Πρακτικοί τρόποι με τους οποίους οι βοηθοί τεχνητής νοημοσύνης αλλάζουν το μάρκετινγκ και τις επιχειρηματικές ομάδες

Εισαγωγή

Πριν από δύο χρόνια, οι περισσότερες ομάδες μάρκετινγκ αναρωτιόνταν ακόμα αν ένας βοηθός τεχνητής νοημοσύνης (AI) θα μπορούσε να γράψει μια αξιοπρεπή παράγραφο. Αυτή η ερώτηση μοιάζει σχεδόν παρωχημένη πλέον. Το πραγματικό ερώτημα που θέτουν σήμερα οι ομάδες είναι διαφορετικό: μπορούμε πραγματικά να εμπιστευτούμε αυτό το εργαλείο για τις ροές εργασίας μας, τον σχεδιασμό καμπανιών, τα δεδομένα πελατών και την αναφορά αποτελεσμάτων, ή εξακολουθεί να είναι απλώς μια εξεζητημένη λειτουργία αυτόματης συμπλήρωσης;

Η ειλικρινής απάντηση είναι: εξαρτάται εξ ολοκλήρου από το πώς το χρησιμοποιείτε. Ο Claude, ο βοηθός τεχνητής νοημοσύνης που δημιούργησε η Anthropic, έχει γίνει ένα από τα μοντέλα στα οποία στρέφονται οι επιχειρήσεις όταν θέλουν κάτι περισσότερο από ένα καινοτόμο chatbot. Όμως, το ενδιαφέρον δεν είναι το μοντέλο. Είναι το να παρατηρούμε πώς οι συνηθισμένες ομάδες μάρκετινγκ και λειτουργιών έχουν καταλάβει πού βοηθά πραγματικά και πού απλώς εμποδίζει.

Πού αποδεικνύει την αξία του

Πολλές ομάδες κάνουν το ίδιο λάθος στην αρχή: αντιμετωπίζουν έναν βοηθό τεχνητής νοημοσύνης σαν μια μηχανή αναζήτησης με καλύτερους τρόπους. Δεν βρίσκεται εκεί η αξία του. Η αξία του φαίνεται στις μη εντυπωσιακές, επαναλαμβανόμενες εργασίες που σιωπηλά καταλαμβάνουν μια ολόκληρη εβδομάδα.

Πάρτε για παράδειγμα το κείμενο μιας καμπάνιας. Κάποιος από την ομάδα μάρκετινγκ συχνά κολλάει γράφοντας οκτώ ή δέκα παραλλαγές της ίδιας διαφήμισης για διαφορετικά τμήματα κοινού: ίδιο μήνυμα, διαφορετική οπτική γωνία, ξανά και ξανά. Ένας βοηθός μπορεί να τις ολοκληρώσει σε λίγα λεπτά. Αυτό απελευθερώνει τον άνθρωπο για να κάνει αυτό που πραγματικά έχει σημασία: να αποφασίσει ποια έκδοση είναι η σωστή, όχι να τις πληκτρολογεί όλες.

Οι συσκέψεις είναι ένα άλλο προφανές παράδειγμα. Οι ομάδες πωλήσεων και μάρκετινγκ ζουν μέσα σε τηλεφωνικές κλήσεις και το μεγαλύτερο μέρος όσων λέγονται σε αυτές εξαφανίζεται τη στιγμή που τελειώνει η κλήση. Ένας βοηθός που μπορεί να συνοψίσει τη συζήτηση, να ξεχωρίσει τα τρία πράγματα που κάποιος πρέπει πραγματικά να παρακολουθήσει και να συντάξει το σχετικό email παρακολούθησης, εξοικονομεί πραγματικές ώρες και, το πιο σημαντικό, εμποδίζει τα πράγματα να περάσουν απαρατήρητα.

Στη συνέχεια, υπάρχει ο σωρός των σχολίων που κανείς δεν θέλει να αγγίξει. Έρευνες πελατών, αιτήματα υποστήριξης, κριτικές εφαρμογών: τα περισσότερα μένουν αδιάβαστα, επειδή το να διαβάζει κανείς χίλιες σειρές ενός υπολογιστικού φύλλου δεν είναι η ιδέα κανενός για ένα ευχάριστο απόγευμα. Ένας βοηθός μπορεί να ομαδοποιήσει τα επαναλαμβανόμενα παράπονα και να παραδώσει κάτι πάνω στο οποίο μπορεί πραγματικά να δράσει κάποιος.

Και όσον αφορά την εσωτερική γνώση, κάθε εταιρεία διαθέτει ένα «νεκροταφείο» από παλιά έγγραφα, σημειώσεις προηγούμενων καμπανιών και εσωτερικά wikis που, τεχνικά, είναι αναζητήσιμα, αλλά κανείς δεν τα αναζητά ποτέ. Η δυνατότητα να ρωτήσει κανείς «πώς το χειριστήκαμε την τελευταία φορά» και να λάβει μια πραγματική απάντηση μετατρέπει αυτό το νεκρό αρχείο σε κάτι που αξίζει να υπάρχει.

Πού κολλάνε οι ομάδες

Εδώ είναι το σημείο που προκαλεί προβλήματα. Πολλές ομάδες υιοθετούν το εργαλείο χωρίς να επανεξετάσουν ποτέ τη ροή εργασίας γύρω από αυτό. Απλώς προσθέτουν έναν βοηθό πάνω στην ίδια διαδικασία και αυτό γίνεται απλώς μια ακόμη εφαρμογή που πρέπει να ελέγχουν, αντί για κάτι που αλλάζει πραγματικά τον τρόπο με τον οποίο εξελίσσεται η εργασία.

Οι ομάδες που το κάνουν σωστά τείνουν να ακολουθούν σκόπιμα μερικές πρακτικές. Αποφασίζουν από νωρίς ποιες εργασίες αναλαμβάνει ο βοηθός —πρώτα σχέδια, περιλήψεις, επισήμανση σχολίων— και ποιες παραμένουν στην ευθύνη ενός ατόμου, ειδικά ό,τι αφορά την επαφή με τον πελάτη ή είναι στρατηγικής φύσης. Όταν αυτή η διαχωριστική γραμμή παραμένει ασαφής, συνήθως εκεί χάνεται η ποιότητα.

Επίσης, ενσωματώνουν ένα στάδιο ελέγχου αντί να θεωρούν ότι το πρώτο προσχέδιο είναι αρκετά καλό. Ακόμη και ένας ισχυρός βοηθός ωφελείται από το να ελέγχει κάποιος τα αποτελέσματά του σε σχέση με πραγματικά δεδομένα πελατών και την πραγματική φωνή της μάρκας, όχι τη γενική φωνή που χρησιμοποιεί εξ ορισμού.

Και ίσως το πιο σημαντικό, αντιμετωπίζουν αυτό το εγχείρημα ως μια αλλαγή στον τρόπο λειτουργίας της ομάδας, όχι απλώς ως ένα νέο λογισμικό. Οι ομάδες που αντιμετωπίζουν δυσκολίες είναι συνήθως εκείνες που ελπίζουν ότι ο βοηθός θα διορθώσει από μόνος του μια προβληματική διαδικασία. Αυτό δεν θα συμβεί. Απλώς επιταχύνει όποια διαδικασία έχετε ήδη, είτε είναι καλή είτε κακή.

Πότε αξίζει να ζητήσετε βοήθεια

Ορισμένες ομάδες καταλήγουν σε μια λειτουργική ρύθμιση απλώς πειραματιζόμενες μόνες τους, χρησιμοποιώντας έναν βοηθό για μεμονωμένες εργασίες που προκύπτουν κατά καιρούς. Άλλες φτάνουν σε ένα σημείο όπου θέλουν να ενσωματωθεί πραγματικά στα συστήματά τους: εγγραφές CRM, πίνακες ελέγχου αναφορών, δεδομένα πελατών, όχι απλώς ένα παράθυρο συνομιλίας στο πλάι. Αυτό είναι ένα διαφορετικό είδος έργου. Προσεγγίζει περισσότερο την ενοποίηση συστημάτων παρά τη δοκιμή ενός νέου εργαλείου, και οι περισσότερες ομάδες επωφελούνται από εξωτερική βοήθεια την πρώτη φορά που το επιχειρούν.

Συνήθως εδώ είναι που μπαίνει η Claude Consulting, όχι για να αναλάβει τις αποφάσεις που πρέπει να λαμβάνει η ομάδα, αλλά για να διαχειριστεί τις συνδέσεις και τα πλαίσια ασφαλείας, έτσι ώστε ο βοηθός να λειτουργεί μέσα στα συστήματα στα οποία ήδη βασίζεται η επιχείρηση, αντί να βρίσκεται ξεχωριστά από αυτά.

Το συμπέρασμα

Ένας βοηθός τεχνητής νοημοσύνης δεν πρόκειται να διευθύνει μια ομάδα μάρκετινγκ, και κανείς δεν πρέπει να το περιμένει. Αυτό στο οποίο είναι πραγματικά καλός είναι να αναλαμβάνει τις επαναλαμβανόμενες εργασίες, να συντάσσει προσχέδια, να συνοψίζει, να ξεδιαλύνει το θόρυβο, ώστε οι άνθρωποι να αφιερώνουν περισσότερο χρόνο στα μέρη της εργασίας που πρέπει πραγματικά να κάνει ένας άνθρωπος: αποφάσεις κρίσης, σχέσεις, στρατηγική.

Ξεκινήστε με μικρά βήματα, καθορίστε με σαφήνεια τι πρέπει και τι δεν πρέπει να αναλάβει ο βοηθός, και τα οφέλη συνήθως γίνονται γρήγορα εμφανή. Αν περιμένετε από αυτόν να λύσει ένα πρόβλημα ροής εργασίας που εξ αρχής δεν είχε καμία σχέση με το εργαλείο, πιθανότατα θα καταλήξετε απογοητευμένοι, όχι επειδή απέτυχε η τεχνητή νοημοσύνη, αλλά επειδή το πρόβλημα βρισκόταν από την αρχή αλλού.