إطلاق العنان للإنتاجية: تعرف على كيفية قيام الذكاء الاصطناعي بتعزيز إنتاجية فريق خدمة العملاء بنسبة 14٪ ، وفقًا لباحثي ستانفورد ومعهد ماساتشوستس للتكنولوجيا
نشرت: 2023-05-12ماذا يحدث عندما يلتقي الذكاء الاصطناعي التوليدي في مكان العمل؟ في هذه الحلقة الخاصة ، نتعمق في دراسة رائدة حيث يعيد البشر المدعومون بالذكاء الاصطناعي تحديد حدود الإنتاجية.
ربما حظي الذكاء الاصطناعي التوليدي باهتمام كبير من الجمهور ، ومع ذلك ، حتى الآن ، لا تزال آثاره الاقتصادية في العالم الحقيقي غير مستكشفة إلى حد كبير. على الرغم من الإشارات الواعدة في سيناريوهات الاختبار ، فإن أي فائدة فورية من وجهة نظر العمل تبدو بعيدة المنال ، حتى الآن.
أجرى باحثون من جامعة ستانفورد ومعهد ماساتشوستس للتكنولوجيا دراسة لمدة عام لقياس التأثير الواقعي للذكاء الاصطناعي التوليدي بين أكثر من 5000 وكيل خدمة عملاء في شركة برمجيات Fortune 500 ، وكانت النتائج في. زادت إنتاجية عمال خدمة العملاء بنسبة 14٪ في متوسط ، مع قفزة مذهلة بنسبة 35٪ بين العمال الأحدث والأدنى أداءً.
حلل نظام الذكاء الاصطناعي ، الذي جمع بين نموذج تعلم لغة GPT الخاص بـ OpenAI وخوارزميات التعلم الآلي ، المحادثات بين أصحاب الأداء العالي وقارن تلك المحادثات مع أصحاب الأداء المنخفض. ثم قام بإنشاء اقتراحات في الوقت الفعلي حول كيفية الاستجابة للعملاء ، مما أدى إلى تقليل وقت معالجة الدردشة وزيادة معدلات دقة الدردشة وتحسين رضا العملاء. في الواقع ، يمكن لوكلاء خدمة العملاء المعينين حديثًا ، بمساعدة الذكاء الاصطناعي ، أن يؤدوا أداءً جيدًا مثل الوكلاء الذين لديهم ستة أشهر من الخبرة في العمل بدون الذكاء الاصطناعي.
في حلقة اليوم ، أتيحت لنا الفرصة للدردشة مع MIT Ph.D. المرشحة ليندسي ريموند ، أحد الباحثين وراء الدراسة الرائدة ، حول عملهم والأثر التحويلي للذكاء الاصطناعي في مكان العمل.
هل لديك وقت قصير؟ فيما يلي بعض النقاط الرئيسية:
- يزدهر الذكاء الاصطناعي التوليدي بالبيانات الوفيرة ، وهو ما يجعل دعم العملاء ، بما يتمتع به من ثروة من البيانات النصية ، قطاعًا رئيسيًا لتطوير أدوات الذكاء الاصطناعي.
- تعد فجوة الإنتاجية بين وكلاء الدعم ذوي الأداء الأفضل والأدنى ، بالإضافة إلى زيادة الاعتماد على مراكز الاتصال ، من العوامل الرئيسية للتحسينات في صناعة خدمة العملاء.
- استفاد العمال ذوو المهارات المنخفضة أكثر من أداة الذكاء الاصطناعي ، حيث ساعدتهم على تبني أفضل الممارسات التي لم يكتشفوها بأنفسهم بعد.
- يمكن أن تدعم مكاسب الإنتاجية الكبيرة التي يتيحها الذكاء الاصطناعي ، مثل تحسين حل المشكلات وإرضاء العملاء ، ارتفاع أسبوع العمل لمدة أربعة أيام.
إذا كنت تستمتع بالمناقشة ، فتحقق من المزيد من حلقات البودكاست الخاص بنا. يمكنك متابعة Apple Podcasts أو Spotify أو YouTube أو الحصول على موجز RSS في المشغل الذي تختاره. ما يلي هو نسخة منقحة قليلاً من الحلقة.
إحداث موجات في دعم العملاء
حسام جيراغتي: أهلاً ومرحبًا بكم في Inside Intercom. أنا ليام جيراغتي. من الجنون الاعتقاد بأن ChatGPT الخاص بـ Open AI تم إطلاقه قبل شهرين فقط. السرعة التي أصبح بها الذكاء الاصطناعي جزءًا من حياتنا هي شيء لا يمكن لأحد أن يتوقعه. لقد بدأت بالفعل في تحويل خدمة العملاء ومساحة الدعم.
"الإنسان والآلة أفضل من الآلة ، والتي بدورها أفضل من الإنسان. أعتقد أن هذا ما أراه في عالم الدعم هذا "
تحدث المؤسس المشارك لـ Intercom Des Traynor عن اعتقاده بأن مستقبل علوم الكمبيوتر هو الأتمتة وأن البشر والروبوتات والأدمغة يعملون معًا في حلقة حديثة من البودكاست الخاص بنا.
ديس ترينور: الإنسان والآلة أفضل من الآلة ، والتي بدورها أفضل من الإنسان. أعتقد أن هذا ما أراه في عالم الدعم هذا. أعتقد أنه سيكون لديك بشر يتحكمون في النهاية في الذكاء الذي يعمل عليه الذكاء الاصطناعي.
ليام جيراغتي: لقد انغمس العديد من قادة دعم العملاء مباشرة في الذكاء الاصطناعي وهم يسبحون في مياهه التوليدية. لكن الآخرين ، في حين أنهم متحمسون ، يغمسون أصابعهم فقط ، ويشعرون ببعض الرهبة.
حسنًا ، بالنسبة إلى أي من غطاس أصابع القدم ، قد تكون مهتمًا بسماع دراسة جديدة أجراها باحثون في جامعة ستانفورد ومعهد ماساتشوستس للتكنولوجيا ، كل شيء عن الذكاء الاصطناعي التوليدي في العمل ، مع بعض النتائج المثيرة للاهتمام حقًا. أجرى الدراسة إريك برينجولفسون ودانييل لي وليندسي رايموند.
رؤى من الذكاء الاصطناعي التوليدي في مكان العمل
Lindsey Raymond: اسمي Lindsey Raymond. أنا طالبة دراسات عليا في معهد ماساتشوستس للتكنولوجيا.
Liam Geraghty: تدرس Lindsey وزملاؤها تأثير أدوات الذكاء الاصطناعي التوليدية على الإنتاجية في شركة Fortune 500. إنها المرة الأولى التي يتم فيها قياس تأثير هذه الأدوات على العمل خارج إعداد المختبر.
ليندسي رايموند: فكرة الذكاء الاصطناعي التوليدية بحد ذاتها جديدة تمامًا. فيما يتعلق بما درسه الناس ، كان هناك بعض العمل حول كيفية أداء هذه الأدوات في أشياء مثل امتحان البار.
Liam Geraghty: منظمة العفو الدولية حطمت امتحان النقابة.
ليندسي ريموند: أو امتحانات الترميز ، فحوصات مخبرية للغاية للقدرات. ودراستنا هي الأولى التي تقول ما يحدث عندما تدرس ما يمكن أن تفعله هذه الأدوات في مكان عمل حقيقي وعلى مدار فترة زمنية طويلة لأن دراستنا تحدث على مدار العام.
حسام جيراغتي: إذن ما الذي كانت تدور حوله الدراسة بالضبط؟
Lindsey Raymond: ننظر إلى أداة قائمة على الذكاء الاصطناعي مصممة لمساعدة العاملين في مجال الدعم الفني عند حل مشكلات الدعم الفني للأشخاص.
ليام جيراغتي: يبدو الأمر مألوفًا!
Lindey Raymond: أخبرهم بما يجب أن يقولوه ، وكيفية حل مشكلة الدعم الفني المحددة ، وكذلك إرشادات حول كيفية توصيل ذلك إلى العميل.
يحتاج الذكاء الاصطناعي التوليدي إلى الكثير من البيانات للعمل بشكل جيد حقًا. إذا نظرت إلى قطاع من الاقتصاد حيث يوجد تغلغل كبير مقارنة بأي مكان آخر ، فإن دعم العملاء هو هذا المجال "
ونقوم بتحليل الاختلاف في الفروق - طرح بطيء جدًا لهذه الأداة عبر الأشخاص بمرور الوقت حتى نتمكن من محاولة الوصول إلى التأثير السببي للأداة. نحن نبحث عن عمال يقدمون دعمًا تقنيًا لشركة Fortune 500 تقوم بأعمال تجارية صغيرة وبرامج محاسبة في الغالب للشركات الصغيرة في الولايات المتحدة.
Liam Geraghty: لقد نظروا في الكثير من النتائج المختلفة ، مثل مدى سرعة حل الأشخاص للمكالمات ، وعدد المشكلات التي يمكنهم حلها ، ورضا العملاء ، بالإضافة إلى بعض الأشياء التي تمثل تغييرًا مؤسسيًا أكبر.
ليندسي ريموند: كيف يؤثر ذلك على معدل دوران الموظفين؟ كيف يؤثر ذلك على عدد المرات التي يتحدثون فيها مع بعضهم البعض أو مع مديريهم؟
Liam Geraghty: قد تتساءل لماذا ، من بين جميع المجالات المحتملة للذكاء الاصطناعي التوليدي ، اختارت Lindsey وزملاؤها دعم العملاء للتركيز عليها.
"هناك اختلافات هائلة في الإنتاجية بين وكلاء خدمة العملاء الأفضل أداءً والوكلاء ذوي الأداء المنخفض"
ليندسي ريموند: يحتاج الذكاء الاصطناعي التوليدي إلى الكثير من البيانات للعمل بشكل جيد حقًا. إذا نظرت إلى قطاع من الاقتصاد حيث يوجد تغلغل كبير بالنسبة إلى أي مكان آخر ، فإن دعم العملاء هو هذا المجال. كان هناك قدر مذهل من النشاط للطرح الفعلي لهذه الأدوات وتطويرها. وذلك بسبب وجود الكثير من البيانات في هذا المجال ، خاصة البيانات النصية.
يرتبط الكثير منها تلقائيًا بالنتائج - ما مدى سرعة حل هذا العامل لهذه المشكلة؟ وهناك أيضًا مجال كبير للتحسين. إنها حقيقة معروفة جيدًا أن هناك اختلافات هائلة في الإنتاجية بين وكلاء خدمة العملاء الأفضل أداءً والوكلاء ذوي الأداء المنخفض. إنه أيضًا مجال حدث فيه هذا التحول الهائل لعمل المزيد مع مراكز الاتصال على مدار العامين الماضيين. وبالتالي ، فهي منطقة تحتاج فيها الأعمال التجارية الكبيرة إلى تحسين هذا المجال.
من صفر إلى بطل
ليام جيراغتي: لذلك ، على مدار عام ، درسوا كل هذا باستخدام بيانات من 5179 من وكلاء دعم العملاء. وما وجدوه مثير للاهتمام.
ليندسي ريموند: الرقم الرئيسي هو أن الوصول إلى الذكاء الاصطناعي ، في المتوسط ، أدى إلى تحسين الإنتاجية بنسبة 14٪ ، لكن هذا يخفي الكثير من عدم التجانس. بالنسبة للعمال الأقل خبرة والأقل مهارة ، فقد تحسن بالفعل بنسبة 35٪. العمال الأكثر خبرة وإنتاجية لا يرون أي تأثير تقريبًا.
ليام جيراغتي: إذن ، فإن المكاسب تعود بشكل غير متناسب إلى العمال الأقل خبرة والأقل مهارة. لماذا يحدث ذلك؟
ليندسي ريموند: أعتقد أن هذا ربما يكون الجزء الأكثر إثارة للاهتمام من الدراسة. تستخدم أي أداة قائمة على التعلم الآلي مجموعة بيانات تدريبية وتبحث عن أنماط في البيانات. لذلك أنت ، كمبرمج ، لا تقل ، "حسنًا ، أعرف أن هذه العبارة تعمل جيدًا ، لذا افعل هذا ، وأنا أعلم أن هذا هو الحل المشترك لهذه المشكلة ، وهذا هو الحل المشترك لهذه المشكلة ،" و تضع هذه المعلومات في برنامجك. هذه ليست الطريقة التي يعمل بها ML.
"إن العمال الجدد جدًا أو في أسفل ترتيب الإنتاجية هم الذين يستفيدون حقًا من هذه الاقتراحات لأن هذه هي الأشياء التي لم يكتشفوا كيفية القيام بها بعد"
في إطارنا ، على وجه التحديد ، تنظر الأداة في محادثات أصحاب الأداء العالي وتقارن تلك المحادثات مع أصحاب الأداء المنخفض. إنه يبحث عن الاختلافات بين ما يفعله أصحاب الأداء العالي والمنخفض المرتبط بالنتائج الناجحة. ما هي الطريقة التي يستقبلون بها العملاء؟ ما هي الحلول التي يقترحونها؟ كيف يبدؤون في طرح أسئلة التشخيص؟ بعد ذلك ، يأخذ كل هذه الأشياء ويحولها إلى اقتراحات يقدمها للجميع. يقدم العمال ذوو المهارات العالية المحتوى للذكاء الاصطناعي - هذه في الغالب أشياء يقومون بها بالفعل لأن هذا هو المكان الذي يتعلم فيه الذكاء الاصطناعي ذلك. عندما يكون لديك أداة تقترح عليك القيام بأشياء تقوم بها بالفعل ، فمن المحتمل أنك لن ترى تأثيرات إنتاجية ضخمة من الوصول إلى هذه الأداة. إن العمال الجدد جدًا أو في أسفل تصنيف الإنتاجية هم الذين يستفيدون حقًا من هذه الاقتراحات لأن هذه هي الأشياء التي لم يكتشفوا كيفية القيام بها بعد. إن العمال ذوي المهارات المنخفضة هم الذين يتغيرون كثيرًا ويبدأون في الاقتراب أكثر من التواصل مثل العمال ذوي المهارات العالية.
ما نعتقد أنه يحدث هو نشر أفضل الممارسات التي أتاحها الذكاء الاصطناعي. وهذا هو السبب في أننا نرى زيادة الإنتاجية الكبيرة حقًا للعمال ذوي المهارات المنخفضة وعديمي الخبرة وليس كثيرًا بالنسبة للعمال ذوي المهارات العالية. وهذا ، كما نعتقد ، هو مجرد وظيفة للطريقة التي يعمل بها التعلم الآلي.
"في أي دراسة ترى فيها زيادة في الإنتاجية بنسبة 35٪ ، يكون هذا أمرًا مروعًا للغاية. يمكنك أن تتخيل الذهاب إلى أسبوع العمل لمدة أربعة أيام مع هذه التأثيرات "
ليام جيراغتي: هل فوجئت بالنتائج؟
ليندسي ريموند: هذا سؤال رائع. في أي دراسة ترى فيها زيادة في الإنتاجية بنسبة 35٪ ، هذا أمر مروع للغاية. يمكنك أن تتخيل الذهاب إلى أسبوع العمل لمدة أربعة أيام مع هذه التأثيرات. أعتقد أن هذا كان مفاجئًا جدًا بعيدًا عن الخفافيش. حقيقة أننا رأينا التأثيرات ليس فقط في تعامل العمال مع المكالمات بشكل أسرع قليلاً ، ولكن أيضًا في تحسين حصة المشكلات التي يقومون بحلها ، والتي تعد نتيجة قائمة على المعرفة ، تمكّنهم من حل المشكلات التي لم تكن كذلك. القدرة على حلها من قبل. وبعد ذلك ، نرى زيادات كبيرة جدًا في رضا العملاء. كانت تلك ، على ما أعتقد ، مفاجئة.
ليام جيراغتي: هل تعتقد أن الذكاء الاصطناعي سيكون قادرًا على المشاركة والقيام بهذه الأنواع من الدراسات؟
ليندسي ريموند: نعم ، على الأرجح. أنا متأكد من وجود ذكاء اصطناعي توليدي يمكنه كتابة الأوراق الاقتصادية بشكل أفضل مما يمكنني كتابتها.
ليام جيراغتي: ليندسي ، شكرًا جزيلاً لك على التحدث معي اليوم.
ليندسي ريموند: نعم ، بالتأكيد. كان من دواعي سروري.