چگونه Adobe از یک چت بات هوشمند برای پشتیبانی از 22000 کارگر از راه دور خود استفاده کرد

چگونه Adobe از یک چت بات هوشمند برای پشتیبانی از ۲۲۰۰۰ کارگر از راه دور خود استفاده کرد

کووید_۱۹

هنگامی که قرنطینه شدن به دلیل کووید_۱۹ در ماه مارس در سراسر ایالات متحده آغاز شد  تیم من در   Adobe  با واقعیتی جدی روبرو شد: تجارت مثل قبل دیگر ممکن نبود. در عرض یک هفته، باید نیروی کار خود، در سراسر جهان را، به حالت دورکاری در می‌آوردیم. تعداد کارمندان ما بیش از ۲۲۰۰۰ نفر بودند.

شرایط کسب و کار

قطعا فرآیندهای موجود و گردش کار ما برای این تغییر ناگهانی مجهز نبوده است. مشتریان، کارمندان، همکاران نمی‌توانستند که برای دریافت پاسخ سوالات خود، روزها منتظر بمانند.

 

راه حل

خیلی سریع فهمیدیم که تنها راه پاسخگویی به نیازهای آن‌ها بازنگری کامل در زیرساخت‌های پشتیبانی است. اولین قدم ما راه اندازی یک کانال اسلک در سراسر سازمان بود که سازمان IT و کل جامعه کارمندان Adobe را به هم متصل کند. IT help desk که ۲۴ ساعت روز در ۷ روز هفته در دسترس است ما را در آن کانال پشتیبانی کرد. در حالی که بقیه امکانات  IT برای سرعت بخشیدن به رویداد در دسترس قرار گرفتند.

همانطور که شروع به ساخت چارچوب و رابط‌ها در کانال اسلک کردیم، متوجه شدیم که سوالات و موضوعات خاص به طور مکرر مطرح می‌شوند.

 

چت بات‌ها

با تمرکز بر روی معمول ترین و وزین ترین مسائل، تصمیم گرفتیم پشتیبانی خود را برای سوالات و موضوعات متداول بهینه کنیم. ما به این AI و کانال اسلک مبتنی بر یادگیری ماشین “# wfh-support” لقب داده ایم. این فناوری پردازش زبان طبیعی داخلی (NLP) را در خود جای داده است.

پاسخ‌های چت بات می تواند به سادگی هدایت کارمندان به یک مقاله دانش بنیان موجود یا سوالات متداول، یا گام برداشتن آنها در مراحل حل یک مشکل، مانند راه اندازی یک شبکه خصوصی مجازی باشد. تصمیم گرفتیم ابتدا روی هشت موضوع پرتکرار تمرکز کنیم و امروز همچنان که می‌فهمیم چه عواملی مفید است و چه چیزی بیشترین مزایا را دارد، همچنان به افزودن قابلیت‌ها ادامه می دهیم.

نتایج شفاف _ کارمندان راضی

نتایج ملاحظه شده قابل توجه بوده است. از زمان اجرای این ابتکار عمل در ۱۴ آوریل، سیستم خودکار به بیش از ۳۰۰۰ پرسش پاسخ داده است. ما شاهد پیشرفت‌های چشمگیری در مناطق مهم هستیم. به عنوان مثال، هنگامی که ما خانه را تبدیل به محل کار کردیم، متوجه شدیم کارمندان بیشتری از طریق ایمیل به دنبال پشتیبانی فناوری اطلاعات هستند.

یادگیری عمیق

با کمک یک یادگیری عمیق و مکانیزم مسیریابی مبتنی بر NLP ، اکنون ۳۸٪ از ایمیل‌ها طی شش دقیقه به طور خودکار به صف پشتیبانی صحیح منتقل می‌شوند. ربات مسیریابی AI از یک روش طبقه بندی مبتنی بر شبکه عصبی برای مرتب سازی ایمیل‌ها به دسته‌ها یا پشتیبانی از صف‌ها استفاده می‌کند. براساس طبقه بندی پیش بینی شده، ایمیل به طور خودکار به صف پشتیبانی صحیح اختصاص می‌یابد.

این پیشرفت‌های هوش مصنوعی میانگین زمان لازم برای ارسال و مسیریابی ایمیل را از حدود ۱۰ ساعت به کمتر از ۲۰ دقیقه کاهش داده است. آموزش مداوم تحت نظارت ربات به ما کمک کرده است تا به دقت ۹۷٪ برسیم – تقریباً در حد یک متخصص انسانی. در نتیجه ، میزان تماس برای پشتیبانی داخلی ۳۵٪ کاهش یافته است.

ما با بررسی مداوم مکالمات گذشته در کانال اسلک و شناسایی کلمات کلیدی برای اصلاح موتور مبتنی بر قانون، برچسب گذاری داده‌ها از مکالمات گذشته برای کمک به آموزش مدل NLP برای تطبیق قصد بهتر و بررسی مکالمات، میزان پاسخ و وضوح چت بات خود را بهبود می‌بخشیم.

مسائل مهم را شناسایی کنید و پاسخ جدیدی برای ربات ایجاد کنید. ما با اضافه کردن داده‌های جدید از ایمیل‌های حل شده به مجموعه آموزش، هر دو هفته مدل شبکه عصبی ربات مسیریابی را دوباره آموزش می‌دهیم. این نه تنها به شناسایی الگوهای مسیریابی جدید یا تغییر یافته کمک می کند، بلکه مدل را قادر می سازد تا دوباره یاد بگیرد و از خطاهای گذشته در پیش بینی‌های آینده جلوگیری کند.

 

روند کار

همانطور که ما همچنان به انتقال توابع فرایند اضافی به AI و chatbots ادامه می‌دهیم، بر چند ملاحظه اصلی متمرکز شده ایم. در ابتدا ، ما بررسی کردیم که به کمک فناوری بازده بالایی از سرمایه گذاری با در نظر گرفتن اعداد و معیارها برای هدایت ما در مسیر درست، به دست می آید. در عین حال، ما از نزدیک در نظر می گیریم که فناوری بر مشتری و کارمندان تأثیر می‌گذارد و ارزشی ارائه می‌دهد.

پس از شناسایی مسیر، به گروه‌ها اجازه می‌دهیم تا چت بات‌ها و هوش مصنوعی را برای اهداف مختلف و به روش‌های جدید آزمایش کنند تا بتوانند یاد بگیرند و رشد کنند. ما همچنین یک مرکز تعالی ایجاد کرده ایم که به ما امکان می‌دهد در مورد آنچه در داخل می‌آموزیم به سرعت و با دانش گسترده به اشتراک بگذاریم.

به عنوان مثال، ما در حال انجام کارهایی هستیم که در کانال اسلک “# wfh-support” با سایر ربات‌های گفتگوی دیگر برای امور مالی و وظایف مشتری روبرو هستیم. زمینه دیگری که ما همچنان در حال بررسی آن هستیم، اتوماسیون فرآیند رباتیک  است که به پیشرفت‌های تجاری اشاره دارد که از طریق ترکیب ربات‌های نرم افزاری مستقل و هوش مصنوعی حاصل می شود. ما در حال آزمایش و ارزیابی روش‌های جدید استفاده از فناوری ربات‌های نرم افزاری مستقل برای افزایش تجربه کارمندان خود هستیم.

سرانجام ، رسیدگی به مسائل مدیریت تغییر بسیار مهم است. ما این چالش را حتی مهمتر از درست به دست آوردن دقیق فناوری – خصوصاً در ابتدای ابتکار عمل – می دانیم. مردم باید فناوری AI و chatbot را بشناسند. اینکه چرا از آن استفاده می شود. چگونه می‌تواند به آنها کمک کند و چگونه ممکن است نقش آنها تغییر کند.

 

سخن آخر…

هنگام معرفی یک ابزار جدید فناوری ناشناخته، حفظ تجربه کارمندان در هسته اصلی فرایند آموزش و ادغام کردن با احساس راحتی و اطمینان در میان کارمندان بسیار مهم است. هوش مصنوعی و چت بات‌ها به عنوان یک نیروی کار جدید “مکمل” در Adobe ظاهر شده اند. این فناوری کاری را انجام می دهد که تیم‌های ما می توانند انجام دهند و آنها را برای مقابله با کار موثرتر و استراتژیک آزاد می کند.

تحقیقات صنعت از این رویکرد پشتیبانی می‌کند. گزارش سال ۲۰۱۷ PwC نشان داد که ۷۲٪ از مدیران بازرگانی معتقدند که هوش مصنوعی مزیت تجاری ایجاد می کند. اگرچه راهی آسان برای پیمایش همه گیر و تحول دیجیتال وجود ندارد، اما استفاده استراتژیک از اتوماسیون هوش مصنوعی و ربات های گفتگوی اینترنتی می تواند ارزشی را به همه افراد در اکوسیستم کارمندان برساند.

 

لینک کوتاه شده : https://amerandish.com/nkGKp

به این مطلب امتیاز دهید

به اشتراک بگذارید

اشتراک گذاری در whatsapp
اشتراک گذاری در telegram
اشتراک گذاری در linkedin
اشتراک گذاری در twitter
اشتراک گذاری در email

نظرات شما

فارس آوا

تبدیل گفتار به متن

باتاوا

دستیارسازمانی - چت بات

هوشتل

اپراتورهوشمند مرکز تماس

بینایار

درک هوشمند ویدیو و تصویر

_ مطالب مرتبط _