Vzhledem k tomu, že umělá inteligence (AI) a strojové učení pronikají do stále většího počtu operací a procesů napříč odvětvím služeb, Mark Brewer, viceprezident pro odvětví služeb ve společnosti IFS, připravil pět nejzásadnějších předpovědí pro rok 2024 a příležitosti, kde se tyto různé trendy mohou promítnout.
Předpověď 1: Do roku 2025 bude 50 % klientských call center nasazovat AI kopilota
Klientská call centra měla vždy problémy s personálem. Nedávný celosvětový průzkum společnosti NICE WEM zjistil, že míra úbytku zaměstnanců call center dosahuje neuvěřitelných 42 %. Téměř třetina dotázaných zaměstnanců totiž aktivně hledala novou práci a z nich pouze 60 % chtělo jinou pozici v rámci oddělení. To je skutečně hodně nespokojených pracovníků.
Přechod na technologické balíčky s umělou inteligencí v call centrech to může změnit. Je připraven zvýšit spokojenost zákazníků a pomoci zmírnit tlak vyplývající z rostoucího počtu přijímaných hovorů tím, že udrží operátory v psychické pohodě.
Shromáždit informace potřebné k vyřešení telefonátu zákazníka ohledně poruchy vozidla nebo rozbitého kotle není snadné. Pro operátora je to někdy velmi složité a stresující. Potřebné údaje a logistické proměnné mohou být uloženy v několika systémech, přesto je třeba je všechny zohlednit dohromady, aby bylo dosaženo vyřešení hovoru v reálném čase.
Zvyšování výkonnosti operátorů
Umělá inteligence poskytuje operátorům podporu virtuálního asistenta – kopilota – v reálném čase při zpracování hovorů. Kopilot s umělou inteligencí by například mohl automaticky třídit a vizuálně upřednostňovat nejnaléhavější hovory pro operátory na řídicím panelu na základě hlasového rozpoznávání klíčových frází uvedených v požadavku. Podobně by mohl zobrazovat kontextově citlivé informace v průběhu hovoru – například výzvy k pokusu o diagnostiku závady nebo informace o blízkosti a dojezdové době nejbližšího kvalifikovaného technika.
Inteligentní autonomní technologie zde nenahrazuje, ale naopak doplňuje operátora a umožňuje mu poskytovat lepší, uklidňující a efektivnější služby zákazníkům. S podporou kopilota poháněného umělou inteligencí se každý operátor stává odborníkem – včetně těch pracovníků, kteří jsou v této roli noví nebo relativně nezkušení.
Předpověď 2: Do roku 2026 se 70 % organizací stane „standardně cirkulárními“
Vzhledem k rostoucímu celosvětovému dohledu nad udržitelností chtějí spotřebitelé i podniky zachovat výrobky a zařízení po delší dobu.
Oběhové hospodářství zaznamenalo posun v modelu udržitelnosti od biče k mrkvi: povinné dodržování předpisů se změnilo v aktivní nadšení stát se přirozeně udržitelným. Organizace vědí, že spotřebitelé nyní chtějí nakupovat od společností, které dbají na ochranu životního prostředí.
Stejně tak se stává atraktivnějším model služeb založený na výsledcích. Vzhledem k tomu, že spotřebitelé si začínají předplácet nabídky/služby, které známe již dlouho dobu, jako např. platba za službu vytápění nemovitostí (běžné u bytových jednotek známé jako centrální vytápění), tak si mohou si dodavatelé dovolit optimálně udržovat majetek, aby se maximalizovala jeho životnost, snížily se emise, odpad a recyklace.
Očekává se také, že se začneme setkávat s tím, že do nových výrobků, jako jsou spotřebiče a vozidla, budou navrhovány samoregenerační schopnosti, které eliminují náklady, čas a dopady na životní prostředí spojené se zbytečnými servisními prohlídkami v terénu.
Předpověď 3: Do roku 2027 bude 30 % organizací zaměřených na správu majetku využívat technologii strojového vidění, aby měly přehled o okolním světě
Zatímco umělá inteligence umožňuje počítačům myslet, počítačové vidění umožňuje počítačům vidět, pozorovat a chápat. Například ve výrobním nebo procesním prostředí lze umělou inteligenci vycvičit k analýze a detekci videozáznamů, které by mohly indikovat závadu nebo bezpečnostní riziko. Počítačové vidění se již používá v ropném a plynárenském průmyslu i v námořním odvětví k monitorování a detekci koroze, což umožňuje včasné manuální kontroly a preventivní údržbu, zatímco autonomní roboti vybavení několika kamerami monitorují provoz v továrnách a skladech.
Osobní a užitková vozidla jsou nyní stále častěji vybavena kamerami, které pořizují videozáznamy během jízdy. Použitím vhodných algoritmů pro rozpoznávání obrazu lze tento datový tok využít pro počítačové vidění a hlásit problémy s údržbou infrastruktury. Příkladem mohou být dopravní značky zakryté porostem, stromy obrušující nadzemní kabely a telefonní vedení nebo vozidla automaticky detekující a hlásící lokality výmolů.
Předpověď 4: Do roku 2028 bude 30 % organizací poskytujících služby využívat autonomní vozidla v rámci snahy o dosažení celkové produktivity
Jedním z klíčových ukazatelů v terénním servisu byla vždy produktivita: množství času, které terénní technik skutečně strávil na zakázce. Tento čas se obvykle pohybuje v rozmezí 50-95 %, ale většina organizací se snaží o využití kolem 70-80 %.
Řízení a transport může snadno zabrat 30 % dne technika a dalších 20-30 % připadá na administrativu. Se zaváděním autonomních vozidel však již cestování není prostoj. Díky autonomnímu vozidlu, které řídí dopravu, se mohou inženýři připravit na další návštěvu a zajistit si tak připravenost.
Optimalizace plánování a rozvrhování (PSO) poháněná umělou inteligencí IFS eliminuje veškeré nejasnosti. Kromě plánování optimálního rozvrhu a tras aplikace využívá telemetrická data vozidel v reálném čase k dynamickému provádění změn.
Předpověď 5: Do roku 2026 se AI stane hlavním správcem vozového parku pro 40 % poskytovatelů služeb zaměřených na majetek
Streamovaná videodata, interpretovaná počítačovým viděním, zvýší viditelnost toho, co může správce vozového parku vidět. Například větrné elektrárny jsou běžně vybaveny dálkovým snímáním IoT. Výrobci turbín mají přístup k výkonovým a provozním údajům v reálném čase z tisíců prodaných a udržovaných aktiv na stovkách zákaznických instalací větrných elektráren. Díky umělé inteligenci, inteligenci kamer, senzorů, servisních záznamů a modelů digitálních dvojčat mohou správci vozového parku získat dokonalý přehled.
Umělá inteligence dokáže rychle identifikovat jakoukoli větrnou elektrárnu, která pracuje efektivněji a vyrábí více energie než jiné srovnatelné lokality. Navíc dokáže porovnat technické údaje a zjistit, proč tomu tak je: například proto, že daná lokalita používá jinou a účinnější kalibraci převodovky. V tomto okamžiku umělá inteligence identifikovala konkurenční výhodu a prodejní příležitost pro výrobce. Automaticky vygeneruje návrh pro provozovatele nevýkonné větrné elektrárny s nabídkou rekalibrační služby, která přinese zaručený výsledek, například 20% zvýšení účinnosti výroby energie. Celý tento cyklus, včetně stanovení ceny služby, byl automaticky iniciován umělou inteligencí bez zásahu člověka nebo jen s minimálním zásahem člověka a bez prodejních hovorů.
Od prevence prostojů ke zlepšování
Stejně tak ve výrobním prostředí může analýza umělé inteligence umožnit výrobcům strojů zvýšit efektivitu, produktivitu a kapacitu pro zákazníky v průběhu celého životního cyklu. Údržba tak přesahuje rámec prevence prostojů a vede ke zlepšení provozu.
Odstraněním lidské subjektivity a předvídáním změn dává AI každé společnosti potenciál stát se lídrem. Nejednou se faktory, jako je počasí, trendy prodeje, poptávka, povinnost používání a další, automaticky stávají součástí obrazu výkonnosti s podporou AI a na základě informací. Ani služby již nemusí být obecné: AI může vytvářet dokumentaci a doporučení specifická pro daný případ, čímž zajistí pokaždé správný servisní díl a optimální postup a interval.
Celkově lze očekávat, že v celém odvětví dojde k významným změnám, které by před nástupem umělé inteligence nebyly možné.
Zdroj: www.ifs.com
