הרבה מהארגונים כבר הטמיעו את הבינה המלאכותית, אבל התוצאות שונות לחלוטין. זו הסיבה לכך

בינה מלאכותית נחוצה כדי להשיג דיוק והתאמה אישית. היא יכולה ללקט ולנתח נפחים עצומים של מידע ולהתאים את חוויית הלקוח בכל נקודה. ובכל זאת, חשוב לזכור ש־AI כנראה מהווה רק כ־10% מהרוטב הסודי. 90% האחרים טמונים בשילוב דאטה, התנסות וכישרון שכל הזמן מפעילים ומיידעים את האינטליגנציה שבבסיס המערכת.

חברה לא צריכה לשאוף להיות אמזון הבאה, מיקרוסופט או גוגל - כולן חברות שבונות כלי ליבה של AI וגם עוסקות במכירתם. אבל יש מעט חברות מחוץ לעולם הטכנולוגיה שעושות מוניטיזציה של החדשנות הדיגיטלית שלהן. מבחינתן חדשנות היא הצעת פתרון חדש על הבסיס הקיים של יכולות דיגיטליות.

לכולן יש גישה לאותה AI, אבל התוצאות יכולות להיות שונות מאוד. הבדל משמעותי אחד הוא איזה דאטה החברה מזינה אל התוכנה. יתרון תחרותי תלוי באיסוף דאטה ללא הפוגה, שינוי או העשרה לאחר פעולה אוצרותית והזנת ספריות הבינה המלאכותית שיובילו ליכולות הטובות ביותר. תפקיד המשווק הוא ליישם את ההמלצות שהגיעו מה־AI.

עוד מיתוס כרוך בשאלה איך להתחיל. בניגוד לחשיבה הכללית, גישת "כל הכוח" אינה נחוצה ודווקא נבון להתחיל בקטן: לבחור תחום שבו אתם יכולים לקבל תוצאות ובהדרגה להרחיב את השימוש.

מכשור אמין ותרבות ניסיונית

בניסיון שלנו בהובלת חברות שפיתחו חוויות לקוח מבוססות AI הגדרנו מאפיינים של אינטגרציה חכמה:

1. בהירות ותיאום יעדים. שיווק מבוסס AI מצריך יעדי אופטימיזציה ברורים, והם צריכים להיות צרים באופן סביר. יעדים כלליים נרחבים, כמו "להאיץ צמיחה במכירות", הופכים לכאלה שבלתי אפשרי לדעת כיצד לייחס להם תוצאות. יעד ראוי יותר ל־AI עשוי להיות "צמצום זמן ההמתנה".

יישומי AI עושים תחזיות בעיקר על בסיס דאטה היסטורית. אם AI מתמקדת באופן רחב מדי, היא מפסידה את היכולת לאופטימיזציה; אם היא ניצבת מול סיטואציה חסרת תקדים, התחזיות שלה לא יהיו מדויקות. במקום להשתמש במנוע אחד לשלוט בכול, אתם עשויים להזדקק לכמה מנועים כדי לבנות חוויית לקוח רחבה יותר.

2. מכשור דאטה אמין. המנגנונים שרושמים, מארגנים ומשתפים דאטה על אינטראקציות של לקוחות הם האומים והברגים של תוכנית ההתאמה האישית של ה־AI. מכשור הדאטה הזה כולל הכול - מרישומי מרכזי טלפנים ודאטה עד תוכנות אוטומציה שמייצרות ועוקבות אחר תקשורת דיגיטלית. חברה צריכה "חיישנים" שילכדו מידע לגבי כל אינטראקציה של לקוח בכל ערוץ, והמידע הזה צריך להיות פרטני במידה יוצאת דופן.

3. ארכיטקטורה טכנולוגית בצמידות רפויה (Loosely Coupled). הסטאק הטכנולוגי של חווית הלקוח כולל מנוע חיזוי, מנוע ריצוף (או ניהול חוויה), מנוע תוכן, מנועי ערוצי מסירה ומנוע התנסות ואנליזות. בנוסף, ה־AI נשענת על חמש מערכות לפחות כדי להרכיב את מסע הלקוח: שיווק, שירות לקוחות, שימוש במוצר, ניהול חשבונות, ערוצים מקוונים ולעתים חנות קמעונאית. בהתחשב בסבירות שיתווספו יכולות חדשות ושאולי יהיה צורך לחבר כמה מנועי AI, הדבר החכם לעשות הוא לתכנן את הסטאק באופן מודולרי.

בינה מלאכותית מספקת את האינטליגנציה ואת המהירות וקנה המידה החישוביים הדרושים לפעילויות שבאופן הולך וגובר מונעות על ידי אוטומציה. לכן, הטכנולוגיות שמבצעות את האוטומציה חייבות להיות מסוגלות לקלוט את המסרים מה־AI ולהזין את המידע בחזרה למערכת כדי שתוכל להשתפר. ארכיטקטורת תוכנה בצמידות רפויה, שבה המערכות עובדות זו עם זו אך לא תלויות זו בזו, היא אידיאלית.

4. תרבות ניסיונית. AI מעודדת יצירתיות בכך שהיא מאפשרת לחברה לבחון רעיונות במהירות ולעשות זאת בקנה מידה גדול. מעבר לכך, התוכנה לומדת מהעבר, ממיליוני נקודות דאטה, ובכך משחררת חדשנות מהר יותר ממה שיכול היה לעשות בן אנוש. אבל AI לא ממציאה. משווקים ממציאים, המצאה מצריכה תרבות שמעריכה ניסיוניות ולקיחת סיכונים.

כשכל המשתנים האחרים שווים, הדאטה הניסיונית של חברה תהיה מקור היתרון התחרותי שלה. זה אומר שצריך לקבל את זה שלהתנסויות יש גם מחיר, ושמעצם הגדרתם חלק מהניסויים לא מצליחים. אבל אפילו ניסויים שכשלו מציעים לקחים בעלי ערך.

מודל הנהגה חדש

כדי ליצור יתרון תחרותי עם AI, צריך לשלב את המערכות הפנימיות במערכות חיצוניות. ראשית, כדי לאסוף נתוני צרכנים מדויקים ואז כדי להציג את התובנות שהתקבלו כהצעות מותאמות אישית ללקוחות. שני התהליכים צריכים להיעשות תוך הרחבה ללא הרף של קנה המידה, עם הוספה של משתנים חדשים. למנהל שחושב כמו אינטגרטור חכם, גישה כזו מצריכה מודל הנהגה שבו סדרי עדיפויות חדשים ינצלו את כל האפשרויות. להגיע לאינטגרציה מדויקת יביא לחוויית לקוח יותר טובה ויהיה הגורם הקובע בשאלה איך נבנית נכסיות של מותג.

© Harvard Business School Publishing Corp