Yapay zekâ uygulamalarında öncü konumda olmasına rağmen, bu küresel teknoloji şirketi, şirket içinde düşük yapay zekâ benimseme oranıyla mücadele ediyordu ve bu da yapay zekânın nerede kullanılacağı konusunda belirsizliğe yol açıyordu. Yapay zekâ çözümlerini hayata geçirdiği yerlerde beklediği sonuçları alamıyordu. Müşteri, bir adım geri çekilip, sadece benimsemeyi hızlandırmakla kalmayıp sonuç odaklı bir bütünsel teknoloji stratejisi için kullanım örneklerini değerlendirmek üzere yardıma ihtiyaç duyuyordu.
Yaklaşık otuz yıllık bir ortaklık geçmişine sahip olan Concentrix, müşterinin iş süreçlerine halihazırda entegre olmuş; yapay zekâ teknoloji stratejisindeki uygulama tıkanıklıklarına dair derinlemesine incelemeler yapabilecek bir danışmanlık ekibine sahipti. Yaklaşımımız, aşağıdakileri de kapsayan, nitel ve nicel yöntemlerin bütüncül ve kapsamlı bir şekilde uygulanmasını içeriyordu:
Bu boyutlar genelinde benzer süreçleri ve ihtiyaçları tespit etmek amacıyla; kıdem, coğrafi konum ve iş kolu (LOB) ekseninde danışman personalarını inceledik. Sonuç olarak stratejimiz, süreci belirli personalara göre uyarlamak yerine, süreç verimliliklerini genel düzeyde optimize etmeye yöneldi.
Bu derinlemesine incelemeye dayanarak; benzer müşteri portföylerindeki diğer yapay zekâ uygulamalarından alınan başarılı örnekleri bir başarı kıstası olarak kullanarak, yapay zekânın danışman verimliliğini ve kullanımını artırmasına yönelik 12 özgün kullanım senaryosu belirledik—ve bu sayede müşterinin yaygın tuzaklardan hızla kaçınmasına yardımcı olduk.
Aşağıdaki yapay zeka teknoloji stratejisi önerilerini, yüksek değerli ve son derece uygulanabilir olmaları nedeniyle, “muhtemel kazanımlar” olarak sınıflandırdık:
Yüksek potansiyel değere sahip ancak geliştirilmesi daha zorlu olan, hesaplanmış riskler olarak sınıflandırdığımız ikinci öneri kadememiz şunları içeriyordu:
Bu öneriler; müşterinin genel yapay zeka teknoloji stratejisi ve mevcut yatırımları (Microsoft Copilot, Microsoft Azure ve Concentrix iX Hello™ dahil) temelinde, hangi teknolojinin kullanılacağına dair bir doğrulama çalışmasını; müşterinin içerik ve veri yapısındaki eksikliklerin giderilmesine yönelik yöntemleri (içerik yeniden yapılandırma, konuşma akışı ve yapay zeka entegrasyonu yoluyla); ve mevcut çözümlerin devreye alındıktan sonra etkin bir şekilde kullanılmasını sağlamaya yönelik değişim yönetimi önerilerini kapsamaktaydı.
Benzer müşteri gruplarındaki diğer yapay zeka uygulamalarından alınan başarılı örnekleri bir başarı kıstası olarak kullanarak; yapay zekanın danışman verimliliğini ve kullanımını artırmasına yönelik 12 özgün kullanım senaryosu belirledik.
Muhtemel kazanımlarla %9,5; hesaplanmış risklerle ise %15 ortalama tahmini zaman tasarrufu.
Muhtemel kazanımlarla %44 ortalama tahmini benimsenme oranı ve hesaplanmış risklerle %8 ortalama tahmini benimsenme oranı.
Öneriler genelinde tahmini 5-7 milyon $ yıllık tasarruf ve 2-3 milyon $ yıllık gelir yaratma potansiyeli
"*" gerekli alanları gösterir