本文档可帮助您遵循业务价值驱动的决策方法，定义 AI 业务应用场景。
生成式 AI 和传统 AI 解决方案都是强大的工具，但它们应始终支持您的业务目标，并且不应孤立存在。如需打造成功的生成式 AI 或传统 AI 解决方案，请首先明确要实现的具体可衡量的业务目标或需求。然后，从您期望的业务成果（例如提高员工效率或提高客户满意度）着手，以确保该解决方案直接有助于实现您的业务目标。
如需定义侧重于业务价值的生成式 AI 或传统 AI 应用场景，请使用以下简化的决策流程：
- 业务目标和成功标准：确定可衡量的业务目标。
- 专注于业务目标和要实现的价值，例如提高效率和生产力、降低费用、改善客户体验以及竞争优势。
- 阐明业务计划如何衡量已确定的目标是否成功。投资回报率 (ROI) 是 AI 项目成功的关键指标之一。您可以通过如下多个指标来衡量投资回报率：
- 直接财务收益：增加收入或减少费用。
- 运营效率：加快进入市场的速度或加快问题解决速度。
- 客户体验：提高满意度分数或改善客户留存率。
- 确定任何潜在的业务限制和注意事项，例如确保安全和隐私方面符合特定的行业合规性或国家/地区监管要求。
AI/机器学习的类型：确定 AI/机器学习是否是解决业务问题或实现已确定目标的正确方法。
判断已确定的业务预期是否需要生成式 AI、其他类型的 AI，或者是否不需要 AI 才能实现。如需了解详情，请参阅“机器学习问题构建”中的确定所需的输出。
用户体验预期：确定应用场景的最终用户，以及他们如何与依托生成式 AI 或传统 AI 的应用或服务进行交互。考虑用户的期望或偏好。
以业务为中心且以用户为中心的 AI 解决方案：将最佳的生成式 AI 或传统 AI 技术应用场景与可衡量的业务需求、组织的高管优先级和用户期望联系起来。请考虑以下事项：
- 企业如何使用生成式 AI 或传统 AI 以更快的速度、更低的运营复杂性或减少的工作量（并可能节省费用）来提高效率和生产力。
- 企业如何使用生成式 AI 或传统 AI 来提升客户或产品体验。
- 如何使用生成式 AI 或传统 AI 以创新的方式创造业务价值：
- 分析您现有的业务产品和功能，以确定生成式 AI 或传统 AI 可以在哪些领域改进您现有的解决方案、增强创造力或让您探索新的可能性。
- 了解 AI 如何实现创新的增强功能，让您的企业脱颖而出。生成式 AI 有助于创造差异化的能力和价值，帮助您解决眼前的业务痛点，并探索提升现有产品的方法。
- 优先利用技术来增强符合组织的优先目标的业务功能。
业务流程更改：确定企业必须对现有流程或工作流进行哪些更改，以适应生成式 AI 或传统 AI 应用场景。
考虑 AI 解决方案将如何改变员工或客户与公司系统和工作流交互的方式，例如通过移动应用或客户服务聊天机器人。这些交互可能需要更改或重建后端流程，以利用工作流自动化等 AI 功能并帮助企业实现 AI 的优势。
生成式 AI 业务应用场景示例
以下部分提供了一个简化示例，演示了如何确定可衡量的业务需求和预期，并将其与具有影响力的生成式 AI 业务应用场景相关联。
业务问题陈述
在此场景中，客户服务团队会因为大量重复性查询、手动工单管理以及不断的支持电子邮件沟通而负载过重。过载会限制资源，增加客服人员的工作时间，并减慢解决时间，从而导致客户满意度和留存率降低。
具有可衡量商业价值的潜在优化领域
下面举例说明了可能的可衡量业务价值，可以通过使用依托生成式 AI 功能的技术解决方案（聊天机器人）来解决上述业务挑战，从而实现这些价值。根据业务模式和优先级，企业可能会考虑部分或全部可衡量的目标。
- 提高客户服务效率：降低支持费用并简化客服人员工作流。可衡量的成功标准包括：
- 客户支持运营成本在规定的时间段内（例如每季度）减少的百分比。
- 聊天机器人处理的客户咨询数量增加的百分比。
- 重复性任务的客服人员工作时间平均减少。
- 优化工单解决情况：提高解决速度，并提高聊天机器人直接解决的问题所占的百分比。可衡量的成功标准包括：
- 聊天机器人处理查询的平均解决时间缩短。
- 在未经人工干预的情况下解决的工单所占的百分比。
- 因复杂性而必须上报给技术支持团队的工单量减少的百分比。
- 首次联系解决率提高（在一次互动中即解决的问题）。
- 聊天机器人处理和解决的客户咨询数量增加的百分比。
- 增强客户体验：通过每天 24 小时提供回答和个性化支持来提高客户满意度。可衡量的成功标准包括：
- 在与聊天机器人使用情况相关的调查问卷中，客户满意度 (CSAT) 分数提升。
- 初次互动的平均客户等待时间缩短。
- 单次互动解决的问题数量增加。
- 在聊天机器人对话和反馈调查中检测到的正面情绪的百分比。
- 客户留存率提高。
- 支持业务运营增长：应对客户需求的增长，而不会产生线性增加的费用或增加初次客户互动的等待时间增加。可衡量的成功标准包括：
- 能够在无需人工干预的情况下处理支持请求量的指定百分比增长。
- 在高需求时期维持一致的 CSAT 得分和解决时间。
- 在首次互动时保持一致的客户等待时间。
依托生成式 AI 的解决方案
对话式聊天机器人：依托生成式 AI 的聊天机器人或虚拟客服可显著增强个性化和自然的拟人化对话体验。这是因为生成式 AI 能够理解语言中的复杂语境、情感和关系。这样可以实现更自然的互动，提出相关问题，并提供量身定制的建议，从而改善用户体验。
生成式 AI 功能还可帮助组织提高工作效率和生产力。相比之下，基于规则的传统聊天机器人通常仅限于预定义的关键字和意图模式。因此，随着对话模式的演变或出现新问题，基于规则的聊天机器人需要额外的操作工作，用于规则更新和优化，以及意图训练。对于此应用场景，与基于规则的传统聊天机器人相比，生成式 AI 聊天机器人具有以下优势：
- 依托生成式 AI 的聊天机器人回答不限于常见问题解答 (FAQ)。聊天机器人可以从不同来源（例如支持案例的历史数据、网站、产品文档、库存、电子邮件和具有解决方案的旧聊天对话）的大型数据集中找到答案。它还可以理解对话查询并汇总复杂信息。
- 生成式 AI 虚拟客服会合成来自所有数据源的信息。这种合成使他们能够根据您提供的数据且符合您业务预期的数据提供具体、有意义且切实可行的回答。
- 生成式 AI 可解读工单中的复杂语言和细节。 它能够了解客户问题的完整背景；传统的 AI 聊天机器人主要专注于特定的关键字。
- 生成式 AI 聊天机器人使客户能够灵活地使用他们首选的方法（文本、语音、图片）表达自己，而聊天机器人则利用所有输入来改进问题解决方法。例如，客户可以在聊天对话期间分享受损产品的照片，生成式 AI 可以将客户的描述与照片相结合，以帮助提高诊断和问题排查的准确性。
案例管理和分析洞见生成工作流：依托生成式 AI 的聊天机器人可以通过每次互动自动生成工单。该聊天机器人利用生成式 AI 功能来了解问题的紧急程度、情感分析和复杂性。这些功能可确保有效地确定工单的优先级。聊天机器人可以通过以下方式与您的工单系统进行交互：
- 生成式 AI 聊天机器人界面直接与支持服务工单系统连接，以创建支持服务工单并在其中填充如下所示所需的信息：
- 客户详细信息
- 技术问题的分类和优先级
- 对话的完整转写内容，用于提供上下文
- 核心问题总结
- 对于新的复杂问题，聊天机器人可以将工单分配给正确的团队，并提供支持上下文，例如问题和对话的摘要。
后续步骤
- 如需了解如何将生成式 AI 应用于您的应用场景，请参阅生成式 AI 示例。
- 如需详细了解开发生成式 AI 应用的阶段，并为您的应用场景选择最佳产品和工具，请参阅在 Google Cloud 上构建生成式 AI 应用。
- 参加 AI 准备情况研讨会，评估您的 AI 功能并制定路线图，以充分利用其潜力。