Avaliar e definir seu caso de uso comercial de IA generativa

Last reviewed 2024-03-19 UTC

Neste documento, ajudamos a definir um caso de uso de negócios de IA seguindo uma abordagem de decisão orientada por valor de negócios.

A IA generativa e as soluções tradicionais de IA são ferramentas poderosas, mas precisam sempre apoiar suas metas de negócios e não devem existir isoladamente. Para criar soluções de IA generativa ou de IA tradicional bem-sucedidas, comece identificando claramente as metas ou necessidades de negócios mensuráveis específicas que você quer atender. Em seguida, trabalhe de trás para frente nos resultados de negócios que você quer, como aumentar a eficiência dos funcionários ou melhorar a satisfação do cliente, para garantir que a solução contribua diretamente para suas metas de negócios.

Para definir seu caso de uso de IA generativa ou de IA tradicional com foco em valor comercial, use o processo de decisão simplificado a seguir:

  1. Meta de negócios e critérios de sucesso: identifique metas de negócios mensuráveis.
    • Concentre-se na meta de negócios e no valor a ser alcançado, como aumento de eficiência e produtividade, redução de custos, melhoria das experiências do cliente e vantagem competitiva.
    • Esclareça como os planos de negócios medirão o sucesso das metas e objetivos identificados. O retorno do investimento (ROI) é uma das principais medidas para o sucesso de um projeto de IA. O ROI pode ser medido usando várias métricas, como:
      • Ganhos financeiros diretos: aumento da receita ou custos reduzidos.
      • Eficiência operacional: tempo de lançamento mais rápido ou resolução de problemas mais rápida.
      • Experiência do cliente: aumento dos índices de satisfação ou da retenção aprimorada.
    • Identifique possíveis restrições e considerações comerciais, como garantir que os aspectos de segurança e privacidade atendam a compliance específicas do setor ou requisitos regulamentares do país.

  2. Tipo de IA/ML: determine se IA/ML é a abordagem certa para resolver seu problema de negócios ou alcançar a meta identificada.

    Decida se a expectativa de negócios identificada requer IA generativa, outros tipos de IA ou se ela não precisa de IA para alcançá-la. Para mais informações, consulte Identificar a saída necessária em "Como enquadrar um problema de ML".

  3. Expectativa de experiência do usuário: identifique os usuários finais do caso de uso e como eles podem interagir com o aplicativo ou serviço tradicional com tecnologia de IA generativa ou com tecnologia de IA tradicional. Considere quais podem ser as expectativas ou preferências do usuário.

  4. Solução de IA orientada por negócios e centrada no usuário: conecte o caso de uso ideal de IA generativa ou de tecnologia de IA tradicional a requisitos de negócios mensuráveis, às prioridades executivas da organização e às expectativas dos usuários. Considere o seguinte:

    • Como a empresa pode impulsionar a eficiência e a produtividade otimizadas usando a IA generativa ou a IA tradicional para alcançar mais resultados em um ritmo mais rápido e com menos complexidade operacional ou com esforços reduzidos (e potencialmente com economia de custos).
    • Como a empresa pode melhorar a experiência do cliente ou do produto usando IA generativa ou IA tradicional.
    • Como criar valor comercial de uma forma inovadora usando a IA generativa ou a IA tradicional:
      • Analise suas ofertas e recursos de negócios atuais para identificar áreas em que a IA generativa ou a IA tradicional podem melhorar suas soluções , aumentar a criatividade ou descobrir novas possibilidades.
      • Entenda como a IA pode possibilitar melhorias inovadoras que diferenciam seu negócio. A IA generativa pode ajudar a criar recursos e valor diferenciados, ir além da solução de pontos problemáticos de negócios imediatos e explorar maneiras de impulsionar ofertas.
      • Priorize o uso de tecnologia para melhorar os recursos comerciais alinhados às metas prioritárias da organização.

  5. Mudança nos processos de negócios: identifique as mudanças que a empresa precisa fazer nos processos ou fluxos de trabalho atuais para se adaptar ao caso de uso de IA generativa ou IA tradicional.

    Considere como a solução de IA mudará a maneira como funcionários ou clientes interagem com os sistemas e fluxos de trabalho da empresa, como por meio de um aplicativo para dispositivos móveis ou bot de bate-papo de suporte ao cliente. Essas interações podem exigir que os processos de back-end sejam alterados ou reinventados para aproveitar os recursos de IA, como a automação do fluxo de trabalho, e ajudar a empresa a perceber os benefícios da IA.

Exemplo de caso de uso de negócios de IA generativa

As seções a seguir fornecem um exemplo simplificado que demonstra como identificar e conectar necessidades e expectativas de negócios mensuráveis com casos de uso comerciais de IA generativa impactantes.

Declaração de problema de negócios

Nesse cenário, as equipes de atendimento ao cliente estão sobrecarregadas com um alto volume de consultas repetitivas, gerenciamento manual de tíquetes e comunicação constante de e-mails de suporte. A sobrecarga sobrecarrega os recursos, aumenta as horas de trabalho dos agentes e diminui os tempos de resolução, o que resulta em queda na satisfação e na retenção do cliente.

Possíveis áreas de otimização com valor comercial mensurável

Veja a seguir exemplos dos possíveis valores de negócios mensuráveis que podem ser alcançados usando uma solução tecnológica (um bot de bate-papo) com tecnologia de IA generativa capaz de enfrentar os desafios de negócios anteriores. Com base no modelo de negócios e nas prioridades, a empresa pode considerar algumas ou todas essas metas mensuráveis.

  • Melhorar a eficiência do suporte ao cliente: reduza os custos de suporte e simplifique os fluxos de trabalho dos agentes. Os critérios de sucesso mensuráveis incluem:
    • Redução percentual nos custos operacionais de suporte ao cliente durante um período definido, como trimestralmente.
    • Aumento percentual no volume de consultas de clientes processadas pelo bot de bate-papo.
    • Redução média nas horas de trabalho dos agentes para tarefas repetitivas.
  • Otimizar a resolução de tíquetes: melhore a velocidade de resolução e aumente a porcentagem de problemas resolvidos diretamente pelo bot de bate-papo. Os critérios de sucesso mensuráveis incluem:
    • Redução média no tempo de resolução para consultas processadas pelo chatbot.
    • Porcentagem de tíquetes resolvidos sem intervenção humana.
    • Redução percentual no volume de tíquetes que precisam ser encaminhados para a equipe de suporte técnico devido à complexidade.
    • Aumento na taxa de resolução do primeiro contato (problemas resolvidos em uma única interação).
    • Aumento percentual no volume de consultas de clientes que o bot de bate-papo gerencia e resolve.
  • Melhorar a experiência do cliente: aumente a satisfação do cliente oferecendo capacidade de resposta e suporte personalizado disponível 24 horas por dia. Os critérios de sucesso mensuráveis incluem:
    • aumento nas pontuações de satisfação do cliente (CSAT) em pesquisas vinculadas ao uso do bot de bate-papo.
    • Redução do tempo médio de espera do cliente para a interação inicial.
    • Mais problemas resolvidos em uma única interação.
    • Porcentagem de sentimento positivo detectado em conversas de chatbot e pesquisas de feedback.
    • Aumento na taxa de retenção de clientes.
  • Suporte ao crescimento das operações comerciais: gerencie o aumento na demanda do cliente sem aumentar os custos linearmente ou os tempos de espera para a interação inicial com o cliente. Os critérios de sucesso mensuráveis incluem:
    • Capacidade de lidar com um aumento percentual especificado no volume de solicitações de suporte sem intervenção humana.
    • Mantenha pontuações consistentes de CSAT e o tempo de resolução durante períodos de alta demanda.
    • Mantenha tempos de espera consistentes com o cliente para a interação inicial.

Soluções com tecnologia de IA generativa

Chatbot de conversação: os chatbots ou agentes virtuais com tecnologia de IA generativa oferecem um aprimoramento significativo na personalização e na conversa natural semelhante a uma pessoa. Isso se deve à capacidade da IA generativa de entender contextos complexos, sentimentos e relações dentro da linguagem. Essa capacidade leva a uma interação mais natural, fazendo perguntas relevantes e fornecendo recomendações personalizadas para uma melhor experiência do usuário.

As habilidades de IA generativa também ajudam as organizações a aumentar a eficiência e a produtividade do trabalho. Por outro lado, um chatbot tradicional baseado em regras geralmente se limita a palavras-chave e padrões de intent predefinidos. Portanto, à medida que os padrões de conversação evoluem ou novas questões surgem, um bot de bate-papo baseado em regras requer mais esforço operacional para atualizações e refinamentos de regras e treinamento de intents. Para este caso de uso, os chatbots de IA generativa oferecem os seguintes benefícios em comparação com os chatbots tradicionais baseados em regras:

  • As respostas do chatbot com tecnologia de IA generativa não se limitam às perguntas frequentes. O chatbot pode encontrar respostas em grandes conjuntos de dados de diferentes fontes, como dados históricos de casos de suporte, sites, documentação do produto, inventário, e-mails e conversas antigas com resolução. Também consegue entender consultas conversacionais e resumir informações complexas.
  • Os agentes virtuais de IA generativa sintetizam informações de todas as fontes de dados. Essa síntese permite que eles forneçam respostas específicas, fundamentadas e acionáveis com base nos dados que você forneceu e alinhadas com suas expectativas de negócios.
  • A IA generativa interpreta a linguagem complexa e as nuances de um tíquete. Entender todo o contexto do problema de um cliente um bot de bate-papo de IA tradicional foca principalmente em palavras-chave específicas.
  • Os bots de chat de IA generativa oferecem flexibilidade para os clientes se expressarem usando o método preferido (texto, voz, imagem), enquanto o bot de bate-papo aproveita todas as entradas para melhorar a resolução de problemas. Por exemplo, os clientes podem compartilhar fotos de um produto danificado durante a conversa por chat, e a IA generativa pode combinar a descrição do cliente com a foto para melhorar a precisão do diagnóstico e da solução de problemas.

Gerenciamento de casos e fluxo de trabalho de geração de insights: um chatbot com tecnologia de IA generativa pode gerar tíquetes automaticamente a cada interação. O bot de bate-papo utiliza recursos de IA generativa para entender a urgência, a análise de sentimento e a complexidade do problema. Esses recursos garantem que os tíquetes sejam priorizados de maneira eficaz. Ele pode interagir com o sistema de tíquetes das seguintes maneiras:

  • O chatbot de IA generativa interage diretamente com seu sistema de tíquetes de suporte para criar e preencher o tíquete de suporte com as informações necessárias, como as seguintes:
    • Detalhes do cliente
    • Categorização e prioridade de problemas técnicos
    • Uma transcrição completa da conversa para contextualização
    • Resumo do problema principal
  • Para problemas novos e complexos, o bot de bate-papo pode atribuir o tíquete à equipe correta com contexto de suporte, como um resumo do problema e da conversa.

A seguir