人工智能驅動的輕推如何改變運營績效

在正確的時間提供正確的建議可以對員工的滿意度和績效產生重大影響。 新的人工智能驅動方法正在使真正個性化的實時指導成為現實。

優秀的員工不是天生的。 隨著時間的推移，他們通過結合在職經驗、正式培訓、輔導和指導——雇主可以高度控制的投入——來發展自己的技能。 然而，大多數公司都在努力為員工提供所需的廣度和深度支持。 輔導和培訓干預通常不頻繁，範圍有限，並且使用一刀切的方法提供。

這種工作方式的弱點現在變得越來越明顯，COVID-19 大流行加劇了這種情況，許多組織面臨的高流失率也凸顯了這一點。危機加速了向遠程工作的過渡，減少了員工與團隊領導或教練之間進行非正式、面對面互動的機會。具有眾多指標的複雜績效管理系統使員工及其經理難以識別和關注最重要的問題。

在一些組織中，根深蒂固的文化和習慣已被證明難以擺脫。在其他情況下，使用通用和重複的反饋使員工對學習和發展感到失望。在最壞的情況下，考慮不周的指導和反饋實際上會損害員工的體驗、士氣和敬業度，從而導致人員流失。擁有大量臨時工或分佈式員工的組織尤其容易受到影響，因為他們幾乎沒有時間來培養和灌輸高績效行為。

擁有強大績效管理文化的組織知道，他們表現最好的員工和最弱的員工之間存在巨大差距。 其他公司也有同樣的懷疑，即使他們缺乏數據來證明這一點。 領先的公司也明白，在職培訓、指導和支持必鬚根據個人的優勢和能力量身定制。

利用行為洞察力的力量

今天，行為心理學開始改變公司與員工和客戶互動的方式。 近年來，越來越多的組織自己發現，看似簡單的推動可以成為促進積極行為的一種非常有效的方式。 一家保險公司鼓勵客戶鍛煉身體並保持健康的生活方式，從而減少理賠。 一家鋼鐵製造商在其一家工廠張貼注視眼睛的海報以提醒員工在哪些地方安全程序至關重要後，發現遵守安全程序的員工增加了 35%。 一家大型金融機構開始向信貸員提供小額獎金，以鼓勵儘早實現每月目標。 這導致本月前兩週的新貸款來源增加了 18%。 這些只是輕推技術的一個子集，是眾多經過驗證的選項中的一部分。

隨著客戶互動越來越多地通過數字渠道進行，領先的組織已經能夠在客戶旅程中大大改進他們對輕推技術的使用。人工智能和機器學習 (ML) 的進步使公司能夠為客戶確定關鍵決策點，並提供及時和有針對性的建議，從而顯著提高銷售、客戶體驗和保留率。這些複雜和個性化的方法現在正在激發人工智能驅動的員工敬業度的創新，這得益於無處不在的數字手持設備。

進入人工智能教練

公司正在將行為科學見解與最新的人工智能技術相結合，為員工創造一種新的定制教練體驗。就像最好的面向客戶的 AI 驅動工具一樣，這些新的“智能 AI 教練”系統結合了多種數據源，以識別員工績效的具體優勢和劣勢。他們使用這些數據來選擇及時的、特定於上下文的輕推，通過員工的計算機或手持設備進行智能、刻意的重複。這些助推可以通過多種方式進行：作為常規的結構化程序；作為按需服務；或在員工執行任務時實時進行。它們還可以涵蓋廣泛的主題，例如員工健康和保健、客戶體驗或運營效率。也可以向主管提供助推，以鼓勵他們在正確的時間指導員工掌握正確的技能。

另一家公司使用智能 AI 輔導技術來提高其客戶服務呼叫中心的績效。在與客戶的對話開始時，人工智能係統會根據客戶的個人資料和過去的活動來確定最可能的通話原因。然後它會提醒代理與這種交互相關的最佳實踐。隨著通話的進行，系統會提供自動實時提示，例如建議額外的診斷步驟或交叉銷售機會。座席每週都會收到報告，慶祝在推動解決的領域中表現良好，例如減少他們的平均處理時間或總是將呼叫重新路由到最合適的團隊。該報告還建議採取行動和資源來解決可以改進的領域。

該系統也支持團隊領導。在每天開始時，它會根據對當天最可能預期的呼叫類型的預測，為他們提供資源，以便在早會中與團隊共享。在輪班期間，它會跟踪正在進行的呼叫的進度並標記可能需要主管注意的呼叫。每週總結提供對團隊和座席績效的見解，並提供有效的教練干預建議。

基於人工智能的教練系統現在正在一系列環境中產生重大影響。在一家商業服務提供商的呼叫中心，系統引入後的三週內，平均處理時間下降了 11%。另一家公司實現了需要轉移到第二個座席來解決客戶問題的電話份額迅速下降了 10%。在一家醫療保健公司，人工智能係統在其監控的 60% 以上的呼叫中識別出輔導機會。

智能 AI 教練發揮作用

基於人工智能的教練系統在一系列不同的工作情況下產生了令人印象深刻的結果，但要使它們有效地工作，需要仔細的定位、測試和開發。除了員工顯然需要定期訪問數字設備之外，這種方法最適合具有一些共同特徵的環境。首先，公司必須對個人員工層面的關鍵 KPI 有很好的理解，並且必須能夠根據這些 KPI 定義其對員工績效的期望。其次，它必須有明確的改進機會。通常，這意味著一組員工通常表現不佳，或者個人之間的績效差異很大。

一旦公司確定了合適的目標群體，最好使用敏捷原則部署該方法。通常，這涉及創建一個最小可行產品 (MVP)，該產品可以由選定的員工子組進行測試。 MVP 可用於評估人們對不同類型輕推的反應，並改進洞察力傳遞的方式和時間，以確保為用戶提供無縫體驗。根據公司在 AI/ML/高級分析之旅中的成熟度，最好先從商業智能工具開始，然後再轉向更複雜的算法。

與新技術一樣，許多艱苦的工作都發生在數字工具之外。成功的組織建立了一個由數字和學習專家組成的核心小組來領導試點並推動系統的開發，創建和改進人工智能模型，為員工開發新的推動力和為管理人員提供洞察力，並隨著時間的推移擴展系統以涵蓋更多的 KPI 和用例。該團隊還可以與更廣泛的企業合作，以確保為系統的所有用戶提供適當的培訓和支持，並促進整個組織的有效變革管理。

當員工感到被雇主理解和支持時，他們往往會更快樂、更有效率，也更有可能留下來。 借助人工智能的力量，公司終於可以每天為成千上萬的人提供及時、量身定制和有效的大規模輔導。

關於作者
Jorge Amar 是麥肯錫斯坦福辦事處的合夥人，Shreya Majumder 是該辦事處的顧問； Zachary Surak 是新澤西辦事處的合夥人； Nicolai von Bismarck 是波士頓辦事處的合夥人。

作者要感謝 John Parsons 和 Julia Sperling-Magro 對本文的貢獻。

  訪問麥肯錫網站了解更多詳情