Tecnologie conversazionali: i trend del 2023 tra machine learning e modularità

ia generativa
Secondo Spitch saranno tre i top trend che caratterizzeranno le tecnologie conversazionali nel corso dell’anno: attenzione all’usability, interazioni di qualità alimentate dal machine learning e modularità.

Il 2023 si apre con molte incertezze dal punto di vista socioeconomico ma, secondo Spitch.ai, azienda specializzata in soluzioni di tecnologia vocale, anche con una solida certezza: l’intelligenza artificiale applicata alle tecnologie conversazionali (e non solo) continuerà a farci compagnia nei prossimi anni. Gli esperti di Spitch hanno individuato tre trend che segneranno l’agenda della communication automation.

“Le tecnologie conversazionali, nei mesi e negli anni a venire, giocheranno un ruolo fondamentale nella ridefinizione della customer experience. L’intelligenza artificiale si conferma non solo una componente tecnologica, ma anche e soprattutto un’attitudine mentale al servizio di clienti esterni ed interni di qualunque realtà, con una particolare attenzione all’esperienza offerta” ha dichiarato Piergiorgio Vittori, Amministratore Unico di Spitch.ai Italy e International Managing Director di Spitch.ai.

Attenzione a entrambi i lati della CX

Già da qualche tempo, la propensione al miglioramento della customer experience deve sempre più tener conto di entrambi i lati della comunicazione. Per le aziende che vogliono fornire un servizio di qualità, non è infatti (più) sufficiente limitarsi a migliorare la percezione e la soddisfazione dell’utente finale; al contrario, devono anche focalizzare l’attenzione ai propri dipendenti, anche perché il loro coinvolgimento è un elemento essenziale in quanto direttamente collegato all’esperienza dell’utente finale.

In questo scenario, la piattaforma Speech Analytics di Spitch viene utilizzata per facilitare il lavoro dell’operatore, soprattutto in modalità real time. La funzione di analisi vocale in tempo reale, chiamata Agent Assist, mostra sul desktop dell’agente le informazioni sul cliente e ne analizza il sentiment, aiuta a porre le domande appropriate al momento giusto e ottiene automaticamente informazioni dal CRM o da altre applicazioni, senza la necessità per l’operatore di accedere attivamente a un sistema esterno.

Nvoice per Microsoft Teams 7

Interazioni di qualità con il machine learning

Le organizzazioni che vanno ad implementare le tecnologie conversazionali chiedono sempre più di semplificare le interazioni e migliorarne la qualità. Questo è possibile grazie al supporto dato da componenti di machine learning avanzate e facilitate nell’implementazione da un approccio low code/no code, che permette alle nuove soluzioni di entrare in funzione in tempi più rapidi e senza la necessità di un background tecnologico elevato. La qualità, in particolare, grazie alle funzionalità adattive dell’intelligenza artificiale, si traduce nella migliorata comprensione di tempi e di motivi di attesa e nell’identificazione di best practice, oltre che nella comprensione dell’impegno richiesto a un cliente per completare un processo e di quali combinazioni di abilità e linguaggio siano necessarie (quantità e tempo) per servirlo.

Modularità e complementarietà

I prodotti basati sull’intelligenza artificiale stanno diventando sempre più spesso una parte modulare di un’unica soluzione, piuttosto che soluzioni separate. Per esempio, si sviluppano assistenti virtuali che incorporano in modo seamless Speech Analytics e biometria vocale con una knowledge base aggiornata costantemente, al fine di mantenere la possibilità di ricevere supporto umano in qualsiasi canale. Se infatti sono prese singolarmente, le Speech Analytics e la biometria vocale possono già offrire molti vantaggi alle aziende.

In particolare, la biometria vocale può essere utilizzata per personalizzare la gestione di una conversazione tra il cliente (una volta identificato) e l’agente virtuale. Il livello di personalizzazione può inoltre essere ulteriormente elevato, con l’utilizzo a complemento della Speech Analytics che consente di analizzare ancor più nel dettaglio le richieste di ogni singolo cliente.

A livello generale, secondo gli esperti di Spitch, si sta infine assistendo a una tendenza, da parte dei provider, a concentrarsi su industry specifiche e a fornire consulenza agli stakeholder d’impresa che sono interessati al valore aziendale complessivo delle soluzioni implementate. Per questo, i fornitori che possiedono il proprio stack di prodotti saranno in una posizione più favorevole per svolgere un ruolo di consulenza e guidare l’innovazione.

Condividi:
 

L’intelligenza artificiale sta arrivando anche nelle reti

google llm
Impostare un'organizzazione delle reti con l’aiuto dell'intelligenza artificiale può cambiare radicalmente il vostro approccio allo sviluppo delle skill.

Le piattaforme e le infrastrutture di gestione abilitate all’intelligenza artificiale stanno iniziando a farsi strada anche nelle reti aziendali. Diciamo “iniziando” perché, nonostante negli ultimi anni si siano fatti molti sforzi di marketing per lanciare l’intelligenza artificiale un po’ i tutti i campi, molto di ciò che è stato venduto come “guidato dall’intelligenza artificiale” o “alimentato dall’intelligenza artificiale” non si è realmente materializzato.

Anche alcuni strumenti che impiegano veramente l’IA in modi significativi, e con risultati visibilmente diversi da quelli possibili senza di essa, non appaiono qualitativamente diversi da ciò che c’era prima. Possono essere migliori, ad esempio riducendo drasticamente il numero di falsi positivi, ma non diversi.

Tutto ciò sta iniziando a cambiare. Gli strumenti di intelligenza artificiale che cambiano il modo in cui gli amministratori di rete lavorano con i loro strumenti stanno iniziando a farsi largo nel mercato. Un esempio concreto è l’introduzione di assistenti virtuali che possono avere conversazioni utili e significative su ciò che sta accadendo all’interno della rete e che possono (se consentito) intraprendere azioni che alterano la funzione della rete stessa. Questo passaggio da un semplice strumento a una sorta di collaboratore renderà chiaro ai team di rete che l’IT sta entrando in un nuovo territorio.

Ciò succede in un momento storico in cui gli esperti di reti di lunga data vanno in pensione o passano ad altri tipi di lavoro e non vengono sostituiti da orde di giovani desiderosi di prenderne il posto. Il networking, dopotutto, non è mai stato il più “sexy” dei lavori e la maggior parte dell’entusiasmo nell’IT aziendale non si è concentrata sul networking per molti anni. Le persone che oggi vogliono entrare nel mercato tecnologico hanno molte più probabilità di essere attratte da settori come la robotica, la scienza dei dati e (appunto) l’intelligenza artificiale.

Con questi dati demografici del personale di rete, è inevitabile che nel breve termine qualsiasi rete di medie e grandi dimensioni finirà per utilizzare strumenti basati sull’intelligenza artificiale. Ogni rete di qualsiasi dimensione (quindi anche quelle più piccole) lo farà nei prossimi sette o otto anni, poiché l’intelligenza artificiale sarà sempre più integrata nelle piattaforme stesse.

Le dinamiche dell’IA all’interno delle reti, come con molte altre forme di automazione, si concentreranno su quattro modalità di interazione: offloading, reskilling, deskilling e displacing.

collaborazione

L’offloading dell’IA significa mettere gli strumenti di intelligenza artificiale nelle mani di professionisti di reti addestrati ed esperti per aiutarli a svolgere il loro lavoro. L’idea è quella di rendere questi professionisti più efficaci, consentendo loro di abbandonare attività ripetitive e complesse ma non creative. In questo modo i professionisti, liberatisi da queste incombenze, si concentreranno su altre mansioni di livello superiore, prestando un’attenzione minima e di sola supervisione a ciò che l’IA sta facendo. In tal modo il team di rete non si riduce e il suo portafoglio di servizi può persino crescere senza che anche lo stesso team debba crescere per renderlo possibile.

Il reskilling consente invece al personale di rete di essere addestrato per passare ad altre mansioni dell’IT o a tipi di lavoro completamente diversi. Con questo termine si intende anche l’utilizzo del l’intelligenza artificiale per aiutare a formare il nuovo personale di rete fino a renderlo competente in materia. In tal modo il team di rete potrebbe ridursi o vedere più turnover, ma la sua capacità di portare a termine il lavoro non diminuisce.

Il deskilling consiste nell’introdurre nuovi strumenti per consentire al personale meno qualificato di svolgere il lavoro di personale più qualificato. Questo spostamento di competenze rende più facile per l’azienda trovare personale di rete adatto perché i requisiti sono inferiori.

Il displacing è il punto finale della spirale di deskilling e prevede che gli strumenti di intelligenza artificiale passino nelle mani dei cosiddetti IT generalist, che vanno così a sostituire gli specialisti di rete. Questo ultimo step potrebbe essere imposto al team di rete da parte del management che cerca di liberarsi del peso e del costo del personale, ma potrebbe essere fatto direttamente dallo stesso team di rete, utilizzando l’intelligenza artificiale per consentire un “atterraggio morbido” a un’organizzazione non più in grado di assumere e trattenere personale abbastanza qualificato per svolgere il lavoro.

Ecco perché gli ingegneri e gli amministratori di rete e la leadership IT devono già pensare e pianificare perché e quando adottare gli strumenti di intelligenza artificiale, come utilizzarli al meglio e come rimodellare il networking aziendale sulla loro scia.

Condividi: