Mengevaluasi dan mendefinisikan kasus penggunaan bisnis AI generatif Anda

Dokumen ini membantu Anda menentukan kasus penggunaan bisnis AI dengan mengikuti pendekatan keputusan yang didorong oleh nilai bisnis.

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

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

  1. Sasaran bisnis dan kriteria kesuksesan: Identifikasi sasaran bisnis yang terukur.
    • Fokus pada sasaran bisnis dan nilai yang akan dicapai, seperti peningkatan efisiensi dan produktivitas, pengurangan biaya, peningkatan pengalaman pelanggan, dan keunggulan kompetitif.
    • Jelaskan cara bisnis berencana mengukur keberhasilan sasaran dan tujuan yang telah 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 peningkatan retensi.
    • Identifikasi batasan dan pertimbangan bisnis yang mungkin ada, seperti memastikan 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 menyelesaikan masalah bisnis Anda atau mencapai sasaran yang telah diidentifikasi.

    Tentukan apakah ekspektasi bisnis yang diidentifikasi memerlukan AI generatif, jenis AI lainnya, atau tidak memerlukan AI untuk mencapainya. Untuk mengetahui informasi selengkapnya, lihat Mengidentifikasi output yang Anda butuhkan di "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 AI tradisional. Pertimbangkan apa yang mungkin menjadi harapan atau preferensi pengguna.

  4. Solusi AI yang didorong 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 rendah atau dengan upaya yang lebih sedikit (dan berpotensi menghemat biaya).
    • Cara bisnis dapat mendorong peningkatan pengalaman pelanggan atau produk dengan menggunakan AI generatif atau AI tradisional.
    • Cara Anda dapat menciptakan nilai bisnis secara inovatif dengan 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 penyelesaian masalah bisnis langsung, 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 penyesuaian proses backend untuk memanfaatkan kemampuan AI seperti otomatisasi alur kerja dan membantu bisnis menyadari 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 kelebihan beban karena banyaknya pertanyaan berulang, pengelolaan tiket secara manual, dan komunikasi email dukungan yang terus-menerus. Kelebihan beban akan membebani resource, meningkatkan jam kerja agen, dan memperlambat waktu penyelesaian, yang mengakibatkan penurunan kepuasan dan retensi pelanggan.

Area pengoptimalan potensial dengan nilai bisnis yang dapat diukur

Berikut adalah contoh nilai bisnis terukur yang mungkin 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: Kurangi biaya dukungan dan sederhanakan alur kerja agen. Kriteria keberhasilan yang terukur mencakup:
    • Penurunan biaya operasional dukungan pelanggan dalam persentase selama jangka waktu tertentu (seperti per kuartal).
    • 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 terukur mencakup:
    • Penurunan rata-rata waktu penyelesaian untuk pertanyaan yang ditangani chatbot.
    • Persentase tiket yang diselesaikan tanpa intervensi manusia.
    • Penurunan persentase volume tiket yang harus diteruskan ke tim dukungan teknis karena kompleksitasnya.
    • Peningkatan rasio penyelesaian kontak pertama (masalah diselesaikan dalam satu interaksi).
    • Peningkatan persentase volume pertanyaan pelanggan yang ditangani dan diselesaikan oleh chatbot.
  • Meningkatkan kualitas pengalaman pelanggan: Tingkatkan kepuasan pelanggan dengan menawarkan dukungan yang responsif dan dipersonalisasi yang tersedia 24 jam per hari. Kriteria keberhasilan yang terukur mencakup:
    • 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 survei 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 pelanggan awal. Kriteria keberhasilan yang terukur mencakup hal berikut:
    • Kemampuan untuk menangani peningkatan volume permintaan dukungan dengan persentase tertentu tanpa intervensi manusia.
    • Mempertahankan skor CSAT dan waktu penyelesaian yang konsisten selama periode permintaan tinggi.
    • Pertahankan waktu tunggu pelanggan yang konsisten untuk interaksi awal.

Solusi yang didukung teknologi AI generatif

Chatbot percakapan: Chatbot atau agen virtual yang didukung AI generatif menawarkan peningkatan signifikan dalam personalisasi dan percakapan yang alami, seperti manusia. Hal ini disebabkan oleh 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 niat yang telah ditentukan sebelumnya. Oleh karena itu, seiring berkembangnya pola percakapan atau munculnya pertanyaan baru, chatbot berbasis aturan memerlukan upaya operasional tambahan, untuk pembaruan dan penyempurnaan aturan serta pelatihan maksud. 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 yang telah diselesaikan. Fitur ini juga dapat memahami kueri percakapan dan meringkas 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 yang didasarkan pada data yang telah Anda berikan dan yang sesuai dengan ekspektasi bisnis Anda.
  • AI generatif menafsirkan bahasa dan nuansa yang kompleks dalam tiket. AI 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.

Alur kerja pengelolaan kasus dan 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 bahwa tiket diprioritaskan secara efektif. Chatbot dapat berinteraksi dengan sistem penyediaan 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
    • 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 berikutnya