采用AI提升客户体验（CX）已不再是是否要采用的问题，而是何时以及如何采用的问题：45%的客户支持团队已经使用AI，而Gartner预测，到2025年，80%的客户服务公司将使用生成式人工智能（GenAI）。 

然而，企业应明白，AI驱动的CX解决方案的有效性取决于实施和操作它的人员。尽管许多公司抱有良好意愿并进行了大量投资，但在采用AI方面仍面临困难。例如，在零售业，41%接受调查的英国电子商务领导者表示，内部专业知识的缺乏仍是最大的挑战。对于超过50%的客户互动专业人士而言，技术栈实施和技能差距阻碍了他们全面采用AI。 

一个至关重要但常被忽视的因素是AI成熟度——即AI在组织中的融入程度以及员工使用AI的准备程度。其核心在于AI为组织创造的价值，包括提高生产力、收入增长和客户满意度提升等定量和定性成果。成功的真正衡量标准不仅在于AI如何改变企业的竞争地位，还在于它如何优化内部流程并赋能员工。这一点至关重要，因为员工体验直接影响企业提供的客户体验。 

以下是五个成功要素，可以作为企业实现AI成熟度和员工准备好将AI工具用于CX以建立持久客户忠诚度的起点： 

AI融合与利用率 

这如何体现AI成熟度：这涉及到将AI融入日常运营，并让员工能够频繁使用它。这表明了AI在增强决策、提高效率以及推动更好成果方面的不可或缺性。它还显示出员工将AI视为工作中一个有价值的工具。 

你的起点：对各部门业务流程进行全面审计。识别出哪些流程涉及AI，如自动化客户支持或分析，并跟踪这些工具的使用频率。利用系统日志、使用统计数据和员工反馈。计算AI融合流程占总流程的比例，以了解AI在日常运营中的渗透率。 

一个可接受的利用率取决于你的组织在AI发展旅程中的位置。例如，59%的被视为早期采用者的企业专注于高影响领域，将其作为更广泛采用的测试案例，或用于开发内部工具。基准也因行业而异。例如，科技公司和金融机构的数据驱动程度较高，可能实现更高的利用率。AI工具的复杂性和功能也起着作用。简单的自动化工具可能迅速达到高利用率，而更复杂的系统，如用于决策的系统，可能需要更长时间才能完全采用。 

你的下一步：如果利用率低于预期，首先要找出根本原因。是由于培训不足，还是与特定任务的相关性不足？通过调查或讨论与团队沟通，了解他们面临的挑战。基于这些见解，通过提供有针对性的培训、调整AI工具以使其更好地与工作流程相结合，或重新审视其实施以确保其符合组织目标，来调整你的方法。 

员工参与度与AI熟练度 

这如何体现AI成熟度：在客户体验运营中，高熟练度确保员工具备使用AI工具提升客户服务交付方式所需的技能。积极的参与度表明员工看到了AI的价值。熟练度和参与度证明了AI正在有效推动他们工作流程和客户交互的改进。在最近的一项研究中，使用对话AI和AI赋能的“代理助手”工具的人工客服人员生产力提升了14%。平均净推荐值有所提升，同时月度客服人员流失率下降了9%。 

这不仅仅关乎业务。在2024年微软的一份报告中，90%在工作中使用AI的受访员工表示，AI帮助他们节省了时间，让他们更有创造力，并且更享受工作。 

你的起点：通过你的学习管理系统跟踪培训完成率。通过认证和实践评估来评估熟练度。监测使用频率——AI工具的使用频率和使用时长是多少？同时，收集员工参与AI驱动项目和提交反馈的数据。 

你的下一步：重新评估你的培训计划。它们是否有效地为员工提供了必要的技能，还是存在差距？考虑提供复习课程、实操研讨会或个性化培训课程。为了提升参与度，确保AI工具用户友好且与日常任务相匹配。让员工参与AI工具的定制，以增加他们的认同感。清晰沟通AI的好处，并结合积极参与的激励措施，可以培养更加一致和有意义的参与度。 

提升员工的AI熟练度还需要领导层采取行动，赋能团队接受新技术，培养持续学习的文化，并为他们提供无缝将AI融入日常工作的工具。然而，根据同一份微软报告，尽管员工普遍持乐观态度，但全球只有39%使用AI的员工接受过雇主的任何培训。 

AI系统的准确性与可靠性 

这如何体现AI成熟度：当AI解决方案能够持续提供准确且可靠的结果时，员工更有可能定期且有效地使用它。这还能使员工将AI的输出转化为可操作的见解，提高AI驱动任务的成功率，并提升员工对AI增强预测和建议的采纳程度。根据麦肯锡的一份报告，在已采用通用人工智能（GenAI）的公司中，仅有32%在积极应对其系统中不准确性的风险。 

你的起点：监控错误率、预测准确性、解决成功率等指标。在预测任务中，力求达到90%或以上的准确率，并将错误率降至最低。用于客户体验（CX）的AI工具还应在不同场景下提供可靠的结果。将这些指标与内部和行业基准进行比较，以评估性能。利用测试环境在各种条件下评估AI。跟踪AI生成的见解数量，并比较它们被采纳的频率。 

你的下一步：检查你的AI系统是否未达到标准。这可能涉及使用更高质量的数据重新训练模型、优化算法或加强验证过程。通常情况下，数据的不准确和不一致是导致AI工具性能不佳的罪魁祸首。正确标注的数据集可确保工具从准确且具有代表性的数据中学习。定期的系统更新和测试对于保持性能也至关重要。如果基于AI的见解未按预期被利用，请考虑提高AI建议的清晰度和相关性。使AI的输出更紧密地与业务需求相结合，或提供关于如何应用AI生成见解的进一步培训，也可以提高利用率。 

AI采纳时间 

这如何体现AI成熟度：这涉及CX AI工具从概念验证和部署到常规使用所需的时间。它包括初始学习、试验期和全面整合等阶段。更快的采纳时间表明员工对这项技术感到舒适，并且已建立了有效的培训和支持系统。相反，较长的采纳时间则表明存在障碍，如抗拒变革、培训不足或技术挑战。 

你的起点：记录每个AI工具的部署情况。随时间监控员工的使用情况，以确定工具成为日常运营常规部分所需的时间。使用系统日志和采纳跟踪工具收集关于AI工具使用频率的数据。 

还要考虑开发时间表。根据2024年Gartner对美国、英国和德国企业的调查，领导者报告称，将AI项目从原型阶段推进到生产阶段平均需要八个月。在2024年对美国和英国专业人士的一项调查中，只有7%的公司根据其基准达到了AI“成熟度”，而41%的公司仍在进行试点项目和小规模实验。 

你的下一步：如果采纳时间比计划的要长，请找出根本原因。是否存在培训缺口？在沟通AI工具的好处时是否缺乏清晰度？是否存在技术问题导致他们无法使用？你是否将开发时间纳入考量？评估AI工具本身是否需要调整。长期目标是简化采纳流程，减少AI工具成为日常运营不可或缺部分所需的时间。 

AI的可扩展性 

这如何体现AI成熟度：这是指你的AI驱动的CX（客户体验）解决方案的扩展能力，包括其处理增加负载的能力、适应不同用例的能力以及被更大用户群采纳的能力。可扩展性表明，CX AI工具的设计旨在随着组织需求的变化而发展。 

你的起点：在AI系统推出期间和之后评估其性能：

系统能多快地在新领域实施

在负载增加的情况下，保持准确性、响应时间和可靠性的能力

是否需要额外的资源或进行定制  

你的下一步：可扩展性是一个长期存在的挑战。事实上，56%的受访公司表示，他们缺乏支持所需AI工作负载的适当基础设施。这些问题包括系统过时或遗留系统，以及按需设置、扩展和管理AI基础设施的能力。 

为了缓解这些挑战，首先要找出瓶颈。这些瓶颈可能包括技术限制（如数据存储或处理能力不足）、人力专业知识缺口或运营流程效率低下。考虑升级你的基础设施以支持更大的AI部署，完善数据管理实践，并投资培训，使你的团队能够充分利用AI。确保你的AI驱动的CX解决方案足够灵活，能够适应各种当前和未来的用例。 

在CX AI中，员工体验就是客户体验 

AI成熟度不仅仅在于拥有最新的技术栈或最先进的基础设施。即使是最先进的工具，如果使用它们的人没有做好充分准备，也可能变得过时。实现AI成熟度意味着技术和人力专业知识协同工作，将技术能力转化为有意义的客户体验。 

为了帮助公司消除对AI的误解并意识到其在CX方面的潜力，TDCX开发了一个AI成熟度计划。该计划采取结构化方法来评估公司在关键领域的能力，包括领导力和愿景、AI熟练度、组织结构、流程成熟度、技术基础设施以及数据安全和隐私。TDCX为公司提供其相对于行业最佳实践所处位置的详细分析，使它们能够战略性地推进其AI计划。 

随着你在AI for CX方面建立企业的成熟度，了解它们的交集至关重要。请于2024年10月10日在新加坡滨海湾金沙参加TDCX Talks：“AI时代的强大客户体验”活动，探索领先组织如何利用AI来增强他们的CX战略。本次活动汇集了行业专家，共同探讨加速AI成熟度并将其转化为业务增长的实用方法。