Uzņēmējdarbības AI sarunas bieži koncentrējas uz modeļa izmēru, apmācību datiem vai automatizācijas potenciālu. bet pielietotās vidēs - it īpaši pārdošanas apmācībā - patiesais izaicinājums nav modeļu spēja. , Hyperbound dibinātājs produktu dizainers, ir strādājis sarunu AI, mācīšanās sistēmu un uzņēmumu UX krustojumā. viņa uzmanība nav vērsta uz vadītāju aizstāšanu ar AI, bet gan uz sistēmu izstrādi, kas mēroga atgriezenisko saiti, nepārkāpjot cilvēka darba plūsmas. Eugenijs Reuka Eugenijs Reuka Problēma, ko viņš risina, ir strukturāla. Kāpēc tradicionālais pārdošanas trenažieris nav mērogs Lielākajā daļā uzņēmumu pārdošanas komandu vadītāji pārrauga jebkur no 10 līdz 25 pārstāvjiem. Katrs pārstāvis var radīt desmitiem zvanu nedēļā. Coaching kļūst par: 
 
 
 
 Piemērots, nevis visaptverošs Konteksts, nevis konteksts Atmiņa, nevis dati "Lielākā daļa treniņu sistēmu ieiet pēc fakta," skaidro Reuka. "Bet darījumi tiek veidoti kustībā, nevis atpakaļ." Tehniskais jautājums kļūst: kā jūs projektējat sistēmu, kas var novērot sarunu modeļus mērogā, nepārspiežot vadītājus ar troksni? Šis jautājums veido visu uz leju. Apgrūtināta AI vs. ģenerālis AI Viens no galvenajiem principiem, ko Reuka piemēro AI sistēmām, ir ierobežojums. Tā vietā, lai izveidotu plašus, atvērtus sarunu aģentus, viņš dod priekšroku stingri aptvertai lomu spēlēšanas videi. 
 
 
 
 
 Īpašas pārdošanas metodes Noteikta iebildumu sistēma Strukturētie scorecards Persona-specifiski sarunu stili Tas samazina halucinācijas risku un palielina uzticamību. “Ģeneralizētais AI jūtas iespaidīgs,” viņš atzīmē. “Robežots AI jūtas lietojams.” No sistēmu dizaina perspektīvas šī pieeja sašaurina problēmu telpu. Tā vietā, lai lūgtu valodas modeli, lai simulētu jebkuru iespējamo cilvēku, tas ir uzdevums darboties zināma lēmumu koka ietvaros, ko pastiprina kontekstuāls pamatojums. Šis arhitektūras lēmums tieši ietekmē mācīšanās rezultātus. Roleplay dizaina izaicinājums: reālisms bez spiediena Bieža kļūda par AI apmācības vidēm ir tāda, ka vairāk reālisma automātiski uzlabo efektivitāti. Reika nepiekrīt Agrīnā dizaina izpētē rodas jautājums: vai AI lomu spēlēšanai būtu jāietver video avatāri? Tehniski, AI ģenerēti avatāri joprojām ir nepilnīgi. mikro-izpausmes aizkavēšanās, acu izsekošanas neprecizitātes un smalkas laika nesaskaņas bieži rada to, ko psihologi sauc par "neparastu ielejas" efektu. Bet vissvarīgākais jautājums ir psiholoģisks. "Kad kaut kas izskatās pārāk cilvēku, bet nedaudz off, tas rada novirzi," saka Reuka. Tā vietā viņš piešķīra prioritāti augstas ticamības audio mijiedarbībai. runas sintēze un sarunu latentums ir ievērojami nobriedis, ļaujot AI balsīm saglabāt dabisko kadenci, pārtraukuma apstrādi un kontekstuālo atmiņu. Rezultāts ir apmācības vide, kas jūtas pietiekami reāli, lai iesaistītos, bet pietiekami mākslīgi, lai samazinātu trauksmi. Šis līdzsvars palielina pieņemšanu un atkārtošanos - abi ir kritiski svarīgi prasmju attīstībai. Feedback Loop izstrāde Tehniski prasīgākais slānis ir pēcdzemdību izlūkošana. Mērogā sarunu analīze prasa vairākus apstrādes soļus: 
 
 
 
 
 
 Runas-teksta transkripcija Iebildumu un atslēgvārdu noteikšana Sarunu plūsmas segmentācija Emocijas un iesaistīšanās signālu inference Saskaņošana ar iekšējiem rādītājiem Bet neapstrādāta analīze nav coaching. Sistēmai ir jāpārvērš signāls darbībā. Reuka pieeja uzsver automatizāciju ar uzraudzību.Ja pārstāvis pastāvīgi cīnās ar konkrētu iebildumu veidu, sistēma var ieteikt mērķtiecīgas lomu iecelšanas. Šis hibrīda kontroles modelis ir tīšs. “AI vajadzētu palīdzēt spriedumam, nevis to pārspēt.” Dizaina izaicinājums ir parādīt ieskatu, nepārspējot lietotājus. pārāk daudz datu rada paralīzi. Šo ekstremitāšu līdzsvarošana prasa plašu lietotāju novērošanu. UX ne-tehniskām komandām Uzņēmumu pārdošanas komandas nedomā kā inženieri. Dashboards pārslogots ar metriku un uzvedības analīzi var samazināt lietojamību. Reuka piemēro progresīvās izpaušanas principus: 
 
 
 
 
 Augsta līmeņa signāli vispirms Atļaut griezumu tikai tad, ja nepieciešams Saglabāt pazīstamus SaaS mijiedarbības modeļus Minimālā kognitīvā slodze Lietotāju testēšana koncentrējas uz uzvedības novērošanu: 
 
 
 
 
 Kur acis vispirms dodas? Kas ir instinktīvs? Kur rodas šaubas? Cik ilgs ir uzdevuma pabeigšanas laiks? Mērķis ir skaidrība, nevis blīvums. "Sarežģītām aizmugures sistēmām nevajadzētu justies sarežģītām lietotājam." Šī filozofija ir īpaši svarīga, ja ir iesaistītas AI sistēmas. uztveramā nepārredzamība var samazināt uzticēšanos. Uzticēšanās uzņēmumiem ir inženierzinātņu problēma Uzticēšanās nav tikai mārketinga izaicinājums, tā ir sistēmu dizaina problēma. Uzņēmumi, kas izvērtē AI coaching platformas, parasti jautā: 
 
 
 
 
 Precizitātes noteikšana Bias risks Darba plūsmas traucējumi Uzticamība laika gaitā Reuka pievēršas šim jautājumam ar pakāpeniskas integrācijas modeļiem: 
 
 
 
 
 Tikai modeļa novērošana Ieteikumi, kuru pamatā ir ieteikumi Vadītāja apstiprināta automatizācija Paaugstināta uzvedības mācīšanās Ļaujot organizācijām kontrolēt pieņemšanas ātrumu, pretestība samazinās. “AI vajadzētu nopelnīt savu autoritāti, izmantojot sniegumu.” No produkta viedokļa šis atbildības modelis kļūst par būtisku regulētā vai augstas veiktspējas vidē. Cilvēks-centrēts AI Neskatoties uz dziļu darbu ar AI sistēmām, Reuka perspektīva joprojām ir pamatota. Viņš neuzskata AI par cilvēka vadības vai coaching aizstājēju. Tā vietā viņš to apraksta kā redzamības reizinātāju - sistēmu, kas uztver veidus, kurus cilvēki nevar reāli uzraudzīt mērogā. Ilgtermiņa mērķis nav autonomija, tas ir palielinājums. Jo īpaši pārdošanas coaching, tas nozīmē: 
 
 
 
 
 Palielināt atgriezeniskās saites biežumu Menedžera joslas ierobežojumu samazināšana Personalizēta prasmju attīstība Cilvēka sprieduma saglabāšana Tā kā uzņēmumu AI sistēmas turpina attīstīties, visilgtspējīgākie īstenojumi var nebūt visautonomākie, bet visintegrētākie. Un Reuka gadījumā integrācija sākas ar dizainu. 
 
 Šis stāsts tika izplatīts kā Džona Stojana izlaišana HackerNoon biznesa emuāru programmas ietvaros. Šis stāsts tika izplatīts kā Džona Stojana izlaišana HackerNoon biznesa emuāru programmas ietvaros.

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

Šis audio ir izveidots stāsta oriģinālvalodā!

Izveidot AI pārdošanas lomu spēlēšanas sistēmas, kas faktiski darbojas

About Author

KOMENTĀRI

PAKARINĀT TAGUS

ŠIS RAKSTS TIKS PĀRSTRĀDĀTS

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps