Gotowość na strategię AI i dźwignię biznesową: dla firm usługowych

Firmy usługowe mogą szybko skorzystać ze sztucznej inteligencji. Mogą jednak również szybko obniżyć swoje marże, jakość i zaufanie.

Sztuczna inteligencja może pomóc w badaniach sprzedaży, tworzeniu projektów ofert, wdrażaniu klientów, podsumowaniach spotkań, szablonach dostaw, kontroli jakości, wyszukiwaniu wiedzy, raportowaniu projektów i zarządzaniu kontami. W przypadku firm usługowych brzmi to jak dźwignia, ponieważ duża część pracy zależy od wiedzy specjalistycznej, osądu, komunikacji i powtarzalnego kontekstu.

Jednak przedsiębiorstwa usługowe stają przed konkretnym ryzykiem: sztuczna inteligencja może sprawić, że proces świadczenia usług będzie wydawał się bardziej skalowalny, zanim model operacyjny stanie się faktycznie skalowalny.

Jeśli obietnica sprzedaży jest niejasna, sztuczna inteligencja może tworzyć atrakcyjniejsze oferty, które zwiększają problemy z zakresem. Jeśli standardy realizacji są słabe, sztuczna inteligencja może zwielokrotnić niespójność pracy. Jeśli kontekst klienta tkwi w prywatnych notatkach, sztuczna inteligencja nie może rzetelnie wspierać zespołu. Jeśli zasady przeglądu są niejasne, sztuczna inteligencja może tworzyć szybsze wyniki, które wciąż muszą być odzyskiwane przez osoby na wyższych stanowiskach.

Gotowość do wdrożenia strategii sztucznej inteligencji w firmach usługowych oznacza wiedzę na temat obszarów, w których sztuczna inteligencja może zwiększyć wykorzystanie wiedzy specjalistycznej bez osłabiania zaufania klientów, jakości dostaw, marży lub odpowiedzialności.

Firmy usługowe potrzebują innego spojrzenia na gotowość do AI

Gotowość na sztuczną inteligencję nie jest taka sama w każdym modelu biznesowym.

W branży usługowej wartość jest tworzona poprzez ludzi pracujących z klientami. Oznacza to, że sztuczna inteligencja dotyka wrażliwych elementów systemu operacyjnego: obietnic składanych w sprzedaży, wiedzy specjalistycznej wykorzystywanej w procesie realizacji, oceny wyjątków oraz relacji zarządzanej w czasie.

Rzeczywistość usługowo-biznesowa	Pytanie o gotowość na sztuczną inteligencję
Praca jest specyficzna dla klienta	Które części można standaryzować, nie tracąc przy tym rozsądku?
Wiedza specjalistyczna jest nierównomiernie rozłożona	Czy sztuczna inteligencja może pomóc w bezpiecznym ponownym wykorzystaniu wiedzy?
Zakres może rozszerzać się cicho	Czy sztuczna inteligencja rozjaśni czy zatrze granice?
Jakość dostawy zależy od recenzji	Co ludzie muszą jeszcze sprawdzać?
Zaufanie klienta ma znaczenie	Które wyniki sztucznej inteligencji mogą dotrzeć do klientów i na podstawie czyjej zgody?

Pytanie nie brzmi: „Czy sztuczna inteligencja może pomóc zespołowi pracować szybciej?”, lecz: „Czy sztuczna inteligencja może pomóc firmie świadczyć lepsze usługi przy mniejszym ukrytym obciążeniu?”

Zacznij od punktu dźwigni usługi

Firmy usługowe często mają wiele możliwych zastosowań sztucznej inteligencji. Najlepszym punktem wyjścia jest punkt nacisku, który wpływa na jakość, marżę lub doświadczenie klienta.

Typowe punkty nacisku obejmują:

• Lepsze przekazywanie zamówień od sprzedaży do dostawy
• Szybsze przyjmowanie i wdrażanie klientów
• Wielokrotnego użytku instrukcje dostawy lub szablony
• Pobieranie wiedzy z zatwierdzonego materiału wewnętrznego
• Przygotowywanie rutynowych aktualizacji dla klientów
• Przygotowywanie notatek z przeglądu dla starszych ekspertów
• Podsumowanie ryzyk projektu i otwartych decyzji
• Przesunięcie lunety obserwacyjnej lub brak danych wejściowych

Ciśnienie serwisowe	Pytanie dotyczące lepszej strategii AI
Starsi ludzie ratują zbyt dużo pracy	Czy sztuczna inteligencja może przygotować pakiety recenzji przed recenzją ekspercką?
Projekty zaczynają się bez kontekstu	Czy sztuczna inteligencja może sprawdzić kompletność posiłków przed rozpoczęciem meczu?
Propozycje są zbyt zróżnicowane	Czy sztuczna inteligencja może tworzyć projekty na podstawie zatwierdzonego zakresu i zasad ustalania cen?
Jakość dostawy jest zmienna	Czy sztuczna inteligencja obsługuje standardowe listy kontrolne i przykłady?
Menedżerowie kont ścigają status	Czy sztuczna inteligencja może podsumować sygnały projektu z zapisu przepływu pracy?

Szerszą wersję dla firm rozwijających się można znaleźć w dokumencie Gotowość na strategię AI i dźwignię biznesową: dla firm rozwijających się.

Najpierw napraw przekazywanie od sprzedaży do dostawy

Wiele pomysłów na usługi oparte na sztucznej inteligencji upada, bo mechanizm przekazywania jest słaby.

Jeśli sprzedaż obiecuje jedno, a dostawa otrzymuje częściowy kontekst, sztuczna inteligencja nie rozwiąże problemu. Może wręcz pogorszyć sytuację, generując dopracowane dokumenty na podstawie niekompletnych założeń.

Przed użyciem sztucznej inteligencji w propozycjach, wdrażaniu, konfiguracji projektu lub planowaniu dostaw należy zdefiniować przekazanie:

• Co zostało sprzedane
• Jaki wynik został obiecany
• Co jest wliczone, a co nie
• Jakie założenia zostały przyjęte
• Jakie ryzyka zostały omówione
• Jakie dane wejściowe klienta są wymagane
• Jaki harmonogram został uzgodniony
• Kto jest właścicielem relacji z klientem
• Kto jest właścicielem sukcesu dostaw

Warunek przekazania	Implikacje gotowości na sztuczną inteligencję
Jasna obietnica, zakres i dane wejściowe	Sztuczna inteligencja może pomóc w przygotowaniu briefów
Brak granic zakresu	Sztuczna inteligencja nie powinna swobodnie generować wariantów propozycji
Niejasne kryteria sukcesu	Sztuczna inteligencja powinna pomagać w strukturyzacji odkryć, a nie automatyzować ich dostarczanie
Prywatne notatki sprzedażowe	Napraw zachowanie źródła prawdy przed wprowadzeniem obsługi sztucznej inteligencji
Częste niespodzianki w dostawie	Popraw zarządzanie przekazywaniem przed skalowaniem sztucznej inteligencji

Informacje na temat warstwy przepływu pracy można znaleźć w dokumencie Projektowanie przepływu pracy w inżynierii biznesowej: dla firm usługowych.

Oddziel wykorzystanie wiedzy specjalistycznej od automatyzacji skierowanej do klienta

Sztuczna inteligencja może zapewnić przewagę w sektorze usług, nie zastępując przy tym opinii ekspertów.

Wczesne przypadki użycia często pomagają ekspertom w przygotowaniu, przeglądzie i ponownym wykorzystaniu wiedzy. Automatyzacja skierowana do klientów zazwyczaj wymaga silniejszych mechanizmów kontroli.

Przypadek użycia sztucznej inteligencji	Poziom ryzyka	Lepszy pierwszy projekt
Wewnętrzny brief dotyczący dostawy	Niski do średniego	Projekty AI, recenzje zespołów
E-mail z aktualizacją klienta	Średni	Sztuczna inteligencja tworzy projekty na podstawie zatwierdzonych danych projektu, zatwierdza je menedżer
Rekomendacja strategiczna	Wysoki	Sztuczna inteligencja wspiera opcje, a ekspert ma prawo do osądu
Zakres propozycji	Wysoki	Sztuczna inteligencja korzysta z zatwierdzonych szablonów i zasad cenowych
Odpowiedź obsługi klienta	Średni do wysokiego	Sztuczna inteligencja sugeruje, człowiek zatwierdza przed wysłaniem

Pytanie o gotowość dotyczy tego, czy firma wie, w jakich obszarach sztuczna inteligencja wspomaga wiedzę specjalistyczną, a w jakich będzie reprezentować firmę wobec klienta.

To są różne poziomy zarządzania.

Sprawdź jakość danych i wiedzy

Przedsiębiorstwa usługowe często dysponują cenną wiedzą, lecz nie zawsze jest ona przydatna.

Wiedza może znajdować się w ofertach, notatkach klientów, wspomnieniach ekspertów, retrospektywach projektów, wątkach na Slacku, nagraniach ze spotkań, szablonach dostaw, dokumentach audytowych i nieformalnych przykładach. Sztuczna inteligencja może pomóc w odzyskiwaniu i ponownym wykorzystaniu tej wiedzy tylko wtedy, gdy firma będzie w stanie określić, które materiały są aktualne, zatwierdzone, poufne i istotne.

Zanim zaczniesz korzystać ze sztucznej inteligencji w celu zwiększenia wiedzy, sprawdź:

Warunek wiedzy	Pytanie o gotowość
Biblioteka propozycji	Które przykłady propozycji są nadal aktualne?
Szablony dostaw	Które szablony są zatwierdzonymi standardami?
Notatki klienta	Z jakich notatek może korzystać sztuczna inteligencja i które z nich są poufne?
Realizacje	Które twierdzenia są sprawdzone i można je ponownie wykorzystać?
Wewnętrzne podręczniki	Kto jest odpowiedzialny za aktualizacje i kontrolę wersji?
Retrospektywy projektu	Czy lekcje są zapisywane w formie umożliwiającej wyszukiwanie?

Jeśli baza wiedzy jest chaotyczna, zacznij od wyszukiwania, klasyfikacji, czyszczenia i przeglądu. Nie używaj sztucznej inteligencji do generowania wyników dla klientów z niekontrolowanych materiałów.

Chroń margines i zakres

Sztuczna inteligencja może zmniejszyć nakład pracy związany z dostarczaniem. Może również zwiększyć zasięg.

Dzieje się tak, gdy firma wykorzystuje sztuczną inteligencję do tworzenia bardziej dostosowanych wyników, większej liczby wariantów ofert, większej liczby opcji dla klientów lub większej liczby produktów bez konieczności aktualizowania cen, pojemności lub reguł przeglądu.

Przedsiębiorstwa usługowe powinny łączyć strategię sztucznej inteligencji z ochroną marży.

Zachowanie wspomagane przez sztuczną inteligencję	Ryzyko marży	Kontrola gotowości
Szybsze dostosowywanie propozycji	Więcej wariantów bez ceny	Zakres i zasady dodatkowe
Więcej produktów dostarczanych klientom	Większy nakład pracy związany z przeglądaniem i dostarczaniem	Sprawdzenie możliwości dostaw
Szybsza analiza	Więcej bezpłatnych porad doradczych	Wyczyść granice pakietu
Częstsze raportowanie	Więcej pracy związanej z zarządzaniem kontami	Raportuj reguły rytmu i automatyzacji
Dostawa wspomagana sztuczną inteligencją	Ukryty ciężar oceny starszych	Metryka czasu przeglądu

Wykorzystanie sztucznej inteligencji powinno przejawiać się lepszymi marżami, krótszym czasem cyklu, wyższą jakością lub mniejszym obciążeniem wąskimi gardłami. Jeśli generuje więcej pracy przy tej samej cenie, strategia jest słaba.

Zdefiniuj przegląd ludzki według wpływu na klienta

Recenzja dokonana przez człowieka powinna być powiązana z wpływem na klienta.

Nie każdy wynik AI wymaga takiego samego poziomu weryfikacji. Wewnętrzne podsumowanie projektu nie niesie ze sobą takiego samego ryzyka jak rekomendacja cenowa, doradztwo strategiczne dla klienta, wrażliwy język prawny czy zobowiązanie dotyczące zakresu.

Wpływ na klienta	Przegląd zasad
Przygotowanie wewnętrzne	Recenzja użytkownika pod kątem dokładności i trafności
Wewnętrzne wsparcie decyzyjne	Przegląd właściciela przed podjęciem działań
Aktualizacja operacyjna skierowana do klienta	Zatwierdzenie menedżera
Strategiczne rekomendacje skierowane do klienta	Zatwierdzenie przez eksperta właściciela
Cennik, zakres lub język umowny	W stosownych przypadkach przegląd handlowy lub prawny

Recenzja nie stanowi bariery dla wykorzystania sztucznej inteligencji. To ona pozwala firmom usługowym korzystać z AI bez osłabiania zaufania.

Chroń adopcję w zespole dostawczym

Strategia sztucznej inteligencji zakończy się porażką, jeśli zespoły wdrażające będą traktować ją jako kolejną warstwę administracyjną.

Zespoły świadczące usługi już teraz radzą sobie z presją klienta, terminami, poprawkami, wyjątkami i standardami jakości. Jeśli sztuczna inteligencja doda monity, zadania do sprawdzenia i nowe narzędzia, nie eliminując tarcia, ludzie będą z niej korzystać niekonsekwentnie lub ją pomijać.

Pytania sprawdzające gotowość:

• Jaką pracę dostawczą zredukuje sztuczna inteligencja?
• Jaki stary szablon, raport lub czynność ręczna może zostać zatrzymana?
• Kto będzie szkolił użytkowników w zakresie zatwierdzonego przepływu pracy?
• Jakie wyniki ludzie mogą odrzucić?
• W jaki sposób będą zgłaszane słabe wyniki sztucznej inteligencji?
• W jaki sposób menedżerowie będą wzmacniać nowe zachowania?

Informacje na temat warstwy adopcyjnej można znaleźć w dokumencie Human Adoption in Business Engineering: For Service Businesses.

Zmierz dźwignię usług

Sukces sztucznej inteligencji w firmach usługowych należy mierzyć na podstawie ekonomiki usług i ich jakości, a nie wyłącznie ich wykorzystania.

Cel dźwigni	Lepsza metryka
Zredukuj wąskie gardła seniorów	Czas przeglądu eksperckiego na projekt
Popraw szybkość dostarczania	Czas cyklu według etapu dostawy
Poprawa jakości	Wskaźnik przeróbek, wskaźnik zaliczeń recenzji, cykle rewizji klienta
Chroń marżę	Niewycenione zmiany zakresu, godziny dostawy w porównaniu z szacunkami
Poprawa wdrażania	Kompletność przyjęcia i opóźnienie rozpoczęcia
Popraw komunikację z klientem	Prośby o wyjaśnienie statusu i czas reakcji
Ponowne wykorzystanie wiedzy specjalistycznej	Zatwierdzone szablony lub zasoby wiedzy używane w danym projekcie

Aby zapoznać się z kontekstem zarządzania operacjami, zobacz Zarządzanie operacjami: co naprawić w przypadku firm usługowych.

Jeśli firma nie jest w stanie zmierzyć stopnia wykorzystania usług, może pomylić wykorzystanie sztucznej inteligencji z usprawnieniem operacyjnym.

Typowe błędy

Największym błędem jest wykorzystanie sztucznej inteligencji do przyspieszenia realizacji usług przed naprawą systemu świadczenia usług.

Do innych częstych błędów zaliczają się:

• Automatyzacja projektów ofert bez reguł zakresu
• Korzystanie z prywatnych notatek, tak jakby były one zatwierdzoną bazą wiedzy
• Umożliwienie sztucznej inteligencji tworzenia porad skierowanych do klientów bez konsultacji z ekspertami
• Pomiar terminowości użycia zamiast marży, jakości lub czasu cyklu
• Nakładanie na osoby starsze ciężaru przeglądu AI bez jego mierzenia
• Skalowanie sztucznej inteligencji w całym procesie dostaw przed przekazaniem
• Wykorzystanie sztucznej inteligencji do personalizacji każdego produktu dostarczanego klientowi bez ustalania ceny za zmienność
• Traktowanie wzrostu wewnętrznej produktywności jako dźwigni biznesowej

Tego typu błędy sprawiają, że działalność usługowa wydaje się bardziej wydajna, podczas gdy w rzeczywistości po cichu wzrasta złożoność operacyjna.

FAQ

Co oznacza gotowość do strategii AI dla firm usługowych?

Oznacza to, że firma zidentyfikowała obszary, w których sztuczna inteligencja może poprawić jakość usług, marżę, czas cyklu, ponowne wykorzystanie wiedzy lub doświadczenia klienta, nie osłabiając kontroli zakresu, standardów dostaw, przeglądu przez człowieka lub zaufania klienta.

Jaki jest najlepszy pierwszy przypadek zastosowania sztucznej inteligencji w firmie usługowej?

Pierwszym, silnym przypadkiem użycia jest często sytuacja wewnętrzna: briefingi, kontrole kompletności dokumentów, podsumowania projektów, pakiety przeglądowe, wyszukiwanie wiedzy lub projekty propozycji z zatwierdzonych szablonów. Pozwala to na uzyskanie przewagi, a jednocześnie zapewnia rozliczalność ludzi.

Czy sztuczna inteligencja powinna być wykorzystywana w usługach skierowanych do klientów?

Tak, ale z zasadami przeglądu powiązanymi z wpływem na klienta. Aktualizacje, rekomendacje, propozycje, sformułowania dotyczące zakresu i porady strategiczne przeznaczone dla klienta powinny zostać zatwierdzone przez człowieka przed ich użyciem.

W jaki sposób przedsiębiorstwa usługowe mogą chronić marże, wykorzystując sztuczną inteligencję?

Zarządzaj zakresem, cenami, personalizacją, obciążeniem weryfikacyjnym i możliwościami realizacji. Zmierz, czy sztuczna inteligencja zmniejsza nakład pracy, czy po prostu generuje więcej produktów i zróżnicowania przy tej samej cenie.

W jaki sposób przedsiębiorstwa usługowe powinny mierzyć wykorzystanie sztucznej inteligencji?

Pomiar czasu cyklu, przeróbek, wskaźnika zaliczeń przeglądów, obciążenia przeglądem starszych pracowników, kompletności przyjęcia, nieocenionych zmian zakresu, godzin dostawy w porównaniu z szacunkami, próśb klienta o wyjaśnienia i ponownego wykorzystania zatwierdzonych zasobów wiedzy.

Sztuczna inteligencja powinna zwiększyć skalowalność kompetencji w zakresie usług

Najlepsza strategia wykorzystania sztucznej inteligencji w przedsiębiorstwie usługowym nie zastępuje osądu, który określa wartość usługi.

Dzięki temu osąd ten będzie łatwiej zastosować.

Sztuczna inteligencja powinna pomagać w uchwyceniu kontekstu, przygotowaniu pracy, ponownym wykorzystaniu wiedzy specjalistycznej, identyfikowaniu ryzyka, standaryzacji jakości i zmniejszaniu obciążenia związanego z koordynacją, któremu można zapobiec. Nie powinna jednak zaciemniać obietnic, rozszerzać zakresu ani wysyłać klientom nieprzeanalizowanych porad.

Przedsiębiorstwa usługowe będą gotowe na wykorzystanie sztucznej inteligencji, gdy będą mogły używać jej do zwiększania skalowalności swojej wiedzy fachowej, nie zmniejszając jednocześnie poziomu kontroli nad modelem biznesowym.