Rozwiązania AI w Salesforce = Dane + AI + CRM

Od końca 2022 roku, m.in.: za sprawą ChatGPT, świat biznesu i technologii dużo uwagi poświęca rozwiązaniom AI. Dostawcy oprogramowania rozpoczęli wyścig na implementację rozwiązań sztucznej inteligencji w swoich produktach, a dyrektorzy i managerowie jeszcze intensywniej zastanawiają się, jak wykorzystać te narzędzia do poprawy wyników swoich organizacji. Systemy CRM pozostają w centrum tych starań jako miejsce codziennej pracy i zarządzania procesami w organizacjach.

W tym artykule przedstawię możliwości, jakie AI wprowadza do nowoczesnych rozwiązań CRM oraz zaproponuję niektóre z możliwych sposobów jej wykorzystania, używając przykładu firmy Omega Inc. Pomimo tego, że skupię się przede wszystkim na przykładzie technologii dostarczanej przez Salesforce, treść może być inspiracją w szerszym kontekście wykorzystania możliwości AI w systemach CRM.

AI w Salesforce – 10 lat nieustannego rozwoju

Dla pełnego kontekstu wykorzystania możliwości AI warto zaznaczyć, że rozwiązania wspierające podejmowanie decyzji oraz analizowanie dużych zbiorów informacji są już z nami od lat.
Od dekady administratorzy systemu Salesforce dysponują:

• mechanizmami uczenia maszynowego (ang. Machine Learning, ML),
• mechanizmami przetwarzanie języka naturalnego (ang. Natural Language Processing, NLP),
• możliwością rozpoznawania obrazów.

Wraz z pojawianiem się nowych rozwiązań AI systemy CRM wykorzystują również możliwości dużych modeli językowych (ang. Large Language Models, LLM).

Modele językowe

W zależności od potrzeb, które chcemy zaadresować, rozwiązania te można stosować w różnych kontekstach (za Wikipedia):

ML – algorytmy uczenia maszynowego, które budują model matematyczny na podstawie przykładowych danych, zwanych zbiorem uczącym, w celu prognozowania lub podejmowania decyzji bez bycia zaprogramowanym explicite przez człowieka do tego celu.
Przykładowe wykorzystanie: prognozowanie % odejścia danego klienta lub szansy na nowy zakup usług.

NLP – interdyscyplinarna dziedzina, łącząca zagadnienia sztucznej inteligencji i językoznawstwa, zajmująca się automatyzacją analizy, rozumienia, tłumaczenia i generowania języka naturalnego. Przykładowe wykorzystanie: ekstrakcja tekstu i rozpoznawanie sentymentu w treści dokumentu.

LLM – rodzaj modelu uczenia maszynowego, który został wytrenowany na ogromnych zbiorach danych tekstowych i potrafi generować tekst na podstawie podanego mu kontekstu. Przykładowe wykorzystanie: proponowanie treści na podstawie instrukcji oraz danych, czy wirtualni asystenci, z którymi można komunikować się językiem naturalnym.

Zrównoważone podejście

Implementując rozwiązania AI, warto wziąć pod uwagę zasady uwzględniające etyczne i zrównoważone podejście, które dotyczą m.in.:

• wykorzystywania wyłącznie danych, do których mamy prawo, z pominięciem informacji umożliwiających identyfikację osoby (ang. Personally Identifiable Information, PII),
• projektowania rozwiązań, które w żaden sposób nie są dyskryminujące,
• poinformowania użytkowników, że korzystają lub komunikują się z rozwiązaniem opartym o AI,
• optymalizacji wykorzystania modeli – przenalizowanie efektywności dużych modeli kontra mniejsze ale wyspecjalizowane rozwiązania.

AI w marketingu – Omega Inc.

Pozyskanie klientów w Omega Inc. rozpoczyna się od działań marketingowych, które w ramach aplikacji Marketing Cloud zapewniają projektowanie wielokanałowych ścieżek komunikacji z klientem. Marketingowcy są w stanie w szybki sposób dokonywać segmentacji klientów – AI rozumie polecenia wydawane w języku naturalnym i selekcjonuje na tej podstawie odpowiednią grupę klientów. Kreowanie kampanii, tematów oraz treści wiadomości jest również wspierane przez AI – każdorazowo marketerzy zapoznają się z propozycjami treści i mogą je zaakceptować lub dokonać zmian.

Co ważne – dane, z którymi pracujemy obejmują wszystkie informacje na temat klientów z wielu systemów – zunifikowane oraz zharmonizowane dzięki Data Cloud. Sprzedaż oraz obsługa klientów Omega Inc. widzą treści oraz kampanie, które docierają do ich klientów.

Nowy widok klienta 360

W dzisiejszym świecie informacje o klientach docierają z wielu różnych źródeł i prawdopodobnie każda organizacja ma szanse gromadzić ich najwięcej w historii. Dane pozyskane w wielu kanałach mają różny format, a także treść – czasem klienci podają e-mail prywatny, czasem służbowy, używają różnych form w zależności od miejsca kontaktu.

Biorąc pod uwagę tak duże rozproszenie informacji, firmy stoją przed wyzwaniem ich uporządkowania i połączenia, a następnie skutecznego wykorzystywania. Co więcej, klienci stają się coraz bardziej wymagający. Oczekują, aby firmy potrafiły reagować w czasie rzeczywistym, np.: aby tuż po dokonaniu zakupu dział obsługi klienta widział konkretne zamówienie, a w momencie, kiedy nasze usługi przestają działać, kontakt nawiązany poprzez social media został jednoznacznie powiązany z naszym adresem zamieszkania.

Połączenie wielu źródeł aktualnych informacji stanowi fundament nowoczesnych systemów AI, dzięki czemu możemy wykorzystać mechanizmy, które przedstawiłem w pierwszym akapicie (Machine Learning), a wirtualny asystent będzie w stanie trafniej rozwiązywać zadania, które przed nimi stawiamy. Wszystko dzięki aktualnym danym, które połączone w zunifikowany profil klienta będą dostarczały informacji na temat jego aktualnych zachowań i decyzji.

AI w sprzedaży – Omega Inc.

Omega Inc. doskonale wykorzystuje możliwości AI do wspierania procesów sprzedażowych – zespół handlowców jest w stanie obsłużyć najbardziej wartościowe leady w rekordowo krótkim czasie.

Dzięki Lead Scoring każda z osób wie, które zgłoszenia należy traktować priorytetowo, a system automatycznie rekomenduje działania, jakie należy podjąć dla poszczególnych leadów, co ułatwia przygotowanie się do rozmowy z klientem. Podsumowanie rozmowy telefonicznej jest automatycznie generowane przez AI i zapisuje się w systemie. AI generuje również gotową propozycję treści e-maila, którą handlowiec może sprawdzić, a następnie wysłać do klienta jednym kliknięciem.

Potrzeba biznesowa

Zanim przystąpimy do implementacji rozwiązań AI, a jeszcze wcześniej do ich dobrania i dopasowania, warto dokładnie ustalić i nazwać kontekst biznesowy. Najczęściej konsultanci zadają w tym momencie jedno z dwóch pytań:

• Jaki cel chcesz osiągnąć?
• Jaki problem rozwiązujemy?

W tym momencie procentuje operowanie celami biznesowymi, a nie poprzez pryzmat możliwości technologii – dzięki temu wypracowujemy nowy punkt widzenia, który zostanie zaadresowany odpowiednim rozwiązaniem AI.

Równie ważne jak kontekst biznesowy są dane, które chcemy wykorzystać do wdrożenia nowoczesnych rozwiązań:

• jakie informacje weźmiemy pod uwagę,
• skąd pochodzą,
• czy mamy w związku z nimi odpowiednie zgody,
• w jaki sposób chcemy je ze sobą połączyć, aby uzyskać zunifikowany profil klienta.

Im lepszej jakości będą informacje, tym skuteczniejsze będzie rozwiązanie oparte na AI. Etap klasyfikacji danych oraz zwalidowania ich jakości jest krytyczny dla skuteczności mechanizmów AI – to dzięki nim rozwiązania będą osadzone w kontekście naszej firmy i celów, które chcemy osiągnąć.

Mając zdefiniowaną potrzebę biznesową oraz dane, możemy przystąpić do zweryfikowania możliwości technologicznych rekomendowanego rozwiązania. Proof of technology ma za zadanie dostarczyć odpowiedź na pytanie, czy dana technologia jest w stanie zaadresować nasze potrzeby w sposób bezpieczny, skalowalny w przyszłości oraz czy jej utrzymanie i modyfikacje będą odpowiednio elastyczne.

PoC / PoV

Po tym, jak potwierdzimy, że dana platforma dysponuje technologią, która odpowie na nasze wymagania, w kolejnym kroku budujemy tzw. proof of concept, który jednocześnie powinien być rozwinięty o proof of value. Na tym etapie pracy wskazujemy, jak technologia rozwiąże dane zagadnienie, jakie przed nią stawiamy, a następnie szacujemy, jaką wartość przyniesie to rozwiązanie.

Dzięki takiemu podejściu nie tylko bezpośrednio wiemy, w jaki sposób technologia będzie wspierać nasze procesy, ale też zwymiarujemy i oszacujemy korzyści, które będą z tego płynąć. Zapewnia to pełną transparentność, dzięki czemu decydując się na inwestycje w obszarze AI, mamy określone skutki finansowe, jakie to wdrożenie powinno przynieść.

Możliwości Salesforce

Jak wiemy, rozwiązania AI są z nami od lat. Salesforce implementuje te możliwości w unikalny sposób, umożliwiając natychmiastową operacjonalizację danych oraz rozwiązań AI w systemach CRM, marketingu, e-commerce, czy analizy danych. Co istotne – dzięki pracy w ramach jednej technologii Salesforce, rozwiązania AI są od razu osadzone w widokach aplikacji i gotowe do wykorzystania przez jej użytkowników.

Najistotniejsze w propozycji Salesforce jest według mnie zaufanie rozumiane jako pełne bezpieczeństwo proponowanych rozwiązań. Oznacza to, że rozwiązania AI są oparte na transparentnym zarządzaniu dostępem i uprawnieniami do przetwarzanych informacji – każdy z użytkowników systemu widzi tylko te dane, które powinien.

Co więcej, Salesforce skupia się na agnostycznym podejściu do rozwiązań AI – klienci mają możliwość podłączania różnych rozwiązań (modeli AI), w zależności od swoich potrzeb. Nad wszystkim działa warstwa, tzw. trust layer, która w sposób audytowalny dba o to, aby dane, które widzi użytkownik, były dopasowane do jego uprawnień oraz osadzone w aktualnych informacjach, które mamy w CRM.

Dane te przed wysłaniem do modelu AI są maskowane w taki sposób, aby ukryć informacje pozwalające zidentyfikować osobę (np.: imię lub nazwisko). Odpowiedzi zwracane przez taki model podlegają sprawdzeniu pod względem toksyczności i halucynacji, a dane, które wysłaliśmy do modelu AI, nie są w nim przechowywane i wykorzystywane do jego trenowania.

AI w obsłudze klientów – Omega Inc.

Dział obsługi klienta Omega Inc. korzysta już z pełnych możliwości nowoczesnego CRM – zintegrowany widok na wszystkie informacje o kliencie, baza wiedzy oraz dostęp do kanałów kontaktu z klientem, takich jak:

• czat,
• Whatsapp,
• FB Messenger,
• maile,
• połączenia telefoniczne.

Aby poprawić satysfakcję klientów oraz skrócić czas obsługi zgłoszeń, agenci wykorzystują połączenie pełnych informacji, jakie posiadamy na temat klienta dzięki Data Cloud, a także są wspierani przez AI. AI wykorzystuje bazę wiedzy, kontekst klienta i rekomenduje gotowe odpowiedzi, które przyspieszają obsługę zgłoszenia mailowego. Agenci obsługujący czat prowadzą konwersację wspieraną przez AI – każdorazowo otrzymując w czasie rzeczywistym propozycję kolejnej wiadomości do klienta.

Podsumowanie zgłoszenia jest również generowane przez AI, co ułatwia przejście do kolejnej sprawy, a także zapewnia dobrą jakość danych do przyszłych analiz. Co więcej, AI może generować szkic artykułu do bazy wiedzy, co jeszcze bardziej przyspieszy obsługę kolejnych zgłoszeń.

Sztandarowy produkt

Jeśli miałbym wskazać dwa rozwiązania, które otwierają przed nami największe możliwości, to będą to:

• Data Cloud,
• Einstein Copilot.

Data Cloud

Data Cloud to aplikacja, która jest w stanie połączyć oraz uporządkować zbiory danych z różnych źródeł w całej firmie. Dane z wielu systemów, ze strony internetowej, czy z dokumentów tekstowych mogą zostać zebrane i zharmonizowane w jednym miejscu, które w bezpieczny sposób umożliwia ich praktyczne wykorzystanie. Po zunifikowaniu danych możemy budować na ich podstawie segmenty, automatyzacje procesów biznesowych, a także wykorzystywać do wzbogacenia mechanizmów AI.

Dzięki Data Cloud AI będzie zawsze osadzona w aktualnych i pełnych danych, co zapewni maksymalne wykorzystanie potencjału tych rozwiązań.

Dla przykładu: wiemy już, że AI może przygotować draft e-maila w kampanii marketingowej. Dzięki osadzeniu w zunifikowanych danych z Data Cloud treść maila zostaje jednocześnie wzbogacona i spersonalizowana w kontekście konkretnego klienta.

Copilot

Einstein Copilot to narzędzie wykorzystujące możliwości dużych modeli językowych (LLM), tj. ChatGPT, z akcjami konfigurowanymi przez administratorów Salesforce.

Takie rozwiązania wspierają pracowników, klientów, handlowców w trakcie obsługi klientów. W każdej chwili mogą skomunikować się z nimi w języku naturalnym, a dzięki ciągłemu dostępowi do zunifikowanych danych rozwiązania Copilot mogą nie tylko dostarczać nam informacje w nich zawarte, ale też realizować bardziej złożone zadania.

Dzięki temu podsumowanie bieżącej sytuacji związanej z klientem, wysłanie korespondencji, czy przygotowanie oferty mogą zostać znacząco przyspieszone. Co więcej, w każdej chwili administratorzy systemu mogą kreować kolejne akcje, które będzie w stanie realizować Copilot, co w praktyce daje nieskończone możliwości rozwijania tego narzędzia.

Istotne jest również to, że rozwiązania Salesforce budowane są w podejściu low code, czyli w większości nie wymagają zaangażowania programistów do ich dostarczania, dzięki czemu w istotny sposób skraca się czas ich wdrażania.  

AI w e-commerce – Omega Inc.

Najnowszy projekt Omega Inc. to platforma e-commerce, która ma zapewnić skalowanie biznesu poprzez możliwość samoobsługi przez klientów. Dzięki wykorzystaniu Salesforce wszystkie dane znajdują się w jednym środowisku, co wspiera realizację tego celu.

Mechanizm AI generuje opisy produktów oraz ich cechy (zawarte w polach), dzięki czemu przygotowanie katalogu produktów na potrzeby e-commerce jest znacznie przyspieszone. Managerowie e-commerce mają również możliwość kreowania promocji z użyciem naturalnego języka – wydając polecenie AI, otrzymują gotową propozycję, którą mogą zatwierdzić i zaktywować w sklepie. Klienci mają dostęp do Concierge (Copilota), który ułatwia wyszukiwanie produktów oraz ponawianie zamówień.

Jak zacząć?

Jak wspomniałem na wstępie, celem tego artykułu była inspiracja do pogłębienia tematów związanych z wykorzystaniem AI. Aby przejść do działania, warto zrealizować poniższe kroki:

• Zdefiniuj cel, który chcesz osiągnąć z pomocą AI.
• Zaudytuj dane, która mają wspierać takie rozwiązanie i sprawdź, jak możesz je zunifikować w obecnej infrastrukturze IT.
• Wypracuj konkretny przypadek, który adresuje Twój cel z użyciem wybranych danych.
• Wybierz technologię, która dostarcza rozwiązania bezpieczne i skalowalne.
• Sprawdź, czy wybrana technologia jest w stanie zaadresować Twój przypadek oraz oszacuj, jakie skutki przyniesie jej wdrożenie.
• Zdefiniuj minimalny zakres dla pierwszej iteracji rozwiązań AI, a po jego realizacji starannie monitoruj efekty wdrożenia i informacje od użytkowników.
• Dopasowuj wykorzystanie rozwiązania AI oraz danych na których się opiera, aby maksymalizować pozytywny wpływ na cele, które chcesz osiągać.

W implementacji rozwiązań opartych na AI dobrze sprawdza się podejście „Think Big, Start Small, Act Fast”, czyli stawianie ambitnych celów, rozpoczynanie z jasno zdefiniowanym, wąskim przypadkiem wykorzystania AI oraz ciągła i szybka ewaluacja osiąganych wyników.

Informacje dodatkowe

Ponieważ Salesforce jest rozwiązaniem chmurowym, które nieustannie ewoluuje, warto potwierdzić aktualnie dostępne mechanizmy i sposób ich działania.

Treści zawarte w tym artykule są aktualne na koniec maja 2024, a pełen opis bieżących możliwości Salesforce znajduje się w oficjalnej dokumentacji.

Jeśli chcesz pogłębić tematy, które poruszyłem w tym artykule, zapraszam do kontaktu poprzez Linkedin lub skorzystanie z bezpłatnej konsultacji.