核心观点与关键数据
- GenAI 作为增长催化剂：GenAI 作为一种指数级增长的催化剂，正在重塑传统共享服务模式，通过提高效率、标准化和成本效益，满足不断增长的服务需求。
- GenAI 技术概述：GenAI 涵盖一系列技术，使机器能够模仿人类智能并响应人类提示或情绪线索。其核心能力包括生成文本、翻译文档、开发或增强视觉内容以及生成计算机代码。
- 市场调研结果：SSON Research & Analytics 对 150 位共享服务和 GBS 领导进行的调查表明，51% 的企业认为 GenAI 至少是“适度关键”或“高度关键”，57% 的企业已启动或完成 GenAI 项目。
- 责任与部署：近 60% 的企业依赖共享服务组织（与 IT 合作）探索和部署 GenAI，强调“中心专家”（CoE）方法的有效性。最常见的用例集中在分析和洞察生成（41%），其次是改善客户体验（56%）。
- 实施挑战：数据质量、可用性和准确性是主要障碍，其次是内部团队能力不足（50%）和对 GenAI 的理解缺乏（48%）。
- 应用场景：GenAI 最容易在依赖客户或员工数据的接触中心/帮助台场景中部署，而记录到报告（R2R）流程因数据复杂性和低容错率而面临挑战。
研究结论与建议
- 服务交付模式重塑：企业应重新思考共享服务交付模式，根据工作性质而非活动本身划分层级（Tier 0-3），并考虑将技术套件与人类技能结合。
- GenAI 的“甜点”领域：GenAI 在商业智能与分析、客户服务以及订单到现金/采购到支付问题解决方面具有显著影响潜力。
- 启动策略：建议从评估和优先排序可靠数据资源开始，而非直接解决业务痛点，并优先考虑数据质量。
- 能力建设与治理：需要提升内部团队技能，并建立明确的治理框架，包括决策权、数据访问控制、安全性和合规性。
- 未来展望：GenAI 将推动自服务能力提升、异常检测和利用分析公式，并催生新的服务，如商业智能、客户服务、知识管理及内容创建。
关键数据
- 认为 GenAI 至少是“适度关键”或“高度关键”的企业比例：51%
- 已启动或完成 GenAI 项目的企业比例：49%
- 当前 GenAI 用例最多的领域：分析和洞察生成（41%）、改善客户体验（56%）
- 阻碍 GenAI 采用的主要因素：内部团队能力（50%）、数据管理（25%）
- 预计受 GenAI 影响最大的岗位类型：行政和重复性任务（76%）、客户服务和支持（63%）
- 企业计划提供的支持性新服务：商业智能与分析（68%）、客户服务（62%）、知识管理（28%）
