Visszavonta a chatbot-tervet a Commonwealth Bank, miután megugrottak a hívások

A Commonwealth Bank és a McDonald’s kudarcba fulladt AI-bevezetési kísérletei jól mutatják, mi történik, ha a stratégiát nem tervezik meg alaposan. A Commonwealth Banknak mindössze egy hónappal azután kellett visszafordítania a 45 call-centeres munkatárs leváltását célzó chatbot-bevezetését, hogy bejelentette azt. (Financial Times)

Az intézkedés az ügyfélhívások számának megugrásához vezetett, ami a megmaradt munkatársak túlórázását és a vezetők bevonását tette szükségessé a feladatok elvégzéséhez. A bank végül bocsánatot kért az elbocsátott dolgozóktól, és felajánlotta nekik a visszavételüket vagy az önkéntes végkielégítést.

McDonald’s és a hangrendelési hiba

A McDonald’s két évvel ezelőtt, az amerikai drive-through éttermeiben bevezetett AI-alapú hangrendelésből is visszalépett, miután a vásárlók számos hibára panaszkodtak, például egy szalonnával felturbózott fagylaltra. Szakértők szerint ezek a magas profilú esetek jól illusztrálják, hogyan nem szabad csinálni az AI-bevezetést, és miért elengedhetetlen a türelem és a gondos tervezés.

Sierra és a Swiss Re best practice-jei

A Sierra nevű startup, amely cégeket segít AI-stratégiájuk kidolgozásában, vezetője, Suveer Kothari szerint a sikeres vállalatok először egyértelmű üzleti problémára fókuszálnak, és csak azután alkalmazzák az AI-t, szemben azokkal, akik „AI-turizmusba” kezdenek: keresnek egy problémát egy meglévő AI-stratégiához.

A jól teljesítő cégek gyorsan élesben, valódi ügyfelekkel indítanak, ami segít megérteni, mi működik és mi szorul fejlesztésre. Harmadik kulcsfontosságú elem, hogy nem próbálnak meg mindent egyszerre megoldani, hanem egy kezelhető problémát választanak ki az AI-val való induláshoz, majd fokozatosan növelik a komplexitást.

Nicola Parton, a Swiss Re biztosítócsoport AI-üzletágának vezetője is kiemeli a priorizálás fontosságát. „Nagy hiba túl sokat csinálni egyszerre. Hatalmas az igény az AI iránt, ezért a priorizálás kulcsfontosságú” – mondja. „A technológiai és üzleti szakértelmet olyan területekre kell összpontosítani, ahol az AI valóban jobb eredményeket hozhat, miközben ki kell építeni az alapokat – adat, technológia, irányítás és szervezeti aktiválás – amelyek lehetővé teszik a sikeres megoldások skálázását.”

Parton szerint a Swiss Re is korán elérhetővé tett AI-eszközöket a vállalat egész területén nem alapvető feladatokra, mint dokumentumok összefoglalása vagy belső megbeszélésekre való felkészülés.

Az elképzelés az volt, hogy ha az emberek nem szoknak hozzá az AI használatához a mindennapi munkában, akkor valószínűleg nem fogják hatékonyan használni kulcsfontosságú üzleti területeken sem, mint például az aláírók támogatása a megfelelési feladatoknál és szerződések véglegesítésénél. Ezek az eszközök viszonylag egyszerű alkalmazások, de segítenek az embereknek az AI-val való ismerkedésben és magabiztosságuk növelésében.

Egy másik buktató, ha az AI-t nem üzleti transzformációként, hanem pusztán technológiai bevezetésként kezelik. „Könnyű eszközöket vagy egyedi használati eseteket bevezetni, de sokkal nehezebb megváltoztatni a munkafolyamatokat és mérhető üzleti értéket teremteni” – teszi hozzá Parton. Ed Carter, a brit Griffin bank operatív igazgatója szerint a „rossz dolgok mérése” időpazarlás. „Az, hogy ’elég AI-t használunk-e?’ kérdésre adott válasz az órák számolása. Inkább a kimenetet kellene mérni, és a megfelelő módon ösztönözni a kísérletezést.”

Bár egyetértés van abban, hogy a stratégiák finomítása jobb AI-eredményekhez vezet, kevésbé egyértelmű, ki legyen felelős a stratégiák végrehajtásáért. Egyes cégeknél ez az IT-osztály feladata, másoknál a vezérigazgatóé, míg sokaknál, mint a HSBC, az áprilisban kinevezett AI-vezető felelőssége. A HSBC-nél az áprilisban kinevezett AI-vezető felelős a stratégia végrehajtásáért.