مايكروسوفت تعيد تشكيل العمل المعرفي باستخدام نهج "الليونة" وتبدأ بتقليل عدد موظفي خدمة العملاء

النقاط الأساسية

حدد ساتيا ناديلا، الرئيس التنفيذي لشركة مايكروسوفت، الذكاء الاصطناعي كأداة لجعل العمل المعرفي “أكثر كفاءة”، حيث يتم التحقق أولاً من مقدار التوفير المحتمل في سيناريو خدمة العملاء.

ملخص النقاط

في مقابلة مع بودكاست Bg2 Pod، استخدم ناديلا منهجية “الكفاءة” في التصنيع لشرح كيفية نشر مايكروسوفت للذكاء الاصطناعي: أولاً، تحديد أماكن الهدر، ثم قياسها، ثم استخدام التكنولوجيا للتخلص منها. الهدف الأول هو دعم العملاء في Xbox وAzure، والتي يُقال إنها تكلف حوالي 4 مليارات دولار سنويًا. الطريقة مباشرة جدًا: تمنع وكلاء الذكاء الاصطناعي المشاكل المعيارية، وتوفر دعم القرار واسترجاع المعلومات لموظفي الخدمة، مما يقصر عملية المعالجة ويزيد من معدل الحلول في المرة الأولى. مقدار التوفير يعتمد على النتائج الفعلية، لكن الإشارة واضحة جدًا - القيمة الحقيقية تكمن في تحسين التكلفة القابلة للقياس، وليس في العروض الحوارية المتلألئة.

التحليل والتفسير

• “تحسين العمل المعرفي” هو مصطلح ذكره ناديلا في عدة مناسبات، بما في ذلك بودكاست دوركش باتيل ومؤتمر مايكروسوفت Ignite. المنهجية ليست جديدة، لكن مع وكلاء الذكاء الاصطناعي القادرين على تذكر السياقات واستدعاء الأدوات، أصبح التنفيذ أكثر واقعية.
• فيما يتعلق بالأرقام المحددة، تشير 4 مليارات دولار إلى نفقات دعم Xbox/Azure، تأتي في الغالب من تفسيرات خارجية؛ من مصادر أخرى، يبدو أن حالات توفير مراكز الاتصال المثبتة أقرب إلى 500 مليون دولار. على أي حال، الاتجاه واضح: تعتبر مايكروسوفت الذكاء الاصطناعي وسيلة لخفض تكاليف الدعم والتشغيل، وتراهن على أن العملاء من الشركات سيتابعون ذلك.
• سوق المنافسة يتغير: عندما تضيف عمالقة السحابة الذكاء الاصطناعي مباشرة إلى المنصات وسير العمل، سيكون من الصعب على أنظمة تذاكر العمل المستقلة، ومراكز المساعدة، وبعض قواعد بيانات SaaS إثبات قيمتها. سيسأل العملاء سؤالًا مباشرًا: لماذا يجب أن ندفع المزيد؟
• تأثير العمل في تصريحات مايكروسوفت العامة يعتبر متحفظًا، لكن الواقع لا يمكن تجاهله: الكفاءة تعني القيام بمزيد من العمل بعدد أقل من الأشخاص، حتى لو تم تقديمها على أنها “تعزيز”، غالبًا ما تكون النتيجة هي تسريح العمال وإعادة الهيكلة.

تفكيك الآلية (مثال على خدمة العملاء)

• جانب الطلب: يمكن أن يتم حجب عدد كبير من الأسئلة المتكررة والمنتظمة بواسطة الذكاء الاصطناعي بدقة عالية، مما يؤدي إلى إتمام العملية عبر الخدمة الذاتية أو الأتمتة.
• جانب العرض: تعاونية الإنسان والآلة تجعل عملية المعالجة “مُهيكلة”، والجوهر هو استدعاء الأدوات، واسترجاع المعرفة، وتنظيم العمليات، مما يزيد من معدل الحلول في المرة الأولى، ويقلل من وقت المعالجة.
• نظام القياس:
  • معدل الحجب
  • معدل الحل في المرة الأولى ومتوسط وقت المعالجة
  • معدل الترقية/إعادة التوجيه ومعدل استرجاع المعرفة
  • تكلفة كل تذكرة ونسبة نفقات الدعم إلى الإيرادات

التأثير المحتمل

• على المشترين من الشركات: إذا كان بإمكان الذكاء الاصطناعي المدمج توفير أموال واضحة، فسيتم توجيه الميزانية بشكل طبيعي نحو مقدمي المنصات، مما يزيد من سرعة الانتقال من التجربة إلى التوسع.
• على SaaS المستقلة: لا يمكن الاعتماد على “نموذج أقوى” فقط للتفريق، بل يجب الاعتماد على ارتباطات أعمق في العمليات، وتأثيرات الشبكة البيانية، والامتثال وقابلية التدقيق، وإلا ستتعرض للتجانس من قبل المنصات.
• على التنظيم والمواهب: ستميل هيكل الوظائف نحو “عدد قليل من العاملين ذوي المهارات العالية + سلسلة أدوات التعاون بين الإنسان والآلة”، وسيزيد وزن العمليات وهندسة البيانات.

المخاطر وعدم اليقين

• قد يكون هناك فرق بين مقدار التوفير الفعلي والبيانات المعلنة (حالات الكشف المتاحة غالبًا ما تكون في نطاق مئات الملايين من الدولارات).
• المشاكل الطويلة المعقدة، ودقة تنظيم تذاكر العمل عبر الأنظمة، وقابلية التدقيق قد تقيد الحد الأقصى للتوفير.
• حدود البيانات والأمان: قد تؤخر متطلبات الشركات المتعلقة بذاكرة النموذج، واستدعاءات التفويض، والامتثال عن التقدم.

تقييم التأثير

• الأهمية: عالية
• الفئة: اتجاهات الصناعة | رؤى تقنية | تأثير السوق

الاستنتاج: تتواجد هذه القصة حاليًا في مرحلة “مبكرة ولكن يمكن التحقق منها”. المواقع الأكثر فائدة هي الشركات المنصة، وفرق العمليات/البيانات في الشركات الكبيرة، ورؤوس الأموال طويلة الأجل؛ بينما يتواجد المتداولون قصيرو الأجل وSaaS المستقلة التي تركز على الأدوات في وضع غير موات.