هوش مصنوعی در خدمات | همه چیز درباره کاربردهای هوش مصنوعی درخدمات
هوش مصنوعی در صنعت خدمات دیگر به چتباتهایی که به پرسشهای تکراری مشتری پاسخ میدهند محدود نیست. سازمانهای خدماتی از هوش مصنوعی برای خودکارسازی فرایندها، تحلیل مکالمات، پیشبینی نیاز مشتری، شخصیسازی خدمات، پردازش اسناد، پشتیبانی از کارکنان و تصمیمگیری استف…
خلاصه تحلیلی خبر
هوش مصنوعی در صنعت خدمات دیگر به چتباتهایی که به پرسشهای تکراری مشتری پاسخ میدهند محدود نیست. سازمانهای خدماتی از هوش مصنوعی برای خودکارسازی فرایندها، تحلیل مکالمات، پیشبینی نیاز مشتری، شخصیسازی خدمات، پردازش اسناد، پشتیبانی از کارکنان و تصمیمگیری استف…
موضوعات اصلی: پشتیبانی شبکه، هوش مصنوعی، مصنوعی، هوش، خدمات، میتواند
هوش مصنوعی در صنعت خدمات دیگر به چتباتهایی که به پرسشهای تکراری مشتری پاسخ میدهند محدود نیست. سازمانهای خدماتی از هوش مصنوعی برای خودکارسازی فرایندها، تحلیل مکالمات، پیشبینی نیاز مشتری، شخصیسازی خدمات، پردازش اسناد، پشتیبانی از کارکنان و تصمیمگیری استفاده میکنند. در نسل جدیدتر این فناوری، هوش مصنوعی مولد و عاملهای هوشمند نیز میتوانند چند مرحله از یک فرایند را با استفاده از ابزارها و دادههای سازمانی اجرا کنند.
پژوهشهای جدید درباره هوش مصنوعی در خدمات، تمرکز را از «جایگزینی انسان» به سمت طراحی تعامل میان انسان و هوش مصنوعی، خلق ارزش، تجربه مشتری و حاکمیت این فناوری منتقل کردهاند. بنابراین، برای درک کاربرد هوش مصنوعی در خدمات باید از یک فهرست ساده ابزارها فراتر رفت و دید این فناوری در کدام قسمت از زنجیره ارائه خدمت ارزش ایجاد میکند.
هوش مصنوعی در خدمات دقیقا چه کاری انجام میدهد؟
خدمات معمولا به فرایندهایی وابستهاند که در آنها اطلاعات، ارتباط با مشتری، تصمیمگیری و اجرای عملیات نقش مهمی دارند. همین ویژگی باعث شده است بسیاری از کاربردهای هوش مصنوعی در این حوزه حول چهار کارکرد اصلی شکل بگیرند: اتوماسیون، پیشبینی، شخصیسازی و تعامل.
- در اتوماسیونهوش مصنوعی بخشی از وظایف تکراری را انجام میدهد؛ برای مثال دستهبندی درخواستهای مشتری، استخراج اطلاعات از اسناد یا تهیه پیشنویس پاسخ.
- در پیشبینیمدلهای هوش مصنوعی از دادههای قبلی برای برآورد یک وضعیت احتمالی استفاده میکنند؛ مانند احتمال تقلب، ریزش مشتری یا افزایش تقاضا.
- در شخصیسازیاطلاعات مربوط به رفتار و نیاز کاربر برای ارائه پیشنهاد یا مسیر خدمت متناسبتر به کار میرود.
- در تعاملنیز هوش مصنوعی میتواند بهصورت متنی یا صوتی با مشتری یا کارمند ارتباط برقرار کند.
OECD در گزارشGoverning with Artificial Intelligenceدر بررسی پذیرش هوش مصنوعی در شرکتها گزارش میکند که در صنایع خدماتی، کاربردهای هوش مصنوعی در حوزههایی مانند منابع انسانی، آموزش و پشتیبانی شناختی کارکنان و خدمات روبهمشتری اهمیت بیشتری پیدا کردهاند.
مهمترین کاربردهای هوش مصنوعی در خدمات چیست؟
خدمات مشتری و مراکز تماس
یکی از شناختهشدهترین کاربردهای هوش مصنوعی، خودکارسازی بخشی از خدمات مشتری است. چتباتها و دستیارهای مجازی میتوانند پرسشهای پرتکرار را پاسخ دهند، اطلاعات موردنیاز را از پایگاه دانش استخراج کنند، درخواست مشتری را دستهبندی کنند و در صورت نیاز مکالمه را به کارشناس انسانی منتقل کنند. در نسل جدیدتر سیستمهای خدمات مشتری، هوش مصنوعی فقط پاسخدهنده نیست. سیستم میتواند مکالمه را خلاصه کند، سابقه تعامل مشتری را در اختیار کارشناس قرار دهد، پاسخ پیشنهادی تولید کند و پس از پایان تماس، اطلاعات را برای ثبت در سیستم CRM آماده کند. این تفاوت مهم است؛ در مدل اول، هدف حذف یک تماس انسانی است و در مدل دوم، هوش مصنوعی به کارشناس انسانی کمک میکند.
دستیارهای هوشمند
دستیارهای هوشمند میتوانند برای مشتری یا کارکنان سازمان ساخته شوند. برای مشتری، دستیار میتواند وضعیت سفارش، فرایند درخواست خدمت یا اطلاعات عمومی را توضیح دهد. برای کارمند، میتواند در میان اسناد و دستورالعملهای سازمان جستوجو کند، یک پرونده را خلاصه کند یا اطلاعات موردنیاز را در اختیار او قرار دهد. این کاربرد بهویژه در سازمانهایی اهمیت دارد که کارکنان باید دائما از حجم زیادی از اسناد، مقررات و دانش سازمانی استفاده کنند.
تحلیل مکالمات و بازخورد مشتری
سازمانهای خدماتی حجم زیادی از داده را در تماسهای تلفنی، پیامها، ایمیلها، نظرسنجیها و شبکههای اجتماعی تولید میکنند. مدلهای پردازش زبان طبیعی میتوانند این دادهها را برای شناسایی موضوعات پرتکرار، مشکلات مشتری، الگوهای نارضایتی و روندهای جدید تحلیل کنند. در اینجا هوش مصنوعی بهجای پاسخدادن به تکتک مشتریان، از دادههای حاصل از هزاران تعامل برای شناسایی مشکلات سیستم خدمات استفاده میکند.
شخصیسازی خدمات
یکی از کاربردهای مهم هوش مصنوعی، تطبیق خدمت با ویژگیها و نیازهای هر کاربر است. برای مثال، یک پلتفرم میتواند بر اساس سابقه تعامل، ترجیحات و شرایط کاربر، محتوای مناسبتری ارائه دهد یا مسیر دریافت خدمت را تغییر دهد. OECD نیز در بررسی کاربرد هوش مصنوعی در خدمات عمومی، شخصیسازی اطلاعات و مسیر ارائه خدمات را یکی از کاربردهای مهم این فناوری معرفی میکند. بااینحال، شخصیسازی به داده وابسته است. هرچه داده حساستر باشد، مسئله حریم خصوصی و نحوه استفاده از آن اهمیت بیشتری پیدا میکند.
پیشبینی نیاز مشتری
هوش مصنوعی میتواند از دادههای تاریخی برای پیشبینی رفتار یا نیاز احتمالی مشتری استفاده کند. نمونههای این پیشبینی عبارتاند از
- پیشبینی ریزش مشتری
- پیشبینی تقاضا
- شناسایی مشتریان در معرض مشکل
- پیشبینی نیاز به پشتیبانی
- پیشنهاد اقدام مناسب به کارشناس
در این مدل، سازمان منتظر نمیماند تا مشتری مشکل خود را اعلام کند؛ بلکه تلاش میکند پیش از وقوع مشکل، نشانههای آن را شناسایی کند.
پردازش اسناد و کارهای اداری
بخش مهمی از ارائه خدمات همچنان به اسناد و اطلاعات ساختاریافته و غیرساختاریافته وابسته است. هوش مصنوعی میتواند در استخراج اطلاعات از فرمها، قراردادها، درخواستها و ایمیلها، خلاصهسازی اسناد، طبقهبندی پروندهها و آمادهسازی پاسخها به کارکنان کمک کند.
در بسیاری از این موارد نیز لزوما استفاده از مدل زبانی بزرگ بهترین انتخاب نیست. برای بعضی فرایندهای ساختاریافته، ابزارهای اتوماسیون سنتی میتوانند سادهتر و قابلکنترلتر باشند. در طراحی خدمات مبتنی هوش مصنوعی انتخاب فناوری متناسب با نوع مسئله میبایست اولویت اصلی باشد، نه استفاده از یک فناوری واحد برای همه فرایندها.
کشف تقلب و مدیریت ریسک
در خدمات مالی و برخی خدمات دیجیتال، هوش مصنوعی میتواند برای شناسایی الگوهای غیرعادی و احتمال تقلب استفاده شود. مدلها میتوانند رفتار تراکنشی یا سایر دادههای عملیاتی را بررسی کنند و مواردی را که با الگوهای معمول سازگار نیستند برای بررسی بیشتر علامتگذاری کنند. هوش مصنوعی در اینجا الزاما تصمیم نهایی را اتخاذ نمیکند؛ میتواند نقش یک سامانه تشخیص و اولویتبندی را بر عهده بگیرد تا منابع انسانی روی موارد مهمتر متمرکز شوند.
دستیارهای تخصصی
در بسیاری از خدمات، تصمیمگیری نهایی همچنان به متخصص انسانی وابسته است اما هوش مصنوعی میتواند اطلاعات موردنیاز برای این تصمیم را سریعتر آماده کند. در خدمات مالی، سلامت، حقوقی، بیمه و خدمات حرفهای، این الگو اهمیت زیادی دارد. هوش مصنوعی میتواند دادهها را جمعآوری و خلاصه کند، الگوهای مرتبط را نشان دهد و گزینههای احتمالی را پیشنهاد کند؛ اما سطح نظارت انسانی باید متناسب با ریسک تصمیم تعیین شود.
هوش مصنوعی در کدام صنایع خدماتی کاربرد دارد؟
بانکداری و خدمات مالی
بانکها و موسسات مالی از هوش مصنوعی در حوزههایی مانند خدمات مشتری، کشف تقلب، ارزیابی ریسک، تحلیل اسناد و شخصیسازی ارتباط با مشتری استفاده میکنند. هوش مصنوعی مولد نیز میتواند برای خلاصهسازی گزارشها، ارتباطات مشتری و جستوجو در دانش سازمانی به کار گرفته شود. بااینحال، در خدمات مالی حساسیت داده و الزامات انطباق باعث میشود کنترل دسترسی، ثبت رویدادها و نظارت انسانی اهمیت زیادی داشته باشد.
سلامت
در حوزه خدمات درمانی و سلامت، هوش مصنوعی میتواند در تحلیل تصاویر پزشکی، پردازش اسناد، پشتیبانی اداری، خلاصهسازی پرونده و برخی دستیارهای کمک تشخیصی بالینی استفاده شود. اما باید میان کاربرد هوش مصنوعی بهعنوان ابزار کمکی و تصمیمگیری مستقل پزشکی تفاوت گذاشت. هرچه پیامد یک خطا جدیتر باشد، الزامات اعتبارسنجی و نظارت انسانی نیز افزایش پیدا میکند.
آموزش
در آموزش، هوش مصنوعی میتواند برای شخصیسازی مسیر یادگیری، تولید تمرین، پاسخ به پرسشهای دانشآموزان، خلاصهسازی مطالب و کمک به معلمان استفاده شود. نقطه مهم این است که شخصیسازی آموزشی نباید صرفا به تولید محتوای بیشتر منجر شود. کیفیت ارزیابی، صحت پاسخ و نقش معلم همچنان اهمیت دارد.
گردشگری و هتلداری
در گردشگری، هوش مصنوعی میتواند در پیشنهاد مقصد، برنامهریزی سفر، پاسخگویی به مسافران، ترجمه، مدیریت درخواستها و شخصیسازی تجربه کاربر به کار رود. در هتلداری نیز تحلیل تقاضا و رفتار مشتری میتواند برای بهبود ارائه خدمات و تصمیمگیری عملیاتی استفاده شود.
خردهفروشی
خردهفروشی از ترکیب هوش مصنوعی و دادههای مشتری برای پیشنهاد محصول، پیشبینی تقاضا، خدمات مشتری و تحلیل رفتار مصرفکننده استفاده میکند. در فروشگاههای آنلاین، مدلهای پیشنهاددهنده یکی از قدیمیترین نمونههای شخصیسازی مبتنی بر هوش مصنوعی هستند؛ در حالی که مدلهای مولد اکنون امکان تعامل طبیعیتر مشتری با سیستم را فراهم کردهاند.
خدمات عمومی
یکی از مهمترین حوزههای توسعه هوش مصنوعی در خدمات، دولت و خدمات عمومی است. OECD گزارش میکند که ۶۷ درصد کشورهای عضو این سازمان در سال ۲۰۲۴ از هوش مصنوعی برای بهبود طراحی و ارائه خدمات عمومی استفاده میکردند. کاربردها شامل خودکارسازی فرایندها، تخصیص بهتر منابع، پشتیبانی از تصمیمگیری، شخصیسازی خدمات و بهبود تعامل با شهروندان است. این حوزه البته به دلیل حساسیت دادههای شهروندان و پیامد تصمیمهای دولتی، نیازمند چارچوبهای روشن مسئولیتپذیری و نظارت است.
هوش مصنوعی مولد چه چیزی به خدمات اضافه کرده است؟
نسل قبلی سیستمهای هوش مصنوعی عمدتا برای طبقهبندی، پیشبینی یا تشخیص الگو استفاده میشد. هوش مصنوعی مولد یک قابلیت مهم دیگر اضافه کرده است؛ یعنی تولید محتوای جدید بر اساس ورودی و زمینه.
در خدمات، این قابلیت میتواند برای موارد زیر استفاده شود
- تولید پیشنویس پاسخ به مشتری
- خلاصهسازی مکالمات
- خلاصه پروندهها
- گزارشنویسی
- جستوجو و پرسشوپاسخ روی دانش سازمانی
- کمک به کارکنان در انجام وظایف متنی
- تولید محتوای شخصیسازیشده
اما هوش مصنوعی مولد بهتنهایی به معنای «خودکار شدن کامل خدمت» نیست. مدل ممکن است پاسخ نادرست تولید کند یا اطلاعاتی را با اطمینان بیش از حد بیان کند. بنابراین اتصال مدل به منابع معتبر، کنترل دسترسی و بازبینی انسانی در کاربردهای حساس اهمیت دارد.
عاملهای هوش مصنوعی چگونه مدل ارائه خدمات را تغییر میدهند؟
تفاوت مهم نسل جدید هوش مصنوعی با چتباتهای کلاسیک در توانایی اتصال به ابزارها و انجام زنجیرهای از اقدامات است. یک چتبات ممکن است پاسخ دهد «درخواست شما ثبت شد.»؛ اما یک عامل میتواند، در صورت داشتن دسترسی و مجوز لازم، درخواست را دریافت کند، اطلاعات موردنیاز را از سیستم سازمان استخراج کند، شرایط را بررسی کند، یک فرایند را اجرا کند و نتیجه را گزارش دهد. به همین دلیل، هوش مصنوعی عاملمحور در خدمات میتواند به سمت اتوماسیون فرایندهای چندمرحلهای حرکت کند.
این تحول به معنای حذف خودکار انسان نیست. در فرایندهای حساس باید مشخص باشد
- هوش مصنوعی چه کاری میتواند انجام دهد؟
- به چه دادههایی دسترسی دارد؟
- چه اقداماتی نیازمند تأیید انسان هستند؟
- خطا چگونه شناسایی میشود؟
- رویدادهای سیستم چگونه ثبت میشوند؟
- مسئولیت تصمیم نهایی با چه کسی است؟
مزایای استفاده از هوش مصنوعی در خدمات چیست؟
مهمترین مزیتها را میتوان در پنج دسته قرار داد
- سرعتپاسخگویی و پردازش برخی درخواستها میتواند سریعتر شود.
- مقیاسپذیرییک سیستم نرمافزاری میتواند تعداد زیادی درخواست مشابه را بهصورت همزمان پردازش کند.
- شخصیسازیخدمت میتواند بر اساس داده و زمینه هر کاربر تنظیم شود.
- افزایش بهرهوری کارکنانبخشی از وظایف تکراری به هوش مصنوعی واگذار میشود و کارکنان میتوانند زمان بیشتری برای فعالیتهای پیچیدهتر داشته باشند.
- تصمیمگیری مبتنی بر دادهتحلیل حجم زیادی از داده میتواند به شناسایی الگوهایی کمک کند که در بررسی دستی دشوار هستند.
بااینحال، هیچیک از این مزایا صرفا با خرید یک ابزار هوش مصنوعی تضمین نمیشود. کیفیت داده، طراحی فرایند، یکپارچهسازی سیستمها و توانایی کارکنان از عوامل تعیینکنندهاند.
مهمترین چالشهای هوش مصنوعی در خدمات چیست؟
حریم خصوصی و امنیت داده
بسیاری از خدمات با دادههای حساس مشتریان سروکار دارند. استفاده از هوش مصنوعی بدون تعیین دقیق محل ذخیره داده، سطح دسترسی، نحوه پردازش و سیاست نگهداری میتواند ریسک ایجاد کند.
خطای مدل
مدلهای مولد ممکن است اطلاعات نادرست تولید کنند. در کاربردهای کمریسک ممکن است بازبینی ساده کافی باشد؛ در خدمات پزشکی، مالی، حقوقی یا دولتی، کنترل بسیار جدیتری لازم است.
سوگیری
اگر داده آموزشی یا داده عملیاتی دارای سوگیری باشد، خروجی هوش مصنوعی نیز ممکن است آن را بازتولید کند. این موضوع بهخصوص زمانی اهمیت دارد که هوش مصنوعی در تصمیمهایی درباره افراد نقش داشته باشد.
شفافیت و مسئولیتپذیری
کاربر باید در موارد مناسب بداند که با هوش مصنوعی تعامل دارد و سازمان نیز باید بتواند مشخص کند یک خروجی چگونه تولید شده و چه کسی مسئول تصمیم نهایی است.
پذیرش کارکنان
پیادهسازی هوش مصنوعی صرفا یک پروژه فناوری اطلاعات نیست. اگر کارکنان ندانند چرا سیستم ایجاد شده، چگونه باید از آن استفاده کنند و چه تصمیمهایی همچنان بر عهده آنهاست، حتی یک سیستم فنی مناسب نیز ممکن است به نتیجه مطلوب نرسد. پژوهشهای جدید درباره تعامل انسان و هوش مصنوعی نیز بر همین نکته تأکید دارند؛ طراحی موفق خدمات مبتنی هوش مصنوعی نیازمند توجه همزمان به فناوری، کاربران و ساختار تعامل میان انسان و سیستم است.
برای پیادهسازی هوش مصنوعی در خدمات از کجا باید شروع کرد؟
سازمانها بهتر است بهجای شروع از «چه ابزار هوش مصنوعی بخریم؟» از این سوال آغاز کنند که کدام بخش از فرایند خدمت بیشترین مشکل را ایجاد میکند؟
یک مسیر عملی میتواند چنین باشد
- فرایندهای خدماتی را مستند کنید.
- فعالیتهای پرتکرار و زمانبر را شناسایی کنید.
- ارزش اقتصادی و ریسک هر کاربرد را بسنجید.
- کیفیت و دسترسی دادهها را بررسی کنید.
- مناسبترین فناوری را انتخاب کنید.
- یک کاربرد محدود و قابلاندازهگیری را بهصورت آزمایشی اجرا کنید.
- شاخصهایی مانند زمان پاسخ، هزینه، خطا و رضایت مشتری را اندازهگیری کنید.
- در صورت موفقیت، سیستم را به فرایندهای بیشتر متصل کنید.
در خدمات پیچیده، هدف لزوما «حداکثرکردن اتوماسیون» نیست. ممکن است بهترین طراحی، ترکیبی از هوش مصنوعی + کارشناس انسانی باشد.
آینده هوش مصنوعی در خدمات چگونه خواهد بود؟
مسیر توسعه هوش مصنوعی در خدمات را میتوان از چند مرحله در نظر گرفت
اتوماسیون ← دستیار ← پیشبینی ← شخصیسازی ← عامل هوشمند
در مرحله نخست، هوش مصنوعی یک وظیفه مشخص را خودکار میکند. سپس به دستیار کارکنان یا مشتری تبدیل میشود. در مرحله بعد میتواند بر اساس داده، نیاز یا احتمال وقوع یک رویداد را پیشبینی کند. با ترکیب این قابلیتها و اتصال هوش مصنوعی به ابزارهای سازمانی، عاملهای هوشمند میتوانند بخشی از فرایندهای چندمرحلهای را اجرا کنند. اما آینده خدمات صرفا به میزان خودکارشدن آنها وابسته نیست. مسئله مهمتر، طراحی درست مرز میان تصمیم انسانی و تصمیم ماشینی است.
ادبیات علمی جدید درباره هوش مصنوعی در خدمات نیز نشان میدهد که پرسش اصلی دیگر فقط «هوش مصنوعی چه کاری میتواند انجام دهد؟» نیست؛ بلکه باید پرسید تعامل انسان و هوش مصنوعی چگونه باید طراحی شود تا از نظر اقتصادی، عملیاتی و انسانی قابلاتکا باشد.
پرسشهای متداول
- مهمترین کاربرد هوش مصنوعی در خدمات چیست؟
پاسخ واحدی وجود ندارد. خدمات مشتری، اتوماسیون فرایند، شخصیسازی، پیشبینی، پردازش اسناد، تصمیمیارها و تحلیل داده از مهمترین دستههای کاربرد هستند. - آیا هوش مصنوعی جایگزین کارکنان خدمات میشود؟
در برخی وظایف مشخص، هوش مصنوعی میتواند بخشی از فعالیتهایی را که پیشتر توسط انسان انجام میشد خودکار کند. اما در بسیاری از خدمات، الگوی عملیتر ترکیب هوش مصنوعی با نیروی انسانی است؛ بهخصوص زمانی که تصمیم به قضاوت، مسئولیتپذیری یا تعامل پیچیده انسانی نیاز دارد. - هوش مصنوعی مولد چه تفاوتی با هوش مصنوعی سنتی در خدمات دارد؟
هوش مصنوعی سنتی اغلب برای پیشبینی، طبقهبندی یا تشخیص الگو استفاده میشود؛ هوش مصنوعی مولد علاوه بر این قابلیتها میتواند متن، تصویر، ویدئو، صدا یا سایر محتواها را تولید و اطلاعات را به زبان طبیعی پردازش کند. - هوش مصنوعی عاملمحور چیست و چه کاربردی در خدمات دارد؟
هوش مصنوعی عاملمحور سیستمی است که میتواند با استفاده از مدل هوش مصنوعی، ابزارها و دادههای در دسترس، مجموعهای از اقدامات را برای رسیدن به یک هدف انجام دهد. در خدمات، این قابلیت میتواند برای خودکارسازی فرایندهای چندمرحلهای استفاده شود. - مهمترین ریسک استفاده از هوش مصنوعی در خدمات چیست؟
ریسک به نوع خدمت بستگی دارد. حریم خصوصی، امنیت، خطای مدل، سوگیری، نبود شفافیت و تعیین نامشخص مسئولیت از مهمترین موارد هستند. - آیا همه خدمات باید با هوش مصنوعی خودکار شوند؟
خیر. مناسببودن هوش مصنوعی به نوع فرایند، ارزش اقتصادی، کیفیت داده و ریسک تصمیم بستگی دارد. در برخی فرایندها، استفاده از هوش مصنوعی بهعنوان دستیار انسانی میتواند مناسبتر از خودکارسازی کامل باشد.
برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.