【睿观：AI正在深刻地改变着企业的运营方式，为企业带来巨大的机遇。 想要在AI浪潮中取得成功，企业需要积极拥抱AI技术，并制定相应的战略和行动计划。

核心观点：

• AI在企业中的广泛应用： AI不仅被用于IT部门，而且在多个业务部门都有广泛应用，从提高员工效率到改善客户体验。

• 生成式AI的快速发展： GenAI技术在短短一年内发展迅速，越来越多的公司开始采用。

• AI在销售领域的应用：

1.合作伙伴体验： AI可以帮助合作伙伴快速创建高质量的演示文稿。

2.客户服务： AI可以提升技术支持效率，为员工提供实时信息。

3.客户体验： GenAI可以打造个性化的客户交互，如Banca Investis的NIWA（（“Next Intelligent Wealth Advisor”新一代智能财富顾问））应用程序。

• AI实施的挑战与机遇：

1.挑战： 数据质量、风险管理、技能缺口等。

2.机遇： 提高效率、改善客户体验、创造新的商业模式。

• 成功的关键因素：

1.数据质量： 良好的数据是AI成功的基础。

2.风险管理： 建立完善的风险管理机制。

3.人才培养： 培养AI相关人才。

4.定制化： 根据企业需求定制AI解决方案。

本文通过Timenet和Banca Investis的案例，详细介绍了AI在销售领域中的具体应用场景和带来的价值。同时，也强调了在实施AI过程中所面临的挑战以及成功的关键因素。】

来源：Shutterstock

全球 65% 的公司定期使用生成式 AI，几乎是一年前的两倍。人们的期望很高：75% 的受访者表示，这项技术将深刻改变每个工业部门。麦肯锡全球人工智能调查（2024 年 2 月 22 日至 3 月 5 日对 1,363 名高管进行抽样调查）的这些发现突显了一个不可阻挡的趋势。生成式 AI 无处不在：它不仅用于 IT，还用于多个业务部门，其应用多种多样，从提高员工工作效率到合作伙伴和客户体验。

与此同时，对 GenAI 的热情并没有降低对非生成式人工智能的关注。在同一项麦肯锡调查中，981 名受访者表示他们的公司至少在一个业务职能中采用了 AI，878 名受访者表示他们工作的公司至少在一个部门中使用了生成式 AI。公司继续投资于这两项技术（平均而言，至少占数字预算的 5%）。事实上，在大多数行业中，将超过 20% 的数字预算用于“经典”或“分析性 AI”AI（即机器学习为业务提取有用知识）的公司占主导地位。67% 的组织预计在未来三年内将增加支出。

Timenet（一家为专业人士和公司提供互联网和语音连接解决方案的公司）的董事兼首席信息官 Franco Iorio 毫不怀疑人工智能对商业活动的积极影响，以期改善经销商合作伙伴和在技术援助领域雇用的员工（以及客户）的体验。麦肯锡研究的重点正是“分析性 AI”：“由于 AI 能够分析大量数据、从中学习并做出明智的决策，公司现在有机会优化流程、提高效率和提高所提供服务的质量，”Iorio 说。“在 Timenet，我们已经完全接受了人工智能的潜力。我们正积极将人工智能融入我们工作的不同环节，以提高我们的竞争力，并继续为我们的客户和合作伙伴提供高质量的服务。

一、AI 助力合作伙伴体验

Timenet 实施人工智能的第一个领域是商业领域，人工智能帮助合作伙伴创建完整且结构良好的产品和服务演示文稿，而无需投入数小时的工作时间。

“我们知道，我们的经销商合作伙伴经常不得不为了日常运营而牺牲其产品的质量。这可能会导致演示文稿不完整，简化为简单的条目和数字列表。为了解决这个关键问题，我们集成了一个基于 AI 的工具，该工具从零售商输入的一系列简单信息开始，将生成一个完整的、图形上吸引人的和详细的商业解决方案，“Iorio 解释道。“该工具将考虑客户的行业、预约期间出现的数据、具体需求以及所提出解决方案的优势。一切都将被整合到零售商的预留区域，从而促进个性化优惠的创建”。

技术支持是 Timenet 以智能聊天形式为运营商服务实施 AI 的另一个领域。在自然语言中，座席可以在几秒钟内检索工单和客户信息，从而为他们提供发出呼叫的上下文的完整和最新视图。AI 利用了 Timenet 的内部知识库，其中包含 25,000 多个部门工单、手册和 Wiki。

“我们预计援助的效率和准时性会提高，而客户和经销商将能够依靠共享和集中的知识，”Iorio 指出。

二、面向客户服务员工的 AI

人工智能在聊天中改善技术支持、客户服务或销售员工的工作是公司为支持员工和提高他们的绩效水平而探索最多的应用之一。这些是用于数据分析和语音交互的 AI 应用程序。事实上，Gartner 预测，“到 2026 年，60% 的对话式 AI 软件将包含主动智能功能，而 2023 年这一比例还不到 5%。这些 AI 驱动的工具可以实时分析对话、预测客户需求、向座席提供相关信息并建议适当的行动，最终改善整体客户服务体验。或者，如果出现问题，建议最佳解决方案，以免失去客户。”

GenAI 也是员工虚拟助手的基础，这些助手帮助人们完成日常任务，但也指导他们进行培训活动。事实上，生成式 AI 允许您提供个性化的交互式培训，从而节省时间和资源。这是公司再次为客户服务或销售代理探索的解决方案，因为它有助于加深和更新对产品和公司政策的了解。

三、面向客户客户体验的 Gen AI：对话式应用程序

与最终客户体验更直接相关的是由 Banca Investis 开发的应用程序，Banca Investis 是一家专注于高净值个人客户的意大利私人银行公司。这款名为 NIWA（“Next Intelligent Wealth Advisor”新一代智能财富顾问）的应用程序是与多个技术合作伙伴合作创建的，旨在通过 AI 驱动的对话让客户与数字初级银行家（AI智能体）互动。正如 Banca Investis 首席信息官 Roberto Chiriatti 指出的那样，“2023 年底提出的战略计划设想开发一款基于人工智能的应用程序，旨在为客户提供更具互动性和独特的市场体验，并促进和增强他与银行家的互动”。

事实上，技术创新已被置于商业计划的核心，作为集团重新定位的基础，该集团正在一条被称为“非凡之旅”的增长道路上努力，因此它为客户提供独家服务和产品、个性化优惠和全方位体验。在这种情况下，在 IT 层面，集团正在开展从流程和文档数字化到内部流程简化和自动化的项目。

“NIWA （新一代智能财富顾问）的开发涉及所有业务领域的参与，这既令人兴奋又复杂，”Chiriatti 指出。“协调各个领域和不同的技术合作伙伴至关重要，始终以我们为自己设定的最终结果为目标。为了实现这一目标，我们组织了多部门研讨会，银行的所有部门都通过提供反馈为应用程序的设计和测试做出了贡献。这是限制应用程序及其许多组件的返工以及确保我们提供出色的客户体验的关键。此外，客户体验必须简单直观;例如，为了简化客户注册和促进采用，我们决定将 NIWA 的登录框架与移动银行框架集成。此外，我们还提供了一个潜在客户区域，即使您不是银行的客户，也可以使用它来预览内容”。

四、范围管理和微调

Chiriatti 强调，对于 AI，我们绝不能被它提供的多种可能性的热情所迷惑，而要限制要求。

“范围管理非常重要，”首席信息官说，“你必须有明确而具体的目标，不要陷入实施太多功能的愿望，而是选择那些能为客户带来附加值，从而为你的业务带来附加值的功能。”

该银行的另一个重要步骤是仔细评估技术并系统地测试聊天提供的答案。

“为此，我们开发了一个结构化的测试框架，使我们能够对答案进行非常一致的调整。这使我们能够更灵活地管理版本升级，并限制响应不一致的可能性，“首席信息官说。

在此前提下，NIWA 成为独一无二的，专注于客户体验（ CX）。IT 团队没有一个可以启发的例子，而是从聊天的想法开始，而不是传统的银行应用程序，通过它用户可以享受提供的不同内容;事实上，NIWA 作为服务不可或缺的一部分，包括金融领域的新闻和观点，并且很快就会整合以电影和金融为主题的播客。

“这是一个非常有趣的挑战，”Chiriatti 说，“最后，我们设法集中了一名初级数字银行家，他总是可以在创新和一致的体验中回答客户的问题和个性化内容。”

在 Banca Investis 应用程序中，人工智能用于定制体验并根据客户的兴趣选择内容;AI 还允许您在对话模式下通过聊天进行交流，以获取可能直接或间接影响金融市场的当前事件的更新。

“现在评估结果还为时过早，但到目前为止，客户反馈非常积极。平均使用率很高，会话持续时间约为 15 分钟。这个数字本身就已经是对客户体验和应用程序内容的赞赏“，Chiriatti 说。

五、如何充分利用 GenAI

在麦肯锡的调查中，70% 成功使用生成式 AI 的公司（即表示 2023 年至少 11% 的息税前利润归因于其使用）表示，从这项技术中创造价值的第一个关键要素是数据：它必须具有足够的数量和质量。挑战的第二个要素（48% 报告）是拥有负责任的 AI 的风险管理。其他挑战包括：寻找运营模式 （47%）、选择正确的技术 （43%）、定义 AI 战略 （42%）、拥有使用它的技能 （37%） 以及转向大规模采用 （33%）。毕竟，最大的感知风险是不准确的结果 （63%） 和知识产权侵权 （52%）。

出于这个原因，设法从 Gen AI 中提取价值的公司采用精确的最佳实践：IT 知道如何识别和降低 GenAI 的风险，并与法律职能部门合作，首席信息官开发人工智能模型，以便它们允许进行风险和偏差评估以及外部审计。还有用于 AI 治理的跨部门委员会。

一般来说，53% 的公司使用现成的产品，但 47% 的公司应用了大量定制或开发自己的模型：这种选择需要在技能和经济资源方面进行大量投资。

事实上，Banca Investis 的 Chiriatti 指出：“NIWA 的启动活动即将开始，所以现在还不是评估投资回报的时候，但我可以肯定地说，财务承诺是巨大的，肯定高于我们的 IT 项目标准。但这项基于生成式人工智能的举措是世行重新启动的基石之一，因此我们很高兴能够在几个月内取得这样的成果。

至于在公司中使用 GenAI 所带来的技能必要变化，麦肯锡指出，可能会出现新的角色，例如安全人工智能和数据责任方面的专家，以及——如果使用 GenAI 生成代码——审查这些输出的人的形象。它还需要能够使用生成式人工智能选择和管理 LLM 和代理培训的专业人员，以及能够管理第三方模型责任的专家。最终，CIO 必须与 HR 以及法律和合规团队密切合作，以整合公司中的新角色并保护自己免受风险。