エンタープライズAI会話では、モデルサイズ、トレーニングデータ、または自動化の可能性に焦点を当てますが、アプリケーション環境(特に販売コーチング)では、実際の課題はモデル能力ではありません。 Hyperboundの創設製品デザイナーは、会話型AI、学習システム、およびエンタープライズUXの交差点で働いています。彼の焦点は、マネージャーをAIで置き換えることではなく、人間のワークフローを破ることなくフィードバックをスケールするシステムを設計することです。 ユージン・レイカ ユージン・レイカ 彼が取り組んでいる問題は構造的なものです。 なぜ伝統的なセールスコーチングはスケールしないのか ほとんどの企業のセールスチーム内では、マネージャーは10〜25人の代表者を監督しています. 各代表者は週に数十回の通話を生成することができます. これらの会話のほんの一部を手動でレビューすることは、操作的に非現実的です。 コーチングはこうなります: 
 
 
 
 総合的ではなくサンプルベース 文脈的というより遅い データよりメモリに依存する 「ほとんどのコーチングシステムは事実の後に介入する」とReukaは説明しますが、「取引は振り返りではなく、動きによって形作られています。 技術的な問題は、マネージャーを騒音で圧倒することなく、スケールで会話パターンを観察できるシステムをどのように設計するかです。 この質問はすべて下流を形作ります。 「Constrained AI vs. General AI」 ReukaがAIシステムに適用する主要な原則の1つは制約です。 幅広いオープンエンドの会話エージェントを構築する代わりに、彼は厳密に範囲化されたロールプレー環境を好む。 
 
 
 
 
 具体的な販売方法 反対の枠組みの定義 構造化スコアカード Persona-specific Conversational Styles(個別会話スタイル) これは幻覚のリスクを減らし、信頼性を高める。 “Generalized AI feels impressive,” he notes. “Constrained AI feels usable.” 「一般化されたAIは印象的だ」と彼は言います。 システム設計の観点から、このアプローチは問題空間を狭め、言語モデルに可能な人間をシミュレートするよう求めるのではなく、文脈的推論によって強化された既知の意思決定の木の中で実行するという任務があります。 この建築的決定は、学習結果に直接影響を与えます。 The Roleplay Design Challenge: プレッシャーのない現実主義 AIトレーニング環境に関する一般的な誤解は、より多くの現実主義が自動的に効率を向上させるということです。 ルーカは反対。 初期の設計調査では、AIのロールプレーにはビデオアバターが含まれるべきか?システムは完全に体現した購入者個性をシミュレートするべきか? 技術的には、AIによって生成されたアバターは不完全であり、マイクロ表現の遅延、目の追跡の不正確さ、そして微妙なタイミングの不一致は、しばしば心理学者が「不思議な谷」効果と呼ぶものを作り出す。 しかし、最も重要なのは心理的な問題です。 「何かがあまりに人間的に見えるが、少し離れているとき、それは分散を生み出す」とルーカは言います。 代わりに、彼は高信頼性のオーディオ相互作用を優先した。スピーチ合成と会話遅延は著しく成熟しており、AIの声は自然なカデンス、中断処理、および文脈記憶を維持することができます。 結果は、関わるのに十分に現実的な感じがするトレーニング環境ですが、不安を減らすのに十分に人工的な感じです。 そのバランスは、採用と繰り返しを増加させます - 両方ともスキル開発にとって重要です。 ・Feedback Loopの設計 より技術的に要求の高い層は、電話後のインテリジェンスです。 規模では、会話分析には複数の処理ステップが必要です。 
 
 
 
 
 
 テキスト・トランスクリプション 異議とキーワード検出 Conversational Flow セグメント Sentiment and Engagement Signal inference(感覚とコミットメント信号推定) 内部スコアカードに対する調和 しかし、 Raw Analytics はコーチングではありません。 システムはシグナルを行動に変える必要があります。 Reukaのアプローチは、監督による自動化を強調しています。もし代表者が一貫して特定の異議タイプと闘っている場合、システムはターゲット化された役割割を提案する可能性があります。 このハイブリッドコントロールモデルは意図的です。 「AIは判断を助けるべきであり、それを超えるべきではない」 デザインの課題は、ユーザーを圧倒することなく洞察を表面化することです. too much data creates paralysis. Too little removes value. これらの極端をバランスを取るには、広範なユーザーの観察が必要です。 UX for Non-Technical Teams(非技術チーム) 企業のセールスチームはエンジニアのように考えない。 メトリクスや行動分析に過剰に取り込まれたダッシュボードは、ユーザビリティを低下させることがあります。 Reuka は、進歩的な開示の原則を適用します。 
 
 
 
 
 表面高レベルの信号を最初に 必要に応じてのみドリルダウンを許可 SaaS 相互作用パターンの認識 最低限の認知負荷 ユーザーテストは、行動観察に焦点を当てています: 
 
 
 
 
 まず目はどこへ向かうのか。 インスピレーション的に何をクリックするのか。 躊躇はどこで起こるのか。 タスクの完成にはどのくらいの時間がかかりますか? 目標は明確さではなく密度です。 「複雑なバックエンドシステムは、ユーザーにとって複雑でなければならない」 この哲学は、AIシステムが関与する場合に特に重要です. 感知された不透明性は信頼を減らすことができます. シンプルさは信頼を向上させます. エンタープライズ信頼はエンジニアリングの問題 信頼はマーケティングの課題ではなく、システム設計の問題です。 AIコーチングプラットフォームを評価する企業は、通常、次のように質問します。 
 
 
 
 
 スコア精度 バイアスリスク ワークフローの干渉 時間の信頼性 Reuka は、段階的な統合モデルを通じてこれに近づきます。 
 
 
 
 
 観察モードのみ 提案に基づく勧告 マネージャー認定自動化 Incremental Behavioral Learning(増加する行動学習) 組織が採用速度を制御できるようにすることにより、抵抗は低下します。 「AIはパフォーマンスを通じてその権威を獲得すべきだ」 製品の観点から、この段階化された責任モデルは、規制されたまたは高性能な環境において不可欠になります。 人間中心のAI AIシステムに深く取り組んでいるにもかかわらず、Reukaの視点は依然として根底にある。 彼はAIを人間のリーダーシップやコーチングの代替として見ていない。 代わりに、彼はそれを可視性の倍増者としてフレームアップします - 人間が規模で現実的に監視できないパターンをキャプチャするシステム。 長期的な目標は自立ではなく、増加です。 販売コーチングでは、具体的には以下のことを意味します。 
 
 
 
 
 フィードバックの頻度の向上 マネージャーの帯域幅制限の削減 個性化スキル開発 人間の判断を守る エンタープライズAIシステムが進化し続けるにつれて、最も持続可能な実装は最も自律的なものではなく、最も統合されたものである可能性があります。 ルーカでは、統合はデザインから始まります。 
 
 このストーリーは、HackerNoonのBusiness Blogging Programの下でJon Stojanによってリリースされたものです。 このストーリーは、HackerNoonのBusiness Blogging Programの下でJon Stojanによってリリースされたものです。

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

このオーディオは、ストーリーの元の言語で制作されています。

実際に働くAIセールスロールプレーシステムの構築

About Author

コメント

ラベル

この記事は

Related Stories

デジタルノマドの皆さん、タイの新しい DTV ビザについて知っておくべきこと

ワークフローを10倍に向上させる方法: 必須アプリ17選

タップして稼ぐ：テレグラムはソラナより先に次の100億人の暗号通貨ユーザーを獲得する可能性がある

ユーザー中心の暗号通貨製品の作成: 顧客からのフィードバックの重要性

デジタルノマドの皆さん、タイの新しい DTV ビザについて知っておくべきこと

ワークフローを10倍に向上させる方法: 必須アプリ17選

タップして稼ぐ：テレグラムはソラナより先に次の100億人の暗号通貨ユーザーを獲得する可能性がある

ユーザー中心の暗号通貨製品の作成: 顧客からのフィードバックの重要性

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps