Presentato da Twilio
L’infrastruttura dei dati dei clienti che alimenta la maggior parte delle organizzazioni è stata progettata per un mondo che non esiste più: dove le interazioni di marketing potevano essere catturate ed elaborate in batch, dove i tempi delle campagne potevano essere misurati in giorni (non in millisecondi) e "personalizzazione" Significava aggiungere un nome a un modello di email.
L’intelligenza artificiale conversazionale ha infranto questi presupposti.
Gli agenti di intelligenza artificiale devono sapere immediatamente cosa ha appena detto un cliente, il suo tono, il suo stato emotivo e la sua intera storia con il marchio per fornire indicazioni pertinenti e soluzioni efficaci. Questo flusso in rapido movimento di segnali conversazionali (tono, urgenza, intenzione, sentimento) rappresenta una categoria fondamentalmente diversa di dati sui clienti. Ma i sistemi su cui fa affidamento oggi la maggior parte delle aziende non sono mai stati progettati per acquisire o fornire tutto ciò alla velocità richiesta dalle moderne esperienze dei clienti.
Divario nel contesto dell’intelligenza artificiale conversazionale
Le conseguenze di questa discrepanza architetturale sono già visibili nei dati sulla soddisfazione del cliente. Twilio All’interno della rivoluzione dell’intelligenza artificiale conversazionale rapporto Si scopre che più della metà (54%) dei consumatori riferisce che l’intelligenza artificiale raramente ottiene il contesto dalle loro interazioni passate, e solo il 15% ritiene che gli agenti umani capiscano la storia completa dopo il trasferimento dell’intelligenza artificiale. Il risultato: esperienze del cliente definite da ripetizioni, attriti e trasferimenti sconnessi.
Il problema non è la mancanza di dati sui clienti. Le imprese stanno annegando in questo. Il problema è che l’intelligenza artificiale conversazionale richiede una memoria portatile e in tempo reale delle interazioni con i clienti e poche organizzazioni dispongono dell’infrastruttura per fornirla. I CRM e i CDP tradizionali sono bravi a catturare le qualità statiche, ma non sono progettati per gestire il cambiamento dinamico di una conversazione che si evolve secondo dopo secondo.
Per risolvere questo problema è necessario costruire memoria conversazionale all’interno dell’infrastruttura di comunicazione stessa, piuttosto che cercare di ancorarla a sistemi di dati legacy attraverso integrazioni.
L’onda e i limiti dell’adozione dell’intelligenza artificiale da parte delle agenzie
Questo divario infrastrutturale diventa critico man mano che l’intelligenza artificiale delle agenzie passa dal progetto pilota alla produzione. Quasi due terzi (63%) delle aziende sono attualmente in fase di sviluppo o hanno implementato completamente l’intelligenza artificiale conversazionale nelle funzioni di vendita e supporto.
Controllo della realtà: mentre il 90% delle organizzazioni ritiene che i clienti siano soddisfatti della propria esperienza con l’intelligenza artificiale, solo il 59% dei consumatori è d’accordo. La disconnessione non è correlata alla fluidità della conversazione o alla velocità di reazione. La questione è se l’intelligenza artificiale può dimostrare una vera comprensione, rispondere con un contesto appropriato e risolvere effettivamente i problemi anziché costringerli a trasmetterli agli agenti umani.
Considera il divario: un cliente chiama per un ordine scaduto. Con l’adeguata infrastruttura di memoria di conversazione, un agente AI può riconoscere immediatamente il cliente, fare riferimento al suo ordine precedente, identificare i dettagli sul ritardo, suggerire proattivamente soluzioni e offrire un risarcimento adeguato; E può fare tutto questo senza chiedere loro di ripetere le informazioni. Molte organizzazioni non possono fornire questo perché i dati richiesti risiedono in sistemi separati a cui non è possibile accedere abbastanza rapidamente.
Dove l’architettura dei dati aziendali si rompe
I sistemi di dati aziendali realizzati per il marketing e il supporto sono ottimizzati per i dati strutturati e l’elaborazione batch, non per la memoria dinamica necessaria per le conversazioni naturali. Tre limitazioni chiave impediscono a questi sistemi di supportare l’intelligenza artificiale conversazionale:
Il ritardo rompe il contratto di parola. Quando i dati dei clienti risiedono in un sistema e le conversazioni avvengono in un altro, ogni interazione richiede chiamate API che introducono ritardi di 200-500 millisecondi e trasformano il dialogo naturale in scambi robotici.
La sfumatura del discorso è persa. I segnali che rendono significative le conversazioni (tono, urgenza, stato emotivo, impegni a metà conversazione) raramente si fanno strada nei CRM tradizionali, progettati per acquisire dati strutturati, non la ricchezza non strutturata richiesta dall’intelligenza artificiale.
La frammentazione dei dati provoca la frammentazione dell’esperienza. Gli agenti IA lavorano in un sistema, gli agenti umani in un altro, l’automazione del marketing in un terzo e i dati dei clienti in un quarto, creando esperienze frammentate in cui il contesto evapora ad ogni passaggio.
La memoria di conversazione richiede un’infrastruttura in cui le conversazioni e i dati dei clienti siano combinati in base alla progettazione.
Cosa rende possibile la memoria vocale unificata?
Le organizzazioni che trattano la memoria conversazionale come un’infrastruttura centrale vedono chiari vantaggi competitivi:
Trasferimenti impeccabili: Quando la memoria conversazionale si consolida, gli agenti umani assumono immediatamente il controllo dell’intero contesto e "Permettimi di ritirare il tuo account" tempo morto, che si riferisce a interazioni sprecate.
Personalizzazione su larga scala: Sebbene l’88% dei consumatori si aspetti esperienze personalizzate, più della metà delle aziende la considera la sfida più grande. Quando la memoria conversazionale è specifica dell’infrastruttura di comunicazione, gli agenti possono personalizzarla in base a ciò che i clienti stanno cercando di realizzare in quel momento.
Intelligenza operativa: La memoria vocale unificata fornisce visibilità in tempo reale sulla qualità del parlato e sugli indicatori chiave delle prestazioni, con approfondimenti che restituiscono ai modelli di intelligenza artificiale per migliorare continuamente la qualità.
Automazione dell’agente: Forse la cosa più importante è che la memoria conversazionale trasforma l’intelligenza artificiale da uno strumento transazionale in un vero e proprio sistema agente in grado di prendere decisioni sfumate, come offrire un compenso calibrato in base al livello di fedeltà quando si riprenota il volo di un cliente deluso.
Le infrastrutture sono un must
L’ondata di intelligenza artificiale delle agenzie sta imponendo una riarchitettura fondamentale del modo in cui le aziende pensano ai dati dei clienti.
La soluzione non duplica l’architettura CDP o CRM esistente. È riconosciuto che la memoria vocale rappresenta una categoria distinta che richiede l’acquisizione in tempo reale, l’accesso a livello di millisecondi e la conservazione delle sfumature del parlato che possono essere soddisfatte solo quando le capacità dei dati sono integrate direttamente nell’infrastruttura di comunicazione.
Le organizzazioni che affrontano questo problema come un problema di integrazione dei sistemi si troveranno in una posizione di svantaggio rispetto ai concorrenti che vedono la memoria delle conversazioni come un’infrastruttura fondamentale. Quando la memoria è specifica per la piattaforma che alimenta ogni punto di contatto con il cliente, il contesto viaggia attraverso i canali con i clienti, la latenza viene eliminata e i viaggi continui diventano operativamente possibili.
Le organizzazioni che dettano il passo non sono quelle con i modelli di intelligenza artificiale più avanzati. Sono stati i primi a risolvere il problema dell’infrastruttura e si sono resi conto che l’intelligenza artificiale dell’agenzia non poteva mantenere le sue promesse senza una nuova categoria di dati sui clienti appositamente progettata per la velocità, la precisione e la continuità richieste dalle esperienze di conversazione.
Robin Grochol è vicepresidente senior di prodotti, dati, identità e sicurezza presso Twilio.
Gli articoli sponsorizzati sono contenuti prodotti da un’azienda che ha pagato per il post o ha un rapporto commerciale con VentureBeat e sono sempre chiaramente contrassegnati. Contatta per maggiori informazioni sales@venturebeat.com.
