Применение ИИ - послепродажное обслуживание и выездное обслуживание

Генеративный ИИ (gen AI) преобразует послепродажное обслуживание и выездное обслуживание, предлагая новые способы повышения эффективности и улучшения клиентского опыта.

Цепочки создания стоимости услуг являются главными кандидатами на ускоренную цифровизацию и интеграцию технологий ИИ. Многие компании, ориентированные на услуги, обладают огромными хранилищами технических и клиентских данных. Присущая услугам изменчивость и сложность делают их особенно подходящими для применения ИИ, которые могут предсказывать результаты с точностью, превосходящей человеческие возможности.

Опасности, которые мешают цифровым развертываниям, включают фрагментированные данные, устаревшие системы, неадекватные технологии, отсутствие специализированных знаний, проблемы управления изменениями, слабые бизнес-кейсы и плохое стратегическое руководство.

Пять ключевых действий.

Преобразование сферы услуг

Первым шагом в создании влияния на P&L является переосмысление того, как могут предоставляться услуги. Вместо того, чтобы добавлять цифровые точечные решения в существующие процессы обслуживания, ведущие компании начинают с составления карты пути обслуживания будущего. Это помогает им понять, как будет создаваться ценность для различных заинтересованных сторон, включая клиентов, поставщиков услуг/партнеров, цепочку поставок, технических специалистов (полевых и удаленных), отделы продаж и персонал бэк-офиса. Это также показывает им, где этим заинтересованным сторонам нужно будет трансформировать свои методы работы.

Последствия для основных процессов, управления, ключевых показателей эффективности и требований к талантам формируют основу этого нового сервисного плана.

Использование наиболее перспективные варианты использования

Хотя существует множество вариантов использования ИИ, некоторые из них стали ранними лидерами, оказывая значительное влияние на цепочки создания стоимости услуг. 

Четыре примера.

• Генерация лидов по продажам и ответ на тендеры. Несколько ведущих компаний увидели значительный рост услуг, поддерживаемых генерацией лидов с помощью ИИ, а также квалификацией лидов с поддержкой ИИ и ответом на запросы предложений. Некоторые организации теперь полностью интегрируют «виртуальных агентов продаж» поколения AI в свои системы управления взаимоотношениями с клиентами (CRM). Эти агенты могут автоматически подготавливать и отправлять персонализированные сообщения сотням или даже тысячам клиентов по нескольким каналам, включая электронную почту и текстовые сообщения.
• Устранение неполадок и самообслуживание клиентов. Компании увеличивают удаленное разрешение и показатели первого исправления с помощью инструментов устранения неполадок с поддержкой ИИ. Успешные подходы подразумевают использование ИИ как второго пилота для более точного определения проблемы и предложения решения. Это улучшает качество обслуживания клиентов, расширяет возможности агентов, повышает эффективность контакт-центра и сводит к минимуму визиты технических специалистов на места благодаря удаленному разрешению и самообслуживанию клиентов.
• Планирование и составление графиков. Инструменты ИИ могут улучшить прогнозирование спроса посредством постоянного анализа соответствующих факторов, что позволяет динамически перепланировать рабочую силу и обеспечить более четкую коммуникацию с клиентами. Это приводит к лучшим результатам для клиентов и более эффективному использованию рабочей силы.
• Анализ контракта. Инструменты ИИ могут помочь компаниям выявить возможности в существующих контрактах для предложения новых услуг или предложения дополнительных продуктов существующим клиентам на основе анализа их предпочтений и поведения.

Объединение нескольких вариантов использования ИИ и данных может принести больше пользы.

Создание правильных данных

ИИ не будет многого стоить с плохими или ограниченными данными. Интеграция Gen AI в существующие системы имеет значительные последствия для технологического стека, который должен быть интегрированным, масштабируемым и безопасным. Это может включать модернизацию существующих систем для обеспечения поддержки возможностей ИИ и создание новой инфраструктуры, которая может соответствовать требованиям к данным для расширенных вариантов использования ИИ. Эти требования включают широкий набор источников данных и типов данных, включая:

• Данные процесса: документация по техническому обслуживанию, устранению неисправностей, по основным видам отказов, по анализу видов и последствий отказов (FMEA), а также стандартные рабочие процедуры и рабочие инструкции.
• Данные IoT: достаточный объем данных с датчиков на оборудовании для мониторинга ключевых параметров и прогнозирования аномальных состояний
• История оборудования: данные о конфигурации оборудования и изменениях конфигурации, прошлых сбоях и действиях по техническому обслуживанию.
• Данные о цепочке поставок: включает доступность деталей, местонахождение запасов, время доставки и время выполнения заказа поставщиком
• Данные о персонале: охватывают навыки, доступность и местонахождение полевых сервисных групп и вспомогательного персонала.

Организациям необходимо обеспечить наличие, точность и доступность этих данных, а также защитить конфиденциальную информацию, интеллектуальную собственность и модели ИИ для предотвращения кражи данных или их незаконного использования. Это требует эффективного управления данными со строго соблюдаемыми стандартами сбора данных, четкой маркировкой и надежными мерами кибербезопасности.

Принятие вызова

Gen AI может позволить игрокам рынка послепродажного обслуживания и выездного обслуживания получить существенную выгоду. Любая сервисная компания, которая сумеет внедрить улучшения раньше коллег, получит огромное конкурентное преимущество как по стоимости, так и по качеству.

Достижение эффекта с помощью Gen AI требует креативности, принятия риска и готовности просматривать целые пути или процессы, чтобы выявить наиболее ценные возможности. Мы спросили, может ли Gen AI писать технические отчеты? Он мог! Мы спросили, может ли Gen AI дискутировать с техническими командами, чтобы находить более быстрые решения сложных проблем. Он мог! Мы спросили, могут ли ИИ и расширенная аналитика помочь в планировании сложных технических задач в рамках инженерных допусков и ограничений риска. Они могли! Учитывая неотъемлемые риски этих задач, ни одна из этих вещей не происходит без участия человека, но мы должны сделать шаг назад и рассмотреть возможности непредвзято, чтобы разблокировать это влияние.

Технологии искусственного интеллекта обладают значительным потенциалом для послепродажного обслуживания и обслуживания на местах, но перед их внедрением в организации следует рассмотреть следующие ключевые вопросы:

• Каковы цели обслуживания? Четко определите, чего вы хотите, чтобы Gen AI достиг для бизнеса, будь то увеличение дохода или повышение эффективности. Решите, что более важно для организации.
• Где Gen AI может оказать наибольшее влияние? Посмотрите на общую картину и определите области на всем пути, где ИИ может принести пользу. Серия взаимосвязанных вариантов использования ИИ с большей вероятностью создаст существенные изменения и поможет достичь стратегических целей.
• Есть ли у организации необходимые цифровые основы? Они включают надежную инфраструктуру, надежные данные и эффективное управление.
• Решение вопросов заранее поможет организации создать прочную основу для послепродажного обслуживания и полевых услуг следующего поколения. Учитывая финансовые и временные инвестиции, убедитесь, что готовы извлечь выгоду, которая принесет пользу клиентам, сотрудникам и акционерам.

Источник

https://www.mckinsey.com/capabilities/operations/our-insights/from-pilot-to-profit-scaling-gen-ai-in-aftermarket-and-field-services

From pilot to profit: Scaling gen AI in aftermarket and field services. March 13, 2025. Article by Florent Kervazo, Markus Forsgren, Subu Narayanan.