Perbualan AI Enterprise sering memberi tumpuan kepada saiz model, data latihan, atau potensi automasi.Tetapi dalam persekitaran yang digunakan - terutamanya jurulatih jualan - cabaran sebenar bukan keupayaan model. Pengasas Reka Bentuk Produk di Hyperbound, telah bekerja di persimpangan AI perbualan, sistem pembelajaran, dan enterprise UX. Tumpuan beliau bukan kepada menggantikan pengurus dengan AI, tetapi pada reka bentuk sistem yang mengukuhkan maklum balas tanpa mengganggu aliran kerja manusia. Eugene Reuka yang Eugene Reuka yang Masalah yang beliau hadapi ialah struktural. Mengapa Coaching Jualan Tradisional Tidak Meningkatkan Dalam kebanyakan pasukan jualan syarikat, pengurus mengawasi mana-mana antara 10 dan 25 wakil. Setiap wakil boleh menghasilkan puluhan panggilan seminggu. Coaching ialah: 
 
 
 
 Berasaskan sampel daripada komprehensif Keterlambatan daripada konteks Bergantung kepada memori daripada data “Kebanyakan sistem latihan bertindak selepas fakta,” Reuka menjelaskan. ”Tetapi kesepakatan dibentuk dalam pergerakan, bukan dalam latar belakang.” Soalan teknikal menjadi: bagaimana anda merancang sebuah sistem yang boleh mengamati corak perbualan pada skala tanpa mengecewakan pengurus dengan bunyi? Soalan-soalan ini membentuk segala-galanya ke bawah. Pengecualian AI vs. Jeneral AI Salah satu prinsip utama yang Reuka terpakai kepada sistem AI adalah sekatan. Daripada membina agensi perbualan yang luas dan terbuka, beliau lebih suka persekitaran peranan yang ketat.Dalam amalan, itu bermakna sistem AI dikonfigurasi di sekitar: 
 
 
 
 
 Metodologi Jualan Khas Rangka kerja oposisi yang ditetapkan Scorecards yang terstruktur Gaya perbualan khas Ini mengurangkan risiko halusinasi dan meningkatkan keandalan. “IA yang digeneralisasi berasa mengesankan,” katanya. ”IA yang terhad berasa boleh digunakan.” Dari sudut pandang reka bentuk sistem, pendekatan ini mempersempit ruang masalah. alih-alih meminta model bahasa untuk mensimulasikan mana-mana manusia yang mungkin, ia ditugaskan untuk bertindak dalam pokok keputusan yang diketahui yang diperkuat oleh pertimbangan konteks. Keputusan arsitektur ini secara langsung memberi kesan kepada hasil pembelajaran. Cabaran Roleplay Design: Realisme Tanpa Tekanan Satu kesilapan biasa mengenai persekitaran latihan AI adalah bahawa lebih realism secara automatik meningkatkan kecekapan. Reuka tidak bersetuju. Dalam kajian reka bentuk awal, soalan muncul: adakah peranan AI termasuk avatar video? Secara teknikal, avatar yang dihasilkan oleh AI kekal tidak sempurna. latensi mikro-ekspresi, ketidaktepatan pengesanan mata, dan ketidaksamaan masa halus sering mewujudkan apa yang psikolog memanggil kesan "duni yang tidak biasa". Masalah yang paling penting ialah psikologi. “Ketika sesuatu kelihatan terlalu manusia tetapi sedikit keluar, ia mewujudkan gangguan,” kata Reuka. ”Dan gangguan mengurangkan kualiti pembelajaran.” Sintesis ucapan dan latensi perbualan telah matang secara signifikan, membolehkan suara AI untuk mengekalkan kaden semula jadi, pengendalian gangguan, dan memori konteks. Hasilnya ialah persekitaran latihan yang berasa cukup sebenar untuk terlibat, tetapi cukup buatan untuk mengurangkan kecemasan. Keseimbangan itu meningkatkan pengambilan dan pengulangan - kedua-duanya penting untuk pembangunan kemahiran. Mencipta Feedback Loop Lapisan yang lebih menuntut secara teknikal ialah kecerdasan selepas panggilan. Pada skala, analisis perbualan memerlukan beberapa langkah pemprosesan: 
 
 
 
 
 
 Transliterasi ucapan kepada teks Pengesahan dan pengesahan kata kunci Segmentasi aliran perbualan Perasaan dan sinyal dedikasi Penyesuaian terhadap skor dalaman Tetapi analisis mentah bukan coaching. Sistem perlu menterjemahkan isyarat kepada tindakan. Pendekatan Reuka menekankan automasi dengan pengawasan.Jika seorang wakil secara konsisten berjuang dengan jenis keberatan tertentu, sistem mungkin mencadangkan penugasan peranan yang ditargetkan.Pengurus boleh meninjau, mengesahkan, atau mengubah cadangan tersebut. Model kawalan hibrid ini adalah sengaja. “IA harus membantu penilaian, bukan melampauinya.” Cabaran reka bentuk terletak dalam memaparkan wawasan tanpa mengecewakan pengguna. Terlalu banyak data mewujudkan kelumpuhan. Terlalu sedikit mengeluarkan nilai. Menyeimbangkan ekstrem ini memerlukan pengamatan pengguna yang luas. UX untuk pasukan non-teknik Pasukan jualan syarikat tidak berfikir seperti jurutera. Dashboard yang berlebihan dengan metrik dan analisis tingkah laku boleh mengurangkan kegunaan. Reuka menggunakan prinsip-prinsip pengungkapan progresif: 
 
 
 
 
 Sinyal permukaan peringkat tinggi pertama Membenarkan penggerudian hanya apabila perlu Mengekalkan corak interaksi SaaS yang biasa Minimalkan beban kognitif Ujian pengguna memberi tumpuan kepada pengamatan tingkah laku: 
 
 
 
 
 Ke mana mata pergi terlebih dahulu? Apa yang dikesan secara naluri? Di mana keraguan berlaku? Berapa lama untuk menyelesaikan tugas? Tujuannya ialah kejelasan, bukan kepadatan. “Sistem backend yang kompleks tidak boleh berasa rumit kepada pengguna.” Filosofi itu amat relevan apabila sistem AI terlibat. opacity yang dirasakan boleh mengurangkan kepercayaan. kesederhanaan meningkatkan kepercayaan. Kepercayaan Enterprise Adalah Masalah Kejuruteraan Kepercayaan bukan hanya satu cabaran pemasaran; ia adalah satu masalah reka bentuk sistem. Syarikat yang menilai platform coaching AI biasanya bertanya: 
 
 
 
 
 Penilaian ketepatan Bahaya Bias gangguan aliran kerja Kebolehpercayaan dalam masa Reuka mendekati ini melalui model integrasi beransur-ansur: 
 
 
 
 
 Pengawasan mode sahaja Rekomendasi berasaskan cadangan Pengurusan automatik yang disetujui Peningkatan pembelajaran tingkah laku Dengan membolehkan organisasi untuk mengawal kelajuan penerimaan, rintangan berkurangan. “IA perlu mendapat kuasa melalui prestasi.” Dari perspektif produk, model tanggungjawab berturut-turut ini menjadi penting dalam persekitaran yang dikawal atau prestasi tinggi. Manusia berpusat AI Walaupun bekerja secara mendalam dengan sistem AI, perspektif Reuka kekal berasaskan. Beliau tidak melihat AI sebagai pengganti kepimpinan manusia atau jurulatih. Sebaliknya, beliau menggaramnya sebagai pengikut kelihatan - sistem yang menangkap corak yang manusia tidak boleh memantau secara realistis pada skala. Matlamat jangka panjang bukanlah kemerdekaan; ia adalah peningkatan. Dalam Coaching jualan secara khusus, ini bermaksud: 
 
 
 
 
 Meningkatkan frekuensi feedback Mengurangkan penghalang bandwidth pengurus Pengembangan Kemahiran Peribadi Mengekalkan penilaian manusia Apabila sistem AI korporat terus berevolusi, pelaksanaan yang paling berkelanjutan mungkin bukan yang paling otonom - tetapi yang paling bersepadu. Bagi Reuka, integrasi bermula dengan reka bentuk. 
 
 Kisah ini telah didistribusikan sebagai rilis oleh Jon Stojan di bawah Program Blogging Perniagaan HackerNoon. Kisah ini telah didistribusikan sebagai rilis oleh Jon Stojan di bawah Program Blogging Perniagaan HackerNoon.

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

Audio ini dihasilkan dalam bahasa asal cerita!

Membina sistem peranan jualan AI yang benar-benar berfungsi

About Author

KOMEN

GANTUNG TANDA

ARTIKEL INI DIBENTANGKAN DALAM

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps