Citi, Aflac i Verizon: Trzy różne podróże Pega

Jak pokazano na PegaWorld iNspire w tym miesiącu, oferta Pega obejmuje automatyzację procesów zaplecza, a także tworzenie podróży w czasie rzeczywistym w kontakcie z klientem — wszystko to napędzane jest przez sztuczną inteligencję. Usiedliśmy z trzema głównymi klientami Pega, aby zrozumieć ich bardzo różne podróże.

Zaczęliśmy od firmy, która jest tak naprawdę najstarszym istniejącym klientem Pegi.

Citi i Pega: rubinowa rocznica

„Podczas gdy Pega jest z Citi od czterdziestu lat, ja nie” – powiedział Promiti Dutta, szef analityki, technologii i innowacji w amerykańskiej części Citi zajmującej się bankowością osobistą. Jej przygoda z Pegą zaczęła się cztery lata temu, kiedy dołączyła do Citi.

„Grupa analityczna, do której należę, nadzoruje sposób, w jaki dane i możliwości analityczne są przesyłane w całej firmie. Wiedzieliśmy, że nasz mechanizm decyzyjny dobiegł końca i potrzebowaliśmy nowego, więc pierwsze interakcje, jakie miałem z Pegą, dotyczyły osób próbujących sprzedać nam nowe Centrum Decyzji Klienta. Szczerze mówiąc, przeprowadziliśmy trochę badań, ponieważ Pega nie ma na to monopolu — Salesforce ma maszynę Einsteina, Adobe ma jedną, natknęliśmy się na kilka maszyn na zamówienie od mniejszych firm — ale w rzeczywistości żaden silnik decyzyjny nie ma wszystkiego i potrzebne byłoby pewne dostosowanie. ”

Rozmowa zeszła na temat tego, kto byłby lepszym partnerem i kto najlepiej pasowałby do wizji Citi, biorąc pod uwagę oferowane przez nie możliwości. „Więc z jakim partnerem chcieliśmy współpracować? Który partner najlepiej wpasował się w naszą wizję z możliwościami, które oferowali cztery lata temu? Pega była z pewnością najlepszym biegaczem”.

Oczywiście przez dziesięciolecia Citi korzystało z innych rozwiązań Pega, takich jak różne narzędzia przepływu pracy i zarządzanie przypadkami biznesowymi. Rzeczywiście, nie było to nowe podejście do podejmowania decyzji (w pewnym momencie korzystało z Chordiant, platformy BPM i CRM, którą ostatecznie przejęła Pega). „Prowadziliśmy już rozmowy z klientami” — powiedział Dutta — „tylko nie tak wyrafinowane, jak oferuje silnik decyzyjny Pega”.

Pega Customer Decision Hub wykorzystuje sztuczną inteligencję do identyfikowania i sugerowania kolejnych najlepszych działań dla każdego klienta w czasie rzeczywistym. Citi nieco węższe wykorzystuje Hub.

„O tym, co oferujemy klientowi, tak naprawdę nie decyduje mechanizm decyzyjny” — wyjaśnił Dutta. „Mamy wiele zaawansowanych metod i możliwości, które opracowaliśmy wewnętrznie, aby określić „co”. To „kiedy” i „gdzie” używamy Centrum decyzyjnego. Wszystkie „co” są ładowane do palety ofert; korzystając ze wskazówek kontekstowych i modeli działających w silniku decyzyjnym, ustala, kiedy klient widzi ofertę”.

Citi ma już przewidywania dotyczące potrzeb klienta, czy to w formie produktu, oferty czy innej formy zaangażowania. „To, co robi mechanizm decyzyjny Pegi, polega na tym, że wiesz, że kwalifikujesz się do otrzymania oferty lub czegoś innego, co należy teraz pokazać, aby było odpowiednie kontekstowo”, powiedział Dutta, dodając, że Pega ma dostęp do pełnego zakresu interakcji z kanałami użyć do podjęcia tej przemyślanej decyzji.

Jak każda instytucja finansowa, Citi zachowuje najwyższą ostrożność w kontaktach z klientami, ściśle przestrzegając zasad zarządzania ryzykiem modeli, uczciwego udzielania kredytów i protokołów dotyczących prywatności. Oznacza to pewne ograniczenia w korzystaniu ze sztucznej inteligencji. „Wszystko, co trafia do naszego centrum decyzyjnego Pega, przechodzi tę samą kontrolę. Musieliśmy przeprowadzić cały mechanizm decyzyjny przez ten sam proces, aby upewnić się, że klienci nie odczują negatywnych skutków”.

Kop głębiej: Pega : AI będzie napędzać autonomiczne przedsiębiorstwo

Verizon: Hyper-personalizacja dla biznesu i konsumenta

Biznesowa podróż Verizon rozpoczęła się, zanim Tommi Marsans dołączył do Verizon Business Group. Michael Cingari, obecnie wiceprezes ds. nauki o marketingu, CX i CRM, kilka lat temu zaczął korzystać z rozwiązania firmy Pega o kolejnym najlepszym działaniu po konsumenckiej stronie biznesu w centrum obsługi klienta.

„Przeszedłem przez przejęcie XO Communications przez Verizon” — powiedział Marsans, strateg ds. Technologii marketingowych. „Kiedy Verizon 2.0 nas zreorganizował, Mike Cingari rozpoczął praktykę nauk marketingowych i przeciągnął tam kilku z nas, aby wdrożyć Pegę dla biznesu. To był rok 2019. Zajęło nam trochę czasu, zanim zaczęliśmy, ale kiedy zaczęliśmy i zatwierdziliśmy nasze uzasadnienie biznesowe, zajęło nam mniej niż 13 miesięcy, aby zacząć wykazywać zwrot. Poszło nam lepiej niż wyszliśmy na zero w pierwszym roku, a potem w drugim roku: 20X”.

Podobnie jak w przypadku implementacji Pega po stronie klienta, Marsans i jej zespół pracowali w reaktywnej przestrzeni decyzyjnej — określaniu następnego najlepszego działania w odpowiedzi na zachowanie klientów (w tym przypadku klientów biznesowych). „Więc kiedy ktoś dzwonił do call center i chciał się rozłączyć, miał dla nich następną najlepszą akcję. Rozszerzyliśmy możliwości rozwoju i ulepszenia; następnie wszedł w przestrzeń niewspomaganą, cyfrową i stamtąd się rozwinął”.

Poprosiliśmy ją o wyjaśnienie wpływu następnego najlepszego działania na obsługę klienta. „Różnica, którą robimy, polega na kanałach wspomaganych, w których przedstawiciele serwisowi zachwycają klienta za wszelką cenę — więc zawsze wybierali najbogatszą ofertę, ponieważ to ta, która się trzymała, i nigdy tak naprawdę nie patrzyli na alternatywy. Kiedy daliśmy im alternatywy, wykorzystali je i było to równie skuteczne; rozwiązanie problemu dla klienta, a nie tylko płacenie mu za pozostanie, zapewnia lepszą obsługę klienta, a także doświadczenie użytkownika”.

Marsans podkreśla, że ​​decyzje klientów są hiperpersonalizowane. „Nie o tym chcielibyśmy z nimi rozmawiać; jest to następna najlepsza oferta, której naszym zdaniem by chcieli . To nie tylko oferty; zwłaszcza po stronie biznesowej istnieją w pełni upieczone rozwiązania. Rozmawiamy z nimi o następnym najlepszym z nich.

Oczywiście, aby centrum decyzji klienta mogło dokonywać świadomych ocen na temat kolejnych najlepszych działań, musi zostać przeszkolone w zakresie tego, co działało w przeszłości. „Jeśli masz historię transakcji”, powiedział Marsans, „możesz zasilić silnik i po prostu go uruchomić. Mamy również tradycyjne modele regresji, które również do nich wprowadzamy. Dopiero teraz zaczynamy korzystać z modelowania adaptacyjnego [AI in the Decision Hub]. Część AI silnika wymagała trochę nauki od nas, a nie od maszyny, aby wiedzieć, jak przedstawiać oferty i jaka jest właściwa sekwencja zdarzeń”.

Marsans powiedziała nam, że jest podekscytowana generatywnymi rozwiązaniami sztucznej inteligencji, które wprowadza na rynek Pega. „ Bez względu na to, jaki masz przypadek biznesowy, bez względu na to, jaki przypadek użycia masz rozwiązać, możesz go ponownie wykorzystać. Możesz użyć tego jako podstawy do innych rzeczy. Nie sądzę, że musisz mieć pełną implementację, która dociera do każdego kanału. Myślę, że możesz zacząć tam, gdzie zaczynasz”.

Wreszcie, jak trudno było przekonać marketerów do tego, co pod wieloma względami jest sprzeczne z intuicją? „Marzeniem każdego marketera jest posiadanie jasnej ścieżki klienta i możliwość wpływania na niego po drodze, aby doprowadzić go tam, gdzie chcesz” — powiedział Marsans. „Trudno im myśleć w kategoriach ciągłej rozmowy na wielu różnych kanałach, w przeciwieństwie do „Muszę wysłać ci coś, na co musisz odpowiedzieć”. To trochę zmiana paradygmatu, ale jeśli możesz pokazać im kilka pierwszych przypadków użycia, które możesz tam osiągnąć, to są w pełni na pokładzie”.

Kop głębiej: ograniczanie ryzyka związanego z generatywną sztuczną inteligencją poprzez włączenie człowieka w pętlę

Aflac: Skrócenie czasu do wartości

W tej chwili Aflac ma zupełnie inne zastosowania dla Pegi niż Citi i Verizon. Dopiero zaczynamy przyglądać się możliwościom Centrum decyzji klienta. Przede wszystkim Pega została wdrożona do analizy i automatyzacji procesów biznesowych i przepływów pracy. Wiele wykorzystano niskokodowego App Studio firmy Pega do tworzenia aplikacji, które rozumieją, a następnie automatyzują procesy biznesowe.

„To jedna z inicjatyw zgodnych z naszą strategią One Digital Aflac” — powiedziała Shelia Anderson, CIO w USA. „Myślę, że podróż trwała około sześciu lub siedmiu lat, skupiając się na możliwościach wprowadzenia bardziej zautomatyzowanego podejścia do rozwiązywania niektórych problemów z danymi technicznymi i spuścizną”.

Anderson jest stosunkowo nowy w Aflac i Pega. "Nadal się uczę. Jestem w organizacji od dziesięciu miesięcy i jak możesz sobie wyobrazić, nie koncentrowałem się na bardzo szczegółowym poziomie podstawowych platform; Skupiłem się bardziej na strategii przedsiębiorstwa”. Ale była świadkiem wyzwania, przed jakim stanęły niektóre grupy w organizacji, dostosowując się do podejścia Pega do niskiego kodu.

„Dla mnie największa zmiana, jaką widzę, dotyczy personelu inżynierskiego i jego oczekiwań, ponieważ inżynierowie lubią tworzyć kod; jest trochę zwrotów, aby przekonać ich, że nie warto tworzyć całego kodu od zera — wiele z tej podstawowej pracy zostało już wykonane za Ciebie, co daje Ci szybki start”.

Użytkownicy biznesowi wykorzystali możliwości stworzone przez niski kod. Aflac niedawno zorganizował „Pegathon”, podczas którego użytkownicy biznesowi mieli dostęp do App Studio, aby tworzyć aplikacje odpowiadające konkretnym przypadkom użycia. Planowane są kolejne. „To bardzo wciągający sposób, aby zacząć przyzwyczajać niektórych naszych użytkowników biznesowych do narzędzi, wykorzystać podejście do programowania z małą ilością kodu i pokazać im część wartości, którą mogą stworzyć samodzielnie”.

Pega miała jeden wpływ na przetwarzanie roszczeń. „Odkryliśmy, że spędzamy dużo czasu na roszczeniach o mniejszej złożoności (które są również bardziej wypłatami o niższej wartości)” – wyjaśnił Anderson. „Po przyjrzeniu się temu stwierdziliśmy, że bardziej efektywne byłoby automatyczne spłacanie tych roszczeń. Obecnie korzystamy z automatyzacji, sztucznej inteligencji lub uczenia maszynowego oraz procesu przepływu pracy, aby je automatycznie płacić. To ogromne uproszczenie dla naszych przedstawicieli obsługi klienta, dzięki czemu mogą skupić się na bardziej złożonych i krytycznych przypadkach”.

Anderson ma obecnie zespół zajmujący się generatywną sztuczną inteligencją, gdzie priorytetem jest monitorowanie bezpiecznego użytkowania i ochrony danych Aflac. Założyła również Pega Center of Excellence i Community of Practice: „To ogromna część miejsca, w którym nastąpiła nauka. W tej społeczności mamy ludzi, którzy spędzili siedem lat z Pegą, a także nowe osoby, które dołączają do tej grupy”.

Być może najbardziej namacalny wpływ, jaki Aflac wymienia, wynikał z wykorzystania Pega do konsolidacji wielu aplikacji do obsługi klienta na wielu ekranach w jedną platformę i uproszczenia pracy przedstawicieli obsługi klienta. Anderson informuje o 33% skróceniu czasu obsługi połączeń z prośbą o formularze roszczeń; 65% skrócenie czasu obsługi uwierzytelniania klientów; oraz około 77% wszystkich czatów w pełni obsługiwanych przez wirtualnych asystentów Pega w zeszłym roku (co oznacza oszczędność około 4 milionów dolarów).

Na głównej scenie PegaWorld Anderson mówił o „skróceniu czasu do uzyskania wartości dla wszystkiego, co robimy i utrzymaniu obiektywu klienta i skupieniu się na nim”.