「質の高いデータが大量にないエコシステムでは、解決策を見つけることははるかに困難であったでしょう」とアグラワル氏は言います。 「しかし、豊富なデータ エコシステムとエージェント ツールを組み合わせると、増分修正から高速変換が可能になります。」
データと AI ツールに投資し、迅速な実験に重点を置くことで、ソリューションの導入サイクルを加速できるとアグラワル氏は言います。チームは、顧客のニーズが満たされ、より広範囲のソリューションをより迅速に反復すれば、イノベーション サイクル全体が加速されることを学びます。
たとえば、Capital One は顧客のインサイトを使用して、チャット コンシェルジュと呼ばれる最先端のマルチエージェント AI フレームワークを作成し、自動車購入者やディーラーの顧客エクスペリエンスを向上させました。チャット コンシェルジュは、自動車購入者が最適な選択肢を決定できるように車両を比較したり、試乗や営業担当者との約束をスケジュールしたりするなどのタスクを 1 回の会話で実行できます。
アグラワル氏は、自動車購入者は参加ディーラーのウェブサイトを通じてチャット コンシェルジュと直接やり取りできると説明します。マーケティング担当者は、Navigator プラットフォームを通じてチャットにアクセスし、引き継ぐことができます。 AI アシスタントは、人間の推論を模倣するために連携する複数の論理エージェントで構成され、情報を提供し、顧客の要求に基づいてアクションを実行できるようにします。
AI ファーストの考え方の要素
最近の MIT Technology Review Insights の調査によると、リーダーの 70% が、自社でエージェント AI をある程度使用していると回答しています。経営幹部の約半数は、エージェント AI システムには、不正行為の検出 (56%) とセキュリティ (51%) の向上、コストの削減と効率の向上 (41%)、顧客体験の向上 (41%) の高い能力があると述べています。
将来的には、これらの結果が達成される可能性はさらに高くなると思われます。調査対象となった銀行幹部の半数以上は、今後も不正検出（75％）、セキュリティ（64％）、顧客エクスペリエンス（51％）の向上を期待していると回答した。金融サービスにおけるカスタマー エクスペリエンスを変革する大きな可能性を示すエージェント AI のユースケースには、カスタマー サービス リクエストへの対応、定期給与に合わせて請求書の支払いを調整する、金融契約から主要な契約条件を抽出するなどが含まれます。
顧客を変革の中心に置くには、AI の考え方が必要です。企業は、単に既存の製品を拡張することから、AI 機能のレンズを通して問題とユーザーのニーズを根本的に再考することに移行する必要があります。
Agrawal が推奨するベスト プラクティスには次のようなものがあります。
ユーザーの問題を解決するという AI の主な機能を再考します。 「本当の価値は、AI の誇大宣伝を追いかけることではなく、意味のある顧客の問題を解決することにあります。インパクトを重視することで、当社のイノベーションは単に早いだけではなく、革新的であることが保証されます」とアグラワル氏は言います。
高品質で適切に管理されたデータを基盤として開始します。 「システム全体にわたるデータの準備と統合された情報は、人工知能の交渉の余地のない基盤です。クリーンなデータ層がエージェント ループを組織し、顧客が尋ねる前に、顧客の問題を解決するために必要な洞察、推論、実行を可能にします」とアグラワル氏は説明します。
組み込み AI を使用してワークフローをゼロから再構築します。 「人々はモデルをブラックボックスとして扱いますが、エージェントシステムには多大な厳格さと監視が必要です。適切に管理されたデータエコシステムと責任あるAI標準を持つことは、これらのシステムの信頼を構築するために不可欠な構成要素です」とアグラワル氏は言います。
