共享服务中的生成性人工智能：一年过去了

在使用生成式AI时需要考虑什么生成式人工智能的潜力目录3步开始实施生成式人工智能引言 3案例研究：高级分析 & 人工智能如何改变保险业结论17 5151611贝思尼·布朗生产与编辑助理SSON 21%4%高（高级）专家（渐进式）在企业结构中共享服务和GBS的存在。根据SSON Research & Analytics的数据，截至2023年第四季度，近50%的组织认为自己处于中等成熟度水平，22%处于高/先进水平，这表明近年来该模式一直在被采用和扩展。您认为您的SSO/GBS整体成熟度水平如何——考虑到采购模式、范围、自动化、战略一致性及人才？由 SSON 展示表明，超过一半的 SSO/GBS 行业认为生成式 AI 对未来的成功是“高度关键”，而大约 5% 的人认为生成式 AI 是“完全不关键”，这意味着大约 95% 的组织了解生成式 AI 的变革力量，然而实际上实施这些解决方案是另一回事。 25%50%© SSON 2024低中量级共享服务和GBS领域演变的下一步将围绕技术展开，以及该模式如何利用人工智能的进步来持续提高生产力和流程。这带给我们人工智能的最新演进版本，即生成式人工智能。SSON将生成式人工智能定义为“一种能够使机器生成新内容或数据的类型的人工智能，例如文本、图像甚至整个应用程序。与其他基于现有数据的人工智能类型不同，如预测性人工智能或规范性人工智能，生成式人工智能通过从现有数据中学习模式和规则来创建新的数据或内容。”在2023年，生成式AI列车正式发车，共享服务和GBS行业迅速跳上列车，唯恐被落下。收集的数据在过去三十年间，共享服务组织（SSO）以及最近的全球业务服务（GBS）一直致力于整合业务职能以提升效率、标准化流程并确保业务范围内的统一性。这些模式对许多全球组织已被证明是有用的，这一点体现在业务量的增长上 8%© SSON 2024生成式AI的关键性继续高度关键中等严重有点严重轻微临界根本不关键截至2023年11月，一半的SSO/GBS尚未完成任何生成式AI项目，另外30%只完成了1-3个项目。这些数据并不表明SSO/GBS领域在生成式AI的实施上落后，而是表明组织在引入他们不了解全部功能的解决方案之前都在尽职调查。共享服务行业尚未完全了解生成式AI的潜在影响范围，这也是为什么组织目前正在关注各种用例。根据SSON研发，超过一半的SSO/GBS首先打算利用生成式AI 51%26%10%5% 51%30%8%3%8%1--23--56--10>10None您已经完成/正在进行的生成式AI项目有多少？本报告将深入探讨共享服务组织在使用生成式人工智能解决方案时应了解的所有内容。这包括实施前需要考虑的风险、从客户体验到金融等不同用例的示例，以及最终将生成式人工智能解决方案投入运营的逐步指南。为了分析、洞察生成以及提升其客户体验。虽然这两个是主要的应用案例，但组织也在尝试使用生成式人工智能来进行非结构化数据分类与结构化、文本摘要以及增强知识管理等等。 0%用户体验生成式人工智能的潜力您目前正在使用生成式AI追求哪些类型的用例？© SSON 2024分析 & 洞察力生成提升客户体验非结构化数据分类 & 结构化文本摘要增强知识管理内容创作尚无源文本编码支持与验证其他在当今数字时代，客户期望快速响应率和个性化体验，而据SSONR&A的数据，超过40%的单点登录（SSO）/企业级身份管理（GBS）在塑造其组织客户体验（CX）中发挥着作用，因此创造有意义的客户体验的责任通常落在共享服务上。此外，2023年52%的组织报告称生成式人工智能有潜力通过自动化任务、提高效率以及实现新功能来增强共享服务的各个方面。生成式人工智能的应用场景范围从内容生成到知识管理，本节将解释每种应用如何协助共享服务功能。 100%56%52%41%34%34%33%23%20%7%他们正在规划由生成式AI支持以提升客户体验的生成式AI应用案例。显然，该行业将客户体验视为一个强大的应用案例。 © SSON 2024理解客户反馈：自然继续排序客户数据：主要关注数据处理的人工智能模型将协助处理大型组织数据集。这些模型可以自动识别模式、趋势和相关信息，使企业更容易从海量数据中提炼可操作的见解。以下是生成式人工智能工具可以被共享服务用来革新客户体验的一些方法：自助服务：生成式人工智能由于其直观性，能够帮助创建更有效的客户自助服务互动。这意味着他们更有可能使用提供的服务自助技术。在 sso next eckard eberle 一集中，西门子 gbs 的首席执行官艾伯勒讨论了该组织是如何在生成式人工智能实施方面处于领先地位的。西门子已有效地利用该技术在其客户服务中，即通过仿生客户服务代理。仿生代理是一个基于云的模型，用于处理非结构化的客户查询。它利用其算法索引查询并通过情感分析对它们进行优先排序。然后，它分析请求以确定最佳下一步操作。它可以处理多种语言的请求，并且分类准确率高达90%。自然语言处理（NLP）模型是生成式人工智能的一个子集，可以帮助企业分析和理解客户反馈。NLP模型解释非结构化数据，使企业能够提取见解和情绪。通过对客户意见更细致的理解，可以部署策略来提升整体客户体验（CX）。 然而，该企业的AI项目也延伸至员工体验，通过pulse.cloud平台。仿生代理为GBS内部的发票到收款团队带来了巨大的益处。每个月，每个团队都会生成超过3000个请求，每个请求传统上都需要由服务台代理进行分析。然而，该模型自动化了这个流程，减少了手工工作量。这使得客服团队能够将时间投入到更有价值的任务上。这尤其有益，因为员工被鼓励在他们的答案中留下独特的评论，这意味着每年最多可产生15,000条评论。因此，生成式人工智能使西门子能够更有效地管理其员工队伍，因为员工反馈可以快速有效地得到理解。每年两次，西门子都会部署他们的全球参与度调查，该调查允许员工表达他们对公司和工作环境的满意度。通过将生成式人工智能嵌入到pulse.cloud平台中，该组织可以分析这些结果，生成总结性见解，并在结果上提出进一步的问题。 西门子以人为本的AI实施 0%以下列出的服务/功能中，您的SSO/GBS提供哪些？© SSON 2024继续采购到付款记录到报订单到收款支付时间主数据管理雇佣至退休人才管理税收支持/行政数据分析和商业分析间接采购共享服务中心通常在企业财务运营中发挥着重要作用。例如，根据SSON Research & Analytics的研究，已有超过70%的共享服务中心提供采购到付款服务。然而，尽管共享服务中心在财务中的作用，许多组织在自动化方面还比较落后。根据2023年行业状况调查，只有10%的共享服务中心和GBS组织表示其应付账款团队是完全自动化的，而55%是部分自动化的。这表明，45%的企业要么仍在计划自动化，要么尚未开始自动化，要么正在确定应付账款自动化对其组织意味着什么，要么没有计划自动化应付账款流程。 金融 © SSON 2024继续自动化数据处理：就像生成式人工智能可以筛选客户数据一样，生成式人工智能可以被用来自动化数据录入过程，减少错误的可能性，并加快金融数据处理的速度。发票处理：生成式人工智能可以自动从发票中提取信息，包括金额、日期和供应商信息。这可以简化应付账款流程并提高效率。这里有一些关于生成式AI如何加速自动化和提高金融运营的例子： 这些只是生成式AI在金融领域的一些应用案例。企业还可以利用最新的AI工具进行欺诈检测、风险评估、财务规划与分析（FP&A）以及现金流预测。费用报告：生成式人工智能可以协助自动分类和处理费用报告，确保符合公司政策，并减少手动审核所花费的时间。财务报告：生成式人工智能可以根据预定义模板和输入数据自动生成财务报告。这可以在报告期内节省时间，并提高财务报表的准确性。 © SSON 2024继续由于项目，火星经历了更快的处理时间，更高的准确率，以及简化的流程。这减少了人工干预和后期处理修正的需求，提高了时间效率。此外，标准化的流程提升了生产力、韧性和火星公司踏上自动化之旅，以提升其在20个市场和14种语言中的发票到付款解决方案。随着业务快速增长，超过其手动处理能力，这家公司被促使利用创新技术。这导致手动数据输入、拼写错误和频繁需要手动干预等低效问题。因此，为了应对这些挑战，火星公司采用了人工智能技术，如自然语言处理（NLP）和机器学习（ML）工具。NLP被用于语义分析，以标准化不同供应商沟通中的应付账款（AP）术语。与此同时，机器学习促进了灵活文档处理模型的创建，该模型能够适应各种发票格式和供应商结构。实施过程得到了精心规划，并与业务团队和利益相关者密切合作。为了实现最大程度的透明度，火星优先考虑迭代演示，以收集持续的反馈并确保与业务需求保持一致。在整个项目生命周期中，从发现到交付和持续支持，高级别的赞助也十分关键。在 SSON 的 AP 自动化数字峰会 2024 上，Mars 的高级经理兼自动化开发者唐纳德·本奇讨论了该企业如何使用人工智能来改造其财务流程。 人力资源与招聘在过去十年中，人力资源部门越来越多地将人工智能融入其运营中以提高效率和有效性。人工智能技术被用于各种人力资源职能中，以简化流程、支持决策以及改善整体员工体验。例如，AI驱动的聊天机器人可以促进文书工作并回答新员工的问题，确保更顺利地融入组织。总体而言，火星的AI项目体现了一种战略方法，即利用技术进行流程优化，强调协作、持续改进和与业务目标保持一致是成功的关键驱动因素。跨市场的适应性，有助于整体运营卓越。此外，根据唐纳德的说法，该项目强调了早期与业务团队参与的重要性，设定基准准确度指标，以及管理用户对人工智能能力的预期。 火星的AI驱动力金融流程 © SSON 2024继续它们还可以根据员工的角色和技能差距为其推荐个性化的培训计划。此外，人工智能驱动的HR聊天机器人被用来协助员工处理常见问题并提供支持。简历处理：人工智能模型能够提取并识别候选人的关键特质，并将他们的技能与工作描述中的要求进行匹配。随着组织努力填补职位空缺，招聘人员发现自己压力越来越大，但借助生成式人工智能，他们可以获得以下支持：我们的招聘人员需要处理职位描述。他们需要处理简历。在与客户和候选人互动时需要大量沟通。因此，我们的用例是围绕创建招聘广告和使用生成式人工智能协助提示工程以及转换大量信息。生成式人工智能正引领人工智能发展的下一步。人力资源部门能够利用先进机器学习和自然语言处理的力量，进一步精炼和扩展其数据驱动决策、自动化任务以及提升员工体验的能力。在SSON的2023年智能自动化世界系列活动中，Kelly Services的自动化战略与赋能负责人Melanie Dunbeck分享了他们已经如何使用生成式AI来协助招聘。她说： 0%60%56%31%41%尚未确定 在SSO/GBS内部为其他工作提供技能再培训？ 还是在SSO/GBS外部进行转移或为其他工作提供技能再培训？生成职位描述：生成式AI可以建议改进职位描述，以扩大应聘者群体，同时确保有一组多元化的人士申请。候选人沟通：人工智能驱动的聊天机器人可以处理应聘者的咨询，安排与候选人的面试，并提供个性化消息以吸引应聘者。你的人力资源部门如何为生成式AI对工作的影响做准备？尽管生成式人工智能必将影响许多人力资源流程，但人力资源组织也需要为这些先进技术可能如何影响他们所支持的工作队伍做好准备。当SSON R&A向调查受访者询问人力资源将如何应对生成式人工智能对工作的影响时，56%的人表示他们的组织尚未决定，31%的人表示他们预计将对其工作队伍进行再培训，这意味着虽然许多人仍在履行其职责，但预计与生成式人工智能一起工作的员工必须掌握新技能。 7%28%哪个陈述最能总结您当前对生成式AI/Chat GPT解决方案的方法？变更管理© SSON 2024这不是优先事项对于我们来说在这个阶段我们正在进行部署几个用例我们正在积极试飞用例如同任何新兴技术一样，生成式人工智能的实施既带来风险也带来潜力。然而，预先评估