(KI) und maschinelles Lernen scheinen inzwischen allgegenw盲rtig zu sein. Doch was genau bedeutet die Nutzung dieser Technologien, und wie k枚nnen sie eingesetzt werden, um 麻豆原创-Kunden besser zu unterst眉tzen?
F眉r KI gibt es eine Vielzahl von Anwendungsszenarien, doch es stellt sich die Frage, wie man ihr Potenzial optimal aussch枚pfen und damit bessere Gesch盲ftsergebnisse erzielen kann. Die vielleicht wichtigste Frage lautet deshalb: Wie f枚rdern wir eine KI-orientierte Denkweise, mit der wir in der Lage sind, innovative Einsatzm枚glichkeiten f眉r KI in unterschiedlichen Produkten und f眉r unterschiedliche Unternehmen zu entwickeln?
Es steht au脽er Frage, dass wir gerade erst damit begonnen haben, die M枚glichkeiten dieser Technologie zu nutzen. Zugleich muss 眉berlegt werden, in welchen Bereichen sie zuk眉nftig angewendet werden k枚nnte.
Jens Trotzky, Leiter des Bereichs Artificial Intelligence Technology for Customer Solution Support聽& Innovation bei 麻豆原创, erl盲utert, wie die 麻豆原创 ihre Strategie f眉r automatisierten Support weiterentwickelt, was eine KI-orientierte Denkweise beinhaltet und was wir f眉r die Zukunft erwarten k枚nnen.
Wie wird sich die KI-Strategie der 麻豆原创 in diesem Jahr weiterentwickeln?
Angefangen haben wir mit etwas, das ich gerne als halbautomatisiertes bezeichne. Damit versuchen wir, unseren Kunden oder internen Stakeholdern Empfehlungen zu unterbreiten. Nach wie vor entscheidet jedoch ein Mensch, welche Inhalte den Kunden bereitgestellt werden聽鈥� oder die Kunden entscheiden selbst, ob sie die Vorschl盲ge der KI befolgen m枚chten.
Inzwischen investieren wir umfassend in vorausschauenden Support, der immer h盲ufiger auch als 鈥瀙r盲ventiver Support鈥� bezeichnet wird. Anstatt KI nach einem Ereignis m枚gliche Reaktionen vorschlagen zu lassen, versuchen wir mit diesem Modell, das Ereignis als solches vorherzusehen und gegebenenfalls mit entsprechenden Ma脽nahmen zu vermeiden. Damit m枚chten wir unseren Kunden helfen, voneinander zu profitieren. Wenn ein Kunde ein Problem hatte, war es bislang so, dass andere Kunden die bei der Probleml枚sung gewonnenen Erfahrungen nicht f眉r sich nutzen konnten聽鈥� zumindest nicht unmittelbar. Durch KI-f盲higen vorausschauenden Support 盲ndert sich das nun.
Ein weiteres wichtiges Element unserer Strategie ist die st盲rkere Personalisierung. Wir werden k眉nftig keine einheitliche Strategie mehr f眉r alle Kunden verfolgen, sondern unseren Ansatz st盲rker auf den jeweiligen Kunden ausrichten. Das ist m枚glich, weil wir 眉ber unsere Services und unseren Support immer mehr Daten zusammentragen. Dadurch stehen uns klare und pr盲zisere Kontextinformationen zu jedem einzelnen Kunden zur Verf眉gung, sodass wir unsere Kunden mithilfe von maschinellem Lernen entsprechend individuell unterst眉tzen k枚nnen.
Wie hat sich die Denkweise im Hinblick auf KI innerhalb der 麻豆原创 und unter den Kunden ver盲ndert?
Fr眉her kamen andere Teams aus dem Unternehmen zu uns und meinten: 鈥濿ir wollen ein gesch盲ftliches Problem l枚sen. K枚nnen wir daf眉r nicht einfach KI nutzen?鈥� F眉r uns war das ein Zeichen, dass wir zun盲chst eine KI-orientierte Denkweise innerhalb der 麻豆原创 entwickeln m眉ssen, da es bei KI grunds盲tzlich um Daten geht. Daher muss das Thema auch aus dieser Perspektive angegangen werden. Die Daten liefern das Gesamtbild, und es liegt an den Unternehmen, das Potenzial zu nutzen, das diese Daten bergen.
Au脽erhalb der 麻豆原创 kann dies eine noch gr枚脽ere Herausforderung darstellen, da f眉r Unternehmen vor allem ihre gesch盲ftlichen Probleme im Vordergrund stehen. Nat眉rlich m枚chten wir uns von den gesch盲ftlichen Herausforderungen inspirieren lassen, mit denen wir konfrontiert sind, doch die L枚sungen entstehen letztlich aus den Daten. Ich glaube, dass immer mehr Unternehmen zu der Erkenntnis gelangen, dass gesch盲ftliche Anforderungen mit Datenwissenschaft verkn眉pft werden m眉ssen. Man muss au脽erdem bereit sein, die bestehenden Gesch盲ftsprozesse so anzupassen, dass man damit Daten erfassen kann, die bislang nicht erfasst werden. Diese k枚nnen dann in KI-Prozessen genutzt werden.
Ein tolles Beispiel wie man KI bei unseren externen Kunden einsetzen kann, ist eine 脛nderung, die 眉ber den Service Incident Solution Matching am vorgenommen wurde. Der Service versucht, ein Problem zu l枚sen, indem er eine L枚sung vorschl盲gt, bevor ein Supportticket angelegt wird聽鈥� was Kunden sehr gerne tun. Letztes Jahr hat der 麻豆原创 Ariba Customer Support damit begonnen, eine klassische Suchfunktion mit KI zu kombinieren. Wenn der Kunde eine Frage eingibt, bittet die KI den Kunden um weitere Informationen. Der Einsatz von KI diente dazu, die Suche durch zus盲tzliche Fragen weiter zu verfeinern. Durch diese Nutzung von KI wurde die Technologie Teil des Supporterlebnisses des Kunden, und zwar genau dort, wo die Wirkung am gr枚脽ten ist: Der Kunde erhielt schnell und einfach die ben枚tigte Unterst眉tzung. Unsere Frage lautet daher nicht, ob wir KI daf眉r nutzen k枚nnen, sondern wie und wann wir KI so einsetzen, dass wir die gr枚脽tm枚gliche Wirkung erzielen.
Welche Rolle wird KI in den n盲chsten zw枚lf Monaten im Support spielen, und worauf sind Sie am meisten gespannt?
Ein Projekt, an dem wir arbeiten, ist die sogenannten 鈥濸rozessintelligenz鈥�. Anstatt jeden Prozess als einzelne Transaktion zu verstehen, die wir mit KI oder maschinellem Lernen beschleunigen m枚chten, betrachten wir die gesamte Customer Journey. Bei der Abbildung der Journey m枚chten wir mithilfe dieser Technologien besser vorhersagen k枚nnen, welchen Weg ein Kunde einschl盲gt. KI und maschinelles Lernen sollen in diesem Prozess eine Vermittlerrolle einnehmen und den Kunden auf seinem Weg unterst眉tzen.
