GenAI如何增强传统的共享服务模型
51%26%8%10%5%生成式人工智能的重要性© SSON研究与分析 2024根本不关键轻微批评有点关键高度关键中等严重引言：人工智能作为指数级增长催化剂SSON 研究与分析团队在 2023 年第四季度对 150 名共享服务和 GBS 领导进行了调查，以更好地了解生成式人工智能对他们组织的影响。本报告基于调查结果撰写，旨在突出市场目前的状况，同时也揭示竞争性共享服务存在的机遇（和障碍）。在商业运营不断演变的背景下，传统的共享服务模式一直是效率、标准化和成本效益的核心支柱。随着对这些服务的需求不断增长，以及以更少资源提供更多【价值】的压力日益增大，行业已将人工智能（AI）作为一项变革性杠杆，它能够重塑服务交付方式，并促使组织重新审视多年来定义共享服务和GBS模式的传统层级和渠道。然而，在共享服务背景下，GenAI确实为“自动化工具箱”提供了一种强大的新工具，该工具可以从广泛（或狭窄）的内部和/或外部数据中生成内容。因此，当前的任务是探索我们流程中的哪些部分将受益于一项能够生成文本、翻译文件、开发或增强视觉内容，以及/或生成计算机代码来执行任务的技术。人工智能包含一系列使机器能够模仿人类智能并响应人类提示甚至情绪信号的技术。人工智能通过访问和学习数据来识别模式、做出决策并随着时间的推移不断改进，而无需明确的编程。生成式人工智能在各种格式中开发新内容的能力，其产出往往与人类无异，已经引起了共享服务运营商的兴趣。在不断增加的技术菜单中，对于共享服务来说最重要的认识是，没有一种技术能够解决所有问题。因此，抵制将能量和资源从优化解决方案套装转向单一新技术（生成式人工智能，即GenAI）的诱惑非常重要。 57%15%13%11%3%谁负责生成式人工智能的探索与部署？到目前为止我们所学到的其他尚未确定SSO/GBS解决方案团队IT领域的数字团队无论是实施技术套件、点解决方案，还是仅仅测试用例，这些举措都需要一个家园，以及就决策权达成的“家规”——无论集中化还是分散化。尽管业务部门可能开发自己的自动化举措，但完全分散的决策权往往导致利益相关者混淆、数据冲突以及对企业不利的次优解决方案。鉴于共享服务/GBS的集中式背景，我们看到近六成的企业依靠其共享服务组织（与IT合作）探索和部署GenAI。此外，一些共享服务对此负有全部责任。因此，企业认识到，“专家中心”（CoE）方法是推出AI最有效的方式。这并不意味着所有内容都必须驻留在CoE中。相反，集中所有智能自动化工作很可能会导致瓶颈和非常缓慢的推广。随着我们看到更多像RPA、桌面代理和GenAI这样的技术，它们适合“公民开发”，这样做是明智的赋权公民发展！或许一个CoE可以制定企业IA战略，找到合适的供应商合作，确保质量检查，测试数据安全并监控ROI——而分散的业务单元则可以专注于开发最适合其独特流程的解决方案。 © SSON研究与分析 2024SSO/GBS和IT合作 30%15%0%15%13%5%哪些方法有效内部生成式人工智能试点采购订单到收款 /客户服务记录到报告/金融与会计斯科特·麦登（ScottMadden）是一家专注于共享服务的咨询公司，已经执行了几个生成式人工智能（GenAI）试点项目，并发现了其他几个重要因素。再次证明，所有道路都指向数据。虽然像ChatGPT和Claude这样的大型语言模型（LLMs）可以从广泛的开放资源中获取数据，但您的试点项目可能需要隔离您自己的数据，这些数据可能位于多个地方，具有冲突的格式，以及/或者包含过时或错误的信息。将LLM完全释放到所有您的数据上并期望获得准确的答案是一种谬误。您的数据很可能需要经过整理、清洗和格式化才能获得预期结果.您认为目前最容易在共享服务范围内部署生成式AI的地方是哪里？根据 SSON RA 的研究，GenAI 最容易部署的场所是在高度依赖访问客户或员工数据以提供解决方案的联络中心或客服场景中。如今，知识文章往往会存放在一个地方，并且已经用于类似的原因。然而，GenAI 也可能访问案例记录和通话录音文本，以突出最佳答复和解决方案。当信息存放在一个地方时，遇到冲突数据的可能性较低。如预期的那样，数据和分析师也位列 GenAI 的主要机遇之中。分析洞察可能直接来自内部和/或开源数据查询，但也可能以生成复杂计算机代码的形式出现，数据专家可以使用这些代码来测试相关模型，从而更好地从数据中提取洞察。根据SSON研究与分析（SSON RA）的研究，近一半被调查的共享服务部门已经启动了GenAI项目，甚至已经完成。目前最典型的用例集中在分析和洞察上，其影响感受到了许多流程和职能，特别是面向客户或员工参与的互动，其中自助服务是一个期望的渠道。为此，提升客户体验是当前正在执行的超过一半用例的重点。共享服务中心的领导者们将组织内人工智能技能不足视为一个阻碍因素。ScottMadden证实，需要将一定程度的弹性和或许增强嵌入到您的人工智能团队中。将失败的使用案例结果轻易归咎于幻觉或有缺陷的生成式人工智能是容易的。成功取决于团队成员质疑结果、发展假设、尝试替代方法、重新格式化数据，以及普遍拒绝放弃。大多数用例在第一次尝试时都不会得到预期结果。 11%退休前聘用人事解决方案 21%5%© SSON研究与分析 2024数据与分析IT服务采购到付款 /联系中心或 30%15%0%14%什么效果不好是什么阻碍/减缓了在SSO/GBS中采用生成式AI？采购订单到收款 /客户服务数据管理（质量、可用性、准确性）识别具有足够ROI的机会人工智能计划预算限制数据隐私、数据偏差和伦理风险对生成式AI益处的理解不足人工智能实施和集成的复杂性监管合规问题技术基础设施限制知识产权和法律问题组织内部对人工智能采用的抵制性文化外部合作伙伴知识领导层对人工智能计划的支持不足您认为在哪些业务案例中意义重大，但操作的复杂性可能会延缓生成式AI的采用？相反地，根据SSON RA的说法，当商业案例有利可图，但运营复杂性并不利于采用GenAI时，这种情况出现在记录到报告的流程中。这可能是由于数据来自多个系统、地区、货币、会计准则等。根据ScottMadden的说法，内部测试已经发现了简单的问题，例如需要重新格式化不同的嵌入式表格，或在命令提示符中的明确指令。除非在提示中解释清楚，否则GenAI可能不会将最新数据识别为最佳数据。此外，会计和财务报告中的错误容忍度极低，可能会将AI资源转移到记录到报告流程之外的其他流程。采用的核心挑战仍然根植于人的因素：劳动力缺乏理解、技能或能力是共享服务在采用曲线中仍然落后的主要原因。其他担忧围绕数据质量、可用性和准确性——这些都是成功使用人工智能的基础，也是需要优先解决的领域（见下文）。 16%22%17%14%3%14%50%25%0%48%41%38%38%36%33%31%23%18%15%11%10%3%2%© SSON研究与分析 2024数据与分析IT服务采购到付款 /退休前聘用人事解决方案联系中心或GBS帮助台记录到报告/金融与会计内部团队能力其他 我们要去哪里？重新思考服务交付模式自动化功能的多样性已扩展到一个点，我们现在可以像专注于我们交付模型层级的人类技能集一样应用“技术技能集”。让我们来分解一下：一级交易服务最适合企业资源规划(ERP)和最佳实践“即插即用”解决方案，这些方案可以快速移动重复数据，并执行匹配和路由信息到预定义位置。机器人流程自动化也可能在这里发挥作用，以解决需要规定一系列按键操作的特殊异常。生成式人工智能在纯粹数据处理方面超越其他最佳实践系统的机会较少。零级自助服务它适合可以访问数据并提供明确答案的技术。直到最近，这些技术包括知识库系统、交互式语音应答系统和聊天机器人。现在引入了生成式人工智能（GenAI），它能够从更广泛的数据集（例如语音转录或工单数据）中学习，以提供更具交互性的用户体验，并在需要时提供实时语言翻译。开始的最基本框架是共享服务分层交付模式。鼓励企业重新构想交付模式并考虑自然工作中的vs这项工作活动本身。如果工作涉及深入的数据洞察和解读，它可能属于三级专家中心。涉及问题解决和功能专业知识的工作可能会被置于二级升级组。重复性、交易性工作或面向客户的工作可能位于一级交易中心或呼叫中心，而可以由系统完成的工作可以被推送到零级自助服务。为什么不从同样的方式思考技术套件呢？ © SSON研究与分析 2024第二层和第三层解决问题和分析工作传统上通过Excel电子表格分析交付。人工智能可能通过在大数据集中查找模式或异常来提供帮助，而通用人工智能可能有助于快速研究内部或开源数据。一级客户服务接口服务以往由呼叫中心代理和受电话技术辅助的头戴耳机进行处理。如今，虚拟代理（或认知代理）可以用不断提高的准确性和多种语言回答问题，而无需考虑轮班来管理时区。GenAI有潜力从代理提供的最佳答案中学习，以快速关闭案件并将这些答案提供给代理。结构良好的数据可以快速被代理使用LLM获取，以提供可能未在知识库中预编程的答案。更妙的是，将这些答案推回到底层0自助服务。 驱动自助服务功能：甜蜜点人工智能通过提供直观、用户友好的界面并自动化常规查询和任务，显著增强了共享服务中的自助服务能力。人工智能驱动的聊天机器人和虚拟助手可以在自然语言中与用户交互，无需人工干预即可解决常见问题并提供信息。生成式人工智能可以更进一步，通过创建动态、个性化的回复，并根据需求生成详细报告和定制化文档。“甜点”区域对于人工智能（AI）和生成式人工智能（GenAI）集成及影响而言，主要集中在商业智能和分析以及客户服务上。大多数共享服务部门计划在此领域利用人工智能。这也与共享服务领导者认为将最受益于生成式人工智能（78%认为数据和分析，57%认为联络中心或帮助台）的流程相一致。我们还观察到，在订单到收款（order-to-cash）和采购到付款（procure-to-pay）问题解决方面，对人工智能的信心非常显著。所有这些领域都需要能够访问各种格式和跨各种系统存储的数据，以确定和执行最佳路径——包括在异常管理方面做出智能决策。人工智能对共享服务最具显著影响的三个领域如下： 利用分析公式© SSON研究与分析 2024发现异常：人工智能擅长异常检测，这是共享服务中的一个关键功能，尤其是在金融操作中，识别异常可以预防欺诈和错误。机器学习算法可以实时分析大量交易数据，识别模式并标记可能指示潜在问题的偏差。通用人工智能通过模拟不同场景和系统压力测试来增强这一能力，以预测和发现传统方法可能遗漏的微妙异常。人工智能的力量在于其快速处理和分析大型数据集的能力，提供深刻的见解和可操作的智能。人工智能驱动的分析可以揭示趋势、关联和因果关系，为战略决策提供信息。通用人工智能通过创建复杂的数据可视化和生成基于历史数据预测未来趋势的预测模型或代码，进一步丰富这一能力。 80&60%40%20%0%55%57%35%68%62%你打算如何为GBS员工提供用于工作的生成式AI访问权限？8 | 如何让通用人工智能增强传统共享服务模式您预见到哪些工作将最受生成式人工智能影响？您计划提供哪些由生成式人工智能支持的新SSO/GBS服务？你认为哪些过程会从生成式人工智能（例如，Chat GPT）中受益最大？客户服务商业智能&分析采购订单到收款 /客户服务记录到报告/金融与会计使用是被接受的，但没有积极政策使用并不被积极鼓励，但被容忍目前禁止使用公开可用的生成式AI解决方案我们还没有制定相关政策管理和重复性任务型角色客户服务和支援角色创意与内容创作岗位数据分析与研究导向型职位技术与编程相关职位管理和战略决策岗位其他 49%53%优先级使用 GenAI 入门如果你已制定全球政策来指导生成式AI的使用，这包括...提升内部团队技能与实施公司合作（例如，顾问）与供应商合作雇佣具备相关技能/经验的人来领导实施其他访问和控制是 否数据保护现在压力大了！大多数共享服务领导者正感受到来自其组织的压力，即“我们在做什么关于生成式人工智能？”——这引出了下一个问题：“从哪里开始？”人
