαιτούσε χρόνο από τους ανθρώπινους εκπροσώπους για να διαβάσουν ολόκληρη τη συνομιλία.
«A solution would have been a lot harder in an ecosystem without a lot of high-quality data», δηλώνει ο κ. Agrawal. «But when you combine a rich data ecosystem with agentic tools, you move from incremental fixes to high-velocity transformation.»
Με τη χρήση εργαλείων και την εστίαση στον ταχύ πειραματισμό, ο κ. Agrawal αναφέρει ότι ο κύκλος ανάπτυξης λύσεων μπορεί να επιταχυνθεί. Οι ομάδες μαθαίνουν ότι αν ικανοποιούν τις ανάγκες των πελατών και επαναλαμβάνουν ένα ευρύτερο φάσμα λύσεων πολύ πιο γρήγορα, τότε ολόκληρος ο κύκλος καινοτομίας επιταχύνεται.
Για παράδειγμα, η Capital One χρησιμοποίησε τις γνώσεις των πελατών για να δημιουργήσει ένα υπερσύγχρονο πλαίσιο AI πολλαπλών παραγόντων, το Chat Concierge, με σκοπό τη βελτίωση της εμπειρίας των πελατών για τους αγοραστές και τους εμπόρους αυτοκινήτων. Σε μία μόνο συνομιλία, το Chat Concierge μπορεί να εκτελέσει εργασίες όπως η σύγκριση οχημάτων για να βοηθήσει τους αγοραστές αυτοκινήτων να αποφασίσουν την καλύτερη επιλογή και ο προγραμματισμός δοκιμαστικών οδηγήσεων ή ραντεβού με πωλητές.
Ο κ. Agrawal εξηγεί ότι οι αγοραστές αυτοκινήτων μπορούν να επικοινωνούν απευθείας με το Chat Concierge μέσω των ιστοσελίδων των συνεργαζόμενων αντιπροσωπειών. Οι αντιπρόσωποι έχουν πρόσβαση και μπορούν να αναλάβουν τη συνομιλία μέσω της πλατφόρμας Navigator. Ο βοηθός AI αποτελείται από πολλαπλούς λογικούς παράγοντες που συνεργάζονται για να μιμηθούν την ανθρώπινη λογική, επιτρέποντάς του να παρέχει πληροφορίες και να αναλαμβάνει δράση με βάση τα αιτήματα του πελάτη.
Τα στοιχεία μιας νοοτροπίας «AI-first»
Σύμφωνα με μια πρόσφατη έρευνα της MIT Technology Review Insights, το 70% των ηγετών δηλώνουν ότι η εταιρεία τους χρησιμοποιεί αυτόνομη AI σε κάποιο βαθμό. Περίπου οι μισοί από τους στελέχη αναφέρουν ότι τα αυτόνομα συστήματα AI είναι ιδιαίτερα ικανά να βελτιώσουν την ανίχνευση απάτης (56%) και την ασφάλεια (51%), να μειώσουν το κόστος και να αυξήσουν την αποδοτικότητα (41%), καθώς και να βελτιώσουν την εμπειρία του πελάτη (41%).
Κοιτάζοντας το μέλλον, η επίτευξη αυτών των αποτελεσμάτων φαίνεται ακόμη πιο πιθανή. Περισσότεροι από τους μισούς τραπεζικούς στελέχη που συμμετείχαν στην έρευνα δηλώνουν ότι αναμένουν να συνεχίσουν να βελτιώνουν την ανίχνευση απάτης (75%), την ασφάλεια (64%) και την εμπειρία του πελάτη (51%). Οι περιπτώσεις χρήσης αυτόνομης AI που παρουσιάζουν ισχυρές δυνατότητες μετασχηματισμού της εμπειρίας του πελάτη στις χρηματοοικονομικές υπηρεσίες περιλαμβάνουν την ανταπόκριση σε αιτήματα εξυπηρέτησης πελατών, την προσαρμογή πληρωμών λογαριασμών ώστε να ευθυγραμμίζονται με τους τακτικούς μισθούς, ή την εξαγωγή βασικών όρων και προϋποθέσεων από χρηματοοικονομικές συμφωνίες.
Η τοποθέτηση του πελάτη στο επίκεντρο ενός μετασχηματισμού απαιτεί μια νοοτροπία «AI-first». Οι εταιρείες πρέπει να μετατοπιστούν από την απλή ενίσχυση ενός υπάρχοντος προϊόντος στην ουσιαστική επανεξέταση του προβλήματος και των αναγκών του χρήστη μέσα από το πρίσμα των δυνατοτήτων της AI.
Μερικές βέλτιστες πρακτικές που προτείνει ο κ. Agrawal περιλαμβάνουν:
Επανεξέταση της βασικής λειτουργίας της AI για την επίλυση ενός προβλήματος χρήστη: «The true value isn’t in chasing the AI hype; it’s in solving meaningful customer problems. , we ensure that our innovation isn’t just fast; it’s transformative», δηλώνει ο κ. Agrawal.
Έναρξη με δεδομένα υψηλής ποιότητας και καλά διαχειριζόμενα ως θεμέλιο: «Data readiness and unified information across systems are the non-negotiable foundations of AI. A clean data layer is what orchestrates the agentic loop— enabling the perception, reasoning, and execution required to solve a customer’s problem before they even have to ask», εξηγεί ο κ. Agrawal.
Επανασχεδιασμός των ροών εργασίας με ενσωματωμένη AI από την αρχή: «People treat models as black boxes, but agentic systems require tremendous rigor and oversight. Having a data ecosystem that is well-governed and responsible AI standards are essential pillars for building trust in these systems», αναφέρει ο κ. Agrawal.
Δημιουργία μιας διαλειτουργικής ομάδας που περιλαμβάνει επιστήμη δεδομένων, μηχανική, προϊόν, σχεδιασμό και άλλους συνεργάτες: Ο κ. Agrawal συμβουλεύει, «It’s important to be open and nimble to transforming how we work and create impact as AI becomes more integrated into workflows. It’s also important to take a ‘crawl, walk, run approach’ if you are new to AI, as opposed to simply jumping into it.»
Τελικά, η επίτευξη ενός ολοκληρωμένου μετασχηματισμού εξαρτάται από την ενδυνάμωση των μηχανικών και των συνεργαζόμενων ομάδων να ξεκινούν από τις ανάγκες των πελατών και να αναπτύσσουν τεχνολογικές λύσεις με βάση αυτές, αντί να ξεκινούν πρώτα από τις τεχνολογικές δυνατότητες και να αναζητούν εφαρμογές για αυτές. Όταν οι οργανισμοί υιοθετούν μια προσέγγιση με επίκεντρο τον πελάτη ως δεύτερη φύση, είναι σε θέση όχι μόνο να επαναπροσδιορίσουν την εμπειρία του πελάτη εκ των έσω, αλλά και να τοποθετήσουν τον πελάτη στο επίκεντρο από την αρχή.
Αυτό το περιεχόμενο δημιουργήθηκε από το τμήμα προσαρμοσμένου περιεχομένου του MIT Technology Review. Δεν γράφτηκε από το συντακτικό προσωπικό του. Ερευνήθηκε, σχεδιάστηκε και γράφτηκε από συντάκτες, αναλυτές και εικονογράφους. Αυτό περιλαμβάνει τη συγγραφή ερευνών και τη συλλογή δεδομένων για έρευνες. Τα εργαλεία AI που ενδέχεται να χρησιμοποιήθηκαν περιορίστηκαν σε δευτερεύουσες διαδικασίες παραγωγής που πέρασαν από ενδελεχή ανθρώπινη αναθεώρηση.
