Практическое руководство по путешествию клиента и агентному искусственному интеллекту

Год развивался с большой динамикой. Последнюю неделю я провел в Амстердаме в первом Институте 4 Journey Management, общаясь с другими экспертами в области Journey Space. Это была возможность увидеть, чем заняты ведущие компании и каких успехов они достигают. По отзывам ключевых отраслевых аналитиков, они никогда не видели большего интереса к управлению путешествием клиента. Тем не менее, многие компании все еще пытаются понять, как внедрить Customer Journey Management.

Что в равной степени является важным предметом обсуждения в деловом пространстве социальных сетей (и, в частности, LinkedIn) — это обширная дискуссия об агентном ИИ, а в последнее время и о MCP — Model Context Protocol.

Я собираюсь быстро приступить к позиционированию AI Agents. Это будет скорее объяснение для дилетанта, и поэтому мое техническое объяснение может не соответствовать требованиям.

Агент ИИ — это комбинация модели LLM (Например, ChatGPT), вкупе с набором инструкций и набором инструментов, которые могут что-то сделать. Например, у вас может быть агент, который может:

• Поиск в Интернете предложений по автострахованию
• Другой, который может собрать всю искомую информацию в сопоставимые варианты
• Другой, который имеет набор инструментов, которые потенциально могут заполнять формы котировок и получать котировочные цены
• Другой может предоставить рекомендации о плюсах и минусах различных вариантов автострахования

Каждый из этих агентов (состоящий из LLM, набора инструкций, инструментов для взаимодействия с окружающей средой (Например, цитаты) затем может управляться другим агентом для выполнения работы.

Одной из последних разработок в этой области является стандарт под названием «Model Context Protocol». Что действительно важно в протоколе MCP, так это то, что он разрабатывается и публикуется поставщиком услуг (Например, страховая компания, которая предоставляет расценки) чтобы агент мог взаимодействовать с внешними сервисами стандартным образом. Думайте об этом как о Appstore для инструментов, которые могут использовать агенты.

Другой пример инструментов MCP может включать:

• Возможность показать наличие мест в отеле
• Возможность указать, как должна быть подана претензия и собирать эту информацию
• Возможность показать лучшие контракты на мобильную связь между определенными ценовыми диапазонами

MCP позволяет агентам ИИ получать доступ к реальным сервисам, чтобы агенты могли выполнять свои задачи. MCP поддерживается многими секторами сообщества искусственного интеллекта и крупными игроками, такими как OpenAI и Anthropic.

При разработке AI-решения (состоит из нескольких агентов, как указано выше)Эти агенты можно кодировать вручную, но есть действительно отличные фреймворки, такие как Langchain и Semantic Kernal, которые ускоряют разработку агентов, а также есть визуальные инструменты, которые используют фреймворки искусственного интеллекта, чтобы позволить нетехническим людям разрабатывать агентные решения. Развитие в этой области происходит с молниеносной скоростью!

Учитывая, что мы уделяем особое внимание путям взаимодействия, ключевой момент заключается в том, как встроить агентское решение в фреймворк journey и что фреймворк journey предлагает для расширения возможностей агентов. Я хотел бы перейти к этому далее.

Когда мы предоставляем решение для оркестрации и анализа пути, все пути включают:

• Начало
• Цель
• Отслеживание прогресса в достижении цели
• В случае поломки, сдача
• Возможность собирать информацию о клиенте на протяжении всего пути

Замечательная возможность возникает, когда мир агентов и путешествий объединяется по следующим причинам:

• Агенты работают лучше всего, когда есть цель. Они относительно умны, но учитывая, что общий ИИ не был достигнут (и, скорее всего, не будет в течение некоторого времени), имея четкую цель, оптимизирует использование агентов
• Операторы могут быть значительно улучшены, если у них есть лучший контекст. В приведенном выше примере, чем больше агент знает о потребностях клиента, приобретающего страховку, тем лучше соответствие между тем, что предлагается, и тем, что нужно клиенту
• Извлечение данных из корпоративных систем может быть сложной задачей, но решения для аналитики и оркестрации путешествий оптимизированы для этого, и они имеют хорошо развитые возможности извлечения данных и картографирования, позволяющие визуализировать и анализировать пути
• В решениях для агентов обычно отсутствует система оценки эффективности и оценки, а путь клиента обеспечивает именно это.

На изображении ниже показано, как это делается:

Цикл «Путь клиента» открывает перед агентами уникальную перспективу в том смысле, что вводится понятие времени. Агент больше не просто ждет клиента, он направляет и воспитывает клиента на протяжении всего пути, потому что существует основа для оценки прогресса. Таким образом, он может подтолкнуть клиента, когда он застрял, гарантируя, что агент не только удовлетворяет потребности клиента, но и поддерживает динамику путешествия (с множеством путей клиента, растянувшихся на несколько дней)

Будущее клиентских путей и клиентского опыта будет наполнено агентами искусственного интеллекта. Все технологии для этого уже существуют, и в течение следующих нескольких месяцев мы увидим массовую волну протеста. Я надеюсь, что вышеупомянутый информационный бюллетень дает немного больше понимания того, «как», где многое из того, что я читал, гораздо шире и лишено деталей.

Я с нетерпением жду отзывов и дебатов по этой теме.

Впереди блестящая неделя и, как всегда, наслаждайтесь путешествием

Трент