ปลดปล่อยประสิทธิภาพการทำงาน: เรียนรู้ว่า AI ช่วยเพิ่มประสิทธิภาพการทำงานของทีมบริการลูกค้าได้ถึง 14% ตามรายงานของนักวิจัยจาก Stanford และ MIT

จะเกิดอะไรขึ้นเมื่อ AI เจเนอเรทีฟมาพบกับที่ทำงาน ในตอนพิเศษนี้ เราดำดิ่งสู่การศึกษาที่ก้าวล้ำเมื่อมนุษย์ที่ได้รับความช่วยเหลือจาก AI ได้กำหนดขอบเขตของประสิทธิภาพการทำงานใหม่

AI เจเนอเรทีฟอาจได้รับความสนใจอย่างมากจากสาธารณชน แต่ ณ ตอนนี้ ผลกระทบทางเศรษฐกิจในโลกแห่งความเป็นจริงยังคงไม่ได้รับการสำรวจเป็นส่วนใหญ่ แม้จะมีสัญญาณที่ดีในสถานการณ์การทดสอบ แต่ผลประโยชน์ในทันทีจากมุมมองทางธุรกิจก็ดูเหมือนไกลเกินเอื้อมจนถึงตอนนี้

นักวิจัยจาก Stanford University และ MIT ได้ทำการศึกษาเป็นเวลาหนึ่งปีเพื่อวัดผลกระทบในโลกแห่งความเป็นจริงของ AI เชิงกำเนิดในตัวแทนฝ่ายบริการลูกค้ากว่า 5,000 รายที่บริษัทซอฟต์แวร์ที่ติดอันดับ Fortune 500 และผลลัพธ์ที่ได้คือ ผลิตภาพของพนักงานบริการลูกค้าเพิ่มขึ้น 14% โดยเฉลี่ยโดยมีจำนวนเพิ่มขึ้น 35% ท่ามกลางผู้ปฏิบัติงานใหม่ล่าสุดหรือผู้ปฏิบัติงานที่มีประสิทธิภาพต่ำที่สุด

ระบบ AI ซึ่งรวมโมเดลการเรียนรู้ภาษา GPT ของ OpenAI เข้ากับอัลกอริธึมการเรียนรู้ของเครื่อง วิเคราะห์การสนทนาระหว่างผู้ที่มีประสิทธิภาพสูงและเปรียบเทียบการสนทนากับผู้ที่มีผลการเรียนต่ำ จากนั้นจึงสร้างคำแนะนำตามเวลาจริงเกี่ยวกับวิธีตอบกลับลูกค้า ซึ่งจบลงด้วยการลดเวลาในการจัดการแชท เพิ่มอัตราการแก้ปัญหาในการแชท และปรับปรุงความพึงพอใจของลูกค้า ในความเป็นจริง ตัวแทนฝ่ายบริการลูกค้าที่ได้รับการว่าจ้างใหม่สามารถทำงานโดยปราศจาก AI ได้โดยใช้ความช่วยเหลือจาก AI เช่นเดียวกับตัวแทนที่มีประสบการณ์หกเดือน

ในตอนของวันนี้ เราได้มีโอกาสสนทนากับ MIT Ph.D. ลินด์เซย์ เรย์มอนด์ ผู้สมัครรับเลือกตั้ง ซึ่งเป็นหนึ่งในนักวิจัยที่อยู่เบื้องหลังการศึกษาที่ก้าวล้ำ เกี่ยวกับงานของพวกเขาและผลกระทบที่เปลี่ยนแปลงของ AI ในที่ทำงาน

สั้นตรงเวลา? นี่คือประเด็นสำคัญบางประการ:

• AI เจนเนอเรชันเติบโตได้จากข้อมูลที่มีอยู่มากมาย ซึ่งเป็นสิ่งที่ทำให้การสนับสนุนลูกค้ามีข้อมูลข้อความมากมาย ซึ่งเป็นภาคส่วนหลักสำหรับการพัฒนาเครื่องมือ AI
• ช่องว่างด้านประสิทธิภาพระหว่างตัวแทนสนับสนุนที่มีประสิทธิภาพสูงสุดและประสิทธิภาพต่ำ ตลอดจนการพึ่งพาศูนย์ติดต่อที่เพิ่มขึ้น เป็นตัวขับเคลื่อนหลักสำหรับการปรับปรุงในอุตสาหกรรมการบริการลูกค้า
• พนักงานที่มีทักษะต่ำจะได้รับประโยชน์สูงสุดจากเครื่องมือ AI เนื่องจากช่วยให้พวกเขาปรับใช้แนวทางปฏิบัติที่ดีที่สุดที่พวกเขายังไม่สามารถค้นพบได้ด้วยตนเอง
• ประสิทธิภาพการทำงานที่เพิ่มขึ้นอย่างมากจาก AI เช่น การแก้ปัญหาที่ดีขึ้นและความพึงพอใจของลูกค้า อาจสนับสนุนการเพิ่มขึ้นของการทำงานสี่วันต่อสัปดาห์

หากคุณชอบการสนทนา ลองดูตอนอื่นๆ ของพอดแคสต์ของเรา คุณสามารถติดตาม Apple Podcasts, Spotify, YouTube หรือคว้าฟีด RSS ในเครื่องเล่นที่คุณเลือก สิ่งต่อไปนี้คือการถอดเทปของตอนนี้เล็กน้อย

สร้างกระแสในการสนับสนุนลูกค้า

Liam Geraghty: สวัสดีและยินดีต้อนรับสู่ Inside Intercom ฉันชื่อเลียม เกราตี เป็นเรื่องบ้าที่จะคิดว่า ChatGPT ของ Open AI เพิ่งเปิดตัวเมื่อสองสามเดือนก่อน ความเร็วที่ AI เข้ามาเป็นส่วนหนึ่งของชีวิตเราเป็นสิ่งที่ไม่มีใครคาดเดาได้ มันเริ่มเปลี่ยนการบริการลูกค้าและพื้นที่สนับสนุนแล้ว

“มนุษย์บวกเครื่องจักรดีกว่าเครื่องจักร ซึ่งก็ดีกว่ามนุษย์ด้วย ฉันคิดว่านั่นคือสิ่งที่ฉันเห็นในโลกแห่งการสนับสนุนนี้”

Des Traynor ผู้ร่วมก่อตั้ง Intercom พูดคุยเกี่ยวกับการที่เขาเชื่อว่าอนาคตของ CS คือระบบอัตโนมัติและมนุษย์ บอท และสมองทำงานร่วมกันในตอนล่าสุดของพอดคาสต์ของเรา

Des Traynor: มนุษย์บวกเครื่องจักรดีกว่าเครื่องจักร ซึ่งก็ดีกว่ามนุษย์ด้วย ฉันคิดว่านั่นคือสิ่งที่ฉันเห็นในโลกแห่งการสนับสนุนนี้ ฉันคิดว่าในที่สุดคุณจะมีมนุษย์ควบคุมความฉลาดที่ AI ทำงาน

Liam Geraghty: ผู้นำฝ่ายสนับสนุนลูกค้าหลายคนสนใจ AI และกำลังแหวกว่ายอยู่ในกระแสกำเนิดของมัน แต่คนอื่น ๆ ในขณะที่ตื่นเต้นก็เพียงจุ่มเท้าเข้าไปรู้สึกกลัวเล็กน้อย

สำหรับคุณแล้ว คุณอาจสนใจฟังเกี่ยวกับการศึกษาใหม่โดยนักวิจัยที่ Stanford University และ Massachusetts Institute of Technology เกี่ยวกับ AI กำเนิดในที่ทำงาน พร้อมการค้นพบที่น่าสนใจ การศึกษาดำเนินการโดย Eric Brynjolfsson, Danielle Li และ Lindsey Raymond

ข้อมูลเชิงลึกจาก AI กำเนิดในที่ทำงาน

ลินด์เซย์ เรย์มอนด์: ฉันชื่อลินด์เซย์ เรย์มอนด์ ฉันเป็นนักศึกษาปริญญาโทที่ MIT

Liam Geraghty: Lindsey และเพื่อนร่วมงานศึกษาผลกระทบของเครื่องมือ AI เชิงสร้างสรรค์ต่อประสิทธิภาพการทำงานในบริษัทที่ติดอันดับ Fortune 500 นับเป็นครั้งแรกที่มีการวัดผลกระทบของเครื่องมือเหล่านี้ในการทำงานนอกสถานที่ในห้องปฏิบัติการ

ลินด์ซีย์ เรย์มอนด์: แนวคิดเรื่อง AI กำเนิดนั้นค่อนข้างใหม่ ในแง่ของสิ่งที่ผู้คนศึกษา มีการทำงานบางอย่างเกี่ยวกับวิธีการทำงานของเครื่องมือเหล่านี้ในสิ่งต่างๆ เช่น การสอบเนติบัณฑิต

Liam Geraghty: AI ทำลายข้อสอบเนติบัณฑิต

ลินด์เซย์ เรย์มอนด์: หรือการสอบเขียนโค้ด การสอบวัดความสามารถในห้องปฏิบัติการ และเราเป็นคนแรกที่บอกว่าจะเกิดอะไรขึ้นเมื่อคุณศึกษาว่าเครื่องมือเหล่านี้ทำอะไรได้บ้างในที่ทำงานจริงและในระยะเวลาอันยาวนาน เพราะการศึกษาของเราเกิดขึ้นตลอดทั้งปี

Liam Geraghty: แล้วการศึกษาเกี่ยวกับอะไรกันแน่?

ลินด์ซีย์ เรย์มอนด์: เราพิจารณาเครื่องมือที่สร้างจาก AI ซึ่งออกแบบมาเพื่อช่วยพนักงานสนับสนุนด้านเทคนิคเมื่อพวกเขาแก้ปัญหาการสนับสนุนทางเทคนิคของผู้คน

Liam Geraghty: ฟังดูคุ้นๆ นะ!

ลินดีย์ เรย์มอนด์: บอกพวกเขาทั้งสองว่าจะพูดอะไร วิธีแก้ปัญหาเฉพาะด้านการสนับสนุนด้านเทคนิค และคำแนะนำเกี่ยวกับวิธีที่พวกเขาควรสื่อสารเรื่องนั้นกับลูกค้า

“Generative AI ต้องการข้อมูลจำนวนมากเพื่อให้ทำงานได้ดีจริงๆ หากคุณดูที่ภาคส่วนเศรษฐกิจที่มีการเจาะระบบสูงเมื่อเทียบกับที่อื่น ๆ การสนับสนุนลูกค้าก็คือพื้นที่นั้น”

และเราทำการวิเคราะห์ความแตกต่างในความแตกต่าง ซึ่งเป็นการเปิดตัวเครื่องมือนี้ช้ามากสำหรับผู้คนเมื่อเวลาผ่านไป เพื่อให้เราสามารถพยายามรับผลเชิงสาเหตุของเครื่องมือ เรากำลังมองหาพนักงานที่ให้การสนับสนุนด้านเทคนิคสำหรับบริษัทที่ติดอันดับ Fortune 500 ซึ่งทำธุรกิจขนาดเล็กและซอฟต์แวร์บัญชีสำหรับธุรกิจขนาดเล็กในสหรัฐอเมริกาเป็นส่วนใหญ่

Liam Geraghty: พวกเขาดูที่ผลลัพธ์ที่แตกต่างกันมากมาย เช่น วิธีที่ผู้คนแก้ไขปัญหาการโทรได้เร็วเพียงใด ปัญหาที่พวกเขาสามารถแก้ไขได้ ความพึงพอใจของลูกค้า ตลอดจนบางสิ่งที่เปลี่ยนแปลงองค์กรมากขึ้น

ลินด์ซีย์ เรย์มอนด์: สิ่งนี้ส่งผลต่อการหมุนเวียนของพนักงานอย่างไร สิ่งนี้ส่งผลต่อความถี่ที่พวกเขาพูดคุยกันหรือกับผู้จัดการอย่างไร

Liam Geraghty: คุณอาจสงสัยว่าทำไม Lindsey และเพื่อนร่วมงานของเธอจึงเลือกการสนับสนุนลูกค้าเพื่อมุ่งเน้นในประเด็นที่เป็นไปได้ทั้งหมดของ AI

“มีความแตกต่างด้านประสิทธิภาพการทำงานค่อนข้างมากระหว่างเจ้าหน้าที่ฝ่ายบริการลูกค้าที่มีผลงานยอดเยี่ยมกับเจ้าหน้าที่ที่ให้บริการที่มีผลงานต่ำ”

ลินด์เซย์ เรย์มอนด์: เจเนอเรทีฟเอไอต้องการข้อมูลจำนวนมากเพื่อให้ทำงานได้ดีจริงๆ หากคุณดูภาคส่วนของเศรษฐกิจที่มีการแทรกซึมสูงเมื่อเทียบกับที่อื่น ๆ การสนับสนุนลูกค้าก็คือพื้นที่นั้น มีกิจกรรมมากมายสำหรับการเปิดตัวและการพัฒนาเครื่องมือเหล่านี้ และนั่นเป็นเพราะมีข้อมูลมากมายในบริเวณนั้น โดยเฉพาะข้อมูลตัวอักษร

ส่วนใหญ่เชื่อมโยงกับผลลัพธ์โดยอัตโนมัติ – พนักงานคนนั้นแก้ไขปัญหานั้นได้เร็วแค่ไหน? และยังมีพื้นที่ให้ปรับปรุงอีกมาก เป็นข้อเท็จจริงที่ทราบกันดีว่ามีความแตกต่างกันอย่างมากระหว่างเจ้าหน้าที่ฝ่ายบริการลูกค้าที่มีประสิทธิภาพสูงสุดกับเจ้าหน้าที่บริการลูกค้าที่มีประสิทธิภาพต่ำ นอกจากนี้ยังเป็นพื้นที่ที่มีการเปลี่ยนแปลงครั้งใหญ่ในการทำศูนย์ติดต่อมากขึ้นในช่วงสองสามปีที่ผ่านมา ดังนั้นจึงเป็นพื้นที่ที่ธุรกิจขนาดใหญ่จำเป็นต้องปรับปรุงให้ดีกว่านี้

จากศูนย์สู่ฮีโร่

Liam Geraghty: ในช่วงเวลาหนึ่งปี พวกเขาศึกษาทั้งหมดนี้โดยใช้ข้อมูลจากตัวแทนฝ่ายสนับสนุนลูกค้า 5,179 ราย และสิ่งที่พวกเขาพบก็น่าสนใจ

ลินด์เซย์ เรย์มอนด์: ตัวเลขพาดหัวคือ โดยเฉลี่ยแล้ว การเข้าถึง AI ช่วยปรับปรุงประสิทธิภาพการทำงานได้ถึง 14% แต่นั่นก็ซ่อนความหลากหลายไว้มากมาย สำหรับผู้ปฏิบัติงานที่มีประสบการณ์น้อยที่สุดและทักษะต่ำที่สุด แท้จริงแล้วมันดีขึ้น 35% พนักงานที่มีประสบการณ์และมีประสิทธิผลมากที่สุดแทบไม่เห็นผลกระทบใดๆ

Liam Geraghty: ดังนั้น รายได้ที่ได้รับจึงเพิ่มขึ้นอย่างไม่สมส่วนกับแรงงานที่มีประสบการณ์น้อยและมีทักษะต่ำ ทำไมถึงเกิดขึ้น?

ลินด์ซีย์ เรย์มอนด์: ฉันคิดว่านั่นน่าจะเป็นส่วนที่น่าสนใจที่สุดของการศึกษานี้ เครื่องมือที่ใช้การเรียนรู้ของเครื่องใดๆ จะใช้ชุดข้อมูลการฝึกอบรมและค้นหารูปแบบในข้อมูล ในฐานะโปรแกรมเมอร์ คุณไม่ควรพูดว่า “ฉันรู้ว่าวลีนี้ใช้ได้ดี ดังนั้น จงทำสิ่งนี้ และฉันรู้ว่านี่เป็นวิธีแก้ปัญหาทั่วไปสำหรับปัญหานี้ และนี่คือวิธีแก้ปัญหาทั่วไปสำหรับปัญหานั้น” และ คุณใส่ข้อมูลนั้นในโปรแกรมของคุณ นั่นไม่ใช่วิธีการทำงานของ ML

“คนทำงานที่ยังใหม่มากหรืออยู่อันดับล่างสุดของอันดับผลิตภาพจะได้รับประโยชน์จากคำแนะนำเหล่านั้น เพราะนั่นคือสิ่งที่พวกเขายังไม่รู้ว่าจะทำอย่างไร”

โดยเฉพาะอย่างยิ่งในการตั้งค่าของเรา เครื่องมือจะพิจารณาการสนทนาของผู้ที่มีผลงานสูงและเปรียบเทียบกับการสนทนาของผู้มีผลงานต่ำ ค้นหาความแตกต่างระหว่างสิ่งที่ผู้มีผลงานสูงและต่ำกำลังทำซึ่งเกี่ยวข้องกับผลลัพธ์ที่ประสบความสำเร็จ พวกเขาทักทายลูกค้าอย่างไร? ทางออกที่พวกเขาเสนอคืออะไร? พวกเขาเริ่มถามคำถามวินิจฉัยได้อย่างไร? จากนั้นจะนำสิ่งเหล่านั้นทั้งหมดและเปลี่ยนให้เป็นคำแนะนำที่สร้างขึ้นสำหรับทุกคน พนักงานที่มีทักษะสูงกำลังจัดเตรียมเนื้อหาสำหรับ AI ซึ่งส่วนใหญ่เป็นสิ่งที่พวกเขาทำอยู่แล้ว เพราะนั่นคือสิ่งที่ AI เรียนรู้จากสิ่งนั้น เมื่อคุณมีเครื่องมือที่แนะนำให้ทำในสิ่งที่คุณกำลังทำอยู่แล้ว คุณอาจไม่ได้รับผลกระทบด้านประสิทธิภาพการทำงานมากนักจากการเข้าถึงเครื่องมือนั้น ผู้ปฏิบัติงานที่ยังใหม่มากหรืออยู่ในอันดับล่างสุดของอันดับผลิตภาพจะได้รับประโยชน์จากคำแนะนำเหล่านั้นอย่างแท้จริง เพราะนั่นคือสิ่งที่พวกเขายังไม่รู้ว่าจะทำอย่างไร เป็นแรงงานทักษะต่ำที่เปลี่ยนแปลงมากและเริ่มขยับเข้าใกล้การสื่อสารเหมือนแรงงานทักษะสูง

สิ่งที่เราคิดว่ากำลังเกิดขึ้นคือการแพร่กระจายของแนวทางปฏิบัติที่ดีที่สุดที่เปิดใช้งานโดย AI และนั่นเป็นเหตุผลที่เราเห็นว่าผลผลิตจำนวนมากนั้นเพิ่มขึ้นสำหรับแรงงานทักษะต่ำและไม่มีประสบการณ์ และไม่มากสำหรับแรงงานทักษะสูง และเราคิดว่าเป็นเพียงหน้าที่ของวิธีการทำงานของแมชชีนเลิร์นนิง

“ในการศึกษาใด ๆ ที่คุณเห็นว่าผลผลิตเพิ่มขึ้น 35% นั่นค่อนข้างน่าตกใจ คุณสามารถจินตนาการถึงการทำงานสี่วันต่อสัปดาห์ด้วยผลกระทบเหล่านั้น”

Liam Geraghty: คุณประหลาดใจกับผลลัพธ์หรือไม่?

ลินด์เซย์ เรย์มอนด์: นั่นเป็นคำถามที่ดี ในการศึกษาใด ๆ ที่คุณเห็นว่าผลผลิตเพิ่มขึ้น 35% นั่นค่อนข้างน่าตกใจ คุณสามารถจินตนาการถึงการทำงานสี่วันต่อสัปดาห์ด้วยผลกระทบเหล่านั้น ฉันคิดว่ามันค่อนข้างน่าประหลาดใจสำหรับค้างคาว ข้อเท็จจริงที่ว่าเราเห็นผลไม่เพียงแต่ในพนักงานที่จัดการการโทรเร็วขึ้นเล็กน้อย แต่ยังปรับปรุงส่วนแบ่งของปัญหาที่พวกเขาแก้ไข ซึ่งเป็นผลลัพธ์ที่อิงตามความรู้มากขึ้น ทำให้พวกเขาสามารถแก้ปัญหาที่พวกเขาไม่ได้ สามารถแก้ไขได้ก่อน จากนั้นเราก็เห็นความพึงพอใจของลูกค้าเพิ่มขึ้นอย่างมาก ฉันคิดว่าทั้งหมดนี้น่าประหลาดใจ

Liam Geraghty: คุณคิดว่า AI จะสามารถเข้าร่วมและทำการศึกษาประเภทนี้ได้หรือไม่?

ลินด์เซย์ เรย์มอนด์: น่าจะใช่ ฉันแน่ใจว่ามี AI กำเนิดที่สามารถเขียนเอกสารทางเศรษฐกิจได้ดีกว่าที่ฉันสามารถเขียนได้

Liam Geraghty: ลินด์เซย์ ขอบคุณมากสำหรับการพูดคุยกับฉันในวันนี้

ลินด์เซย์ เรย์มอนด์: ใช่ แน่นอน มันเป็นความสุข.