<\/p>\n
Il clamore che circonda l\u2019intelligenza artificiale (AI)<\/a>\u00a0 \u00e8 cos\u00ec forte da diventare quasi assordante. L\u2019argomento conquista regolarmente i titoli dei giornali, anche se in molti ritengono che sia troppo enfatizzato e che in realt\u00e0 non si sia ancora dimostrato all\u2019altezza della sua reputazione. Altri ritengono invece che ci troviamo solo a pochi passi di distanza dall\u2019avere robot che occupano milioni di posti di lavoro. Come per tutte le cose della vita, la verit\u00e0 sta da qualche parte nel mezzo.<\/p>\n E, per complicare ulteriormente le cose, un esercito di vendor sta sbandierando l\u2019AI in prodotti che in realt\u00e0 non ne fanno uso. Allo stesso tempo, altri stanno introducendo soluzioni di AI, ma pochi sanno veramente come veicolarle in modo efficace e conveniente. Secondo una recente ricerca<\/a>\u00a0di McKinsey, \u201cla maggior parte dell\u2019adozione dell\u2019AI al di fuori del settore tecnologico si trova ancora in una prima fase sperimentale. Poche aziende l\u2019hanno gi\u00e0 implementata su vasta scala\u201d.<\/p>\n Offrire il valore dell\u2019Intelligenza Artificiale<\/strong><\/p>\n Per molte realt\u00e0, l\u2019AI rappresenta una miniera di incertezze. Gli early adopter ne stanno abbracciando alcuni elementi, mentre l\u2019adozione di massa \u00e8 ancora distante anni. Di fatto, l\u2019indagine di McKinsey ha fatto emergere che la grande maggioranza dei dirigenti di livello C sono incerti su dove ottenerla cos\u00ec come applicarla, integrarla e valutarne il ritorno degli investimenti.<\/p>\n Questo, in primo luogo, perch\u00e9 l\u2019implementazione della AI si \u00e8 di norma dimostrata sfidante, in special modo nel caso dell\u2019integrazione di pi\u00f9 prodotti realizzati da altrettanti vendor. Di fatto, ad ogni aggiunta di un\u2019applicazione AI era richiesta la combinazione di insiemi di dati differenti tra loro. Un\u2019operazione lunga e difficile, per non parlare del fatto che i data scientist richiesti per un esercizio di questo tipo erano difficili da reperire.<\/p>\n Ecco che il modo per veicolare l\u2019AI su vasta scala \u00e8 quello di offrire soluzioni pronte all\u2019uso progettate per far leva su determinati dati in modo tale da ottimizzare risultati di business specifici. Ad esempio, se sei interessato a far crescere di cinque punti il Net Promoter Score\u00ae <\/sup>della tua azienda, puoi usare Predictive Routing<\/a>. Se vuoi ridurre il costo di un lead fino al 50 percento, prova invece Predictive Engagement<\/a>.<\/p>\n L\u2019aspetto fondamentale \u00e8 che i nostri clienti vogliono affidarsi ad un prodotto con la capacit\u00e0 collaudata di offrire risultati mirati e non investire in un progetto dai risultati poco chiari.<\/p>\n Sfruttare l\u2019Intelligenza Artificiale su vasta scala <\/strong><\/p>\n Quando si tratta di aiutare i clienti ad attingere con successo al valore della AI, ci sono altri fattori di cui tenere conto ed \u00e8 per questo che in Genesys seguiamo un approccio diverso e pi\u00f9 olistico. Per noi, vincere con l\u2019AI non significa partecipare a una gara per offrire un\u2019applicazione qua e un\u2019applicazione l\u00e0. Si tratta invece di aiutare i clienti a ricavarne un valore concreto, partendo dall\u2019abilitarli a realizzare la loro intera<\/em> strategia AI attraverso un modello dati unico. Ecco perch\u00e9, grazie alla potenza di Kate, la piattaforma AI di Genesys, stiamo diffondendo l\u2019intelligenza artificiale su tutta la nostra suite per la Customer Experience, permettendone l\u2019integrazione al ritmo pi\u00f9 adatto per ciascuna organizzazione.<\/p>\n Di fatto, come parte del recente rilascio delle nostre Winter Innovations<\/a> abbiamo introdotto una serie di prodotti AI su un\u2019unica piattaforma. Stiamo dunque offrendo alle aziende le app di business dedicate al routing, i chatbot e i voice bot, gli analytics per le interazioni, oltre a funzionalit\u00e0 di previsione\/programmazione ed engagement predittivo. Tutto quanto alimentato dall\u2019AI. Ciascuno di questi elementi produce singolarmente benefici interessanti, ma quando vengono combinati tra loro offrono esponenzialmente risultati migliori generati da dati pi\u00f9 ricchi e provenienti da tutte le esperienze vissute da clienti e dipendenti.<\/p>\n L\u2019Automazione al lavoro<\/strong><\/p>\n Diamo ora uno sguardo pi\u00f9 da vicino a un paio di applicazioni alimentate dalla AI che abbiamo di recente rese disponibili: Genesys Automated Forecasting and Scheduling<\/a>. Queste nuove offerte permettono ai dipendenti di lavorare in modo pi\u00f9 intelligente con l\u2019AI e l\u2019automazione. In anticipo rispetto ad offerte concorrenti, consentono quindi di servirsi dell\u2019AI per prevedere le programmazioni migliori dello staff a una velocit\u00e0 e con una precisione senza precedenti, risparmiando tempo e denaro.<\/p>\n Genesys Automated Forecasting and Scheduling, cos\u00ec come altre Winter Innovations, sono disponibili come servizi cloud su tutto il portafoglio prodotti Genesys, che comprende le piattaforme PureCloud\u00ae, PureConnect\u2122, e PureEngage\u2122<\/p>\n In conclusione, le realt\u00e0 di ogni dimensione possono oggi implementare un\u2019unica piattaforma di AI realizzata da Genesys che servir\u00e0 da base per la loro strategia complessiva. Le nostre Winter Innovations<\/a>\u00a0offrono un valore concreto dell\u2019AI, e lo fanno su vasta scala. \u00c8 cos\u00ec che le aziende possono superare il clamore che circonda l\u2019argomento e raggiungere esponenzialmente risultati di business migliori.\u00a0<\/p>\n