El santo grial de la transformación digital son los objetivos aparentemente conflictivos de altos niveles de servicio al cliente y la presión para reducir costos.

La frase “transformación digital” puede significar cualquier cosa: herramientas, tecnología, procesos comerciales, experiencia del cliente o inteligencia artificial, y todas las palabras de moda que se les ocurren a los especialistas en marketing. Las definiciones de analistas y proveedores incluyen modernización de TI y puesta en línea de servicios; desarrollar nuevos modelos comerciales; adoptar un enfoque de “primero digital”; y la creación de nuevos procesos comerciales y experiencias de los clientes.

 

El objetivo general de un programa de transformación digital es mejorar la eficiencia de un extremo a otro, eliminar la fricción de los flujos de información y crear nuevas corrientes de valor que diferencian las ofertas de una empresa y fortalecen la relación con el cliente. Habiendo asistido a grandes empresas globales con la construcción de la arquitectura de datos, los procesos de soporte y la gobernanza para múltiples transformaciones digitales, en mi experiencia, hay dos clases amplias de iniciativas que parecen obtener financiación y otras que pierden el barco en términos de tiempo, atención, y recursos.

 

 

 

Comercio electrónico: la ganancia “fácil”

Mejorar el comercio electrónico y agilizar el recorrido del cliente son programas de alto perfil y bien financiados que, en la superficie, están destinados a mejorar los ingresos, mejorar la satisfacción y reducir los costos. Se invierten decenas o cientos de millones de dólares en nuevas generaciones de tecnologías impulsadas por IA, se renueva el marketing digital, se refinan las operaciones de servicio al cliente y, sin embargo, muchos de estos programas no cumplen con las grandes expectativas. Mientras mueven la aguja, todavía falta algo en la receta que impide que los beneficios se obtengan por completo. El problema es que una organización es compleja: optimizar los procesos y los flujos de información requiere la participación de varios departamentos que normalmente trabajan en silos de datos y procesos mientras el recorrido del cliente atraviesa esos silos.

 

Pero diferentes partes de la organización utilizan con frecuencia diferentes herramientas y aplicaciones, lo que agrega fricción y ralentiza la toma de decisiones y la resolución de problemas. En un gran proveedor de equipos de fabricación, los representantes de servicio de campo necesitaban examinar más de una docena de sistemas para reparar y mantener instalaciones diseñadas a medida. Esto significó buscar información en cada silo y resultó en llamadas de servicio más largas, mayor tiempo de inactividad y mayores costos. Varios departamentos participaron en la creación de contenido de servicio y soporte y no utilizaron las mismas convenciones de nomenclatura, por lo que acceder a la información significaba comprender los matices de estos diversos sistemas.

 

El problema se resolvió mediante la creación de una estructura de información que describía el equipo, los componentes, las configuraciones, los problemas, los códigos de error, los procedimientos de resolución de problemas y otros aspectos de la instalación, incluidos los detalles de construcción de un sistema ERP.

 

La información se dividió en trozos para que un técnico pudiera obtener una respuesta a un problema en lugar de tener que buscar en grandes documentos técnicos. Este mismo enfoque también se está utilizando para impulsar la inteligencia artificial cognitiva: los chatbots y los asistentes virtuales que muestran información a través de las conversaciones. Si bien este trabajo se realizó para mejorar la búsqueda convencional, el enfoque allanó el camino para herramientas de inteligencia artificial más avanzadas.

 

El objetivo del enfoque era agilizar los flujos de conocimiento entre departamentos y, en última instancia, resolver los problemas de los clientes con mayor rapidez y menor costo.

 

Capturar, retener y aplicar el conocimiento institucional

¿Cómo se conectan los flujos de conocimiento con las transformaciones digitales? Un grupo de personas que trabajan en equipo es parte de una comunidad de conocimiento. Aquí es donde los expertos se unen para resolver problemas complejos. Pero si el equipo es transitorio y se dispersa después de producir una solución, ese conocimiento debe capturarse como conocimiento institucional duradero. La experiencia abandona la organización por desgaste, reducción de personal, reorganizaciones y jubilación. Para que la empresa funcione, el conocimiento institucional está integrado en los procesos, sistemas, herramientas y documentación, así como en la experiencia acumulada de los empleados que trabajan en varios departamentos.

 

El desafío es que la mayoría de las veces, estos grupos se quedan solos. La colaboración y la resolución de problemas son caóticas y demasiada estructura puede ralentizar las cosas. Pero sin algunos estándares y estructura, la deuda de conocimiento comienza a acumularse. Esto se denomina deuda técnica en proyectos de TI. La deuda de conocimiento ocurre cuando las cosas no están bien documentadas u organizadas para un acceso intuitivo y repetible. La búsqueda empresarial es un problema notoriamente difícil de resolver, los repositorios de conocimiento se abarrotan de información desactualizada y el etiquetado inconsistente de la información hace que la recuperación de las mejores soluciones, respuestas, diseños, entregables, planes y documentación de productos sea azarosa y difícil. Esto genera fricciones que ralentizan la maquinaria digital de la empresa.

 

Esto da como resultado costos de soporte más altos, clientes insatisfechos, violaciones de cumplimiento, errores de fabricación e ineficiencias generales por los actos heroicos que las personas deben realizar para realizar su trabajo.

 

Inteligencia artificial al rescate (¿en serio?)

Muchas organizaciones están depositando sus esperanzas en que la inteligencia artificial resuelva estos problemas imperecederos e intratables que parecen desafiar las soluciones rentables y sostenibles. Algunas organizaciones gastan millones de dólares cada pocos años limpiando cosas y enfocándose en una parte específica del proceso usando tecnología. Todo se ve bien por un tiempo (porque con la instalación se limpia, o al menos un nuevo comienzo), pero las cosas pronto se van al sur y el problema vuelve a surgir.

 

Las herramientas de inteligencia artificial pueden ayudar en ciertos escenarios. En los primeros días de confusión entre los proveedores de IA y promesas poco realistas, muchos afirmaron que todo lo que necesitaban hacer era “apuntar la IA a todos los datos” y funcionará su magia. Los clientes aprendieron rápidamente que la tecnología de IA debe estar “capacitada” y tener fuentes de información específicas y, con frecuencia, con una estructura o arquitectura de datos fundamentales. (Algunos pueden argumentar que el aprendizaje automático puede descubrir todos los nombres y atributos de sus productos, pero todavía tengo que encontrar un cliente que haya experimentado ese nivel de funcionalidad de no intervención). Ciertos algoritmos pueden dar sentido a datos desordenados, pero los asistentes cognitivos están capacitados en activos de conocimiento, contenido y datos de alta calidad, curados, etiquetados y estructurados. Ese es un problema de gestión del conocimiento y el contenido.Comunidades de conocimiento . Los ingenieros que diseñan y construyen soluciones. Los técnicos de servicio que se encuentran con anomalías y condiciones de campo desafiantes.

 

Las llamadas aplicaciones de inteligencia artificial “cognitivas” (los asistentes virtuales inteligentes y los bots de recuperación de conocimientos con los que muchas organizaciones están experimentando) obtienen sus habilidades no del polvo mágico de la IA, sino de los enfoques de ingeniería del conocimiento para la gestión de la información. Estos enfoques pueden resolver problemas reales en la actualidad mientras se preparan para un futuro de asistentes virtuales de alto rendimiento.

 

Alcance del programa de transformación digital: el conocimiento es lo primero en desaparecer

El hecho desafortunado es que las organizaciones están priorizando la experiencia del usuario “y la” usabilidad “sobre los procesos de conocimiento cuando experimentan transformaciones. Estas decisiones se toman cuando los presupuestos se agotan, los plazos se retrasan y surgen problemas inesperados (los gerentes de programas experimentados saben que deben esperar y presupuestar sorpresas). Pero eliminar el conocimiento del alcance dejará a las organizaciones con los pies vacíos. Este es un error grave que conducirá a la pérdida de participación de mercado y mayores costos a medida que luchan por ponerse al día. En algunos casos, las organizaciones no podrán ponerse al día y seguirán el camino de Blockbuster o Kodak. ¿Por qué? Porque eventualmente casi todas las interacciones serán habilitadas, al menos parcialmente, por asistentes virtuales y bots. En algunas situaciones, esas herramientas serán la forma principal en que la empresa interactúa con los clientes. Ese es el curso inevitable en el que estamos. En cinco años, aquellas organizaciones que no estén invirtiendo para madurar sus iniciativas de conocimiento se darán cuenta de competidores que han estado desarrollando capacidades durante la última década y se encontrarán lamentablemente y, en algunos casos, irrecuperablemente, atrasados.

 

Muchas organizaciones consideran que la estrategia de contenido y el SEO son un área principal de esfuerzo durante sus transformaciones digitales o redespliegues de comercio electrónico. Eso está bien para atraer clientes a sus ofertas, pero es miope y pierde el barco en torno a cuestiones de conocimiento más importantes. Esto no se puede dividir en “solo estamos haciendo lo suficiente para SEO y volveremos a esto más adelante”. Ese enfoque no funcionará. El conocimiento y el contenido deben estar alineados con los viajes del cliente utilizando mapas de viaje de alta fidelidad que puedan interpretar el lenguaje corporal digital del cliente y responder a esas señales a través de la maquinaria digital diseñada por, tal vez lo haya adivinado, las comunidades de conocimiento.

 

En una organización que estaba experimentando una transformación digital, el equipo de marketing poseía el contenido del sitio de comercio electrónico, sin embargo, el contenido y el conocimiento de soporte al cliente no formaban parte del plan. Ese equipo solo quería centrarse en SEO. Dos años después de iniciado el proyecto, la gente empezó a preguntar sobre su estrategia de conocimiento para obtener la información de ingeniería detallada en la que confiaban los clientes. El proyecto ya estaba retrasado y por encima del presupuesto y las decisiones de diseño tomadas anteriormente en el programa limitaban las opciones. El resultado fue un índice de satisfacción del cliente más bajo y un mayor volumen de llamadas al centro de llamadas. Se suponía que el proyecto reduciría esas llamadas mejorando la experiencia del usuario. Para esta organización, parte de la experiencia del usuario era el acceso a conocimientos y experiencia que se volvieron más difíciles de localizar en el nuevo sitio.

 

IA y flujo de conocimiento

Las tecnologías de inteligencia artificial y aprendizaje automático pueden respaldar el flujo de conocimientos de varias maneras.

 

Análisis de redes organizativas : ONA identifica conectores, redes informales, personas influyentes y estructuras ocultas que son fundamentales para comprender las comunidades y redes de conocimiento. El aprendizaje automático puede procesar muchas fuentes de datos y prescribir acciones para ayudar a mejorar la colaboración, el alcance y la eficacia de las comunidades.

Análisis de sentimientos : identifica el tono de las comunicaciones entre individuos y comunidades. ¿Existe un debate saludable centrado en las tareas? ¿O la política y las quejas personales han interrumpido el flujo y la eficacia?

Identificación de la pericia : la pericia autodeclarada es notoriamente inexacta. Se pueden obtener perfiles de expertos más precisos procesando múltiples fuentes de contenido, como resúmenes de proyectos escritos, publicaciones de discusión y contribuciones a la propiedad intelectual (informes técnicos, metodologías, análisis y otros documentos).

Búsqueda y recuperación mejoradas : la búsqueda semántica permite la variación de lenguaje y frase (devolviendo “propuestas” utilizando el término “SOW” en una búsqueda cuando ningún documento contiene ese término), así como resultados personalizados según el rol, las preferencias u otras señales. Los “bots auxiliares” utilizan la búsqueda avanzada y / o federada bajo las sábanas: el bot sabe dónde buscar información específica, lo que reduce la fricción / gastos generales al recopilar información de múltiples fuentes.

Recomendación de conocimiento : los motores de recomendación pueden mostrar conocimientos de alto valor basados ??en los objetivos del equipo y los perfiles del proyecto. Por ejemplo, proporcionar documentos utilizados en proyectos similares o que contengan parte de la solución a un problema que el equipo está tratando de abordar.

 

 

Las organizaciones compiten por el conocimiento

Cada diferenciador se reduce al conocimiento: el conocimiento institucional de cómo opera el negocio en todos los niveles, conocimiento técnico e IP, conocimiento integrado en el software y diseños, conocimiento de las necesidades del cliente, de las rutas al mercado, de los socios de canal, conocimiento de cómo la mensajería se abrirá paso en un mercado abarrotado. De mejores formas de diseñar la experiencia del cliente o las características del producto. A medida que la tecnología continúe acelerando todos los procesos, el ciclo de vida del conocimiento se convertirá en el diferenciador crítico porque ha comenzado la carrera para construir asistentes cognitivos que acelerarán los procesos internos y brindarán soporte al cliente a costos más bajos.

 

El futuro es uno de dispositivos súper inteligentes e inteligencia distribuida en tecnologías cotidianas. No solo los microchips que optimizan el dispositivo, sino también la interfaz hombre-computadora que eliminará la necesidad de llamar a un representante de soporte. El representante de soporte estará integrado en el dispositivo. Se diagnosticarán a sí mismos, abrirán un ticket de soporte y pedirán las piezas que necesiten. Cuando llegue el técnico de mantenimiento humano, los dispositivos les dirán cómo realizar la reparación. Las organizaciones que llegan primero son las que hoy están invirtiendo en conocimiento. Muchos ejecutivos han sido quemados por los programas de conocimiento y, por lo tanto, son tímidos. Deben comprender que esto no será algo agradable. Será fundamental para la supervivencia en un futuro cognitivo impulsado por la inteligencia artificial.

 

SethEarley – Director ejecutivo de EarleyInformationScience y autor del nuevo libro The AI-Powered Enterprise

Sitio web: earley.com