À medida que a Inteligência Artificial (IA) generativa e o machine learning permeiam cada vez mais operações e processos em todo o setor de serviços, Mark Brewer, vice-presidente de indústrias de serviços da IFS, compartilha suas cinco principais previsões de campo alimentadas por IA para 2024 e ilustra as oportunidades para esses diferentes tendências a se cruzarem.

PREVISÃO 1: Até 2025, 50% dos Contact Centers implementarão um copiloto de IA, onde cada agente pode ter o suporte de um especialista

Os contact centers sempre tiveram problemas de pessoal. Uma pesquisa global recente (2021) realizada pela NICE WEM descobriu que a taxa de desgaste do contact center era de surpreendentes 42%.

Quase um terço dos agentes pesquisados estavam procurando ativamente um novo emprego e, desses, apenas 60% queriam outra função no contact center. São MUITOS agentes insatisfeitos.

Uma mudança para tech stacks habilitadas para IA em call centers pode mudar isso. Está preparada para aumentar a satisfação do cliente e ajudar a aliviar a pressão do aumento do volume de chamadas de voz, mantendo os agentes apoiados, interessados e envolvidos.

Reunir as informações necessárias para resolver uma ligação de um cliente sobre uma avaria de um veículo ou uma caldeira quebrada não é fácil. É muito estressante e complexo para o agente.

Os detalhes necessários e as variáveis logísticas podem muito bem ser mantidos em vários sistemas, mas todos devem ser considerados em conjunto para alcançar uma resolução de chamada em tempo real.

Cinco tendências de IA para 2024
Pixabay

Aumentando a performance do agente

A IA fornece uma maneira de dar suporte aos agentes com um assistente virtual – um copiloto – em tempo real enquanto eles trabalham no processamento de chamadas.

Por exemplo, um copiloto de IA poderia fazer a triagem automática e priorizar visualmente as chamadas mais urgentes para os agentes em um painel, com base no reconhecimento de voz de frases-chave mencionadas em uma solicitação.

Da mesma forma, ele pode exibir informações sensíveis ao contexto enquanto a chamada está em andamento – por exemplo, avisos para tentar diagnosticar uma falha ou a proximidade e o tempo de viagem do engenheiro qualificado mais próximo.

Aqui, a tecnologia autônoma inteligente não está substituindo, mas sim ampliando o agente, capacitando-o a oferecer uma experiência melhor, mais tranquilizadora e eficiente ao cliente.

Apoiado por um copiloto alimentado por IA, cada agente se torna um especialista – incluindo os funcionários que são novos ou relativamente inexperientes na função.

Previsão 2: Até 2026, 70% das organizações se tornarão “circulares por padrão”

Com o crescente escrutínio global sobre a sustentabilidade, tanto os consumidores como as empresas querem reter produtos e equipamentos por mais tempo.

A economia circular assistiu a uma mudança no modelo de sustentabilidade; o cumprimento obrigatório dos regulamentos transformou-se num entusiasmo ativo para se tornar inerentemente sustentável.

As organizações sabem que os consumidores agora querem comprar de empresas ambientalmente conscientes.

Da mesma forma, o modelo de serviço baseado em resultados também está se tornando mais atraente.

À medida que os consumidores começam a se inscrever para ofertas, os fornecedores podem dar-se ao luxo de manter os ativos de forma otimizada para maximizar a sua vida útil, reduzindo as emissões, os resíduos e a reciclagem.

Espero também que comecemos a ver capacidades de self-healing sendo projetadas em novos produtos, como eletrodomésticos e veículos, eliminando o custo, o tempo e o impacto ambiental de visitas desnecessárias de serviço de campo.

Previsão 3: Até 2027, 30% das organizações centradas em ativos vão se favorecer da visão computacional para ficar de olho no mundo

Enquanto a IA permite que os computadores pensem, a visão computacional permite que os computadores vejam, observem e compreendam. Por exemplo, num ambiente de produção ou de processo, a IA pode ser treinada para analisar e detectar imagens de vídeo que indiquem uma falha ou um risco de segurança.

A visão computacional já está sendo utilizada tanto nos setores de petróleo e gás como no marítimo para monitorar e detectar corrosão, informando inspeções manuais oportunas e manutenção preventiva, enquanto robôs autônomos equipados com múltiplas câmeras monitoram as operações em fábricas e armazéns.

Cada vez mais, os veículos de passageiros e comerciais estão agora equipados com câmeras, que captam vídeos enquanto conduzem. Ao aplicar algoritmos de reconhecimento de imagem adequados, esses dados de fluxo podem ser usados para visão computacional, relatando problemas de manutenção de infraestrutura.

Os exemplos incluem sinais de trânsito encobertos, crescimento de árvores desgastando cabos aéreos e linhas telefônicas e veículos detectando e relatando automaticamente locais com buracos.

Previsão 4: Até 2028, 30% das organizações de serviço pilotarão veículos autônomos no caminho para a “produtividade total”

Uma das principais métricas no serviço de campo sempre foi a produtividade (utilização): a quantidade de tempo que um engenheiro de campo realmente gastou no trabalho.

Esse “tempo de chaveamento” normalmente varia entre 50% e 95%, mas a maioria das organizações almeja cerca de 70 a 80% de utilização.

Dirigir pode facilmente ocupar 30% do dia de um engenheiro, com a administração adicionando mais 20-30%. Mas com a introdução dos veículos autónomos, as viagens deixaram de ser um tempo de inatividade.

Com um veículo autônomo na direção, os engenheiros podem preparar-se para a sua próxima visita, garantindo que estão preparados.

Como as viagens autônomas são planejadas e roteadas digitalmente, são excepcionalmente eficientes e levam em conta a autonomia do VE e as necessidades de carregamento.

Os motoristas humanos precisam de ajuda para fazer isso bem. O IFS Planning & Scheduling Optimization (PSO) orientado por IA elimina todas as suposições.

Além de planejar horários e rotas ideais, o aplicativo usa dados de telemetria do veículo em tempo real para fazer alterações de forma dinâmica – por exemplo, parar para carregar por 10 minutos, permitindo que um engenheiro realize mais dois trabalhos extras, aumentando a produtividade diária do engenheiro em 50%.

Previsão 5: Até 2026, a IA se tornará o gerente de frota final para 40% dos prestadores de serviços centrados em ativos

Os dados de vídeo transmitidos dos ativos, interpretados por visão computacional, aumentarão a visibilidade do gestor da frota. Por exemplo, as turbinas eólicas são rotineiramente equipadas com sensoriamento remoto IoT.

Os fabricantes de turbinas têm acesso a dados operacionais e de desempenho em tempo real de milhares de ativos vendidos e mantidos em centenas de instalações de parques eólicos de clientes.

Graças à IA, a inteligência proveniente de câmaras, sensores, registros de serviço e modelos de gêmeos digitais pode proporcionar aos gestores de frota a máxima visibilidade.

A IA pode identificar rapidamente qualquer parque eólico com desempenho mais eficiente e gerando mais energia do que outros locais comparáveis. Além disso, ele pode comparar especificações para identificar o motivo: por exemplo, porque um local usa uma calibração de engrenagem diferente e mais eficaz.

Neste ponto, a IA identificou uma vantagem competitiva e uma oportunidade de vendas para o fabricante. Ele gera automaticamente uma proposta ao operador do parque eólico com baixo desempenho, oferecendo um serviço de recalibração que proporcionará um resultado garantido de, digamos, um aumento de 20% na eficiência da geração de energia.

Todo este ciclo, incluindo o preço dos serviços, foi iniciado automaticamente pela IA com pouca ou nenhuma intervenção humana e sem chamadas de vendas. Assim, passando de vendas baseadas em transações para um parceiro consultivo, baseado em fatos e com valor agregado.

Da prevenção do tempo de inatividade à melhoria da condução

Da mesma forma, num ambiente de produção, a análise de IA pode permitir que os fabricantes de máquinas melhorem a eficiência, a produtividade e o rendimento para os clientes ao longo do ciclo de vida.

Isso leva a manutenção além da prevenção do tempo de inatividade, para impulsionar a melhoria operacional.

Ao eliminar a subjetividade humana e antecipar as mudanças, a IA dá a cada empresa o potencial para ser líder. De repente, fatores como clima, tendências de vendas, demanda, taxas de uso e muito mais tornam-se automaticamente parte de um quadro de desempenho informado e habilitado para IA.

Até mesmo o serviço não precisa mais ser genérico: a IA pode criar documentação e recomendações específicas para instâncias, garantindo sempre a peça de serviço correta e o procedimento e intervalo ideais.

Por exemplo, o programa Rolls Royce Blue Data Thread extrai dados de desempenho do motor de frotas de aeronaves de vários clientes. Usando a análise de IA, os intervalos de manutenção para modelos de aeronaves semelhantes são específicos da instância – personalizados com base no uso e desgaste do motor.

Juntamente com outras sugestões operacionais, este serviço de valor acrescentado já minimiza o tempo desnecessário da aeronave em terra (AOG), aumentando a rentabilidade operacional.

Em resumo, podemos esperar o surgimento de grandes mudanças em todo o setor que, antes da IA, simplesmente não teriam sido possíveis. Minhas postagens futuras irão explorá-los ainda mais à medida que aparecerem.

Há uma verdadeira revolução a caminho e o serviço está na vanguarda. Eu ficaria feliz em ouvir sua opinião… leia mais em Baguete 24/01/2024