آیا هوش مصنوعی می تواند به ما بیاموزد که چگونه از نظر عاطفی باهوش تر شویم؟

بحث در مورد این که آیا هوش مصنوعی جایگزین انسان‌ ها در نیروی کار می‌شود یا نه، اغلب به یک توضیح مفید و دوگانه خلاصه می‌ شود: هوش مصنوعی جایگزین انسان‌ ها برای اکثر کارهای تکراری و دستی می‌ شود، در حالی که انسان‌ ها در مهارت‌ های نرم مانند ارتباطات خلاقانه و ایجاد روابط برتر خواهند بود. در حالی که بخشی از این موضوع درست است – انسان‌ ها و ماشین‌ ها هر کدام بسته به نقاط قوت خود عمل می‌ کنند – این امر احتمالا نقش هوش مصنوعی در زندگی حرفه‌ ای ما را بیش از حد ساده می‌ کند. ما معتقدیم هوش مصنوعی به انسان ها کمک می کند تا کارهای انسانی بهتری انجام دهند؛ یعنی با کمک به ما در بهبود هوش عاطفی، مهارت های نرم و مهارت های ارتباط بین فردی خود.

الگوریتم‌ های هوش مصنوعی با بهره‌ گیری از پیشرفت‌ ها در تشخیص احساسات، پردازش زبان طبیعی (NLP) و بینایی رایانه‌ ای و ترکیب آن با روان‌ شناسی و زبان‌ شناسی، در زمینه­های متعددی بهتر شده اند؛ زمینه­هایی چون تشخیص، تجزیه و تحلیل و پردازش لحن، حالت چهره، تماس چشمی، زبان بدن و ده ها ویژگی ارتباط کلامی و غیرکلامی.

با اجازه دادن به هوش مصنوعی برای مداخله در مکالمات مشتریان شما، اعم از صوتی، ویدیویی یا متنی، هوش مصنوعی می تواند داده های پیچیده و اغلب گیج کننده را بگیرد و الگو هایی را در ارتباط موثر که با چشم غیر مسلح قابل مشاهده نیستند، بیابد. کاربردهای بالقوه این فناوری ها فراتر از فروش و موفقیت مشتری است. بسیاری از نقش‌ های حرفه‌ ای که به مهارت‌ های ارتباطی قوی نیاز دارند، از جمله رهبری، سخنرانی در جمع، مدیریت محصول، مجازی‌ درمانی، تدریس، یادگیری زبان و شیوه‌ های خانگی، از هوش مصنوعی که هوش عاطفی را اندازه‌ گیری می‌ کند، سود خواهند برد. در واقع، پیش‌ بینی می‌ شود تا سال ۲۰۲۶، مجموع اندازه بازار برای تشخیص احساسات و هوش مصنوعی مکالمه‌ ای به بیش از ۵۵ میلیارد دلار افزایش یابد.

موفقیت با هوش عاطفی و هوش مصنوعی

از آنجایی که پیتر سالوی و جان مایر ابتدا هوش عاطفی را به عنوان «نوعی از هوش اجتماعی که شامل توانایی نظارت بر احساسات خود و دیگران، تمایز قائل شدن بین آن ها و استفاده از این اطلاعات برای هدایت افکار و اعمال خود است» تعریف کردند، محققان و  شرکت‌ ها سعی کرده‌ اند مفهوم «مردمی بودن» را ابهام زدایی کنند. داده ها ثابت کرده اند که هوش عاطفی پیش بینی کننده قوی موفقیت حرفه ای است.

یک مطالعه در دانشگاه ییل نشان داد که هوش عاطفی به ما کمک می‌ کند تا در محل کار بهتر تصمیم بگیریم. مطالعه دیگری در هاروارد نشان داد که هوش عاطفی در پیش‌ بینی موفقیت تیم مفیدتر از IQ است. و یک مطالعه ۱۰ ساله در Google به نام Project Oxygen نشان داد که هوش عاطفی در موفقیت فرد به عنوان یک مدیر بیشتر از IQ یا مهارت فنی اهمیت دارد.

نکته اصلی: هوش عاطفی به اندازه هر “مهارت سخت” دیگری مهم است و سرمایه گذاری روی آن به افراد و تیم ها کمک می کند تا در کار موفق شوند.

یک حرفه ای که به دنبال بهبود هوش عاطفی خود است باید روی خودآگاهی و خود مدیریتی عاطفی خود کار کند و در عین حال با وضعیت عاطفی مشتریانی که با آن ها صحبت می کند مطابقت داشته باشد. موضوع فقط زمینه تعامل فعلی و خواندن موقعیت نیست، بلکه تاریخچه با آن شخص و اهداف مشترک آن ها نیز هست. هوش مصنوعی می‌ تواند به آسان‌ تر کردن این فرآیند برای نمایندگان مشتریان کمک کند؛ یعنی نه تنها سرنخ‌ هایی در مورد مشخصات احساسی مشتری در طرف مقابل به شما می‌ دهد، بلکه شما را قادر می‌ سازد تا صحبت کردن با آن ها را شبیه‌ سازی کنید.

یکی از شرکت‌ هایی که این را تشخیص داده است Gainsight است، یک پلتفرم پیشرو در موفقیت مشتری که تجزیه و تحلیل هوش عاطفی را در استخدام و شمول افراد در بر می‌ گیرد و در حال حاضر با یکی از تیم‌ های موفقیت مشتری خود واقع در هند به طور آزمایشی، مشغول است.

Gainsight از Gong و Zoom برای ضبط تماس‌ های بین CSM های مستقر در هند و مشتریان مستقر در آمریکا استفاده می‌ کند، سپس داده‌ ها را به یک پلتفرم هوش محاوره‌ ای تغذیه می‌ کند تا سبک‌ های یادگیری، پاسخ‌ های احساسی، و پروفایل‌ های شخصیتی مشتریان خود را تجزیه و تحلیل و درک کند. سپس این داده ها به یک شبیه ساز آموزشی وارد می شوند تا به سایر CSM ها کمک کنند تا برای تماس های آینده با مشتریان در منطقه آماده شوند. CSM ها با تنظیم دقیق خدمات خود به روشی مناسب و ملاقات با مشتریان در سطح احساسی آن ها، می توانند دستور کار برد-برد با مشتریان را تسریع بخشند.

هوش مصنوعی و هوش عاطفی در عمل

شرکت تجزیه و تحلیل داده های فروش، گونگ، تعاملات بین فروشندگان و مشتریان را تجزیه و تحلیل می کند تا به متخصصان فروش کمک کند تا بهتر ارتباط برقرار کنند و معاملات بیشتری را ببندند. گونگ از یادگیری ماشینی (ML) و NLP برای فهرست‌ بندی ایمیل‌ های مشتری و تماس‌ های ویدیویی استفاده می‌ کند و بینش‌ های کیفی را از داده‌ های کمی مشتری به دست می‌ آورد تا زمینه‌ های بهتری ایجاد کند و زبان متقاعد کننده‌ تر و همدلانه‌ تری را توسعه دهد. گونگ استارت آپ کوچکی نیست که وعده های هوش مصنوعی را تبلیغ کند. این شرکت اخیرا ۷.۲۵ میلیارد دلار ارزش گذاری شده است و فهرست مشتریان آن شامل شرکت هایی مانند Accenture، LinkedIn، Service Titan، Slack، PayPal، Zillow و بسیاری دیگر است.

در اوایل سال ۲۰۲۰، زمانی که همه‌ گیری باعث قرنطینه جهانی شد، زیلو شروع به استفاده از گونگ کرد تا به فروشندگان حرفه‌ ای خود در انتقال از فروش حضوری به مجازی کمک کند. زیلو یک تور ویدیویی ایجاد کرد و آن را با ردیاب‌ های گونگ جفت کرد تا ببیند کدام عبارات کلیدی به بستن معاملات بیشتر کمک می‌ کنند. زیلو همچنین از محصول Gong’s Whisper استفاده کرد که اعضای تیم فروش را بر اساس عملکردشان رتبه‌ بندی می‌ کند تا مشخص کند که چگونه افراد برتر در مقایسه با سایر اعضای تیم ارتباط برقرار کرده و صحبت می‌ کنند و مدیران را قادر می‌ سازد تا بهترین شیوه‌ ها را نهادینه کنند.

مثال دیگر BenchSci است که به شرکت های داروسازی و دانشمندان کمک می کند تا آزمایشات بالینی خود را پیش ببرند. از آنجایی که شرکت‌ های داروسازی نمی‌ توانند جلسات آنلاین را به دلیل حفظ حریم خصوصی و نگرانی‌ های امنیتی ضبط کنند، BenchSci با یک پلتفرم هوش محاوره‌ ای هوش مصنوعی کار کرد تا سیگنال‌ های ایمیل‌ ها، بلیط‌ های پشتیبانی و نظرسنجی‌ ها را ضبط کند. این پلتفرم می‌ تواند تحلیل‌ های شخصیتی و رفتاری را روی وضعیت عاطفی مشتری اجرا کند و نماینده خدمات مشتری را قادر می‌ سازد تا آن را بهتر منعکس کند و به بلیط‌ های خدمات مشتری پاسخ دهد.

حلقه بازخورد هوش مصنوعی

از آنجایی که تعامل با مشتری بسیار حیاتی است، زمینه موفقیت مشتری برای ایجاد یک حلقه بازخورد ۳۶۰ درجه هوش مصنوعی، پرثمر بوده است و بینش هایی در مورد وضعیت عاطفی مشتریان قبل، در حین و بعد از تعامل با مشتری ارائه می شود. در این بخش، هر مرحله از مسیر مشتری و روش‌ هایی را که هوش مصنوعی می‌ تواند به بهبود هوش عاطفی کمک کند، بررسی می‌ کنیم.

 

قبل از تعامل با مشتری

مدیران موفق باید قبل از صحبت با مشتریان، محیطی برای آموزش و تمرین داشته باشند، به خصوص برای زمانی که بتوانند مکالمه را طبقه بندی کنند.

اگر قبلا با مشتری صحبت کرده اید، Cyrano.AI فناوری را ثبت اختراع کرده است که مکالمات قبلی را تجزیه و تحلیل می کند تا پروفایلی از مشتری ایجاد کند. این نمایه ممکن است شامل سبک ارتباطی مشتری، اولویت ها یا اهداف قابل شناسایی و حتی سطوح تعهد به نمایش گذاشته شده آن ها در آخرین مکالمه باشد. اگر به لحظات احساسی تماس و چگونگی ایجاد انگیزه در آن ها نگاه کنید، می توانید نحوه ارائه خود را برای تیپ شخصیتی مشتری خود تغییر دهید و ببینید که آن ها چگونه پاسخ می دهند.

در طول تعامل با مشتری

رهبران خدمات مشتری و موفقیت مشتری می توانند بازخورد و نکاتی را برای بستن بهتر یک معامله، رسیدگی به اعتراضات یا همدردی با مشتریان ناراضی در زمان واقعی دریافت کنند. برای مثال، Cresta از هوش مصنوعی برای ارائه بازخورد در زمان واقعی از طریق پیام‌ های متنی به کارکنان مرکز تماس استفاده می‌ کند تا بدانند در رایج‌ ترین موقعیت‌ ها به مشتریان چه چیزی بگویند.

اگر مشتری اعتراضی داشته باشد، فناوری یک دستورالعمل گام به گام برای کمک به نمایندگان برای غلبه بر آن ارائه می دهد. مشتری ناراضی؟ این فناوری عبارات یا کلمات کلیدی را برای آرام کردن مشتری به کار می برد.

 

پس از تعامل با مشتری

بینش تعامل پس از مشتری جایی است که قدرت واقعی نهفته است، زیرا هوش مصنوعی می‌ تواند داده ها را از مکالمات گذشته با مشتری بخواند و بازخورد بهبود ارائه دهد. مانند یک چرخه فضیلت، هرچه بیشتر از هوش مصنوعی استفاده شود، بازخورد بهتر می شود.

Reciprocity، یک پلتفرم پیشرو در ریسک و انطباق که دفتر مرکزی آن در سانفرانسیسکو قرار دارد، دقیقا این سناریو را برای تیم CSM خود به عنوان بخشی از پشته فناوری به کار می‌ برد. در حالی که جلسات مشتریان آن ها در گونگ ضبط می شوند، آن ها آن تماس ها را با یک پلتفرم محاوره ای و هوش عاطفی تجزیه و تحلیل می کنند، که نه تنها مشخصات شخصیتی ذینفعان مشتری را بر اساس مکالمات گذشته ارائه می دهد، بلکه از تولید زبان طبیعی (NLG) برای توصیه به CSM ها در مورد چگونگی بهره گیری از آن ها برای کار با افراد خاص، استفاده می کند. این نرم افزار همچنین می تواند CSM ها را با ذینفعان مشتری بر اساس شباهت آن ها در شخصیت و سبک ارتباطی مطابقت دهد که اصطکاک در فرآیند خرید یا فروش را کاهش می دهد و افراد متمرکز بر مشتری را قادر می سازد تا ارتباط واقعی و مؤثر تری داشته باشند.

عاقلانه است که شرکت‌ ها راه‌ حل‌ های هوش مصنوعی را بررسی کنند و به تیم‌ هایشان در زمینه هوش عاطفی و ارتباطات بهتر کمک کنند. در واقع، هوش مصنوعی می‌ تواند هوش عاطفی ما را با ایجاد خودآگاهی بیشتر و کمک به مدیریت روابط کلیدی کاری، افزایش دهد. تقویت هوش هیجانی و مهارت های ارتباطی، ما را کارآمد تر، سازنده تر و همدل تر می کند. اگرچه این فناوری تا کامل بودن فاصله زیادی دارد، اما هر روز با افزایش داده ها، مقیاس و پیچیدگی پلتفرم ها هوشمند تر می شود. این فناوری در جهت این که تیم‌ های ما از نظر احساسی باهوش‌ تر شده و شرکت‌ ها موفق‌ تر و سودآورتر شوند، وجود دارد.