Mengevaluasi dan mendefinisikan kasus penggunaan bisnis AI generatif Anda

Dokumen ini membantu Anda menentukan kasus penggunaan bisnis AI dengan mengikuti pendekatan keputusan berbasis nilai bisnis.

Solusi AI generatif dan AI tradisional adalah alat yang canggih, tetapi solusi tersebut harus selalu mendukung sasaran bisnis Anda, dan tidak boleh berdiri sendiri. Untuk membuat solusi AI generatif atau AI tradisional yang sukses, mulailah dengan mengidentifikasi dengan jelas sasaran atau kebutuhan bisnis spesifik yang dapat diukur yang ingin Anda tangani. Kemudian, kerjakan mundur dari hasil bisnis yang Anda inginkan, seperti peningkatan efisiensi karyawan atau peningkatan kepuasan pelanggan, untuk memastikan solusi tersebut berkontribusi langsung pada sasaran bisnis Anda.

Untuk menentukan kasus penggunaan AI generatif atau AI tradisional dengan fokus nilai bisnis, gunakan proses pengambilan keputusan sederhana berikut:

  1. Sasaran bisnis dan kriteria kesuksesan: Identifikasi sasaran bisnis yang terukur.
    • Fokuskan pada sasaran bisnis dan nilai yang akan dicapai, seperti meningkatkan efisiensi dan produktivitas, pengurangan biaya, meningkatkan pengalaman pelanggan, dan keunggulan kompetitif.
    • Jelaskan bagaimana bisnis berencana mengukur keberhasilan tujuan dan objek yang diidentifikasi. Laba atas Investasi (ROI) adalah salah satu ukuran utama keberhasilan project AI. ROI dapat diukur melalui beberapa metrik seperti berikut:
      • Keuntungan finansial langsung: Peningkatan pendapatan atau pengurangan biaya.
      • Efisiensi operasional: Waktu penyiapan produk yang lebih cepat atau penyelesaian masalah yang lebih cepat.
      • Pengalaman pelanggan: Peningkatan skor kepuasan atau retensi yang lebih baik.
    • Identifikasi potensi batasan dan pertimbangan bisnis, seperti memastikan bahwa aspek keamanan dan privasi memenuhi kepatuhan industri tertentu atau persyaratan peraturan negara.

  2. Jenis AI/ML: Tentukan apakah AI/ML adalah pendekatan yang tepat untuk memecahkan masalah bisnis Anda atau mencapai sasaran yang diidentifikasi.

    Tentukan apakah ekspektasi bisnis yang diidentifikasi memerlukan AI generatif, jenis AI lainnya, atau apakah tidak memerlukan AI untuk mencapainya. Untuk mengetahui informasi selengkapnya, lihat Mengidentifikasi output yang Anda perlukan di "Membuat framing masalah ML".

  3. Ekspektasi pengalaman pengguna: Identifikasi pengguna akhir kasus penggunaan dan cara mereka berinteraksi dengan aplikasi atau layanan yang didukung AI generatif atau AI tradisional. Pertimbangkan kemungkinan ekspektasi atau preferensi pengguna.

  4. Solusi AI yang berorientasi pada bisnis dan berfokus pada pengguna: Hubungkan kasus penggunaan teknologi AI generatif atau AI tradisional yang optimal dengan persyaratan bisnis yang terukur, prioritas eksekutif organisasi, dan ekspektasi pengguna. Pertimbangkan hal berikut:

    • Cara bisnis dapat mendorong efisiensi dan produktivitas yang dioptimalkan dengan menggunakan AI generatif atau AI tradisional untuk mencapai lebih banyak hasil dengan lebih cepat, dan dengan kompleksitas operasional yang lebih sedikit atau dengan upaya yang lebih sedikit (dan berpotensi dengan penghematan biaya).
    • Cara bisnis dapat mendorong pengalaman pelanggan atau produk yang ditingkatkan dengan menggunakan AI generatif atau AI tradisional.
    • Cara Anda dapat menciptakan nilai bisnis dengan cara yang inovatif menggunakan AI generatif atau AI tradisional:
      • Analisis penawaran dan kemampuan bisnis Anda yang ada untuk mengidentifikasi area tempat AI generatif atau AI tradisional dapat meningkatkan solusi yang ada, meningkatkan kreativitas, atau memungkinkan Anda menjelajahi kemungkinan baru.
      • Pahami cara AI dapat memungkinkan peningkatan inovatif yang membedakan bisnis Anda. AI generatif dapat membantu menciptakan kemampuan dan nilai yang berbeda, membantu Anda melampaui pemecahan masalah utama bisnis, dan menjelajahi cara untuk meningkatkan penawaran yang ada.
      • Prioritaskan penggunaan teknologi untuk meningkatkan kemampuan bisnis yang selaras dengan sasaran prioritas organisasi.

  5. Perubahan proses bisnis: Identifikasi perubahan yang harus dilakukan bisnis pada proses atau alur kerja yang ada untuk beradaptasi dengan kasus penggunaan AI generatif atau AI tradisional.

    Pertimbangkan bagaimana solusi AI akan mengubah cara karyawan atau pelanggan berinteraksi dengan sistem dan alur kerja perusahaan, seperti melalui aplikasi seluler atau chatbot dukungan pelanggan. Interaksi ini mungkin memerlukan perubahan atau penciptaan ulang proses backend untuk memanfaatkan kemampuan AI seperti otomatisasi alur kerja dan membantu bisnis mewujudkan manfaat AI.

Contoh kasus penggunaan bisnis AI generatif

Bagian berikut memberikan contoh sederhana yang menunjukkan cara mengidentifikasi dan menghubungkan kebutuhan dan ekspektasi bisnis yang terukur ke kasus penggunaan bisnis AI generatif yang berdampak.

Pernyataan masalah bisnis

Dalam skenario ini, tim layanan dukungan pelanggan kelebihan beban dengan volume permintaan berulang yang tinggi, pengelolaan tiket manual, dan komunikasi email dukungan yang konstan. Kelebihan beban membebani resource, meningkatkan jam kerja agen, dan memperlambat waktu penyelesaian, yang mengakibatkan penurunan kepuasan dan retensi pelanggan.

Potensi area pengoptimalan dengan nilai bisnis yang dapat diukur

Berikut adalah contoh kemungkinan nilai bisnis yang dapat diukur yang dapat dicapai dengan menggunakan solusi teknologi (chatbot) yang didukung oleh kemampuan AI generatif untuk mengatasi tantangan bisnis sebelumnya. Berdasarkan model bisnis dan prioritasnya, bisnis dapat mempertimbangkan beberapa atau semua target terukur ini.

  • Meningkatkan efisiensi dukungan pelanggan: Mengurangi biaya dukungan dan menyederhanakan alur kerja agen. Kriteria keberhasilan yang dapat diukur mencakup hal berikut:
    • Penurunan persentase biaya operasional dukungan pelanggan selama jangka waktu tertentu (seperti kuartalan).
    • Peningkatan persentase volume pertanyaan pelanggan yang ditangani oleh chatbot.
    • Pengurangan rata-rata jam kerja agen untuk tugas berulang.
  • Mengoptimalkan penyelesaian tiket: Meningkatkan kecepatan penyelesaian dan meningkatkan persentase masalah yang diselesaikan langsung oleh chatbot. Kriteria keberhasilan yang dapat diukur mencakup hal berikut:
    • Penurunan rata-rata waktu penyelesaian untuk pertanyaan yang ditangani chatbot.
    • Persentase tiket yang diselesaikan tanpa intervensi manusia.
    • Penurunan persentase volume tiket yang harus dieskalasikan ke tim dukungan teknis karena kerumitannya.
    • Peningkatan rasio penyelesaian kontak pertama (masalah diselesaikan dalam satu interaksi).
    • Peningkatan persentase volume pertanyaan pelanggan yang ditangani dan diselesaikan chatbot.
  • Meningkatkan pengalaman pelanggan: Tingkatkan kepuasan pelanggan dengan menawarkan responsivitas dan dukungan yang dipersonalisasi yang tersedia 24 jam per hari. Kriteria keberhasilan yang dapat diukur mencakup hal berikut:
    • Peningkatan skor kepuasan pelanggan (CSAT) dalam survei yang terkait dengan penggunaan chatbot.
    • Mengurangi waktu tunggu rata-rata pelanggan untuk interaksi awal.
    • Peningkatan masalah yang diselesaikan dalam satu interaksi.
    • Persentase sentimen positif yang terdeteksi dalam percakapan chatbot dan survey masukan.
    • Meningkatkan rasio retensi pelanggan.
  • Mendukung pertumbuhan operasi bisnis: Menangani peningkatan permintaan pelanggan tanpa menimbulkan peningkatan biaya secara linear atau peningkatan waktu tunggu untuk interaksi awal pelanggan. Kriteria sukses yang dapat diukur mencakup hal berikut:
    • Kemampuan untuk menangani peningkatan persentase tertentu dalam volume permintaan dukungan tanpa intervensi manusia.
    • Pertahankan skor CSAT dan waktu penyelesaian yang konsisten selama periode permintaan tinggi.
    • Pertahankan waktu tunggu pelanggan yang konsisten untuk interaksi awal.

Solusi yang didukung AI generatif

Chatbot percakapan: Chatbot atau agen virtual yang didukung AI generatif menawarkan peningkatan yang signifikan dalam personalisasi dan percakapan alami seperti manusia. Hal ini karena kemampuan AI generatif untuk memahami konteks, sentimen, dan hubungan yang kompleks dalam bahasa. Kemampuan ini menghasilkan interaksi yang lebih alami, mengajukan pertanyaan yang relevan, dan memberikan rekomendasi yang disesuaikan untuk meningkatkan pengalaman pengguna.

Kemampuan AI generatif juga membantu organisasi meningkatkan efisiensi dan produktivitas kerja. Sebaliknya, chatbot berbasis aturan tradisional biasanya terbatas pada kata kunci dan pola intent yang telah ditentukan. Oleh karena itu, seiring dengan berkembangnya pola percakapan atau munculnya pertanyaan baru, chatbot berbasis aturan memerlukan upaya operasional tambahan, untuk pembaruan dan peningkatan kualitas aturan serta pelatihan intent. Untuk kasus penggunaan ini, chatbot AI generatif memberikan manfaat berikut dibandingkan dengan chatbot berbasis aturan tradisional:

  • Jawaban chatbot yang didukung AI generatif tidak terbatas pada pertanyaan umum (FAQ). Chatbot dapat menemukan jawaban dalam set data besar dari berbagai sumber seperti data historis kasus dukungan, situs, dokumentasi produk, inventaris, email, dan percakapan chat lama dengan resolusi. Model ini juga dapat memahami kueri percakapan dan merangkum informasi yang kompleks.
  • Agen virtual AI generatif menyintesis informasi dari semua sumber data Anda. Sintesis ini memungkinkannya memberikan respons spesifik, beralasan, dan dapat ditindaklanjuti yang didasarkan pada data yang telah Anda berikan dan yang selaras dengan ekspektasi bisnis Anda.
  • AI generatif menafsirkan bahasa dan nuansa yang kompleks dalam tiket. Chatbot ini dapat memahami konteks lengkap masalah pelanggan; chatbot AI tradisional terutama berfokus pada kata kunci tertentu.
  • Chatbot AI generatif memberikan fleksibilitas bagi pelanggan untuk mengekspresikan diri mereka menggunakan metode pilihan mereka (teks, suara, gambar), sementara chatbot memanfaatkan semua input untuk meningkatkan penyelesaian masalah. Misalnya, pelanggan dapat membagikan foto produk yang rusak selama percakapan chat, dan AI generatif dapat menggabungkan deskripsi pelanggan dengan foto untuk membantu meningkatkan akurasi diagnostik dan pemecahan masalah.

Pengelolaan kasus dan alur kerja pembuatan insight: Chatbot yang didukung AI Generatif dapat otomatis membuat tiket dari setiap interaksi. Chatbot menggunakan kemampuan AI generatif untuk memahami urgensi, analisis sentimen, dan kompleksitas masalah. Kemampuan ini memastikan tiket diprioritaskan secara efektif. Chatbot dapat berinteraksi dengan sistem pemberian tiket Anda dengan cara berikut:

  • Chatbot AI generatif berinteraksi langsung dengan sistem pembuatan tiket dukungan Anda untuk membuat dan mengisi tiket dukungan dengan informasi yang diperlukan seperti berikut:
    • Detail pelanggan
    • Kategorisasi dan prioritas masalah teknis
    • Transkrip lengkap percakapan untuk konteks
    • Ringkasan masalah inti
  • Untuk masalah baru yang kompleks, chatbot dapat menetapkan tiket ke tim yang tepat dengan konteks pendukung seperti ringkasan masalah dan percakapan.

Langkah selanjutnya