在当前环境下，企业正寻求技术手段解决成本与客户体验之间的悖论。数字化增强的客户服务有望大幅提高效率和生产力，并同时提供深度个性化服务，从而将平凡的服务互动转变为卓越体验。生成式人工智能（Gen AI）等技术正在帮助公司根据个人客户偏好和购买历史定制有针对性的沟通。交互式Gen AI驱动的聊天机器人或语音识别系统可以以快速且用户友好的方式处理复杂查询。随着交互式语音响应（IVR）、聊天机器人和虚拟助手技术的发展，客户体验最终可能演变为无通道限制、基于AI的支持。
然而，企业在实施这些新技术时应避免以往数字化转型努力中的陷阱。一项对高级商业领导的2022年麦肯锡调查发现，近十分之九的企业在过去两年内至少进行了一次大规模的数字化转型。但这些转型效果不佳，仅实现了预期收入增长的31%和预期成本节省的25%。
企业在反思技术转型受阻的原因时，会发现一些常见的主题，包括高级管理层的承诺不足或不一致，导致决策缓慢，难以推动并维持转型的势头。另一个常见问题是倾向于追求“闪亮的物体”，却忽视了构建实现良好表现所需的基础能力。许多企业的转型——无论是微观细分、从前到后的设计、人才还是运营模式——都因这些问题而失败。
为了在即将到来的AI增强服务的浪潮中避免这些陷阱，企业应做好以下三件事：
-
选择正确的技术和适时应用：有效的数字化服务不应依赖单一技术，而是从一个技术工具箱中组装各种技术组件。企业需要为每项任务选择合适的技术。例如，当处理结构化数据时，可能需要机器人过程自动化（RPA）作为更快、更经济、更可靠的解决方案。集成技术的应用并采取适当的方法能最大化影响。
-
平衡技术与业务改进：技术部署与传统业务改善策略相结合至关重要。首先，深入了解组织的全部潜力，优化运营，制定前进策略；其次，在实施阶段聚焦于规模扩展、持续运营和优化。
-
培养适应技术的能力：确保员工具备所需技能和能力，以拥抱技术。在诊断阶段，通过流程洞察，可能需要部署超自动化技术（如光学字符识别（OCR）和智能文档处理），或利用机器学习、低代码/无代码平台和数字孪生来满足运营需求。此外，选择具有足够机会和领导承诺的业务单元可以帮助克服实施旅程中可能遇到的挑战。
通过这些措施，企业可以构建出能够充分利用AI技术的组织，实现客户体验与成本控制之间的平衡。例如，一家北美财富管理公司通过一系列技术手段实现了显著的重复性效率节省。它自动化的五个端到端操作流程包括文档提取、验证和数据导入。通过开展自上而下的、基于角色的自动化潜力评估，并采用针对性的任务挖掘工具，该公司建模了每年处理数万份指令文档和表格所需的手动工作量。随后，它开发了一个使用OCR技术分类和提取手写数据的原型系统，并结合RPA验证数据并将其插入下游系统。该新系统集成了机器学习技术，以便不断调整内部流程以提高性能。新的全自动化系统被规模化并在整个公司推广，重新构想了后办公室运营，消除了下游错误。这一变革还重新定义了邮件处理和数据录入部门为数据质量控制中心，并将超过70%的员工重新分配至其他任务。此变革直接提升了客户体验，因为更快的数字化处理减少了新账户申请的端到端时间，并即时捕获任何错误，经常在终端客户仍在场时就能解决。
