A principios de esta primavera en el evento CRM Evolution anual de la revista CRM, tuve el placer absoluto de moderar un panel de estrellas sobre cómo es la inteligencia artificial (IA) e impactará la participación del cliente. El panel consistió en ejecutivos de algunos de los principales proveedores de la industria de CRM, que incluyen:
- Marco Casalaina, vicepresidente de productos en la división Einstein de Salesforce
- Volker Hildebrand, Vicepresidente Global de SAP Hybris
- Rajan Krishnan, Vicepresidente de Desarrollo de Productos de Aplicaciones de Oracle
- Michael Wu, científico jefe de Lithium Technologies
- Kishan Chetan, gerente principal de PM de Microsoft CRM Dynamics 365
A continuación se encuentra una transcripción editada de solo una parte de este gran panel de discusión que realmente profundizó en algunos temas carnosos. Para escuchar la sesión completa, haga clic en el reproductor insertado a continuación. Desafortunadamente, debido a un bajo volumen en su micrófono, no pude obtener una buena transcripción de las valiosas contribuciones de Kishan Chetan al panel, pero le aconsejo que active la grabación y las revise en la grabación.
* * * * *
Tendencias de pequeñas empresas: ¿puedes compartir tu definición general de IA?
Rajen Krishnan: AI ha estado en hibernación por casi 20 años. Ahora hay una combinación de acceso a la nube para datos, conjuntos de datos de gran volumen, capacidades informáticas globales inimaginables. Nuestra infraestructura se distribuye a través de los centros de datos 21 en todo el mundo ... reuniendo todo esto; y abre un reino de posibilidades que no existían.
Sí, hubo marketing uno-a-uno, pero esto realmente lo lleva al grado N en el que es posible cumplir la promesa. Pero al mismo tiempo tenemos que tener cuidado de no adelantarnos, volver a marcar un poco, ver qué opciones existen realmente desde dónde comenzamos, y hacia dónde podemos ir potencialmente. Podríamos ir en cien direcciones diferentes. Esto es todo emocionante. Es un buen momento para estar en AI en todos los ámbitos, y no solo dentro de CRM, hablo desde un punto de vista CRM / CX y desde un punto de vista empresarial más amplio.
Marco Casalaina: Acabamos de llegar a un punto de inflexión. Tenemos una masa crítica de datos y metadatos en la nube. Al mismo tiempo, tenemos una capacidad de cálculo de masa crítica para que podamos aplicar este cálculo masivo a los datos que ya tenemos y podemos hacer que la IA funcione mucho mejor que nunca. Eso es lo que estamos haciendo con Salesforce Einstein. es IA para negocios
Tendencias de las pequeñas empresas: comparar y contrastar el aprendizaje automático con el aprendizaje profundo
Michael Wu: El aprendizaje automático es solo el proceso de usar datos para crear el modelo. Tradicionalmente, cuando intenta hacer predicciones, crea un modelo correcto. Además, estos modelos se crean en base a nuestro conocimiento experto, y creemos que estas cosas se deben pesar de esta manera o de esa manera, para que pueda crear un modelo a partir de su experiencia. Pero el aprendizaje automático es simplemente tomar más de un enfoque inductivo. No voy a asumir nada. Voy a conectar muchos datos y luego dejar que los datos restrinjan mi modelo. Entonces está usando los datos para ayudarlo a definir o crear el modelo.
El aprendizaje profundo es básicamente una clase de red neuronal. Las redes neuronales tienen capas de neuronas y está tratando de imitar lo que está haciendo nuestro cerebro. Nuestro cerebro tiene un procesamiento jerárquico en la capa inferior de nuestro cerebro básicamente procesando características muy simples. Y luego, a medida que van subiendo, procesa funciones más complejas. Entonces, las redes neuronales tradicionales solo pueden procesar dos o tres capas con la capacidad informática que teníamos y los datos que teníamos.
Pero ahora podemos calcular del orden de decenas a cientos de capas. Entonces es por eso que se llaman redes profundas porque hay muchas, muchas capas. Hay tantas capas de profundidad. El aprendizaje profundo es esencialmente redes neuronales profundas. Eso es lo que significa.
Tendencias de las pequeñas empresas: ¿Qué objetivos se establecen para la inteligencia artificial en el contexto de la participación del cliente?
Volker Hildebrand: Hay un gran enfoque en automatizar cosas. Creo que eso es solo la mitad de la imagen. Sí, AI puede ayudar a automatizar por completo una tarea muy repetitiva, ya sea que se trate de tareas sencillas como verificar la precisión del informe de gastos de viaje o la exactitud de las facturas, o proporcionar respuestas a preguntas comparativamente simples. Hasta cierto punto, puedes automatizarlo y también escalarlo.
Sí, quiero automatizar, quiero reducir costos. Sí, seamos sinceros, puedes reemplazar a los seres humanos con máquinas y hacer que los seres humanos hagan otras cosas. Creo que lo importante en ese contexto es el resultado comercial.
Cuando se trata de cosas como el servicio al cliente, creo que si adoptas el enfoque de, sí, automaticemos las cosas e intentemos reducir los costos y desviar las llamadas entrantes de servicio al cliente al agente virtual; pero ese es realmente el enfoque equivocado. Debe pensar en cómo puede mejorar la experiencia del cliente, ese debería ser el objetivo.
¿Esto va a ser más conveniente para mi cliente? ¿Va a proporcionar una respuesta más rápida? ¿Va a proporcionar una respuesta más confiable y precisa? Enfocarse demasiado en la automatización y la eficiencia es lo incorrecto. De hecho, creo que el mayor potencial del aprendizaje automático o la inteligencia artificial puede no estar en la automatización, sino en la enseñanza a los seres humanos de formas completamente nuevas de pensar. Creo que ese es el potencial real que va más allá de la automatización inteligente.
Tendencias de las pequeñas empresas: ¿Cuáles son algunos conceptos erróneos de la inteligencia artificial?
Rajen Krishnan: Estamos viendo clientes realmente en todo el espectro cuando se trata de AI. Todo el camino desde clientes que piensan que AI significa algo así como un robot que ejecuta operaciones para ellos hasta clientes que tienen alguna experiencia y probablemente algo de sofisticación en lo que se refiere a los datos.
Tenemos cinco mil millones de perfiles, cerca de tres billones de dólares en datos de transacciones, aproximadamente 750 billones de puntos de datos agregados mensualmente y alrededor de 110 millones de hogares en los Estados Unidos son recogidos por esos datos.
Por lo tanto, los clientes que están acostumbrados a procesos intensivos en datos, ya sea marketing, orientación, etc. pasan a la siguiente fase con datos, signos de datos, aprendizaje automático, signos de decisión para automatizar y predecir aún más esas ofertas o acciones.
El otro grupo de clientes que probablemente no tienen tanta experiencia con los datos y, por extensión, los signos de datos, las expectativas con AI están por todos lados. Pero es justo decir que, a medida que avanzamos en este camino, hemos pasado de un análisis retrospectivo con solo los sistemas OLTP (procesamiento transaccional en línea) a un modelo de análisis con analítica, y donde IA puede funcionar es una modelo de previsión. Por lo tanto, el viaje a través del tablero será, digamos, moviéndose de la retrospectiva a la perspicacia y finalmente a la previsión.
Marco Casalaina: Uno de los principales conceptos erróneos hoy en día es que los chatbots funcionarán de la caja. La capacitación es la nueva codificación. Entonces hoy en día para hacer que estas IA funcionen, necesitamos que tengan la información. Y para que funcione un chatbot, básicamente necesitas tener conversaciones exitosas hablando de las mismas cosas de las que tus agentes hablarían con tus clientes. Y esos son difíciles de conseguir. Muchas veces no estás registrado. En realidad no son formato de texto. Y también quién los etiqueta como exitosos. ¿Cómo sabes que este agente no dio una respuesta totalmente incorrecta? Entonces, los conjuntos de datos de etiquetado y capacitación son ahora una de las partes más difíciles de hacer IA; ser capaz de entrenar a tu IA para hacer lo que quieres que haga.
Volker Hildebrand: Bueno, creo que realmente depende. Hay una cantidad de clientes que sienten ganas, no tenemos idea de qué es, pero todos lo hacen, así que tenemos que hacerlo también. Definitivamente ese tipo de categoría. Hay otros con expectativas muy altas, y creo que es aquí donde, cuando hablamos con nuestros clientes, tenemos conversaciones sobre cuánto puede usted realmente; ¿De verdad quieres automatizar un determinado proceso u otras cosas? Porque definitivamente hay una gran cantidad de casos de uso, y no es necesariamente el caso de que cualquier AI que surja como resultado sea 100% exacto. Y entonces hay un cierto nivel de confianza de que el resultado predicho, si se quiere, es el resultado correcto.
Si esto está en el rango de 70 o 80%, puede sonar bien. O incluso si es 90% que puede sonar bien. Pero luego debes mirar el caso de uso. Si lo usa, por ejemplo, para puntuar clientes potenciales u oportunidades, 90% de precisión de las oportunidades en las que debería centrarse como representante de ventas, es un resultado bastante bueno y probablemente esté haciendo un mejor trabajo que antes.
Ahora bien, si tiene un caso de uso donde impacta directamente en la experiencia del cliente, como en un escenario de servicio, si la respuesta de un agente virtual de inteligencia artificial, por ejemplo, si es una precisión de% 90, probablemente sea bastante malo porque significa que uno de cada diez clientes estarán muy enojados porque obtienen la respuesta incorrecta todo el tiempo.
Entonces, creo que eso es realmente algo importante de entender. ¿Cuál es el caso de uso? ¿Qué estoy tratando de lograr?
Tendencias de las pequeñas empresas: ¿Cuál será el impacto de la inteligencia artificial en CRM?
Volker Hildebrand: También me alegro de que nos alejemos un poco de centrarnos solo en el servicio y el caso de uso de Chatbot, porque ese es el caso de uso atractivo del que a todo el mundo le gusta hablar. Pero son potencialmente mucho más grandes, y ya has escuchado algunos de esos. El mantenimiento predictivo, por cierto, ya es realmente enorme. Por lo tanto, se trata de ventas, servicio, marketing y comercio.
La parte es automatización, parte es predicción, parte es simplemente una mejor toma de decisiones. Hacer recomendaciones ... identificar oportunidades sin explotar.
Otra fuente de datos cada vez más importante será toda el área de IoT. Eso también está relacionado con el mantenimiento predictivo, por lo que creo que hay oportunidades en ese espacio, porque habrá una gran cantidad de datos y, de repente, no solo tendrás los atributos de los clientes o los clics de comportamiento en la web, o qué estaban revoloteando. ¿encima? ¿Qué estaban haciendo allí? Y combinándolo con datos transaccionales, y de repente, usted tiene información sobre cómo sus clientes están usando sus productos, lo que hace una gran diferencia y tendrá un impacto significativo en la calidad del aprendizaje y los resultados.
Marco Casalaina: Sigo diciendo que una masa crítica de nubes no se trata solo de CRM. También se trata del hecho de que las empresas se están mudando a Office 365 a G-mail y, por lo tanto, cada vez más datos se dirigen a sitios accesibles en la nube y en la nube. Y eso nos permite automatizar gran parte de la entrada de datos que, de otro modo, tendría que haber sido hecha manualmente. Por lo tanto, verá más creación automática de contactos de su correo electrónico; o la detección de señales de compra y cosas por el correo electrónico, que es algo que hacemos, llamado visión de oportunidad. Verás más información completa; verás más pronósticos predictivos como ese. Por lo tanto, muchas de estas cosas que tradicionalmente han sido manejadas de forma manual por una gran cantidad de cuadros de edición en la pantalla, de repente van a empezar a completarse automáticamente desde otras fuentes de datos que también tiene en la nube que acaba de conectar. Y esa es una de las formas en que creo que AI cambiará su CRM sutilmente. Pero rápidamente.
Esto es parte de la serie One-on-One Interview con líderes de pensamiento. La transcripción ha sido editada para su publicación. Si se trata de una entrevista de audio o video, haga clic en el reproductor insertado anterior o suscríbase a través de iTunes o mediante Stitcher.
