Mengevaluasi dan mendefinisikan kasus penggunaan bisnis AI generatif Anda

Last reviewed 2024-03-19 UTC

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

Solusi AI generatif dan AI tradisional adalah alat yang canggih, tetapi harus selalu mendukung sasaran bisnis Anda dan tidak boleh terpisah. Untuk membuat solusi AI generatif atau AI tradisional yang sukses, mulailah dengan mengidentifikasi secara jelas sasaran atau kebutuhan bisnis terukur tertentu yang ingin Anda atasi. Kemudian, berusahalah mundur dari hasil bisnis yang Anda inginkan, seperti peningkatan efisiensi karyawan atau peningkatan kepuasan pelanggan, untuk memastikan bahwa solusi tersebut secara langsung berkontribusi pada tujuan bisnis Anda.

Untuk mendefinisikan kasus penggunaan AI generatif atau AI tradisional dengan fokus nilai bisnis, gunakan proses keputusan yang disederhanakan berikut:

  1. Sasaran dan kriteria keberhasilan bisnis: Identifikasi sasaran bisnis yang terukur.
    • Fokus pada sasaran bisnis dan nilai yang ingin dicapai, seperti meningkatkan efisiensi dan produktivitas, pengurangan biaya, meningkatkan pengalaman pelanggan, serta keunggulan kompetitif.
    • Memperjelas bagaimana rencana bisnis untuk mengukur keberhasilan tujuan dan sasaran yang diidentifikasi. Return on Investment (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 lebih cepat atau penyelesaian masalah yang lebih cepat.
      • Pengalaman pelanggan: Peningkatan skor kepuasan atau retensi.
    • Identifikasi potensi batasan dan kendala 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 teridentifikasi memerlukan AI generatif, jenis AI lainnya, atau apakah ekspektasi tersebut tidak memerlukan AI untuk mencapainya. Untuk mengetahui informasi lebih lanjut, baca bagian Mengidentifikasi output yang Anda butuhkan dalam "Membingkai masalah ML".

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

  4. Solusi AI berbasis bisnis dan yang berpusat 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 menggunakan AI generatif atau AI tradisional untuk mencapai lebih banyak hasil dengan kecepatan lebih cepat, dan dengan kompleksitas operasional yang lebih sedikit atau dengan upaya yang lebih sedikit (dan berpotensi menghemat biaya).
    • Cara bisnis dapat mendorong pengalaman pelanggan atau produk yang lebih baik dengan menggunakan AI generatif atau AI tradisional.
    • Cara Anda dapat menciptakan nilai bisnis melalui cara yang inovatif menggunakan AI generatif atau AI tradisional:
      • Analisis penawaran dan kemampuan bisnis Anda yang sudah ada untuk mengidentifikasi area tempat AI generatif atau AI tradisional dapat meningkatkan solusi yang sudah ada, meningkatkan kreativitas, atau memungkinkan Anda mengeksplorasi kemungkinan baru.
      • Memahami bagaimana AI dapat memungkinkan peningkatan inovatif yang membedakan bisnis Anda. AI generatif dapat membantu menciptakan kemampuan dan nilai yang berbeda, membantu Anda lebih dari sekadar memecahkan masalah bisnis secara langsung, dan mengeksplorasi cara untuk meningkatkan penawaran yang sudah ada.
      • Memprioritaskan penggunaan teknologi untuk meningkatkan kemampuan bisnis yang selaras dengan tujuan prioritas organisasi.

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

Pernyataan masalah bisnis

Dalam skenario ini, tim layanan dukungan pelanggan kewalahan dengan volume pertanyaan berulang yang tinggi, pengelolaan tiket manual, dan komunikasi email dukungan yang konstan. Overload mengganggu resource, meningkatkan jam kerja agen, dan memperlambat waktu penyelesaian, yang menyebabkan penurunan kepuasan dan retensi pelanggan.

Area pengoptimalan yang potensial dengan nilai bisnis yang terukur

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

  • Meningkatkan efisiensi dukungan pelanggan: Kurangi biaya dukungan dan sederhanakan alur kerja agen. Kriteria keberhasilan yang terukur mencakup hal berikut:
    • Penurunan persentase biaya operasional dukungan pelanggan selama periode yang ditentukan (misalnya kuartalan).
    • Peningkatan persentase volume pertanyaan pelanggan yang ditangani oleh chatbot.
    • Rata-rata penurunan jam kerja agen untuk tugas yang berulang.
  • Mengoptimalkan resolusi tiket: Tingkatkan kecepatan penyelesaian dan tingkatkan persentase masalah yang diselesaikan langsung oleh chatbot. Kriteria keberhasilan yang terukur mencakup hal berikut:
    • Rata-rata penurunan waktu penyelesaian untuk pertanyaan yang ditangani chatbot.
    • Persentase tiket yang terselesaikan tanpa campur tangan manusia.
    • Penurunan persentase volume tiket yang harus dieskalasikan ke tim dukungan teknis karena kerumitan.
    • Peningkatan rasio penyelesaian kontak pertama (masalah yang diselesaikan dalam satu interaksi).
    • Peningkatan persentase volume pertanyaan pelanggan yang ditangani dan diselesaikan oleh chatbot.
  • Meningkatkan pengalaman pelanggan: Tingkatkan kepuasan pelanggan dengan menawarkan responsivitas dan dukungan yang dipersonalisasi yang tersedia 24 jam per hari. Kriteria keberhasilan yang terukur mencakup hal berikut:
    • Peningkatan skor kepuasan pelanggan (CSAT) dalam survei yang terkait dengan penggunaan chatbot.
    • Mengurangi rata-rata waktu tunggu pelanggan untuk interaksi awal.
    • Peningkatan masalah yang diselesaikan dalam satu interaksi.
    • Persentase sentimen positif yang terdeteksi dalam percakapan chatbot dan survei masukan.
    • Peningkatan rasio retensi pelanggan.
  • Mendukung pertumbuhan operasi bisnis: Tangani peningkatan permintaan pelanggan tanpa menimbulkan biaya yang meningkat secara linear atau peningkatan waktu tunggu untuk interaksi pelanggan awal. Kriteria keberhasilan yang terukur mencakup hal berikut:
    • Kemampuan untuk menangani peningkatan persentase tertentu dalam volume permintaan dukungan tanpa campur tangan manusia.
    • Pertahankan skor CSAT dan waktu penyelesaian yang konsisten selama periode permintaan yang tinggi.
    • Pertahankan waktu tunggu pelanggan untuk interaksi awal yang konsisten.

Solusi dengan teknologi AI generatif

Chatbot percakapan: Chatbot atau agen virtual dengan teknologi AI generatif menawarkan peningkatan signifikan dalam personalisasi dan percakapan yang natural dan mirip 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 pengalaman pengguna yang lebih baik.

Kemampuan AI generatif juga membantu organisasi untuk mendorong lebih banyak efisiensi dan produktivitas kerja. Sebaliknya, chatbot berbasis aturan tradisional biasanya terbatas untuk kata kunci dan pola intent yang telah ditentukan. Oleh karena itu, seiring berkembangnya pola percakapan atau pertanyaan baru muncul, chatbot berbasis aturan memerlukan upaya operasional tambahan, untuk pembaruan dan penyempurnaan 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. AI generatif juga dapat memahami kueri percakapan dan merangkum informasi yang kompleks.
  • Agen virtual AI generatif menyintesis informasi dari semua sumber data Anda. Sintesis ini memungkinkan mereka memberikan respons yang spesifik, beralasan, dan dapat ditindaklanjuti berdasarkan data yang telah Anda berikan dan yang selaras dengan ekspektasi bisnis Anda.
  • AI generatif menafsirkan bahasa dan nuansa yang kompleks dalam tiket. AI Google dapat memahami konteks lengkap masalah pelanggan; chatbot AI tradisional terutama berfokus pada kata kunci tertentu.
  • Chatbot AI generatif memberikan fleksibilitas bagi pelanggan untuk mengekspresikan dirinya menggunakan metode pilihan mereka (teks, suara, gambar), sedangkan 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.

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

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

Langkah selanjutnya