Guida per principianti all'AI generativa per le aziende

Tanto tempo fa, in una galassia molto, molto lontana, gli esseri umani vivevano senza Internet. Pochi decenni più tardi, Internet ha smesso di esistere solo nei libri di fantascienza ed è diventato uno strumento di uso comune, con oltre 5 miliardi di utenti in tutto il mondo. Le recenti innovazioni tecnologiche hanno infine portato l'AI generativa al grande pubblico, facendone aumentare la popolarità a un ritmo più veloce del World Wide Web.

Secondo il nostro Zendesk Customer Experience Trends Report 2023, il 65% dei leader aziendali ritiene che l'AI attualmente in uso stia diventando più naturale e umanizzata e che non potrà che migliorare. Dal momento che un numero sempre maggiore di aziende sta iniziando a implementare l'AI generativa per migliorare il servizio clienti e l'esperienza dei dipendenti, è importante capire come sfruttare tutto il potenziale di questa nuova tecnologia di AI.

La nostra guida completa illustra tipi, applicazioni ed esempi di AI generativa, oltre ai vantaggi offerti e alle difficoltà ad essa connesse, per aiutarti a massimizzare la tua esperienza clienti generale ora e in futuro.

Sommario:

• Cos'è l'AI generativa?
• Come funziona l'AI generativa?
• Chi utilizza l'AI generativa?
• AI tradizionale e AI generativa: qual è la differenza?
• Tipologie di modelli di AI generativa
• Quali sono le applicazioni di AI generativa più diffuse?
• Vantaggi offerti dall'AI generativa
• Difficoltà correlate all'AI generativa
• Come utilizzare l'AI generativa per il servizio clienti
• Domande frequenti

Cos'è l'AI generativa?

Forrester dà una definizione più tecnica di AI generativa, descrivendola come "un insieme di tecnologie e tecniche che sfruttano un corpus di dati molto ampio, compresi modelli linguistici di grandi dimensioni (LLM) come GPT-3, per generare nuovi contenuti".

Come funziona l'AI generativa?

L'AI generativa utilizza algoritmi di apprendimento automatico (ML) per analizzare grandi insiemi di dati. Ciò significa che è possibile fornire all'intelligenza artificiale una serie di informazioni esistenti su un argomento, in modo che possa imparare e ricavarne schemi e strutture. Basandosi su ciò che apprende da questi dati, l'AI generativa può creare contenuti nuovi e originali.

Ad esempio, si può chiedere a ChatGPT, il famoso chatbot di AI generativa text-to-text di OpenAI, di scrivere un sonetto in pentametri giambici shakespeariani su cosa ne pensa Luke Skywalker del fatto che Darth Vader sia suo padre. ChatGPT raccoglie rapidamente informazioni rilevanti su Internet relative alla saga di Star Wars e ai sonetti di William Shakespeare e produce istantaneamente nuovi contenuti basati su tale richiesta.

E sì, abbiamo davvero posto questa domanda a ChatGPT. Ecco il risultato (traduzione in italiano di ChatGPT):

Chi utilizza l'AI generativa?

Che siano startup, piccole e medie imprese o aziende di grandi dimensioni, tutte utilizzano l'AI generativa, seppure in modi diversi. Possono usarla, ad esempio, per ottimizzare e migliorare il servizio clienti o i reparti vendite, marketing, IT, sviluppo e risorse umane, oltre ai team di formazione. Tra i casi d'uso dell'AI generativa abbiamo, ad esempio:

• Potenziare le capacità degli agenti del supporto clienti con un'assistenza basata sull'intelligenza artificiale
• Analizzare grandi quantità di dati per ottenere punteggi clienti potenziali e previsioni di vendita più accurate per i team di vendita
• Personalizzare le comunicazioni di marketing
• Ottimizzare le attività dei data center per i reparti IT
• Generare codice per sviluppatori di software
• Creare e aggiornare contenuti e documenti interni per i reparti delle relazioni umane (HR)
• Ottimizzare l'onboarding e la formazione degli agenti

Questi esempi di uso dell'AI generativa sono solo la punta dell'iceberg. Man mano che l'AI generativa diventa più a portata di tutti, le aziende troveranno modi sempre nuovi e migliori per implementarla.

AI tradizionale e AI generativa: qual è la differenza?

La differenza tra l'AI tradizionale e quella generativa sta nel fatto che mentre l'AI tradizionale utilizza apprendimento automatico, regole predefinite e logica programmata per eseguire compiti specifici, l'AI generativa apprende da grandi insiemi di dati per creare contenuti simili a quelli prodotti dagli esseri umani. Ad esempio:

• L'AI tradizionale può rendere più efficienti i sistemi di ticketing identificando il customer sentiment, lo scopo e il linguaggio delle richieste di assistenza e indirizzandole automaticamente all'agente più adatto in base a criteri predeterminati (come competenza, capacità e disponibilità).

• L'AI generativa migliora la produttività degli agenti fornendo strumenti di scrittura intelligenti e consentendo ai team di risolvere le richieste in modo più efficiente e di fornire un'assistenza coerente.

Le aziende possono utilizzare sia l'AI tradizionale che quella generativa per analizzare i dati. Mentre l'AI tradizionale può fare previsioni basate sui dati, l'AI generativa può creare nuovi dati sulla base dei set di forniti. L'AI generativa può inoltre adattarsi al contesto e produrre contenuti unici e creativi.

Differenza tra AI generativa e apprendimento automatico

La differenza tra l'apprendimento automatico e l'AI generativa è che l'apprendimento automatico non è applicato solo alle attività generative. Entrambi i tipi di intelligenza artificiale apprendono da modelli ricavati da grandi insiemi di dati e interazioni, ma l'apprendimento automatico produce previsioni o classificazioni, non genera nuovi contenuti.

Tipologie di modelli di AI generativa

L'AI generativa è impiegata in diversi casi d'uso, il che significa che esistono molte tipologie di modelli generativi. Ecco alcune delle tipologie più comuni di modelli di AI generativa.

Reti generative avversarie

Le reti generative avversarie (GAN) funzionano addestrando due diverse reti neurali sugli stessi set di dati per generare nel tempo contenuti sempre più realistici.

Le due reti, chiamate "generatore" e "discriminatore", competono l'una contro l'altra, incentivandosi a creare continuamente contenuti migliori. Quando la GAN riceve le stesse informazioni, il generatore crea un campione di dati (come un'immagine o un testo) basato sui dati di addestramento. Il discriminatore analizza quindi ciò che il generatore ha creato e determina se si tratta di dati reali o generati.

Trasformatori

I modelli di AI generativa basati su trasformatori sono reti neurali che utilizzano un'architettura di apprendimento profondo (algoritmi che identificano pattern all'interno di grandi quantità di dati) per predire nuovi testi basati su dati sequenziali. I trasformatori sono in grado di apprendere il contesto e di "trasformare" un tipo di input in un altro tipo di output, in modo da generare testo simile a quello prodotto dagli esseri umani e rispondere alle domande.

Autoencoder variazionali

Gli autoencoder variazionali (VAE) sono modelli generativi che codificano i dati in ingresso, semplificano e ottimizzano i punti dati e li memorizzano in un'area di memoria nascosta chiamata spazio latente. Quando viene richiesto, estraggono i dati dallo spazio latente e li ricostruiscono in modo che assomiglino alla forma originale. I VAE spesso creano immagini e testi di AI generativa.

Modelli basati su flussi

I modelli basati su flussi trasformano distribuzioni complesse di dati in distribuzioni semplici. Questo tipo di modello è tipicamente utilizzato per la generazione di immagini.

Reti neurali ricorrenti

Le reti neurali ricorrenti (RNN) sono utilizzate per elaborare e generare dati sequenziali. L'addestramento di una RNN su sequenze di dati genera nuove sequenze che assomigliano ai dati appresi. Le RNN prevedono ciò che viene dopo in una sequenza in base a ciò che si è verificato nelle sequenze precedenti. Le RNN sono il modello generativo dell'intelligenza artificiale per la ricerca vocale di Siri e Google.

Scopri le novità sull'AI generativa

Dai un'occhiata alle novità principali con La nuova, grande release di Zendesk AI. Durante il nostro evento globale, illustriamo tutte le nuove capacità di AI generativa e il loro impatto sull'esperienza clienti e dei dipendenti e sulla sicurezza dei dati.

Guarda ora

Quali sono le applicazioni di AI generativa più diffuse?

Man mano che continuiamo a studiare e comprendere i vantaggi che l'AI avanzata offre al servizio clienti, emergono nuove applicazioni di AI generativa. Come la stirpe degli Skywalker, queste popolari applicazioni di intelligenza artificiale generativa sono i fiori all'occhiello del software di intelligenza artificiale.

Vantaggi offerti dall'AI generativa

L'AI generativa offre numerosi vantaggi, soprattutto per i team che si occupano di servizio clienti. Eccone alcuni dei più comuni.

Migliore esperienza clienti

Grazie all'intelligenza artificiale generativa, i team di assistenza clienti possono offrire un'esperienza migliore. Possono, ad esempio, gestire volumi elevati di richieste durante i picchi di attività utilizzando risposte istantanee e automatizzate alle domande dei clienti, grazie a risposte generative, strumenti di messaggistica e software per chatbot.

L'intelligenza artificiale generativa facilita conversazioni più naturali e personalizzate con informazioni accurate. Ciò si traduce in una migliore esperienza clienti, in punteggi di soddisfazione dei clienti (CSAT) più alti e in un incremento della fidelizzazione. L'intelligenza artificiale generativa è inoltre in grado di riconoscere e adattarsi a lingue diverse. Questo consente di fornire un servizio clienti globale e multilingue 24 ore su 24, 7 giorni su 7.

Aumento della produttività e dell'efficienza degli agenti

Gli strumenti di intelligenza artificiale generativa ottimizzano i flussi di lavoro e semplificano i compiti degli agenti. L'intelligenza artificiale generativa può gestire le attività semplici, consentendo agli agenti di impegnarsi in questioni più complesse. Ecco alcuni modi per sfruttare l'intelligenza artificiale generativa al fine di aumentare la produttività e l'efficienza degli agenti:

• Riepiloghi dei ticket: generare un breve riepilogo del contenuto del ticket per consentire agli agenti di comprendere il problema e rispondere più rapidamente.
• Bot avanzati: evitare la creazione di ticket grazie a bot che forniscono suggerimenti basati sui dati, per un'assistenza immediata e conversazionale.
• Creazione di contenuti: automatizzare e ottimizzare il processo di creazione dei contenuti per facilitare il lavoro dei proprietari di contenuti.

Zendesk, ad esempio, offre l'AI generativa integrata nello spazio di lavoro agente unificato e omnicanale. In collaborazione con OpenAI, Zendesk sfrutta la potenza dell'intelligenza artificiale generativa per aumentare la produttività degli agenti, aiutando i team di assistenza a creare contenuti della knowledge base su larga scala. L'intelligenza artificiale generativa può inoltre riassumere i ticket più lunghi o trasformare in pochi secondi una breve risposta alla richiesta di un cliente in una replica completa.

Riduzione dei costi di assistenza

Sul luogo di lavoro, l'AI consente ai team di assistenza clienti di ottenere più risultati impiegando meno risorse. L'intelligenza artificiale generativa aiuta a risparmiare tempo e costi evitando la creazione di ticket, ottimizzando i flussi di lavoro e automatizzando le attività ripetitive. Ciò semplifica la gestione dei ticket in coda e consente agli agenti di concentrarsi sui problemi più complessi, il tutto offrendo assistenza a un numero di clienti uguale o maggiore.

L'intelligenza artificiale generativa può inoltre aiutare i team che si occupano della gestione a ottenere insight utili a identificare i tipi di problemi e domande dei clienti che potrebbero richiedere l'automazione. GenAI è in grado di fornire risposte rapide in merito alle lacune di automazione e a quali processi automatizzati offrirebbero vantaggi maggiori per gli agenti e le attività aziendali.

Ad esempio, può segnalare se un'alta percentuale di clienti chiede di reimpostare la password o tracciare gli ordini, in modo che i team di assistenza possano deviare questo tipo di richieste a un bot. A questo punto, gli amministratori possono rapidamente creare queste automazioni, in modo da risparmiare tempo e denaro.

Difficoltà correlate all'AI generativa

L'AI generativa può offrire molti vantaggi e aiutare le aziende ad affrontare momenti difficili. Come con tutte le nuove tecnologie, tuttavia, potrebbero esserci dei colpi di scena inaspettati. Ecco alcuni elementi da prendere in considerazione, quando si implementa l'AI generativa.

Informazioni distorte, obsolete o inaffidabili.

I sistemi di intelligenza artificiale generativa creano contenuti in base ai dati su cui sono stati addestrati, che potrebbero essere parziali, obsoleti o inaffidabili. È quindi importante controllare e convalidare le fonti di dati per confermare che l'applicazione di AI generativa stia estraendo informazioni affidabili. Occorre creare processi e linee guida che consentano di individuare e rimuovere i dati parziali dai set di dati e monitorare e rivedere regolarmente i contenuti prodotti, per garantire che le informazioni siano reali e imparziali.

Ad esempio, Zendesk rende l'intelligenza artificiale disponibile per i suoi clienti solo dopo averla sottoposta a rigorosi controlli di qualità. Ogni previsione o suggerimento dell'intelligenza artificiale deve superare un determinato punteggio di fiducia prima di essere utilizzato per creare processi automatizzati.

Allucinazioni dell'AI generativa

Le applicazioni di intelligenza artificiale generativa vengono addestrate per fornire gli output più affidabili in base ai comandi dell'utente. Gli strumenti di AI generativa possono tuttavia produrre informazioni palesemente sbagliate o risultati imprecisi, chiamati "allucinazioni".

Si parla di allucinazione quando l'applicazione di AI generativa fornisce informazioni false o irrilevanti, non correlate al set di dati su cui è stata addestrata. In parole povere, ciò significa che il modello di intelligenza artificiale ha sì generato nuovi contenuti basati sui fatti, ma aggiungendovi la propria interpretazione creativa, dando luogo a informazioni distorte. Questi casi non si verificano spesso, ma potrebbero risultare in informazioni errate o contenuti indelicati.

Preoccupazioni relative alla sostituzione degli esseri umani

Sebbene l'obiettivo dell'AI generativa sia quello di migliorare la produttività e le competenze, i dipendenti potrebbero temere che l'implementazione di questa tecnologia possa portare alla loro sostituzione. L'intelligenza artificiale generativa aiuta ad automatizzare le attività, ma le connessioni umane autentiche non possono essere replicate e rimangono un elemento cruciale del servizio clienti.

In caso di problemi o domande, i clienti vogliono avere la possibilità di parlare con una persona. Secondo un recente sondaggio, l'81% dei consumatori afferma che la possibilità di contattare un agente umano, in caso di problemi con l'assistenza clienti basata sull'AI, è fondamentale per mantenere la fiducia nei confronti di un'azienda. Zendesk garantisce sempre la supervisione da parte di agenti umani, in modo che la tecnologia venga utilizzata correttamente e i clienti ricevano il livello di servizio che si aspettano.

Come utilizzare l'AI generativa per il servizio clienti

L'utilizzo dell'AI per il servizio clienti consente ai team di assistenza di creare esperienze clienti eccezionali, con interazioni più umanizzate. Ecco alcuni modi per utilizzare l'AI generativa per il servizio clienti.

Scalabilità del self-service

Con l'intelligenza artificiale generativa, le possibilità di migliorare le risorse di self-service sono praticamente infinite. Facciamo solo un paio di esempi su come utilizzare l'intelligenza artificiale generativa per scalare il self-service:

• Semplificare e accelerare l'inserimento di contenuti nella knowledge base automatizzando la creazione di articoli per l'help center.

• Stimolare la creatività dei team che si occupano dei contenuti dell'help center con suggerimenti e raccomandazioni.

• Rendere le interazioni tra clienti e bot più naturali e colloquiali, creando risposte basate sulla knowledge base.

Con Zendesk AI, ad esempio, è possibile modificare il tono degli articoli dell'help center per renderli più amichevoli o formali. In questo modo, è possibile garantire che i contenuti siano adatti al pubblico e mantengano un tono coerente in tutta la knowledge base. È inoltre possibile implementare i bot per offrire opzioni di self-service nelle aree in cui i clienti richiedono spesso assistenza.

Ottimizzare le prestazioni del bot

Le risposte generative utilizzano le informazioni provenienti da una knowledge base esistente, quindi non è necessario creare risposte personalizzate. Questo accelera e ottimizza notevolmente i tempi di costruzione dei bot e migliora l'esperienza clienti garantendo l'accuratezza delle risposte.

I bot pre-addestrati utilizzano inoltre i suggerimenti basati sullo scopo. Questa funzione evidenzia le domande più comuni, in modo che gli amministratori possano costruire risposte adatte ai diversi scopi, migliorando le prestazioni complessive del bot. Consente inoltre un notevole risparmio di tempo e aiuta i team a scalare i bot con facilità. È anche possibile creare un personaggio per i bot, per dare loro una voce coerente che rifletta la personalità del brand.

Potenziare le capacità degli agenti umani

L'intelligenza artificiale generativa può ampliare le capacità degli agenti del servizio clienti, eseguendo attività come i riepiloghi dei ticket. GenAI può fornire rapidamente agli agenti un riepilogo del ticket, in modo che non debbano leggere l'intera conversazione per capire il problema. Questa funzione è particolarmente utile nel caso di conversazioni prioritarie o escalation che richiedono un'azione rapida.

L'AI generativa può essere utilizzata anche per riassumere le trascrizioni delle chiamate. Ad esempio, Zendesk offre Voice AI, che utilizza OpenAI per dettare e memorizzare le trascrizioni delle chiamate nei ticket. In questo modo, le chiamate sono completamente ricercabili e facilmente reperibili.

Per i proprietari di contenuti, gli strumenti di scrittura avanzati consentono di produrre facilmente contenuti per l'help center, con un notevole risparmio di lavoro. Basta un breve elenco puntato perché l'intelligenza artificiale generativa possa ampliare il contenuto e creare un articolo completo, con la voce e il tono richiesti.

Facilitare l'onboarding e la formazione degli agenti

Le stesse funzioni che migliorano l'esperienza degli agenti possono anche accelerare l'onboarding e la formazione dei nuovi assunti. I riepiloghi dei ticket, ad esempio, forniscono ai nuovi membri del team le informazioni più rilevanti della conversazione, riducendo i tempi di apprendimento.

I nuovi agenti possono essere aiutati anche nella formulazione delle risposte. Supponiamo che un nuovo assunto non conosca ancora la politica sui resi dell'azienda e abbia bisogno di aiuto per fornire a un cliente i dettagli richiesti. All'agente basta digitare alcune parole perché l'AI generativa preveda il resto della frase, riempiendo gli spazi vuoti con informazioni corrette. Gli agenti possono inoltre evidenziare le loro risposte e regolare il tono dell'intero messaggio.

Grazie a questi strumenti di intelligenza artificiale generativa, le aziende riducono i tempi di formazione e fanno in modo che gli agenti del supporto clienti siano pronti più rapidamente.

Domande frequenti

Il futuro dell'AI generativa

Visto l'enorme clamore con cui è stata accolta l'AI generativa, è facile lasciarsi prendere dall'entusiasmo. È tuttavia molto importante sviluppare una strategia che consenta di massimizzare i vantaggi offerti dall'AI generativa, tanto ora quanto in futuro.

La nostra guida all'AI avanzata per il servizio clienti aiuta a capire come sfruttare appieno la potenza dell'AI. Implementando da subito l'AI generativa, potrai sederti al posto di comando e intraprendere un viaggio entusiasmante. Noi saremo il Chewbacca del tuo Han Solo. Sali con noi sul Millennium Falcon per esplorare l'iperspazio.