Hoe RPA verschilt van conversationele AI en de voordelen van beide

Vanwege hun verschillen kunnen beide technologieën gunstig zijn voor bedrijven.

Terwijl RPA meer gericht is op backend-automatisering, leent conversatie-AI zich voor het automatiseren van mensgerichte en meer gepersonaliseerde interacties. In sommige gevallen kruisen de twee technologieën elkaar. Maar waar ontmoet backend procesautomatisering gespreksgestuurde automatisering?

Zoek het verschil

RPA omvat het beheer van rigide, voorspelbare processen, waarbij er geen dubbelzinnigheid is over het verzoek, wat in contrast staat met conversatie-AI, waarbij de intentie van de gebruiker bepaalt welke taken worden uitgevoerd als reactie op een verzoek. Chatbots of digitale assistenten gebruiken berichteninterfaces of spraakbesturing om een ​​gespreksinteractie te hebben. De vloeiendheid van gesprekken vereist dat de automatisering van natuurlijke taalverwerking (NLP) zeer flexibel is, zodat de bedoeling correct wordt geïnterpreteerd en de juiste taken worden uitgevoerd om het verzoek op te lossen.

Ondersteuning van klantreizen

Overal waar een proces menselijke gesprekken met zich meebrengt, zoals klant- of HR-interacties, komt conversatie-AI in het spel.

Overweeg het scenario van het kopen van een nieuwe verzekering. Gewoonlijk gaan verzekeringsagenten heen en weer met een klant om meerdere bewijsdocumenten te verzamelen die moeten worden gevalideerd en aan het klantendossier moeten worden toegevoegd, zodat de polis kan worden afgerond. Het omgaan met grote aantallen nieuwe klanten en het beheren van hun onboarding is tijdrovend en kostbaar voor verzekeringsmaatschappijen.

Een chatbot of digitale assistent gebruiken om te vragen "Upload hier een afbeelding van uw rijbewijs" of "Kun je een kopie van je recente bankafschrift uploaden?" neemt de last van de menselijke agent weg om deze documenten te blijven achtervolgen, en biedt ook een meer naadloze en gemakkelijke klantervaring tijdens het onboarding-traject. Dit is de essentie van conversationele AI; het verbetert de digitale klantbetrokkenheid en serviceresultaten, terwijl de kosten van het beheer van routinematige stappen in een gebruikerstraject worden verlaagd.

Aan de achterkant kan RPA een rol gaan spelen in het onboarding-scenario, door herhaalde nalevingscontroles op verzamelde documenten te automatiseren en geregistreerde systemen bij te werken met de klantinformatie. De twee samen kunnen zeer krachtig zijn om complete klantreizen naadloos, sneller en efficiënter te maken.

Complementaire technologieën

Conversational AI stelt bedrijven nu in staat om belangrijke interacties met klanten en/of werknemers te automatiseren, wat een geheel nieuwe golf van automatiseringspotentieel mogelijk maakt die, in combinatie met RPA, de behoefte aan menselijke interventies in end-to-end bedrijfsprocessen aanzienlijk kan verminderen.
RPA en conversationele AI kunnen hand in hand gaan. Als een klant bijvoorbeeld een hypotheek aanvraagt, moet hij veel stappen doorlopen, wat wrijving en inefficiëntie met zich meebrengt die ertoe kunnen leiden dat de bank de klant verliest.

Een hypotheekbot die direct bij het begin van de aanvraag met de klant in contact kan komen, hun identiteitsbewijs, inkomsten en recente energierekeningen kan opvragen en dit vervolgens ter validatie doorgeeft aan backoffice-processen, neemt veel van deze wrijving weg. RPA kan worden gebruikt voor de validatieprocessen, terwijl de digitale assistent vragen van de klant beheert, de bedoelingen begrijpt, de relevante documenten verzamelt en de klant op de hoogte houdt van eventuele problemen. De vastgoedwaardering kan via RPA automatisch worden aangeleverd met behulp van vastgoedmarktgegevens, zodat de klant via de digitale assistent proactief op de hoogte kan worden gehouden van de status van zijn hypotheekaanvraag.

Wie heeft de leiding?

RPA-initiatieven worden over het algemeen geleid door IT, met input van bedrijfsafdelingen zoals financiën, productie of distributie, en hebben als primaire doel de kosten te verlagen en de efficiëntie te verhogen door handmatige processen te verminderen en menselijke betrokkenheid te minimaliseren.

Conversational AI is ontworpen om de betrokkenheid te verbeteren en te automatiseren en de kosten te verlagen, terwijl bots nog steeds kunnen worden overgedragen aan mensen wanneer dat nodig is. Als zodanig wordt het normaal gesproken geleid door bedrijfsafdelingen zoals klantenservice, HR en verkoop, met beperkte inbreng van IT.

AI zonder datawetenschappers?

Veel organisaties zijn van mening dat kunstmatige intelligentie complex en kostbaar is en grote budgetten en teams van datawetenschappers vereist om de natuurlijke taalmodellen en machine learning-algoritmen te bouwen. Het bouwen van conversatie-AI-bots vereist echter niet noodzakelijk dit investeringsniveau. Natural Language Processing (NLP)-engines zoals Google DialogFlow, Amazon Lex en Microsoft LUIS zijn algemeen beschikbaar en maken het gemakkelijk genoeg om een ​​bot te vullen met intenties en uitingen die de kern vormen van het ontwerpen van een gesprekservaring die kan worden gebruikt om te automatiseren interacties.

Lage code

Daarnaast zijn er conversatie-AI-platforms ontstaan ​​die een low-code-benadering bieden voor het bouwen van chatbots, het creëren van workflows en veilige integratie met gemeenschappelijke bedrijfssystemen, zodat zakenmensen hun eigen digitale assistenten kunnen ontwerpen en inzetten zonder codering of AI-vaardigheden. Kant-en-klare botblauwdrukken en tools helpen bedrijven om chatbots sneller op de markt te brengen, met minder afhankelijkheid van IT-resources of datawetenschappers, en met het gemak van klikken, slepen en neerzetten.

Conclusie

Ondernemingen werken aan de digitale transformatie van kernbedrijfsprocessen om een ​​grotere automatisering van backend-processen mogelijk te maken en om meer naadloze klantervaringen en selfservice aan de frontend aan te moedigen. We zien banken, verzekeraars, retailers, energieleveranciers en telco's werken aan het ontwikkelen van hun eigen digitale assistenten met een groeiend aantal vaardigheden, terwijl ze toch een consistente merkervaring bieden.

Het ontwikkelen van bots hoeft niet ingewikkeld te zijn. Het is belangrijker om zorgvuldig de juiste gebruiksscenario's te identificeren waarin deze technologieën met de minste inspanning een duidelijke ROI opleveren.

Of een onderneming nu RPA of conversationele AI toepast, of beide, het is belangrijk om eerst het bedrijfsprobleem te begrijpen dat moet worden opgelost en vervolgens te bepalen waar bots een onmiddellijk verschil zullen maken. Overweeg vervolgens de vereiste investering, belemmeringen voor een succesvolle implementatie en de verwachte bedrijfsresultaten. Het is beter om klein te beginnen met een nauw gefocuste use case en haalbare KPI's, in plaats van te veel tegelijk te proberen.

Conversational AI en RPA zijn zeer krachtige automatiseringstechnologieën. Als een chatbot goed is ontworpen, kan hij tot 80% van de routinevragen die bij een klantenservicecentrum of IT-helpdesk binnenkomen, automatiseren, waardoor een organisatie tijd en geld bespaart en haar activiteiten kan schalen. Uitschieters of specialistische gevallen kunnen echter nog steeds beter worden afgehandeld door menselijke agenten. Het Pareto-principe is ook van toepassing op RPA. Automatisering op zijn best zorgt voor het grootste deel van de routinematige en repetitieve taken, waardoor het meer unieke, waardevolle en lonende werk voor mensen wordt overgelaten.