英语轻松读发新版了,欢迎下载、更新

知识管理在AI之旅中成为中心舞台

2025-02-18 13:12:00 英文原文

作者:Written by Vala Afshar, Contributing Writer Feb. 18, 2025 at 5:12 a.m. PT

A robot on a green background with settings cogs and a business person climbing a ladder with a file in their hand.
ZDNET

根据 方舟投资大创意2025报告,代理商将通过软件提高企业生产率。部署代理商的公司应能够以相同的劳动力来增加单位量,并优化其对高价值活动的劳动力。” 

人工智能(AI)还将增强知识工作。到2030年,方舟期望,随着企业投资生产力解决方案,每个知识工作者部署的软件数量将大大增长。AI代理有望加速采用数字应用,并在人类计算机的互动中产生时期转变。

还:AI可能对传统的BI和分析工具意味着什么

根据 2025连接基准报告``Mulesoft和Deloitte Digital,其中93%的IT领导者报告了未来两年内引入自主AI代理商的意图,而将近一半的人已经这样做了。但是,如果没有故意专注于数据和知识管理策略,则采用代理AI采用和数字劳动力的旅程并不容易。” 

mulesoft和deloitteâ 研究根据来自1,050个CIO的反馈,揭示了数据被困在孤立的企业应用程序中。平均企业使用897个应用程序,其中45%使用1,000个或更多应用程序 - 进一步阻碍了IT团队建立统一体验的能力。只有29%的企业应用程序集成并在整个业务上共享信息。大多数(93%)IT领导者认为AI将在未来三年内提高开发人员的生产率,自2023年以来提高了7个百分点。

断开的数据仍然是组织对组织的遗产现代化的压倒性阻碍。如今,有83%的企业报告说,整合挑战是其传统现代化工作的重大障碍。97%的IT领导者承认,他们的组织在整合最终用户体验方面努力。只有10%的受访者报告由于数据孤岛而没有遇到挑战,而74%的组织发现其IT系统过于相互依存。 

整合不良和断开数据导致知识管理差。没有强大的知识管理能力,客户体验领导者将无法实现包括代理在内的AI潜力。德勤研究指出,使用AI的25%的企业将于2025年部署AI代理。 

另外: 数据孤岛的结尾?SAP如何使用Joule和Databrick重新定义企业AI

埃森哲研究同时,强调了知识管理作为核心“认知数字大脑”能力的重要性,企业需要采用代理AI解决方案。那么,为什么知识管理是AI在业务中采用的关键成功因素,包括使用代理AI创建数字劳动力的能力?

更好地了解知识管理对成功采用的影响生成的AI(Gen AI)和企业中的代理AI,我采访了全球客户关系管理(CRM),客户体验(CX),知识管理(KM)和客户服务的一位领先专家。迈克尔·莫兹(Michael Maoz)是创新战略高级副总裁Salesforce。在加入Salesforce之前,Maoz曾是Gartner的研究副总裁兼杰出分析师,担任客户服务和支持策略领域的研究负责人。 

这是我们对话的亮点。

在作为客户支持领导者的日子里,知识管理是一个差异化的人,尽管这并不是一门学科,可以促进您的晋升。为什么要改变?

迈克尔·莫兹:没有强大的知识管理能力,客户体验领导者将无法实现AI的潜力。随着企业努力扩展生成性AI和代理AI的使用,企业中知识管理(KM)的质量正在接受新的审查。正如您想说的那样,数据是新水 - 对于整体知识文章和内容而言,尤其如此:它必须丰富,干净且易于使用。已经具有强大能力的支持组织正在扩大像 代理人(Salesforce的代理AI解决方案)。

您已经研究了为什么有些公司在KM上蓬勃发展,而另一些公司可能会落后。您看到什么模式,它们是如何产生的?

迈克尔·莫兹:这总是归结为谁拥有KM流程。在客户服务不拥有流程的行业中,公共没有自己的错,是一门不成熟的纪律。在另一端,在知识管理是当务之急的行业中,客户支持团队拥有或最终词,他们使用并传达给客户的知识内容。这些行业,例如技术,航空航天和医疗设备,遵守标准,例如服务创新以知识为中心的服务(KCS)或技术和服务行业协会(TSIA)的指南。

untitled-presentation-91

Salesforce创新战略高级副总裁Michael Maoz关于知识管理对采用代理AI的重要性。

Vala afshar/Zdnet

如果我们暂时将任何并发症都链接到AI中,那么它将其链接到AI Gen,这使企业擅长开发正确的内容并以正确的格式可用 - 这可能是一个长的PDF还是图像或视频 - 在客户选择的渠道上很容易搜索和找到?

迈克尔·莫兹(Michael Maoz): 伟大的公司围绕知识具有强大的文化,并为过程进行游戏化。我记得访问了新罕布什尔州的一家医疗设备制造商,一些技术支持团队在办公桌上有小奖杯,以解决问题。这是最好的共同点:

  • 知识管理在公司范围内被认为是当务之急
  • 知识创造是集中和/或在部门之间协调的
  • 系统可以从所有相关来源获取知识,包括用户聊天和社区论坛,电话交互和设备信号
  • 测量工具监控内容的使用以及内容对自助服务的影响及其客户调查反映了人们如何始终如一地接收正确的答案(电子邮件,消息,消息传递,机器人,网络或应用程序)
  • 围绕内容使用的良好纪律,包括:了解如何创建内容,将其推广到正确的渠道,并使其适用于正确的任务;确定服务代表,客户或机器人“未能找到”报告的知识差距;拥有指出知识文章或内容需要删除的数据,因为它已经过时或无关紧要
  • KM系统已集成到CRM系统中,允许深层个性化

像亚马逊的Ring Division(出售房屋门铃,警报系统和安全摄像机)和Dyson这样的公司是B2C产品中心公司的示例,这些公司了解跨渠道可用的良好,上下文相关的文档,并与特定产品绑定,可降低支持成本和支持成本和成本享受客户 

另外: 15种AI在2024年为我节省了时间 - 我计划如何在2025年使用它

有效的公司还认识到客户可以与他们联系的可能问题数量有限。使用高科技或医疗设备的B2B公司通常是采用KCS型方法中最成熟的。它们受产品更新,新软件发行和工厂召回的约束,有时他们有第三方对产品进行某些或全部支持。

为什么要阐明我们对AI的强烈关注,而我们的意思是AI和代理AI,进一步强调了对解决客户问题的知识质量的需求?

迈克尔·莫兹(Michael Maoz): 在AI代创建了假,不完整,错误或表现出偏见的内容的过去一年中,我们看到了多少个大声的公开展示?更不用说它缺乏道德使用的治理。没有客户服务或客户体验的负责人希望从CEO中获得该文字,引用AI失败。 

幸运的是,有一些KM的方法通过添加AI Gen Rake,可以加速您的知识内容。这正是我们对Agentforce所做的。首先是需要降低每个Gen AI项目的风险。就像我们的希波克拉底宣誓:不要伤害。当您将Gen AI放在封闭的知识存储库面前时,这很容易,该存储库经过精心策划,并用于仅回答几个问题或编写有限的文本或电子邮件。” 

另外: 为什么道德成为AI的最大挑战

您如何扩展该方法以合并所有公司数据,包括CRM或ERP系统中的结构化数据,以及您的非结构化数据(如PDF和聊天日志)?为此,您需要强大的数据治理。您需要将内容运行超越道德使用团队以消除偏见。您需要一个隐私层。您需要考虑任何治理或数据隐私问题。情况很复杂。

建立包括所有形式的AI的可信KM系统的秘诀是什么?

迈克尔·莫兹(Michael Maoz): 与营销交朋友。随着客户服务专业人员的AI功能,他们将开始以更加协调的方式与营销方式合作。许多最好的KM从业者会发现与内容创建者在营销中的亲和力。营销内容团队拥有一个编辑委员会,内容治理委员会以及赞助内容的营销领导团队。他们努力工作,以确保品牌音调通过,并以正确的风格和语言,以增强品牌。

另外: 生成AI现在是技术专业人员的必备工具

那是客户服务的未来 - 大规模同理心,并加强品牌。营销了解营销内容的目标是不同的角色,并创建了必要的模板,并且它们通常具有卓越的满足中心,以确保作家,内容设计师和内容战略家共同努力。很快的营销和客户服务将高度协调。这是我们观察到的一些最佳实践:

  • 定义真理的单一来源:最好的团队测试内容是最新和合规的。他们进行测试以避免幻觉,当AI使用过时的信息回答问题时,可能会发生这种幻觉。当有多个部门可以访问相同的信息时,他们确保AI使用内容的来源,而不是复制内容。我们的客户甚至使用AgentForce查找重复的信息来源,并检查来源是否协调。
  • 标签内容:任何出色的技术出版物团队都已经完成了用元数据标记内容的工作,以便AI Gen可以快速检索它。现在,在高级用例中,只有在首次查看客户购买历史,满意度,影响者得分和流失倾向之后才能访问内容。这种方法允许新的个性化水平。
  • 调查和反馈:团队使用KCS实践调查客户,以了解答案满足他们的期望并注册需要做出的任何更改。与AI和数据科学家合作,他们可以要求对AI模型进行调整。就Salesforce而言,我们有一个推理引擎,可以在整个过程中监视知识生态系统,以查看其是否按设计进行。然后,它可以修改和优化过程。

在接下来的三年中,我们应该从启用AI-KM的从业人员那里得到什么?

迈克尔·莫兹(Michael Maoz): 使用AI的唯一限制是您的想象力。知识管理是最大程度地减少当今人类代理商执行的许多任务的核心。一旦知识值得信赖和可检索,可能性将无尽。这是讲故事的地方 - 激发领导者。对于我们的人类服务代表,特工可以:

  • 协助代理商正确的建议
  • 更新多个集成系统以确保数据准确性
  • 代表人类代理人采取行动 - 打开案例,关闭案例,检索信息,发送通知 - 完成所有重复,乏味但重要的任务
  • 用正确的语气制作正确的短语
  • 建议说些什么或发短信
  • 附加相关文章,图像或声音文件以解决问题
  • 创建工作流程以新员工
  • 总结案件或电话交谈
  • 在电子邮件或语音录音中删除最重要的一点
  • 了解人类的情感,并以同理心或更大的耐心回应或提供更多细节

对于最终客户而言,拥有AgentForce的KM有惊人的好处。在这里,唯一的限制是想象力。例如,通过在网站上或应用程序中认证的客户或使用对话的AI验证客户,该工具可以执行诸如处理订单返回或预先填写表格,检查和更新运输详细信息,提供个性化建议,协商权利等诸如处理订单返回或预先填写表格之类的操作折扣或免除费用。使用精心策划的知识库的对话AI聊天机器人可以回答所有事实问题。 

另外: 您的AI转换取决于这5个业务策略

这种方法留下了最复杂的问题 - 答案是“依赖”的问题 - 对人类代理人,就像只有人类应处理紧急情况或客户感到烦躁,害怕或焦虑的方式一样。AI可以检测到这些状态,并将相互作用从自助服务转移到人类代理。

接下来你应该做什么

未来的可能性太大了。谁知道KM可能会令人兴奋?这也提醒我,迈克尔概述的大部分内容都会影响人们。我可以看到所需的多种新技能和招聘策略,以及一些企业会拥抱的变革管理程度,而另一些企业会挣扎。 

根据世界经济论坛的说法 工作未来报告2025,1.7亿个新工作将在2030年创造,AI将发挥关键作用。有时候,即使有了最好的知识系统,无论AI是否可以回答问题,企业都将始终需要确定客户何时需要并希望与人交谈。这是关键要点:

  • 在漫长的比赛中努力工作
  • 受到知识管理的纪律处分,因为受信任,可用,正确的信息将使或破坏AI之旅
  • 衡量显示价值
  • 作为跨组织团队的工作,并利用客户见解发展到一个新的水平
  • 知识管理与AI相关时,将为客户满意,降低成本和发展业务开辟一个全新的世界

本文由 迈克尔·莫兹(Michael Maoz),创新战略高级副总裁 Salesforce

关于《知识管理在AI之旅中成为中心舞台》的评论


暂无评论

发表评论

摘要

知识管理(KM)与人工智能(AI)的整合,特别是通过Salesforce的Michael Maoz这样的进步,预示着客户服务和业务运营方面的变革时代。以下是旨在利用这种协同作用的企业的关键见解和影响:###关键见解1。**真实的单一来源**:建立一个确定的存储库确保所有AI驱动的交互都通过准确,最新的信息来告知所有AI驱动的交互。这减少了使用过时或使用不正确数据的幻觉。2。**元数据标记和个性化**:高级标记系统使AI能够根据客户历史记录和行为指标(例如搅动风险和满意度级别)检索相关内容,从而增强了个性化的服务交付。3。**客户反馈循环**:实施以知识为中心服务(KCS)之类的实践确保通过反馈循环的持续改进,完善知识库和AI模型。4。**与人类代理的AI集成**:利用AI处理常规任务,可以使人类代理人专注于需要移情和详细分析的复杂问题,从而提高服务质量和效率。5。**客户体验增强**:通过在网站或应用程序中经过身份验证的客户互动,AI可以自动化订单返回,形成预填充和提供量身定制的建议,增强用户满意度。6。** Workflow自动化和入职**:通过AI驱动的入职自动化新员工的工作流程,可确保将它们集成到公司的知识生态系统中的一致性和速度。###含义1。**技能演变和招聘**: - 企业将需要确定将技术专业知识与客户服务技能相结合的新角色,例如“ AI知识工程师”或“体验设计师”。 - 可能需要为现有员工进行培训计划,以有效地适应和管理AI系统。2。**更改管理**: - 过渡到启用AI-KM系统可能需要进行重大的组织变更,涉及数据重组和过程重新设计。 - 利益相关者的买入至关重要;领导必须清楚地传达这种过渡的好处并解决潜在的抵抗。3。**连续测量与改进**: - 定期监控和评估对于衡量有效性和确定KM系统和AI功能的改进领域至关重要。4。**跨组织合作**: - 成功取决于诸如IT,客户服务,营销和产品开发等部门的协作,以确保统一的知识管理方法。5。**以客户为中心的方法**: - 虽然AI可以有效地处理许多常规查询,但认识到客户何时喜欢人类互动对于维持信任和情感联系至关重要。###未来前景在接下来的三年中,预计: - ** AI模型优化**:基于实际性能数据的连续细化,以提高准确性和相关性。 - **增加个性化**:利用AI分析大量客户数据进行高度个性化互动的能力。 - **积极的服务交付**:预测模型在出现之前识别潜在问题,提供积极的解决方案。###战略建议1。**逐渐开始缩小**: - 首先从专注于特定疼痛点或高价值区域的试点项目开始,然后扩展到更广泛的应用中。2。**投资KM基础设施**: - 确保有强大的标记和分类系统有效地支持AI检索机制。3。**强调数据质量与治理**: - 高质量,良好的数据是可靠的AI性能的基础。通过拥抱这些见解和策略,企业可以利用支持AI的KM的力量,不仅要简化运营,还可以彻底改变客户体验并推动日益数字化的世界中的业务增长。