L’IA générative va changer à jamais le service client. Voici comment nous y arrivons

Les entreprises qui souhaitent exploiter l’IA générative doivent se concentrer sur la manière dont la technologie profite à leurs clients.

Injecter avec succès l’intelligence artificielle (IA) générative dans le service client nécessite une approche systématique.

Améliorer l'expérience client à l'aide de solutions d'IA générative consiste à réinventer les processus existants et à optimiser la façon dont les données sont accessibles, analysées et appliquées pour prendre des décisions plus rapides, plus éclairées et meilleures qui servent toutes les parties prenantes : employés, clients, partenaires commerciaux et nos communautés.

Le point que nous voulons souligner est que les processus doivent être vérifiés et revérifiés avant que les organisations n’appliquent l’IA générative. Des erreurs peuvent revenir et embarrasser l’entreprise qui construit le système d’IA générative. Dans un exemple récent chez Chevrolet, un robot basé sur l'IA a transmis de fausses informations aux clients, ce qui a entraîné une perte financière. Une compagnie aérienne nord-américaine, quant à elle, a tenté de faire valoir l'argument juridique selon lequel son robot était une entité distincte dont les réponses ne relevaient pas de sa responsabilité.

Dans ces situations, il est essentiel de se rappeler que la machine ne peut pas faire la distinction entre les bonnes et les mauvaises données ou entre les bons et les mauvais processus. La machine ne voit que les données et suit les processus et les règles créés pour elle.

Les organisations doivent également s’assurer que les données consommées par l’IA générative sont exactes et que les processus de service client qu’elles conçoivent peuvent réussir grâce à l’IA générative. Commencez petit, commencez là où il y a une valeur et des avantages mesurables, commencez simplement, commencez avec des données propres et invitez un petit nombre de clients fidèles à votre processus de conception pour vous assurer que vous êtes sur la voie du succès.

Lors de notre dernier article, nous disions que l’IA générative à elle seule n’améliorerait pas l’expérience client. Nous avons fourni trois conseils clés : les données doivent être fiables, exactes et disponibles ; le processus client doit être précis, intuitif et équitable ; et il doit y avoir une valeur mesurable. Nous passons désormais à la vitesse supérieure en discutant de la manière dont les organisations peuvent accélérer l’adoption des technologies d’IA, et nous examinerons certains domaines dans lesquels l’IA générative aura le plus grand impact sur le service client.

L’essor de ChatGPT a mis en lumière l’engagement client en dotant les chatbots d’une technologie d’IA générative. Les chatbots font partie de la boîte à outils libre-service depuis des décennies. Ils n’ont pas réussi à révolutionner le service client car ils n’étaient pas suffisamment intuitifs pour répondre aux questions avec un taux de réussite satisfaisant la plupart des clients. Nous disposons désormais de robots basés sur une IA générative et prédictive, et les attentes sont grandes quant à la transformation radicale du libre-service par ces technologies.

Pour mieux comprendre comment l'adoption de l'IA générative vise à améliorer l'expérience client et le service client, j'ai interviewé deux des plus grands experts mondiaux en matière de gestion de la relation client (CRM), d'expérience client (CX) et de service client.

Michael Maoz est vice-président senior de la stratégie d'innovation chez Salesforce. Avant de rejoindre Salesforce, Maoz était vice-président de la recherche et analyste distingué chez Gartner, en tant que responsable de la recherche pour le domaine du service client et des stratégies de support.

Ed Thompson est vice-président senior de la stratégie de marché chez Salesforce. Avant de rejoindre Salesforce, Thompson était vice-président de la recherche et analyste distingué chez Gartner, responsable de la stratégie et de la mise en œuvre CX et CRM. Maoz et Thompson ont partagé leurs points de vue sur ce que les entreprises doivent prendre en compte et mettre en œuvre avant d'appliquer des solutions d'IA générative à leurs applications et processus de service client.

Quelles erreurs clés les entreprises commettent-elles ?

Ed Thompson - Actuellement, les entreprises se divisent en deux écoles de pensée, ou deux approches, en matière de robots intelligents : soit elles commencent par réfléchir à améliorer la productivité de leurs agents, soit elles ont pour objectif l'utilisation de l'IA générative pour réduire le nombre d'agents du service client.

Les responsables des services clients sont souvent sceptiques quant aux promesses des robots génératifs basés sur l’IA en tant qu’outil permettant d’améliorer la productivité des agents. Au fil des années, les fournisseurs de logiciels ont fait des promesses qui ne se sont pas concrétisées. En comparaison, les responsables du numérique, les directeurs opérationnels et les responsables financiers ne se concentrent pas autant sur la productivité des agents. Ils ont tendance à être enthousiastes à l’idée de réduire les coûts grâce à la nouvelle génération de robots génératifs alimentés par l’IA.

Là où les organisations peuvent se tromper, c’est lorsqu’elles adoptent la nouvelle génération de robots intelligents, pour ensuite commettre bon nombre des mêmes erreurs du passé lors de leur mise en œuvre. Trois de ces erreurs sont :

1. Pour créer ou déployer des robots autonomes qui ne font pas partie d'une solution omnicanal, afin que les robots s'exécutent séparément sur la voix, la messagerie électronique, WhatsApp, SMS, le portail et d'autres canaux de service.
2. Ignorer le fait que les données sous-jacentes utilisées pour fournir une réponse à une question sont un gâchis, avec pour résultat que la réponse au client est incorrecte ou inutile.
3. Envoyant le client dans des boucles répétées auxquelles il ne peut pas échapper - une approche qui fait baisser les scores de satisfaction et augmente les escalades.

L’IA générative soulève de nouvelles préoccupations telles que les préjugés, les hallucinations et les réponses toxiques. Mais les vieilles préoccupations demeurent et pourraient être plus graves. Peut-être que l’IA générative donnera l’impulsion nécessaire pour résoudre les sources de données non intégrées et cloisonnées, les données obsolètes, les données de mauvaise qualité, les données incorrectes et les processus de service et la conception des flux de travail défectueux. Ma recommandation est d’éviter les erreurs des implémentations précédentes de robots.

Que devez-vous considérer avant de lancer une initiative d’IA ?

Michael Maoz - Tout d'abord, réparez la base de connaissances et nettoyez les données client. Lorsque nous ajoutons l’IA générative à un mauvais processus de libre-service client, nous aggravons les choses, mais à plus grande échelle et avec des conséquences plus graves qu’auparavant. Un chatbot qui donne aux clients des informations incorrectes sans IA générative le fait parce que la base de connaissances sous-jacente est incorrecte. Une fois l’IA générative ajoutée, l’entreprise constatera que les informations incorrectes sont désormais fournies au client en toute confiance par le bot, et non parce qu’elles hallucinent.

En conséquence, l’entreprise diffuse de fausses informations plus éloquentes sous une nouvelle forme. Récemment, nous avons visité le site Web d’une équipe de basket-ball de la NBA. Nous avons posé des questions au bot sur l'entraîneur et nous avons reçu des informations précises sur l'entraîneur. Il y avait un problème : il n’était pas l’entraîneur actuel, mais l’ancien entraîneur qui avait ensuite été nommé entraîneur d’une autre équipe de la NBA. Le bot ne disposait pas d’informations sur l’entraîneur actuel de l’équipe car la base de connaissances n’avait pas été mise à jour. Le résultat fut une hallucination divertissante.

Ed Thompson - Il existe une autre alternative à l'IA générative. Si la majeure partie de la base de connaissances est ancienne ou peu fiable, il peut être plus facile et préférable de la supprimer et de recommencer à zéro avec un contenu fiable. Nous estimons que plus de 40 % des entreprises repartiront de zéro et généreront des articles de connaissances à partir des interactions clients (appels, chats, e-mails, etc.) en utilisant l'IA générative. Pour ces entreprises, cela sera plus rapide et entraînera une réduction considérable du risque d’hallucinations provenant de sources de connaissances anciennes et contradictoires.

Un autre 30 % des organismes de services auront soit : des connaissances suffisantes ; des connaissances suffisamment bonnes pour qu’ils puissent y faire confiance ; des connaissances suffisamment bonnes pour pouvoir y remédier ; ou des connaissances, ils peuvent facilement distinguer le bon du mauvais (son âge, son emplacement, une certaine forme de niveau de qualité). Dans ces exemples, il ne vaut pas la peine de repartir de zéro.

Les 30 % restants trouveront que les données sont en désordre, mais en raison de la réglementation, de leur secteur d'activité ou de leur politique, ils seront obligés de les utiliser et soit de les nettoyer pendant de nombreuses années, soit d'abandonner car la tâche est trop difficile.

Recommandation : Envisagez de reconstruire la base de connaissances à partir de zéro.

Michael Maoz - Avec des transactions de service plus simples, il existe déjà d'excellents exemples d'IA générative traitant jusqu'à 75 % des demandes des clients. Ce chiffre peut être porté à 95 % au fil du temps. La raison pour laquelle les résultats actuels sont inférieurs aux résultats futurs tient à la formation requise qu'une grande partie de la clientèle doit suivre avant de faire confiance à la technologie et d'être suffisamment confiante pour l'essayer. Tous les clients ne sont pas à l’aise avec le libre-service, et beaucoup s’irritent lorsqu’ils interagissent avec un logiciel plutôt qu’avec un humain. Les entreprises doivent commencer à éduquer leurs clients sur l’efficacité de l’IA et les protections intégrées à la technologie, ainsi qu’à communiquer avec les clients sur la manière d’utiliser la technologie et ses avantages pour eux.

Recommandation : éduquez le client pour qu'il renforce sa confiance dans la nouvelle technologie d'IA générative

Ed Thompson - Une décennie de recherches montre qu'en moyenne, plus le client est jeune et riche, plus il préfère les canaux numériques aux canaux humains. Pourquoi? Ce n’est pas parce qu’ils sont techniquement supérieurs - c’est une erreur. C'est parce qu'ils ont grandi avec eux sans avoir à changer de canal et ont constaté que lorsqu'ils essayaient les canaux humains, ils étaient moins utiles (c'est-à-dire plus difficiles à atteindre, de qualité plus variable et plus lents).

Nous assisterons à une transition accrue vers le numérique, car les consommateurs plus âgés et les utilisateurs de logiciels seront progressivement dépassés en nombre par la génération Z et la génération Y. Dans les débats sur la philosophie des sciences de Popper et Kuhn des années 1960, il a été soutenu que la nouvelle théorie de la science finirait par l'emporter sur l'ancienne grâce à un débat et un argument rationnel. Pour moi, les nouvelles théories gagnent parce que les partisans de l’ancienne théorie finissent par perdre leur influence ou leur pouvoir, ou bien prendre leur retraite ou mourir. Mais il existe des exemples où les consommateurs plus âgés, moins riches et non avertis en technologie adoptent les canaux numériques dans la même proportion que ceux qui sont plus jeunes et plus riches. Un exemple est WhatsApp. Oui, c’est un outil simple qui bénéficie des effets de réseau, mais il est également vrai que les plus jeunes adoptants ont appris à leurs parents et grands-parents comment l’utiliser.

Recommandation : ciblez votre formation sur les personnes les moins susceptibles d'adopter le libre-service.

Michael Maoz - C'est un excellent point concernant les divisions générationnelles et les préférences en matière de canaux. Examinons maintenant la conception des processus des canaux numériques. Compte tenu des capacités de l’IA générative, les premiers utilisateurs découvrent une dure leçon : à moins que le processus ne soit conçu de telle sorte que le client puisse résoudre son problème avec succès et intuitivement, l’utilisation de l’IA sans la possibilité d’atteindre un être humain peut nuire à l’expérience client. Pour accélérer l'intégration de l'IA générative au service client, les grandes entreprises intègrent le client dans le cycle de conception des processus pour obtenir des informations et tester leurs réponses.

Ed Thompson - Je suis continuellement étonné lorsque j'assiste à des forums et à des conférences et que j'entends des discussions sur le changement de canal, l'IA générative ou la déviation des clients - et il n'y a aucune discussion sur ce que veut le client. La discussion ne tient pas compte de ce que veulent les clients des entreprises. Il n’y a même pas beaucoup de discussions sur les appareils utilisés par les clients. Je dirais que 75 % de la discussion est inversée : que veut l'entreprise, avec seulement une référence occasionnelle à l'impact sur le client qui montre que l'entreprise s'est assise, a regardé et écouté le client.

Quel est le rôle de l’IA générative dans l’avenir du travail ?

Ed Thompson - La promesse future du service client réside dans des solutions au-delà du point qui répondent à des questions simples et réside dans l'IA générative utilisée dans le flux des processus. Cette approche implique de gérer l'ensemble du processus de vente, de marketing ou de service, que ce soit en mode réactif en réponse à une demande client ou de manière proactive en tant qu'agent autonome contactant le client pour l'aider à résoudre un problème émergent. L’objectif à long terme est que le service client disparaisse en tant que service distinct et se transforme en un assistant personnel qui est invoqué parfois sans que le client demande de l’aide et à d’autres moments en réponse à une demande du client.

Pensez au « client », y compris les appareils et objets tels que les véhicules, les machines, les équipements et les infrastructures qui se connectent via des API et des capteurs à un réseau d'entreprise. Dans ces scénarios, un ascenseur, un pont ou un moteur peut « appeler » à l'aide sans la connaissance ou l'intervention d'un être humain, et la demande se traduit par l'envoi d'un agent humain ou d'un agent logiciel ou d'une combinaison pour répondre au problème. demande.

Soit dit en passant, nous oublions que le centre d'engagement client, communément appelé centre de contact, est passé d'un simple centre qui prenait les appels téléphoniques : le centre d'appels. Il y a seulement 60 ans, il n’existait même pas de centre d’appels. C’est incroyable d’y penser et peut-être pouvons-nous apprendre du passé sur l’avenir. Comment les entreprises survivaient-elles à cette époque ? Une solution aurait peut-être été de réduire la spécialisation. Cela signifierait que les personnes qui vendent des biens et des services assurent également la maintenance du produit dans le cadre de leur rôle.

Michael Maoz - C'est une excellente question. Il y a à peine 40 ans, les entreprises ne se concentraient pas intentionnellement sur l’expérience client comme facteur de différenciation. Ils considéraient la qualité et le prix des produits comme des éléments essentiels, et plus tard ils ont compris que l'expérience client jouait un rôle essentiel dans la croissance de l'entreprise. Les entreprises ont sous-optimisé ce qu’elles faisaient, ce qui signifie que le service client a été globalement coupé du marketing et des ventes, ainsi que de l’ingénierie et du développement de produits. Cette stratégie a fonctionné jusqu'à ce que les concurrents se rendent compte de la nécessité de s'appuyer sur l'expérience client et de réorganiser les produits et services pour répondre aux besoins changeants des clients.

Ed Thompson - Donc, la spécialisation est peut-être arrivée plus tard et ne représente qu'une partie de l'histoire. Depuis la Seconde Guerre mondiale, on a assisté à une croissance économique explosive et à l’introduction de dizaines de milliers de nouveaux produits jamais imaginés auparavant.

Michael Maoz - Je suppose qu'un peu de contexte historique aide. Aux États-Unis, dans les années 1940, vous décrochiez un combiné téléphonique et ne composiez pas le numéro. Au lieu de cela, vous avez attendu qu'une voix vous dise : « Comment puis-je vous connecter ? Aucune entreprise ne disposait de son propre centre d'appels avant les années 1960 environ, et ce changement représente un énorme changement d'échelle en plus de ce que vous appelez la spécialisation.

En revanche, aux États-Unis, le catalogue Sears était un livre imprimé contenant des milliers d’articles à vendre et livrés par courrier partout dans le pays. Vous pouviez acheter une maison préfabriquée, une machine à coudre ou quoi que ce soit pour une cuisine, mais c'était uniquement via un catalogue et il n'y avait pas de concept de service après-vente. Vous avez évoqué la Seconde Guerre mondiale. L'après-guerre a vu l'essor des banlieues et des autoroutes interétatiques, des entreprises franchisées et des détaillants qui vendaient une gamme infinie de produits à travers le pays dans les magasins locaux. Le PIB national a triplé et les consommateurs ont acheté des biens et des services plus rapidement que les fabricants ne pouvaient les fournir. Ce processus a conduit à la création de nouvelles entreprises et unités de services après-vente.

Ed Thompson - Pour revenir à mon point initial, nous en sommes là où nous en sommes, avec toute l'intermédiation et toute la complexité liée à l'accompagnement du client. Je conviens que la percée importante dans le monde des affaires s'est produite dans les années 1990 avec le travail de visionnaires tels que Martha Rodgers et Don Peppers autour de l'avenir du marketing personnalisé. Cette approche correspond à votre point de vue selon lequel le « service client » disparaît en tant que département distinct et, plus loin, envisage la possibilité pour chaque consommateur ou client de disposer d'un assistant personnel qui comprend ses besoins. Nous pourrions également assister à un moment dans le futur où le marketing de masse prendra fin. La gestion de campagnes et le marketing de masse par e-mail disparaîtront probablement au cours des cinq prochaines années. Au lieu de cela, le marketing utilisera la même idée d’assistant personnel pour proposer la bonne offre au bon moment sur le bon canal.

Comment devriez-vous aborder l’IA générative ?

Michael Maoz - Il s'agit de projets non triviaux, et nous pouvons nous attendre à ce que l'informatique et les secteurs d'activité (marketing, ventes, service client, facturation, logistique) trouvent de nouvelles opportunités de collaboration. L'unité commerciale qui souhaite déployer des solutions d'IA générative pour traiter les demandes de service client doit se lier d'amitié avec le leader de l'IA générative pour améliorer l'expérience client.

Les meilleures entreprises comprennent que les processus métier de base doivent être conçus de l’extérieur vers l’intérieur, c’est-à-dire du point de vue du client. Cette approche est entravée par la conception organisationnelle dans laquelle les rôles informatiques de base ne sont pas intégrés dans les processus clients. Les compétences informatiques en matière d'intégration de systèmes, d'automatisation des bâtiments, de migration de données et de création de visualisations de données sont loin des rôles orientés client du marketing, du commerce numérique, des ventes et du service. Les équipes informatiques possèdent des compétences en IA générative, et le marketing, les ventes, le commerce et le service client possèdent une connaissance approfondie de la manière dont les processus orientés client fonctionnent le mieux. La création d'équipes interdépartementales avec une responsabilité partagée et des indicateurs de réussite partagés permet de concentrer les initiatives d'IA générative sur ce qui fonctionne le mieux pour le client et de hiérarchiser l'ordre des solutions d'IA générative.

Ed Thompson - Nous pourrions résumer les idées des entreprises qui gagneront grâce à l'IA générative comme :

1. Il y a peu ou pas de compétences en IA générative que 95 % des entreprises peuvent embaucher. Ne pensez pas que vous pouvez rechercher des talents en utilisant les méthodes traditionnelles et que vous ne pouvez pas vous permettre d'attendre que les capacités évoluent.
2. Les entreprises visionnaires décideront de perfectionner leurs employés autant que possible.
3. Après la conception des processus métier, il est important de commencer par se concentrer sur la conception rapide et la gouvernance des données.
4. Les grandes entreprises veilleront à ce que les compétences techniques ne soient pas confinées au sein de l’informatique.

Quel est l’avenir de la voix dans l’IA générative ?

La voix et le texte sont traités différemment par le cerveau, et chacun présente un avantage en matière de service client. La maîtrise humaine de la saisie au clavier ou de l'envoi de SMS n'est qu'un tiers plus rapide que le traitement de la voix ou de l'image. Il existe des raisons de préférer le texte dans de nombreuses situations, allant de la confidentialité à la précision. Il y a aussi l’avantage que les humains sont beaucoup moins précis lorsqu’ils parlent que lorsqu’ils tapent. Par exemple, une personne pourrait parler à un humain en lui disant qu'elle souhaite acheter deux billets sur la première ligne de base lors d'un match de baseball : « Je voudrais deux billets situés sur la première ligne de base. Ouais, deux billets, quelles que soient les bonnes places. vous l'avez fait, et sinon, je prendrai la troisième base. Ils n’écriraient, ne taperaient jamais ou n’enverraient jamais de texte pendant qu’ils parlent. Ils réfléchissaient d'abord, puis tapaient une fois ou utilisaient des repères visuels tels qu'une carte numérique du stade indiquant la disponibilité et les prix.

Pour une interface vocale IA, le robot vocal devrait comprendre que la deuxième mention de deux billets est redondante et que l'emplacement alternatif fait référence au troisième côté du stade et à ce qui constitue un « bon ». Les différences sont encore plus spectaculaires entre le texte et les images. Les humains traitent les données d’image des milliers de fois plus rapidement que les données de texte. Les systèmes actuels de service client, de service sur site et de commerce, ainsi que de nombreuses autres disciplines, auront besoin de solutions d'IA générative qui comprennent l'intention humaine, à moins que la demande ne soit simple et sans ambiguïté. L’IA générative dans des scénarios complexes pourrait compléter le flux de travail standard et l’IA prédictive. J'irais plus loin. Les meilleures utilisations de l’IA générative qui seront véritablement différenciantes, plutôt que les cas d’utilisation simplement essentiels/commoditaires, seront celles qui mélangent l’IA générative avec la prédictive ou les deux avec un flux de travail plus traditionnel.

L'IA générative est puissante mais des règles s'appliquent

L'IA générative est un complément formidable aux outils de service client, tant pour les agents humains et les techniciens qui seront enrichis par les connaissances et les conseils qu'elle apporte, que pour les clients qui seront servis rapidement et précisément. Les entreprises qui se concentrent sur le service client et sur le bon fonctionnement sont celles qui se souviennent des bases :

• Le client ne doit ressentir aucun stress.
• Ils devraient quitter l’interaction satisfaits.
• L'interaction renforce le fait que l'entreprise comprend le client.
• Le dialogue est cohérent avec les interactions précédentes et ultérieures - et n’est pas déconnecté du reste de la relation.
• Il existe un moyen d'atteindre un humain si nécessaire.
• L’expérience du service client ne ressemble pas à un service cloisonné, mais au reflet de l’entreprise dans son ensemble.
• Il y a un peu de nouveauté et d'impressionnant qui impressionne le client avec la conception réfléchie du processus qui rend la technologie et l'ingénierie presque invisibles.

Ed Thompson - "Nous devrions réfléchir au calendrier dans lequel tout cela se déroulera. Nous envisageons probablement un horizon de planification de dix ans. Dans le même temps, les organisations devront être très flexibles avec leur planification de l'IA générative, car les opportunités, les priorités et les capacités évolueront à mesure que la technologie et les compétences organisationnelles mûriront.

Oui, nous voudrons un retour sur investissement rapide sur les premiers pilotes et les premiers projets. Nous vous déconseillons de planifier le déploiement d'un seul coup de 20 cas d'utilisation de l'IA générative dans le service client au cours des deux prochaines années. Chez Salesforce, nous travaillons avec 20 cas d'utilisation dans l'ensemble du service client, et des dizaines d'autres dans chacun de nos autres cloud. Nous pouvons tous nous attendre à ce qu’il y ait 50 cas d’usage dans le service client d’ici deux ans.

Commencer

L’essentiel est l’IA générative et la voie vers des agents de service autonomes passe par des programmes à long terme. Vous pouvez vous attendre à des victoires tout au long du parcours, et le plus amusant est que vous pouvez parier votre carrière là-dessus.

L’IA générative représente un changement fondamental dans la façon dont les entreprises envisagent les logiciels. Il faut garder à l’esprit que l’IA générative va au-delà de l’IA prédictive. Plutôt que de fournir un résultat basé sur des règles strictement définies, l’IA générative crée de nouvelles données et de nouveaux contenus. La création de ces résultats de manière sûre et fiable dépendra de données propres et de l’accès à ces données en temps quasi réel. L’intégration et des API fiables seront cruciales, tout comme une dose de confiance dans les données et leur gouvernance.

En résumé, voici quelques conseils pour développer une compétence en IA générative :

1. Ne faites pas bouillir l'océan en poursuivant 100 cas d'utilisation en parallèle. Soyez concentré sur le laser et essayez des choses, mais concentrez-vous sur la mise en production de trois preuves de concept avec un retour sur investissement financier prouvé et pas seulement sur des mesures concernant le « temps gagné ».
2. N'utilisez pas l'IA générative comme un marteau pour chaque clou dans les nombreuses situations où l'IA prédictive fournira le même résultat et est déjà disponible et éprouvée.
3. N'allez pas recruter des compétences. Dans la mesure du possible, améliorez les compétences de vos collaborateurs. C'est une formidable façon de reconnaître votre talent. Recherchez des personnes intéressées à apprendre. Faites-leur de la place pour se perfectionner. Concentrez-vous sur les compétences de conception rapide et les compétences d'action/flux de travail rapides pour les personnes extérieures à l'informatique et sur les compétences en matière de données pour les personnes travaillant dans l'informatique.
4. Concentrez-vous sur le flux de travail. L'IA générative a le plus d'impact dans le flux d'un processus de vente, d'un processus de support client, d'un processus marketing, d'un processus de commerce électronique et d'un processus de service sur le terrain.
5. Attention à la prolifération des copilotes. Un copilote par application qui doit être maintenu et pris en charge : imaginez 1 000 applications avec 1 000 copilotes.
6. À moins que vous ne soyez une méga banque ou une entreprise technologique, concentrez vos efforts de réglage de modèle sur deux ou trois cas d'utilisation spécifiques à un secteur et utilisez la technologie prête à l'emploi de vos fournisseurs existants pour le reste.
7. Plus important encore, concentrez-vous sur la qualité, l’accès et la gouvernance des données. C’est le carburant dont l’IA a besoin, elle nécessite donc des investissements - et probablement plus d’investissements que l’investissement dans l’IA lui-même.
8. Écrivez-nous. Nous aimons répondre aux questions et partager ce que nous savons : mmaoz@salesforce.com pour Michael et ed.thompson@salesforce.com pour Ed.

Cet article a été co-écrit par Michael Maoz, vice-président senior de la stratégie d'innovation chez Salesforce, et Ed Thompson, vice-président senior de la stratégie de marché chez Salesforce.