АВТОМАТИЗАЦИЯ И РОБОТИЗАЦИЯ


42 страницы

10 диаграмм и таблиц

54% участников исследования утверждают, что менее 10% их CX активности обрабатывается с помощью роботизированных и/или решений с применением ИИ

Для 99% участников проникновение этих технологий составляет не более 50%.


В ближайшие 2 года полностью автоматизировать более 50% своих CX активностей, которые сегодня поддерживаются людьми, планируют 18% организаций

Пойти дальше и оставить людям оперировать только четвертью своих CX активностей планируют менее 1%.


Три четверти организаций (75%) считают, что роботизация и ИИ окажут положительное влияние на операционное взаимодействие с клиентами

61% считают, что положительное влияние будет оказано на бизнес аналитику (BI) и клиентский анализ; функции операционной поддержки и бэк-офиса являются областями, где ожидается наименьшее положительное влияние этих технологий.


Лишь 27% предприятий считают, что их решения AI и RPA оправдывают их ожидания или даже превосходят их

20% организаций сомневаются в достижении ожидаемых результатов, а еще 5% полностью разочарованы.


ПЕРЕХОД ОТ ПРОВЕРКИ КОНЦЕПЦИИ К РЕАЛИЗАЦИИ

Передовые цифровые технологии, такие как ИИ и машинное обучение, всё ещё находятся в стадии развития. Конечно, их уже нельзя игнорировать, но они пока всё ещё не могут составить основу для долгосрочного плана цифрового развития и трансформации. Постепенный путь, который начинается с роботизированной автоматизации процессов (RPA), затем переходит к голосовым ботам на основе правил и, наконец, к автоматизации на основе ИИ, должен стать основой долгосрочного плана.

Насколько легко интегрируются технологии автоматизации с базовым набором технологий управления клиентским опытом (CX)?

Лишь небольшая дола организаций инвестируют свои средства в автоматизацию рабочего пространства сотрудников (DWA - digital workforce automation), такую, например, как RPA, но всё это лишь очень небольшая доля в автоматизации процессов управления CX.

Интеграция технологий автоматизации в базовый набор технологий CX все еще не является мейнстримом. Плагины, виджеты разработчиков решений всё ещё недостаточно надежны, чтобы их можно было массово внедрять без существенной доработки.

Как показывают результаты нашего исследования менее 1% организаций автоматизировали более трех четвертей своих CX активностей.

Принцип «включи и автоматизируй» не работает

Остерегайтесь утверждений о том, что средства автоматизации могут быть настроены разработчиком в одночасье без необходимости в технической команде и стратегии развертывания. Даже для самых простых решений PRA по окончанию проекта, вам, возможно, придется умерить свои ожидания.

Примите во внимание следующее:

  • сколько времени потребуется, чтобы полностью освоить все возможности и нюансы нового инструмента для автоматизации?
  • готова ли ваш процесс для автоматизации или нуждается в изменениях для того, чтобы эффективно использовать новое решение?
  • какие подходы вы будете использовать для покупки и запуска технологии?
  • как защитить системы и защитить данные, которые собираются и обрабатываются через ваш брандмауэр?
  • будет ли используемая платформа и процесс, который вы планируете автоматизировать, существовать достаточно долго, чтобы получить положительный возврат инвестиций от процесса автоматизации?

По мере развития технологий автоматизации и роботизации решение проблем кибербезопасности и этики применимости и допустимости будут приняты основными разработчиками и поставщиками CX технологий и станут еще одним уровнем в архитектуре CX технологий.

Где мы находимся на кривой принятия новых технологий?

Как известно, требуется определенное время, чтобы инновации перешли по кривой принятия из области тестирования в область массового использования. Проблемы парсинга естественной речи, анализа языка и настроений - все это необходимо для содержательного разговора бота и человека - значительно усложнили автоматизацию задач для фронт-офиса, в отличие от бэк- и мидл-офисов, где эти проблемы не препятствовали более глубокому проникновению автоматизации и роботизации многих процессов. Поэтому CX пространство, фронт-лайн уже несколько лет отстает от внедрения комплексной автоматизации, включая глубокое обучение[1] и другие технологии на основе искусственного интеллекта. Тем не менее, кажется, что качественно следует аналогичной кривой восприятия инноваций.

Организации, планирующие автоматизировать от 26% до 50% своих CX процессов, управляемых сегодня человеком, в течение следующих двух лет: 2019 год: 29%, 2020: 41%

Показательный кейс «сложного» внедрения автоматизации процессов в одном из крупных международных контактных центров

Одна из компаний, входящая в пятерку крупнейших мировых брендов в области здравоохранения, имеет десятки тысяч операторов в своем распределенном контактном центре. В соответствии с бизнес-процессом операторы должны очень тщательно проводить поствызывную обработку каждого контакта, так как данные после обработки могут быть использованы для разрешения возможных споров. Таким образом, среднее время обработки звонка в этом КЦ превышало 10 минут. Команда одного из крупнейших в мире системных интеграторов в партнерстве с очень известным разработчиком создали алгоритм автоматизации, который сочетал в себе распознавание речи, обработку естественного языка и машинное обучение для автоматизации этого процесса. Проведенные многочисленные лабораторные и пилотные запуски доказывали, что анкета по итогам звонка может быть корректно заполнена в течение менее, чем 1 минуты, включая быструю проверку данных «живым» оператором.

Однако, когда было принято решение перейти от пилотного проекта к запуску в производство, реальность оказалась совершенно иной. Различные сетевые проблемы, даже окружающий шум в контакт-центре, неисчислимая перестановка коннотаций в диалогах, интонаций и региональных акцентов в сочетании с серьезными юридическими проблемами задержали реализацию проекта более чем на 18 месяцев.

Неожиданные проблемы с внедрением и применением могут возникнуть с любой новой трансформационной технологией. Эти проблемы необходимо систематически идентифицировать и изучать с помощью моделирования, прототипирования, иначе существует реальная опасность того, что технология или проект может стать неудачными после промышленного запуска.

Ожидания от AI и RPA в области CX очень высоки, но путь от лаборатории до продакшена часто очень длинный

Автоматизация и роботизация процессов CX часто сталкивается с неудачами на этапе прототипирования или проверки концепции (PoC – proof of concept)[2]. После чего проекты так и не доходят до продакшена. Это объясняет, почему только 27% организаций считают, что их решения по автоматизации и роботизации CX соответствуют их ожиданиям или даже превосходят их.

Беспокойство по поводу использования ИИ в продакшене в некоторой степени оправдано. Пока что глубокое обучение решило только конкретные, строго контролируемые проблемы. Результаты пилотных проектов были очень сдержаны. Алгоритмы глубокого обучения, такие как нейронные сети, чрезвычайно сложны и не поддаются интуитивному человеческому пониманию. Это создаёт определенные трудности и неопределенность, например, как технологии ИИ будут реагировать на исключения за пределами лабораторий, в которых они разрабатываются и контролируются.

День, когда ИИ будет применяться в нашей повседневной жизни, включая фронт-офисные процессы, еще очень далеко. Тем не менее, будьте осторожны, чтобы поддаться волне хайпа вокруг ИИ. Гуманизируйте технологии - рассматривайте их как способ улучшить нашу жизнь, а не управлять её. Прежде всего, будьте прагматичны и терпеливы в своих подходах.


[1] Глубокое обучение (глубинное обучение; англ. Deep learning) — совокупность методов машинного обучения, основанных на обучении представлениям (англ. feature/representation learning), а не специализированным алгоритмам под конкретные задачи.

[2] Проверка концепции (англ. Proof of concept, PoC — доказательство [осуществимости] концепции[1]) — демонстрация практической осуществимости какого-либо метода, идеи, технологии, реализуемости с целью доказательства факта, что метод, идея или технология работают[2]. В рамках демонстрации строится небольшой прототип, опытный образец, математическая или компьютерная модель, не обязательно являющиеся полноценными продуктами (что отличает проверку концепции от минимально жизнеспособного продукта), но подтверждающие принципиальную возможность создания таковых.

 


СТОИМОСТЬ ОТЧЕТА:  ОДИН РАЗДЕЛ - 4 900 ₽  | ВСЕ РАЗДЕЛЫ - 32 900 ₽

СТОИМОСТЬ ОТЧЕТА:

ОДИН РАЗДЕЛ
4 900 ₽

ВСЕ РАЗДЕЛЫ
32 900 ₽

 

 

 

СПОНСОРЫ РАЗДЕЛА