Üretkenliği açığa çıkarın: Stanford ve MIT araştırmacılarına göre yapay zekanın müşteri hizmetleri ekibi üretkenliğini nasıl %14 artırdığını öğrenin

Üretken yapay zeka iş yeri ile buluştuğunda ne olur? Bu özel bölümde, yapay zeka destekli insanlar üretkenliğin sınırlarını yeniden tanımlarken çığır açan bir çalışmaya dalıyoruz.

Üretken yapay zeka, halkın büyük ilgisini çekmiş olabilir, ancak şu an itibariyle, gerçek dünyadaki ekonomik etkileri büyük ölçüde keşfedilmemiş durumda. Test senaryolarındaki ümit verici sinyallere rağmen, iş açısından herhangi bir ani fayda şimdiye kadar ulaşılamaz görünüyordu.

Stanford Üniversitesi ve MIT'den araştırmacılar, bir Fortune 500 yazılım firmasındaki 5000'den fazla müşteri hizmetleri temsilcisi arasında üretken yapay zekanın gerçek dünyadaki etkisini ölçmek için bir yıl süren bir çalışma yürüttü ve sonuçlar açıklandı. ortalama, en yeni veya en düşük performans gösteren çalışanlar arasında %35'lik şaşırtıcı bir sıçrama ile.

OpenAI'nin GPT dil öğrenme modelini makine öğrenimi algoritmalarıyla birleştiren yapay zeka sistemi, yüksek performans gösterenler arasındaki konuşmaları analiz etti ve bunları düşük performans gösterenlerinkiyle karşılaştırdı. Daha sonra müşterilere nasıl yanıt verileceği konusunda gerçek zamanlı öneriler üretti ve bu da sohbeti işleme süresini kısalttı, sohbeti çözme oranlarını artırdı ve müşteri memnuniyetini iyileştirdi. Aslında, yeni işe alınan müşteri hizmetleri temsilcileri, yapay zekanın yardımıyla, yapay zeka olmadan çalışan altı aylık deneyime sahip temsilciler kadar iyi performans gösterebilir.

Bugünkü bölümde MIT Ph.D. ile sohbet etme fırsatı bulduk. Çığır açan çalışmanın arkasındaki araştırmacılardan biri olan aday Lindsey Raymond, çalışmaları ve AI'nın işyerindeki dönüştürücü etkisi hakkında.

Zamanınız kısa mı? İşte birkaç önemli çıkarım:

• Üretken yapay zeka, zengin metin verileriyle müşteri desteğini yapay zeka araçlarının geliştirilmesi için birincil sektör yapan, bol miktarda veriyle gelişir.
• En iyi performans gösteren ve en düşük performans gösteren destek aracıları arasındaki üretkenlik farkı ve ayrıca iletişim merkezlerine artan güven, müşteri hizmetleri endüstrisindeki gelişmelerin başlıca itici güçleridir.
• Düşük vasıflı çalışanlar, henüz kendi başlarına çözemedikleri en iyi uygulamaları benimsemelerine yardımcı olduğu için yapay zeka aracından en çok yararlandı.
• Geliştirilmiş problem çözme ve müşteri memnuniyeti gibi AI tarafından sağlanan önemli üretkenlik kazanımları, dört günlük çalışma haftasının yükselişini bile destekleyebilir.

Tartışmadan hoşlanıyorsanız, podcast'imizin diğer bölümlerine göz atın. Apple Podcast'lerini, Spotify'ı, YouTube'u takip edebilir veya seçtiğiniz oynatıcıda RSS akışını yakalayabilirsiniz. Aşağıda, bölümün hafifçe düzenlenmiş bir kopyası var.

Müşteri desteğinde dalga yaratmak

Liam Geraghty: Merhaba, Inside Intercom'a hoş geldiniz. Ben Liam Geraghty'yim. Open AI ChatGPT'nin sadece birkaç ay önce piyasaya sürüldüğünü düşünmek biraz çılgınca. AI'nın hayatımızın bir parçası haline gelme hızı, kimsenin tahmin edemeyeceği bir şeydi. Daha şimdiden müşteri hizmetleri ve destek alanını dönüştürmeye başladı.

"Bir insan artı makine, bir insandan daha iyi olan bir makineden daha iyidir. Sanırım bu destek dünyasında gördüğüm şey bu”

Intercom kurucu ortağı Des Traynor, podcast'imizin yakın tarihli bir bölümünde CS'nin geleceğinin otomasyon ve insanlar, botlar ve beyinlerin birlikte çalışmasına nasıl inandığından bahsetti.

Des Traynor: Bir insan artı makine, bir insandan daha iyi olan bir makineden daha iyidir. Sanırım bu destek dünyasında gördüğüm şey bu. Bence sonunda yapay zekanın çalıştırdığı zekayı kontrol eden insanlara sahip olacaksınız.

Liam Geraghty: Birçok müşteri destek lideri doğrudan yapay zekaya daldı ve onun üretici sularında yüzüyor. Ancak diğerleri, heyecanlıyken, biraz korkmuş hissederek sadece ayak parmaklarını daldırıyorlar.

Pekala, herhangi biriniz ayak parmakları için, Stanford Üniversitesi ve Massachusetts Teknoloji Enstitüsü'ndeki araştırmacılar tarafından yapılan, tamamen iş yerindeki üretken yapay zeka hakkında, bazı gerçekten ilginç bulgularla ilgili yeni bir araştırmayı duymak ilginizi çekebilir. Çalışma Eric Brynjolfsson, Danielle Li ve Lindsey Raymond tarafından yürütülmüştür.

İşyerinde üretken yapay zekadan içgörüler

Lindsey Raymond: Ben Lindsey Raymond. MIT'de yüksek lisans öğrencisiyim.

Liam Geraghty: Lindsey ve meslektaşları, bir Fortune 500 şirketinde üretici yapay zeka araçlarının üretkenlik üzerindeki etkisini inceliyor. Bu araçların çalışma üzerindeki etkisi ilk kez bir laboratuvar ortamı dışında ölçülmüştür.

Lindsey Raymond: Üretken yapay zeka fikri oldukça yeni. İnsanların okudukları açısından, bu araçların baro sınavı gibi şeylerde nasıl performans gösterdiğine dair bazı çalışmalar var.

Liam Geraghty: Yapay zeka baro sınavını geçti.

Lindsey Raymond: Ya da kodlama sınavları, yeteneklerin laboratuvar temelli incelemeleri. Ve bizimki, bu araçların gerçek bir işyerinde ve uzun bir süre boyunca neler yapabileceğini incelediğinizde ne olduğunu söyleyen ilk kişidir çünkü çalışmamız yıl boyunca gerçekleşir.

Liam Geraghty: Peki çalışma tam olarak ne hakkındaydı?

Lindsey Raymond: Teknik destek çalışanlarına, insanların teknik destek sorunlarını çözerken yardımcı olmak için tasarlanmış, yapay zeka tabanlı üretken bir araca bakıyoruz.

Liam Geraghty: Tanıdık geliyor!

Lindey Raymond: Hem onlara ne söyleyeceklerini, belirli teknik destek sorununu nasıl çözeceklerini söylüyor, hem de bunu müşteriye nasıl iletmeleri gerektiği konusunda rehberlik ediyor.

"Üretken yapay zekanın gerçekten iyi çalışması için çok fazla veriye ihtiyacı var. Diğer her yere göre yüksek penetrasyonun olduğu bir ekonomi sektörüne bakarsanız, müşteri desteği bu alandır”

Ve bir fark-in-fark analizi yapıyoruz - bu aracın zaman içinde insanlar arasında çok yavaş bir şekilde kullanıma sunulması, böylece aracın nedensel etkisine ulaşmaya çalışabiliriz. Çoğunlukla ABD merkezli küçük işletmeler için küçük işletmeler ve muhasebe yazılımları yapan bir Fortune 500 firmasına teknik destek sağlayan çalışanlara bakıyoruz.

Liam Geraghty: İnsanların aramaları ne kadar hızlı çözümledikleri, kaç sorunu çözebildikleri, müşteri memnuniyeti gibi birçok farklı sonucun yanı sıra daha organizasyonel değişime yönelik bazı şeylere baktılar.

Lindsey Raymond: Bu, çalışan devrini nasıl etkiler? Bu, birbirleriyle veya yöneticileriyle ne sıklıkla konuştuklarını nasıl etkiler?

Liam Geraghty: Üretken yapay zekanın tüm potansiyel alanları arasında Lindsey ve meslektaşlarının odaklanmak için neden müşteri desteğini seçtiğini merak ediyor olabilirsiniz.

"En iyi performans gösteren müşteri hizmetleri temsilcilerinizle en düşük performans gösterenler arasında oldukça büyük üretkenlik farkları var"

Lindsey Raymond: Üretken yapay zekanın gerçekten iyi çalışması için çok fazla veriye ihtiyacı var. Diğer her yere göre yüksek penetrasyonun olduğu bir ekonomi sektörüne bakarsanız, müşteri desteği bu alandır. Bu araçların gerçek kullanıma sunulması ve geliştirilmesi için şaşırtıcı miktarda etkinlik oldu. Bunun nedeni, o alanda çok fazla veri olması, özellikle de metin verileri olmasıdır.

Birçoğu sonuçlarla otomatik olarak ilişkilendirilir - bu çalışan bu sorunu ne kadar çabuk çözdü? Ayrıca iyileştirme için çok yer var. En iyi performans gösteren müşteri hizmetleri temsilcilerinizle en düşük performans gösterenler arasında oldukça büyük üretkenlik farklılıkları olduğu iyi bilinen bir gerçektir. Aynı zamanda, son birkaç yılda iletişim merkezleriyle daha fazlasını yapmaya yönelik büyük bir değişimin olduğu bir alandır. Ve bu nedenle, büyük bir işletmenin bu konuda daha iyi olması gereken bir alandır.

Sıfırdan kahramana

Liam Geraghty: Böylece, bir yıl boyunca, 5.179 müşteri destek temsilcisinden alınan verileri kullanarak tüm bunları incelediler. Ve buldukları şey ilgi çekici.

Lindsey Raymond: Manşet sayı, yapay zekaya erişimin üretkenliği ortalama olarak %14 artırdığı, ancak bu çok fazla heterojenliği gizliyor. En az deneyimli ve en düşük vasıflı işçiler için, gerçekte %35 oranında iyileşmiştir. En deneyimli ve üretken çalışanlar neredeyse hiçbir etki görmezler.

Liam Geraghty: Dolayısıyla, kazançlar orantısız bir şekilde daha az deneyimli ve daha düşük vasıflı işçilere tahakkuk ediyor. Bu neden oluyor?

Lindsey Raymond: Bence bu çalışmanın muhtemelen en ilginç kısmı. Herhangi bir makine öğrenimi tabanlı araç, bir eğitim veri seti kullanır ve verilerdeki kalıpları arar. Yani siz bir programcı olarak "Pekala, bu sözün işe yaradığını biliyorum, bunu yapın ve bunun bu sorunun ortak çözümü olduğunu biliyorum ve bu sorunun ortak çözümü bu" demeyin ve bu bilgiyi programınıza koyarsınız. Makine öğrenimi böyle çalışmaz.

"Bu önerilerden gerçekten yararlananlar çok yeni veya üretkenlik sıralamasında en alt sıralarda yer alan işçilerdir çünkü bunlar henüz nasıl yapacaklarını çözemedikleri şeylerdir"

Bizim ortamımızda araç, özellikle yüksek performans gösterenlerin konuşmalarına bakar ve bunları düşük performans gösterenlerinkiyle karşılaştırır. Başarılı sonuçlarla ilişkilendirilen, yüksek ve düşük performans gösterenlerin yaptıkları arasındaki farkları arar. Müşterileri nasıl karşılıyorlar? Önerdikleri çözümler nelerdir? Teşhis soruları sormaya nasıl başlarlar? Ardından, tüm bunları alır ve bunları herkes için ürettiği önerilere dönüştürür. Yüksek vasıflı çalışanlar yapay zeka için içerik sağlıyor - bunlar çoğunlukla halihazırda yaptıkları şeyler çünkü yapay zeka bunu buradan öğreniyor. Halihazırda yapmakta olduğunuz şeyleri yapmanızı öneren bir aracınız olduğunda, muhtemelen o araca erişimden büyük üretkenlik etkileri görmeyeceksiniz. Bu önerilerden gerçekten yararlananlar çok yeni veya üretkenlik sıralamasının en altında olan işçilerdir çünkü bunlar henüz nasıl yapacaklarını çözemedikleri şeylerdir. Çok değişen ve yüksek vasıflı işçiler gibi iletişim kurmaya yaklaşanlar, düşük vasıflı işçilerdir.

Gerçekleştiğini düşündüğümüz şey, AI tarafından sağlanan en iyi uygulamaların bu şekilde yayılmasıdır. İşte bu nedenle, düşük vasıflı ve deneyimsiz işçiler için gerçekten büyük üretkenlik artışları görüyoruz ve yüksek vasıflı işçiler için çok fazla değil. Ve bunun sadece makine öğreniminin çalışma şeklinin bir işlevi olduğunu düşünüyoruz.

"Üretkenliğin %35 arttığını gördüğünüz herhangi bir çalışmada, bu oldukça şok edici. Bu etkilerle birlikte dört günlük bir çalışma haftasına inmeyi hayal edebilirsiniz”

Liam Geraghty: Sonuçlara şaşırdınız mı?

Lindsey Raymond: Bu harika bir soru. Verimliliğin %35 arttığını gördüğünüz herhangi bir çalışmada, bu oldukça şaşırtıcıdır. Bu etkilerle birlikte dört günlük bir çalışma haftasına inmeyi hayal edebilirsiniz. Bence bu yarasadan oldukça şaşırtıcıydı. Etkilerini sadece çalışanların aramaları biraz daha hızlı halletmesinde değil, aynı zamanda çözdükleri sorunların payını iyileştirmede görmemiz gerçeği, ki bu daha çok bilgiye dayalı bir sonuçtur, onların çözemedikleri sorunları çözmelerini sağlıyor. önce çözebilmek. Ardından müşteri memnuniyetinde oldukça büyük artışlar görüyoruz. Bence bunların hepsi şaşırtıcıydı.

Liam Geraghty: Yapay zekanın bir gün devreye girip bu tür çalışmalar yapabileceğini düşünüyor musunuz?

Lindsey Raymond: Muhtemelen, evet. Ekonomik makaleleri benim yazabileceğimden daha iyi yazabilen üretken yapay zeka olduğundan eminim.

Liam Geraghty: Lindsey, bugün benimle konuştuğun için çok teşekkür ederim.

Lindsey Raymond: Evet, kesinlikle. Bu bir zevkti.