对大多数企业来说,人工智能的机会不在于追着技术公司跑,而在于把它放进自己已经熟悉的问题里。
人工智能成为趋势以后,不少企业主会产生一种压力:如果现在没有开始做 AI,是不是已经落后了?
于是有人急着开发系统,有人购买一整套工具,也有人想重新做一个科技项目。投入以后才发现,团队不常用,客户没有明显改变,原来的问题仍然存在。
我在分享时说得很直接:大多数人不可能重新成立一家人工智能公司,也没有这个必要。
技术很新,客户的问题可能很旧
企业每天面对的问题,通常没有因为 AI 出现就全部改变。
客户还是会漏掉,资料还是会重复输入,员工还是花很多时间回答相同问题,订单、库存、排班和跟进仍然会出错。人工智能的价值,是让这些已经存在的问题有新的处理方法。
如果一开始只问“我们可以用什么 AI”,很容易买回很多功能。先问“公司现在哪里最浪费时间、最容易出错”,答案会具体得多。
技术只是工具。问题没有找准,工具越多,团队越忙。
从最熟悉的一段工作开始
企业主最有优势的地方,不是比科技公司更懂模型,而是比外面的人更懂自己的客户和工作。
你知道客户在哪一步最容易离开,员工每天重复处理什么,哪一份资料最常出错。这些现场知识,才是人工智能进入公司的入口。
例如餐饮企业可以先整理订货与会员询问,房地产团队可以先处理资料分类和客户跟进,教育机构可以先整理常见问题与行政工作。范围不需要大,重点是结果可以检查。
不要先问公司要不要做 AI,先问哪一件重复又重要的工作,值得重新处理。
能用,不等于值得扩大
一个工具展示得很好,不代表放进公司就有效。
测试时要同时看三件事:它有没有减少时间或错误;员工是否愿意持续使用;客户是否因此得到更好的结果。如果只是把工作从一个系统搬到另一个系统,或者每次都需要有人重新修正,价值可能没有想象中高。
还要注意资料安全、客户隐私和错误答案。涉及财务、医疗、法律或重要客户决定时,不能因为流程自动化,就取消人工检查。
测试完成以后,再决定是否连接更多部门。不要一开始就把整家公司绑在一套还没有证明价值的系统上。
企业需要的是结果,不是 AI 标签
客户通常不会因为你使用人工智能就长期留下。他在意的是回复是否更快、错误是否减少、服务是否更清楚。
如果使用 AI 以后,客户仍然需要反复解释,员工也没有多出时间处理更重要的事,那么“我们用了 AI”只是一个标签。
相反,一项很小的调整,只要真正减少等待、遗漏或重复工作,就已经产生价值。
现在可以先找出公司每周重复最多的一件事,记录它需要多少时间、由谁处理、最常出现什么错误。再用一个工具测试两到四周,比较调整前后的变化。
不需要先成为人工智能公司。
先成为一家更清楚自己问题、也知道怎样使用工具解决问题的公司。这样的改变比较慢,却更容易留在企业里面。
