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 keduanya harus selalu mendukung sasaran bisnis Anda, dan tidak boleh berdiri sendiri. Untuk membuat solusi AI generatif atau AI tradisional yang sukses, mulailah dengan mengidentifikasi secara jelas sasaran atau kebutuhan bisnis spesifik yang terukur yang ingin Anda atasi. Kemudian, kerjakan mundur dari hasil bisnis yang Anda inginkan—seperti peningkatan efisiensi karyawan atau peningkatan kepuasan pelanggan—untuk memastikan bahwa solusi tersebut secara langsung berkontribusi pada sasaran bisnis Anda.

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

  1. Sasaran bisnis dan kriteria keberhasilan: 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 bagaimana 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 potensi batasan dan pertimbangan bisnis, 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 memecahkan masalah bisnis Anda atau mencapai sasaran yang telah diidentifikasi.

    Tentukan apakah ekspektasi bisnis yang telah 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 ekspektasi atau preferensi pengguna.

  4. Solusi AI yang didorong oleh bisnis dan berpusat 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 dengan penghematan biaya).
    • Cara bisnis dapat mendorong peningkatan pengalaman pelanggan atau produk dengan menggunakan AI generatif atau AI tradisional.
    • Cara Anda dapat menciptakan nilai bisnis dengan cara yang inovatif menggunakan AI generatif atau AI tradisional:
      • Analisis penawaran dan kemampuan bisnis Anda yang ada untuk mengidentifikasi area yang dapat ditingkatkan oleh AI generatif atau AI tradisional pada solusi yang ada, meningkatkan kreativitas, atau memungkinkan Anda menjelajahi kemungkinan baru.
      • Pahami bagaimana AI dapat memungkinkan peningkatan inovatif yang membedakan bisnis Anda. AI generatif dapat membantu menciptakan kemampuan dan nilai yang berbeda, membantu Anda mengatasi masalah bisnis yang mendesak, 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 penemuan kembali proses backend untuk memanfaatkan kemampuan AI seperti otomatisasi alur kerja dan membantu bisnis mewujudkan 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 volume pertanyaan berulang yang tinggi, pengelolaan tiket manual, dan komunikasi email dukungan yang konstan. Kelebihan beban ini membebani resource, meningkatkan jam kerja agen, dan memperlambat waktu penyelesaian, yang mengakibatkan penurunan kepuasan dan retensi pelanggan.

Potensi area pengoptimalan dengan nilai bisnis yang terukur

Berikut adalah contoh kemungkinan nilai bisnis terukur yang dapat dicapai dengan menggunakan solusi teknologi (chatbot) yang didukung oleh kemampuan AI generatif untuk mengatasi tantangan bisnis sebelumnya. Berdasarkan model dan prioritas bisnisnya, bisnis dapat mempertimbangkan beberapa atau semua target terukur ini.

  • Meningkatkan efisiensi dukungan pelanggan: Mengurangi biaya dukungan dan menyederhanakan alur kerja agen. Kriteria keberhasilan yang terukur mencakup hal berikut:
    • Persentase penurunan biaya operasional dukungan pelanggan selama periode yang ditentukan (seperti per kuartal).
    • Persentase peningkatan 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 hal berikut:
    • Penurunan rata-rata waktu penyelesaian untuk pertanyaan yang ditangani chatbot.
    • Persentase tiket yang diselesaikan tanpa intervensi manusia.
    • Persentase penurunan volume tiket yang harus diteruskan ke tim dukungan teknis karena kompleksitas.
    • Peningkatan rasio penyelesaian kontak pertama (masalah diselesaikan dalam satu interaksi).
    • Persentase peningkatan volume pertanyaan pelanggan yang ditangani dan diselesaikan oleh chatbot.
  • Meningkatkan pengalaman pelanggan: Meningkatkan kepuasan pelanggan dengan menawarkan dukungan responsif dan dipersonalisasi yang tersedia 24 jam per hari. Kriteria keberhasilan yang terukur mencakup hal berikut:
    • Peningkatan skor kepuasan pelanggan (CSAT) dalam survei yang terkait dengan penggunaan chatbot.
    • Pengurangan waktu tunggu rata-rata pelanggan untuk interaksi awal.
    • Peningkatan jumlah masalah yang diselesaikan dalam satu interaksi.
    • Persentase sentimen positif yang terdeteksi dalam percakapan chatbot dan survei masukan.
    • Peningkatan tingkat 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 persentase volume permintaan dukungan yang ditentukan tanpa intervensi manusia.
    • Mempertahankan skor CSAT dan waktu penyelesaian yang konsisten selama periode permintaan tinggi.
    • Mempertahankan waktu tunggu pelanggan yang konsisten untuk interaksi awal.

Solusi yang didukung AI generatif

Chatbot percakapan: Chatbot atau agen virtual yang didukung AI generatif menawarkan peningkatan signifikan dalam personalisasi dan percakapan alami yang mirip 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 mendorong efisiensi dan produktivitas kerja yang lebih besar. Sebaliknya, chatbot berbasis aturan tradisional biasanya terbatas pada pola kata kunci dan niat yang telah ditentukan. 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 niat. 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 dengan penyelesaian. Chatbot 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 spesifik, beralasan, dan dapat ditindaklanjuti yang didasarkan pada data yang telah Anda berikan dan yang selaras 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 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 tiket diprioritaskan secara efektif. Chatbot dapat berinteraksi dengan sistem 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