Статьи

28 апреля 2025 15:33

Возрастающая роль ИИ в трансформации управления знаниями

Управление знаниями (KM) переживает сегодня самый быстрый за последние четыре десятилетия рост, и экспансия на рынке KMS только ускоряется в этом давно недооцененном сегменте информационных систем для контакт-центров (и не только). Как и во многих других технологических секторах, основным драйвером позитивного импульса в развитии KM является искусственный интеллект (ИИ); однако, в отличие от многих других секторов, KM извлекает выгоду из революции ИИ сразу двумя различными способами. Во-первых, KM является важным инструментом для реализации инициатив компании в области ИИ, выступая в качестве надежного источника информации для различных систем и приложений на основе ИИ. Во-вторых, рынок KM также получает возможность улучшать свои собственные решения с помощью ИИ, что ставит этот сегмент в уникальное и очень выгодное положение.

Эффективное управление знаниями более актуально и критично, чем когда-либо в сегодняшних часто распределенных бизнес-средах, например, для гибридных форматов работы, распределенных КЦ, мультиканальности и т.п.. Новое поколение платформ KM предоставляет высокоинтеллектуальные и масштабируемые фреймворки, которые гарантируют, что знания остаются организованными и доступными по всей организации вне зависимости от местоположения и могут расти вместе с ней. Эти решения помогают компаниям удовлетворять постоянно растущие требования клиентов, быть более конкурентоспособными, повышать эффективность и оптимизировать свои интеллектуальные возможности. Это, в свою очередь, улучшает опыт клиентов и сотрудников (CX/EX) и, как следствие, прибыль компаний.

Влияние ИИ

Технологии ИИ, включая генеративный ИИ (GenAI), трансформируют платформы управления знаниями, автоматизируя создание и поддержание знаний, категоризацию, поиск и многое другое, одновременно персонализируя опыт как для клиентов, так и для сотрудников. Эти новые возможности помогают компаниям повысить производительность как «человеческих», так и «роботизированных» операторов и таким образом достичь более эффективного использования своего интеллектуального капитала и улучшить процесс принятия решений.

ИИ также позволяет поставщикам решений KMS решать три давние проблемы с этими решениями:

«мусор на входе/мусор на выходе»;
заставить людей наполнять контент и поддерживать его в актуальном состоянии;
и как легко и быстро получить доступ к нужной информации или ответу.

Технологии ИИ изменили направление развития KM. При использовании традиционными способами для поддержки сотрудников и улучшения CX решение KM, как ожидается, окупится за 12–24 месяца, но это только одно из его преимуществ. Приложения KM, которые используют ИИ для обеспечения надлежащего обслуживания и актуальности информации, могут использоваться для обоснования ответов, созданных GenAI, в решениях самообслуживания и помощи операторам, ориентированных на клиентов (среди прочего), и даже для улучшения собственных результатов поиска KM. Использование передовых технологий, таких как фреймворки дополненной генерации поиска (RAG*), помогает повысить точность и релевантность ответов и может повысить эффективность в снижении галлюцинаций. Хотя эти платформы уже сейчас интересны и полезны для организаций, на подходе более инновационные варианты использования технологий ИИ/GenAI и автоматизации.

В течение десятилетий базы знаний и другие хранилища данных, такие как SharePoint, в основном использовались в контактных центрах, организациях технической поддержки и службах обслуживания клиентов в качестве справочных инструментов. Предполагаемой целью этих приложений было сокращение времени адаптации, обучения и обработки контактов операторами. Последним часто не нравились эти решения, потому что им приходилось искать ответы, даже когда это увеличивало AHT, а ответы могли быть как неправильными, так и правильными. Новое поколение платформ управления знаниями с поддержкой ИИ, которые распространяют точные знания во многих различных форматах и каналах среди сотрудников компании, а также среди потенциальных, существующих клиентов и партнеров меняет всё это.

Сложные платформы KM еще больше расширяют возможности доставки оптимизированного контента, знаний соответствующим потребителям этой информации. Решения на базе AI/GenAI с улучшенными рабочими процессами и интеллектом могут автоматически предоставлять информацию, не требуя от конечного пользователя выполнения поиска. Кроме того, эти продвинутые приложения могут собирать, анализировать и объединять данные из нескольких источников для создания всеобъемлющих, но кратких, синтезированных ответов, которые цитируют и/или ссылаются на исходные ссылки. Этот уровень знаний может применяться в реальных сценариях для принятия бизнес-решений, улучшения опыта клиентов и сотрудников и повышения операционной эффективности.

Почему инвестирование в KM — это разумный шаг

Существует множество сближающихся бизнес-тенденций, помимо ИИ, которые способствуют внедрению KM. Одной из самых распространенных является растущее предпочтение самообслуживания клиентов, когда это возможно и интересно клиенту. Поскольку объемы взаимодействия в каналах самообслуживания продолжают неуклонно расти, наличие централизованного и стандартизированного KM, который предоставляет контекстно-релевантные, точные ответы в оптимизированном для канала формате, значительно улучшает CX и сокращает количество запросов, требующих поддержки оператором в реальном времени, что делает это выигрышем как для клиентов, так и для компаний. Кроме того, поскольку компании все больше внимания уделяют предоставлению исключительного CX, они ищут инструменты, которые помогут достичь этой цели экономически эффективно. Решения KM играют важную роль в точной и последовательной доставке информации и ответов во всех точках взаимодействия с клиентами, повышая удовлетворенность клиентов и лояльность к бренду.

Сотрудники, работающие удаленно, как на постоянной, так и на гибридной основе, являются еще одним фактором внедрения KM. Эти форматы работы требуют наличие надежного решения KM, чтобы гарантировать сотрудникам своевременный доступ к необходимой им информации и процедурам, независимо от их местоположения. Растущее использование инструментов совместной работы (на которое сильно влияют рассредоточенные рабочие группы) также увеличивает спрос на решения KM, которые централизуют организационные данные, что упрощает и ускоряет совместную работу и обмен знаниями для групп сотрудников.

Решения KM также могут быть полезны для помощи людям и автоматизированным помощникам в безопасном и при надлежащем соблюдении внутренних и внешних нормативных требований. Кроме того, они помогают поддерживать доступность и актуальность этих требований. С ростом угрозы кибератак решения KM защищают конфиденциальную информацию и гарантируют, что доступ к ней получат только уполномоченные сотрудники.

Перспективы KM

Решения по управлению знаниями всегда имели большой потенциал, хотя этот потенциал не мог быть полностью реализован из-за технических и других ограничений. Однако развитие технологий ИИ с упором на GenAI значительно изменило траекторию развития этого сегмента ИТ для КЦ. Во многих ситуациях платформы KM теперь служат важным источником данных для поддержки различных решений на основе ИИ. В других случаях они используются в качестве барьера, чтобы не допустить, что системы с поддержкой GenAI делились неверной или ненадлежащей информацией с клиентом или сотрудником. Хотя за последние годы в платформах KM были достигнуты большие успехи, многие локальные поставщики KM только начинают движение вперед. Ведущие мировые игроки на рынке KM готовы предоставлять усовершенствования, которые продолжают улучшать удобство использования системы и увеличивать преимущества, поскольку эти решения более полно интегрируются в ИТ инфраструктуру компаний, которые они поддерживают.

* - RAG (Retrieval Augmented Generation) — это технология, сочетающая в себе поиск релевантной информации в существующих хранилищах данных и генерацию текста с помощью языковых моделей для создания более точных и информативных ответов. Проще говоря, это метод работы с большими языковыми моделями, когда пользователь пишет вопрос, а к нему программно добавляют дополнительную информацию из внешних источников и подают всё целиком на вход языковой модели. Таким образом в контекст запроса добавляют дополнительную информацию, на основе которой языковая модель может дать пользователю более полный и точный ответ. RAG используется для решения задач, в которых поиск ответов на вопросы пользователя нужно провести во внешних источниках информации. Например, связанных с фактами, документами, работой службы поддержки и т.п..