26 ЕНЕРГИЯ 7'2024 на обучаващия се в реално време, сравнявайки дадения отговор с оптималния, дефиниран от ръководството на екипа. Два вида генеративен AI в корпоративната организация Условно прилагането на изкуствен интелект в корпоративната организация може да се раздели на няколко типажа и всяка от тях поставя различни изисквания към организацията от гледна точка на защитата на данните. Всякога трябва да се внимава с използването на чувствителна, конфиденциална информация и такава, която може да доведе до разкриването на самоличността на конкретни хора. По-лесният, по-популярен начин на внедряване е да се използва външен AI. Тогава организацията използва готови алгоритми, създадени от друга организация, без да се намесва в създаването им. Такъв е случаят с директното използване на популярните генеративни механизми. Използвайки генеративния механизъм, фирмата не вижда данните, върху които е трениран моделът; тя не ги притежава, нито може да ги модифицира. Подобна е ситуацията с корпоративните приложения с AI функции. Такъв е случаят с разработките на SaaS приложения за обслужване на клиенти с AI функции. В такъв случай са налице утвърдени взаимоотношения между потребителската организация и нейния доставчик на приложението, но отново фирмата потребител не е наясно с какви данни е обучена платформата. ВториятвидизползваненаAI е създаването на „вътрешен“, собствен AI механизъм. В найбазовия си вид това може да е готов модел, който обаче бива предварително обучен за приложение в корпоративната организация, тоест създаден с алгоритъм от външен разработчик, но трениран със собствени данни. Така организацията, която го внедрява, си създава собствена „версия“. Възможно е комуналното дружество да отиде по-далеч и да рафинира базовия AI модел - тогава може да се говори за фино настроен AI модел за собствено приложение. Фирмата го захранва със собствени данни, специфични за своя бизнес. Така тя формира модел, „специализиран“ за собствените си работни потоци. Най-трудният вариант е създаването на изцяло собствен AI модел: разработен вътре в организацията, обучен с нейни собствени данни. Тогава дружеството е и създател и потребител на AI, който построява „от нула“ - със собствени данни и собствен програмен код. енергиен доставчик е наясно с текущата ситуация и се справя адекватно с нея. Маршрутизирането на обажданията може да се автоматизира интелигентно чрез AI. Алгоритъмът следва да анализира заявката и да насочва клиента към най-подходящия агент въз основа на умения, опит, език, район или предишни взаимодействия. Това намалява нуждата от трансфери и минимизира времето за изчакване на клиентите. Свързвайки обаждащия се с правилния служител, AI може да повиши удовлетвореността. Анализът на обажданията е един от найголемите козове на AI. Той може да прави мониторинг и да генерира ценна статистика. Как? AI първо транскрибира разговорите, така че да ги има в текстов вид. После текстът се анализира, за да се изведат обобщения: колко често се споменава даден термин, кои са най-често задаваните въпроси, какво най-често предпочитат клиентите в отговор на даден въпрос на агента. Подобна статистика може да послужи за вземане на решения както за обучение на самите агенти, така и за автоматизиране на тяхната работа, отменяйки досадните и повторяеми елементи. Генерираните отAI анализи дават по-задълбочена представа за тертипите при обажданията, притесненията на клиентите и потенциалните оперативни затруднения. Автоматизирането на заключителната работа може значително да намали времето, изразходвано от агентите за приключване на разговорите, като им спестява две задачи: обобщаване на „тикетите“ след разговор и предоставяне на пълни транскрипции. Базираните на AI системи могат да „слушат“ записите на разговорите и да генериратточни резюмета въз основа на казаното. Чрез транскрибирането алгоритмите могат и да анализират съдържанието на разговорите, идентифицирайки ключови теми, често задавани въпроси, популярни проблеми, възражения, искания. Обучението на нови служители също може да се облекчи чрез AI в колцентъра. Генеративният AI може да рационализира процеса чрез създаването на суперреалистични симулации на тренировъчни клиентски обаждания. Тези синтетични повиквания могат да имитират нюансите и сложността на реалните взаимодействия с клиенти, позволявайки на обучаващите се да практикуват в безопасна и контролирана среда. Отвъд симулацията AI решението за обучение на служителите може да направи и повече: да съчетае тренировките с оценяването. Алгоритъмътможе да анализира отговорите
RkJQdWJsaXNoZXIy MTEyMTYwMw==