生成式人工智慧 (AI) 的應用快速成長，同時也創造與推動許多令人感到興奮與創新的消費體驗。研究顯示，當人工智慧應用在為客戶提供更個人化的解決方案，或幫助員工提供更好的服務時，可以提升客戶滿意度。金融服務業在此方面就有許多成功案例。
然而，隨著企業在學習如何使用人工智慧創造價值的同時，若應用錯誤的方法，就可能產生風險，也令人感到擔憂。像是數據隱私問題，或是只能透過機器人與公司溝通。在銀行業或醫療保健等客戶互動和資料隱私特別重要的行業中，這些擔憂尤其嚴重。
對於突破性技術，不少人會感到焦慮。他們擔心人工智慧模仿人類智慧的技術愈加先進所造成的風險。然而，隨著這類新型大型語言模型的出現，大多數公司已將模型風險、模型輸出的準確性，與資料的道德使用建置於風險框架的核心。目標是確保能負責任地使用新的人工智慧技術。
較少被重視的是，公司將客戶體驗交由設計用於短期獲利的模型與機器人，而忽略培養長期客戶忠誠度。過去許多公司運用演算法與預測模型的機器人，來處理客戶服務，產生許多負面效果。為此，愈來愈多公司將傳統人工智慧，結合機器學習模型與生成式人工智慧，以更人性化的方式，向客戶傳遞訊息和服務。
當涉及到人工智慧時，建立積極的客戶體驗是重要的目標。傳統的客戶情感評估指標，例如淨推薦值 (Net Promoter Score, NPS)，在人工智慧的時代可能會有新的形態。但不變的是：每一次與客戶的互動，都會使其對公司產生積極或負面的影響與印象。
在人工智慧的應用中，要注意勿只為尋求短期的價值，而是要建立長期的客戶忠誠度。過度依賴模型和機器人可能導致客戶感受到冷漠和缺乏人性。因此，在追求效益的同時，公司應謹慎考慮如何以客戶的角度出發，確保每次互動都是積極且具意義的。如此有助於避免人工智慧技術可能帶來的負面體驗，同時亦保持客戶對公司的積極感受。
以「提升客戶體驗和生活品質為目標」的決策取向，將為企業發展人工智慧提供指標性的方向，同時也為客戶、員工與股東創造更多的價值。
關於此理念的實際效果，根據 Stanford University 與 Massachusetts Institute of Technology (MIT) 的早期研究報告顯示，以人工智慧為基礎的對話助手工具，在支援全球 5,200 名代理商產生良好的成果。不僅將生產力提高 14%，而且人工智慧輔助互動的平均淨推薦值 (NPS) 更高，同時每月代理商流失率也下降了 9%。
AI 個人化
在 AI 應用中，以提高客戶滿意度與建立長期關係為目標核心。將 AI 系統更加個人化，公司能夠更理解每個客戶的需求、偏好與價值觀，進而提供更趨近定制和個人化的服務。如此有助於加強與客戶之間的聯繫，並使每次的互動都能夠更有深度和意義。
具體來說，「AI 賦能的客戶互動」應用應該被視為一個學習的過程，企業可從其中不斷改進與優化產品、服務，以及與客戶的互動方式。這種持續的學習與改進將有助於幫助公司發現更多創造價值的途徑，進而提升客戶體驗，加深客戶對公司的忠誠度。
隨著科技的發展，當客戶愈期待得到個人化與相關性更強的服務時，也會更主動願意分享個人數據與資訊。在銀行業的例子中，Bain & Company 最近對 11 個國家，近 30,000 名銀行客戶進行的最新調查發現，當客戶感受到銀行對其需求和偏好，提供個人化體驗時，他們願意給予銀行更高的淨推薦值 (NPS)。也就是更傾向於賦予正面的評價，進而提升對該公司的忠誠度。
另一個實例，加拿大皇家銀行 (Royal Bank of Canada) 開發一個名為 NOMI 的人工智慧助理，為客戶提供個人化數位資金管理服務。功能包括即時向客戶推播提示、個人化預算，與根據其消費行為和現金流來提供儲蓄建議。在推出一年後，成果斐然。相對於整個客戶群，NOMI 客戶的數位互動增加了 50%，客戶在金融帳戶上花費的時間增加了 93%。相較之下，同行一般客戶的流失率為 8%，而 NOMI 客戶的流失率只有 2%。
這個例子突顯 AI 在數位助手方面的應用。NOMI 成功展示當 AI 能夠更理解客戶需求，並提供對應的解決方案時，客戶將會更積極與數位平台互動，提高對金融帳戶的參與度，同時也有助於減少客戶的流失。強調了在產業中導入 AI 以提升客戶體驗的潛在價值。
生成式人工智慧數位助理也能幫助員工加強與客戶的聯繫，強化人性化接觸可能成為服務差異化有效工具。Morgan Stanley 財富管理正推出人工智慧 AI 助理，幫助其數千名財務顧問以個人化的方式，來支援客戶。此 AI 助理結合搜尋與內容創建功能，讓財務顧問可以隨時快速找到為每個客戶需求量身定制正確的資訊。
「大型語言模型」將為個人化體驗開啟一個新的時代。透過機器學習技術，每個客戶在數位互動獨特的模式，被視為一種行為 "指紋"，獨一無二。而最新的人工智慧技術則進步到經由這些 "指紋"，能夠生成包括語音和文字互動，因應客戶的個性和喜好，精準地回應客戶需求，提供個人化的服務，提升整體客戶體驗。
協助員工服務客戶
企業在引入生成式人工智慧技術時，建議先從低風險的專案著手，來幫助組織更容易接受這項技術。最普遍的案例是將人工智慧應用在協助提供客戶體驗的員工，並且用人類來進行審核內容，並確保輸出的資訊是合宜且準確。例如根據最新的客戶互動內容來提供下次對話的建議，或是為面臨財務困難的客戶提供處理還款的具體方案。此做法有助於在應用 AI 技術的同時，仍然保持人類的審慎思考與判斷。
更深層的案例，則是將人工智慧整合至員工的標準作業程序中。例如經由客戶的諮詢問題內容，經由人工智慧的預測，將其引導至最適合處理特定問題的處理人員，並即時提供對話腳本建議。經由即時監聽對話內容，來幫助處理人員了解他們的互動，是否對客戶產生積極的影響。更進階的技援功能，還可能提供客戶喜愛的圖像或文字，或客制化的優惠方案等等。
在零售產業，許多與客戶直接互動的前台服務，已經開始啟動人工智慧技術。隨時間與學習經驗的累積，數位化的前台服務可以做到像傳統人類同樣周到且具同理心的服務。機器人將與客戶互動，學習提供相關產品與訊息，如同優秀員工執行的成效。人工智慧不僅是支持人類工作的工作，而且更可能在提供服務與開發客戶體驗方面，成為越來越重要的角色。
在高通膨與經濟緊縮的壓力下，一些管理者可能會傾向使用生成式人工智慧技術，來削減成本和提高效率。其實這是錯誤的概念。對企業主，人工智慧最大的價值還是將重點放在如何豐富客戶體驗與滿足客戶需求，這才是首要的考量。
(資料來源: Harvard Business Review)
