客户服务与生成式AI的优势-利用对话式AI建立竞争优势.pdf

IBM 商业价值研究院|研究洞察客户服务与生成式 AI 的优势利用对话式 AI 建立竞争优势2面对不断增长的客户期望和运营成本，公司和企业主迫切需要打造现代化客户服务来应对日益严峻的挑战。借助面向客户服务的 AI 解决方案，IBM Consulting 致力于帮助组织制定数据与 AI 战略，以转变客户服务体验、为员工赋能、提升客户满意度以及创造新的收入来源来提高盈利能力。如需了解更多信息，请访问 如何 提供帮助1生成式 AI 正在提高标准65%的受访客户服务高管希望结合使用生成式 AI 与对话式 AI 来提高客户满意度。实验让“AI 新手”在发展能力的同时降低风险AI 经验更丰富的组织着重发展高级用例并创造更大的 价值。生成式 AI 有助于提高投资回报率，“AI 新手”尤其显著对于长期使用对话式 AI 的客户服务团队，部署生成式 AI 的投资回报率要高出 37%。而对于 AI 经验较少的组织，这项比较优势跃升至 117%。无论组织位于 AI 旅程的哪个阶段，引入生成式 AI 都可以为组织提供亟需的绩效提升。摘要2观点两种发展路径本文探讨了不同 AI 经验水平的组织如何把握生成式 AI 机遇。尽管并非每个组织都属于以下两类群体，但评估这两类组织采用生成式 AI 的独特方法以及所实现的业务成效可揭示出有价值的洞察。下面是我们定义这两个关键群体的方法，随后的页面将详细加以分析：经验型企业此类组织在至少一个客户服务用例中使用对话式 AI 的经验达到 至少 5 年新手型企业此类组织在至少一个客户服务用例中使用对话式 AI 的经验达到 1 至 3 年1 year 2 3 4 5+1 year 2 3 4 5+3客户服务是生成式 AI 的试金石作为生成式 AI 的先锋领域，客户服务可以探索未知领域，并创造前所未有的业务价值。事实上，随着生成式 AI 技术颠覆企业的工作方式，最高管理层已将客户服务列为优先采用这项变革性技术的领域。1 这并不足为奇，因为对于多年来一直在客户服务中使用传统 AI 的企业来说，这是合乎逻辑的下一步。从与客户聊天、创建精准内容到优化呼叫中心绩效，生成式 AI 正在将客户服务转型提升到全新的水平。通过为客户和人类客服提供动态、个性化的体验，这项技术有望增强传统 AI，从而推动生产力和效率变革。做出正确的投资决策可以带来指数级的回报，但企业应根据自身的起点和需求决定在哪些领域进行投资。那么，在 AI 发展的不同阶段，业务高管认为哪些领域最具前景呢？为了回答这个问题，IBM 商业价值研究院(IBM IBV)针对 34 个国家/地区和所有主要行业中已使用对话式 AI 至少 12 个月的组织的近 1,500 名客户服务经理、主管和高管开展了一项调研。我们询问了其组织目前如何在客户服务领域使用生成式 AI，哪些用例展现出最大的潜力，以及这项技术在哪些领域实现了最大的业务价值。对于在客户服务领域使用对话式 AI 的经验达到至少三年的组织，其中有 89%已经在使用生成式 AI 直接回答客户的疑问。4总体而言，受访客户服务高管一致认为，采用生成式 AI 对其业务至关重要。事实上，每一位受访者都表示其组织计划在客户服务中使用生成式 AI，而 67%的受访者表示已经将此付诸行动。超过一半(54%)的受访组织已经在 1 到 4 个客户服务用例中部署了生成式 AI（见图 1）。但并非所有组织都计划以相同的方式使用生成式 AI。在生成式 AI 旅程中处于早期阶段的组织需要通过实验来探索机会和验证用例。经验更丰富的组织则可以利用生成式 AI 来推动更广泛的转型。为了更好地理解不同起点的组织如何推动价值增长，我们研究了受访组织在传统 AI 领域的经验如何影响其生成式 AI 方法。我们的数据表明，使用对话式 AI（旨在理解和回复客户用自然语言提出的问询）的年限可以有效预测组织是否会成为生成式 AI 的积极早期采用者。具体来说，使用对话式 AI 经验最丰富的组织有信心大刀阔斧地实施更复杂的用例。例如，对于在客户服务领域使用对话式 AI 的经验达到至少三年的组织，其中有 89%已经在使用生成式 AI 直接回答客户的问询。然而，我们的研究还表明，无论组织在 AI 领域的经验如何，将生成式 AI 与对话式 AI 相结合都可以实现显著的业务效益。“经验型企业”实现了出众的成效，而“新手型企业”则实现了最大幅度的相对优势。这意味着不同成熟度水平的组织都有机会超越竞争对手，实现颠覆性的绩效提升。只不过，组织需要清楚要采取的下一步最佳行动。请继续阅读，了解当今组织如何在客户服务领域使用生成式 AI，这一举措如何影响关键绩效指标（包括平均联络成本和投资回报率），以及哪种方法分别最适合“新手型企业”和“经验型企业”。最后，行动指南部分概述了这两类组织如何充分释放生成式 AI 的价值。图 1形成 AI 合力使用对话式 AI 的组织大多也已部署生成式 AI。811(1%)生成式 AI 用例的数量57(12%)14(53%)0(33%)67%已经部署了生成式 AI注：由于四舍五入，数字总和不为 100%。5AI 获得“氮气加速”在初始阶段，对话式 AI 帮助企业改进了早期的聊天机器人体验，这主要由基于规则的系统来提供预定义的响应。这种类型的聊天机器人功能有限，主要用于解决一些常见且易于回答的客户问题。随着时间的推移，对话式 AI 开始利用自然语言处理(NLP)和机器学习算法，使得聊天机器人能够更好地理解和回答客户问题。经过适当的训练，这些 AI 助手的表现会更像人类，而非机器。然而，尽管这些增强型 AI 助手可以执行更复杂的交互，但其能力也会遇到瓶颈。生成式 AI 是下一个进化阶段。利用自然语言生成技术，生成式 AI 能够以更流畅、更符合上下文的方式来回答客户问题。生成式 AI 还可以根据客户的互动记录来提供定制化的响应，并打造更加个性化的体验。这样一来，客户就可以像与人类客服互动一样与生成式 AI 助手进行聊天。不仅如此，生成式 AI 的应用远不止与客户直接互动。这项技术能够提供人工客服培训、个性化增强、内容翻译，还可以预测未来客户行为，从而全方位增强客户服务职能。生成式 AI 还可以为面向客户的对话式 AI 提供支持，包括生成测试用例和对话，以及分析交互以识别改进机会。超过 40%的受访组织正在使用生成式 AI 创建用于训练对话式 AI 的测试用例。6许多组织正在将生成式 AI 用于这一领域，将其置于对话式 AI 之上，从而提高现有工具的速度和准确性。例如，对于正在客户服务中使用生成式 AI 的受访组织，其中有 44%正在使用生成式 AI 来创建用于训练对话式 AI 的测试用例。而且，更高比例的受访组织(46%)正在使用生成式 AI 来为对话式 AI 生成对话（见图 2）。图 2生成式 AI 扩大应用范围组织计划到 2024 年底将生成式 AI 应用于各种客户服务用例。46%28%23%3%为对话式 AI 生成对话44%34%21%1%生成用于训练对话式 AI 的测试用例36%21%22%21%将内容翻译成不同的语言35%28%26%11%增强个性化34%30%30%6%增加主动推送通知34%22%26%18%预测客户的下一次互动已采用20242025 至 2027不确定采用时间表 24%8%为人类客服生成对话47%21%8%支持人工客服培训40%27%25%直接回答客户问询40%23%26%11%分析对话式 AI 交互39%18%24%19%执行联络人分析和根本原因分析30%26%27%17%7业务效益全面开花有如此多的应用场景，企业期望实现全面开花的业务效益也就不足为奇了。近三分之二的受访者预计生成式 AI 将提高客户满意度(65%)；超过一半的受访者预计生成式 AI 将提高人工客服的满意度(58%)、收入增长(56%)和客户保留率(53%)。近一半的受访者还预计生成式 AI 将降低平均联络成本(46%)。企业高管普遍看到了各种潜在效益，但只有部分高管更加积极主动地追求这些实效。根据 IBM 商业价值研究院的调研，到 2023 年中，绝大多数(87%)“经验型企业”（使用对话式 AI 的经验至少达到五年）都在至少一个客户服务用例中使用生成式 AI。而“新手型企业”（使用对话式 AI 的经验少于三年）的这一比例只有 43%。为什么会出现这种情况？部分原因是，成功运用生成式 AI 需要信心、眼光和治理护栏，而经验更丰富的企业将在竞争中占据先机。此外，许多经验型企业已经具备利用生成式 AI 所需的技术基础架构。例如，大约一半(49%)的经验型企业已经将对话式 AI与后端系统实现充分或全面集成，用于处理来自外部的联络。而新手型企业的这一比例只有 16%。经验型企业还深刻理解对话式 AI 的使用方式及其如何帮助企业实现改进。49%的经验型企业表示已经全面或大幅优化了审查和再训练对话式 AI 的方式，而新手型企业的这一比例只有 17%。意大利领先的电信企业深知快速慎重地解决客户投诉是多么的重要。在 IBM Consulting 和 watsonx AI 解决方案的支持下，WindTRE 有效优化投诉处理方式，以减少服务台的重复活动并加快解决客户投诉。IBM Consulting 帮助设计、开发和管理能理解人类语言及推理的 AI 解决方案。该解决方案包含一个专用信息中心，可持续分享绩效、数量和预期收益方面的数据，从而提高索赔管理的有效性和效能。到目前为止，该解决方案已经自动处理了超过 200,000 项投诉，实现了高度自动化。现在，该公司响应客户投诉的速度比以前提升了 10 倍。通过这次转型，WindTre 不仅改进了客户服务，而且还形成了更先进的运营思维。案例研究IBM Consulting 和 watsonx AI 助力 WindTRE 更快地解决客户投诉289经验确实重要，但生成式 AI 是一股推动所有企业受益的浪潮无论组织位于 AI 旅程的哪个阶段，引入生成式 AI 都可以为组织提供亟需的绩效提升。根据 IBM 商业价值研究院的调研，平均而言，相比未在客户服务中使用生成式 AI 的组织，使用生成式 AI 的组织实现了更高的客户满意度。不过，使用对话式 AI 较长时间的组织实现了最佳的总体业务成效（见图 3）。投资回报率首先来考虑对话式 AI 的投资回报率(ROI)。未使用生成式 AI 的经验型企业实现了 73%的投资回报率，而同时采用两种 AI 的企业则实现了 100%的投资回报率，比前者高出 37%。对于新手型企业而言，这项比较优势跃升至 117%：不使用生成式 AI 的新手型企业实现了 30%的投资回报率，而使用生成式 AI 的新手型企业则实现了 65%的投资回报率。平均联络成本也呈现出相同的趋势，新手型企业使用生成式 AI 后实现了更大的相对优势，而经验型企业在总体上实现了更大的成本节省。这些数据表明，与不采用生成式 AI 的企业相比，采用生成式 AI 改进客户服务的企业（无论经验如何）都将获得一定的竞争优势。但是，部署并推广这项颠覆性技术的最佳方式是什么？与经验型企业相比，新手型企业在生成式 AI 上的投资又有哪些不同？经验型企业利用生成式 AI 实现最大幅度的成本节省，而新手型企业利用生成式 AI 快速实现相对优势。10图 3每个阶段都有回报经验型企业利用生成式 AI 取得了更好的成效，而新手型企业利用生成式 AI 实现了更大幅度的相对优势80%65%-14%30%-8%-20%45%-15%100%-25%73%-18%对话式 AI 的 投资回报率使用对话式 AI 后平均联络成本的变化117%投资回报率增幅使用对话式 AI 的经验达到 1 至 3 年使用对话式 AI 的经验达到 3 至 5 年使用对话式 AI 的经验超过 5 年75%成本降低78%投资回报率增幅37%投资回报率增幅33%成本降低39%成本降低使用生成式 AI 不使用生成式 AI11案例研究IBM 助力英国银行打造更直观的客户服务平均联络成本现在，让我们来看看平均联络成本。尚未使用生成式 AI 经验型企业表示，在仅使用对话式 AI 的情况下，平均联络成本降低了 18%。同时使用对话式 AI 和生成式 AI 的经验型企业表示平均联络成本降低了 25%，这相当于 39%的成本效益增幅。相比之下，尚未部署生成式 AI 的新手型企业表示，对话式 AI 将平均联络成本降低了 8%。而同时采用生成式 AI 和对话式 AI 的新手型企业则表示平均联络成本降低了 14%，这相当于 75%的增幅。这些数据表明，经验型企业可以利用生成式 AI 实现最大幅度的成本节省，而新手型企业可以利用生成式 AI 迅速实现相对优势，并有势头赶上更有经验的企业。一家英国银行致力于为每一位客户提供个性化、直观和高效的服务。为此，该银行希望利用先进的 AI 技术来提升聊天机器人的性能，并全面增强其客户互动渠道。该公司专注于简化客户服务体验，旨在从客户互动中获取切实可行的洞察并提升个性化水平。通过与 IBM Consulting 合作，该银行正在突破大语言模型(LLM)的边界，利用生成式 AI 帮助识别不断变化的客户需求，并减少管理、培训和支持各种互动的人工 工作量。这项合作还帮助该银行提高了对话分类的准确性，更好地确定应丢弃哪些数据，并通过一种可重复、透明和可信的流程提高了生产力。总体而言，生成式 AI 帮助该银行每年节省了 200 万英镑的成本和数千小时的劳动力。如今，超过 90%的客户疑问都得到了 AI 助手的正确解答，从而提升客户服务团队的工作效率。1213所有组织都需要克服道德、合规和治理方面的挑战，才能推出负责任的生成式 AI。对于经验型企业来说，少即是多；而新手型企业则应当多加尝试就生成式 AI 的采用而言，并没有一种“放之四海而皆准”的通用方案。对话式 AI 经验丰富的组织掌握最佳实践，确定了能力差距，并清楚生成式 AI 可如何帮助巩固已取得的客户服务成果。对于经验型企业来说，经验产生信心 59%的经验型企业已至少在三个不同的客户服务用例中使用生成式 AI。按照常理判断，经验更丰富的企业都会想要扩展其 AI 专业技能和范围。但根据 IBM 商业价值研究院的调研，这可能并非最好的选择。对于经验型企业而言，在少量更复杂的用例中深耕生成式 AI 技术能够创造更大的业务价值。而对话式 AI 经验较少的客户服务团队可以通过早期投资更多用例来实现更好的成效。14图 4广泛实验与专注深耕对于新手型企业，尝试更多用例可以降低平均联络成本；而对于经验型企业，聚焦少量用例可以节省更多的成本。调研中的平均联络成本数据突显了这一趋势。在三个或更多客户服务用例中同时使用对话式 AI 和生成式 AI 的新手型企业实现了 25%的成本节省。而如果只有一到两个用例，新手型企业的成本节省幅度就会下降到 10%。相比之下，经验型企业只需在一个或两个客户服务用例中加入生成式 AI，就可以将平均联络成本降低 30%。当经验型企业尝试五种或更多用例时，成本节省幅度就会下降到 10%（见图 4）。有很多原因可以解释这种情况。首先，新手型企业学习生成式 AI 的难度更大，这就需要进行广泛实验并衡量效果，才能找到最行之有效的方法。新手型企业还可以实现一些唾手可得的成果，包括利用生成式 AI 来简化多种工作流程，从而实现立竿见影的效果。而另一方面，经验型企业早已通过简化流程实现了初步成效，他们必须集中投资，开发更复杂的功能来推动成本节省和收入增长。不使用12345+生成式 AI 用例的数量-8%-10%-25%-25%-15%-25%-25%-15%-18%-30%-25%-10%降低平均联络成本使用对话式 AI 的经验达到 1 至 3 年使用对话式 AI 的经验达到 3 至 5 年使用对话式 AI 的经验超过 5 年15那么，这两类企业应优先考虑哪些用例？根据 IBM 商业价值研究院的调研，在 2023 年，尝试面向客户的用例的经验型组织的数量大约是新手型企业的两倍。而现在，新手型企业开始缩小这一差距，而经验型企业则仍然更专注于在高级用例中使用生成式 AI，例如直接回答客户问询以及将内容翻译成不同的语言。相比之下，新手型企业最热衷的生成式 AI 用例仍然是充当支持角色（见图 5）。图 5勇于进取与新手型企业相比，经验型企业正在尝试更高级的用例。经验型企业的三大用例1直接回答客户问询2执行联络人分析和 根本原因分析新手型企业的三大用例1分析对话式 AI 交互2为人类客服生成对话3为对话式 AI 生成对话3将内容翻译成 不同的语言高级用例支持角色用例16发现阻碍因素两类组织面临的挑战也各不相同。新手型企业最担心的是生成式 AI 可能无法为组织数据提供安全的环境(44%)，并且可能难以将生成式 AI 与组织流程相整合(38%)。经验型企业则担心生成式 AI 可能会难以实现社会责任目标(46%)和环境可持续性目标(42%)，并且可能无法为客户数据提供合规环境(40%)。简单来说，更先进的功能会带来更复杂的担忧。新手型企业关注的是基本问题 如何整合生成式 AI 而不将敏感数据置于风险环境中。经验型企业则看到了更远处的障碍。尽管行业法规也会影响企业高管优先考虑哪些用例，但所有组织都需要克服道德、合规和治理方面的挑战，才能推出负责任的生成式 AI。从一开始就优先考虑可信 AI 原则（可解释性、公平性、稳健性、透明度和隐私）的新手型企业可能能够在未来更迅速地进行扩展。而能够清晰阐述如何将生成式 AI 负责任地整合到客户服务解决方案中的经验型企业则有机会在不断变化的监管环境中脱颖而出。然而，根据 IBM 商业价值研究院的调研，许多组织都难以将 AI 原则付诸实践。尽管 79%的受访高管表示 AI 伦理对其企业级 AI 方法很重要，但只有不到 25%的受访高管实施了 AI 伦理原则。在这种形势下，具有强大伦理和治理能力的企业将有机会脱颖而出 具体来说，四分之三的受访高管将伦理视为差异化竞争优势的 来源。3 成事在人生成式 AI 并不是万能的解决方案。这项技术可以提高生产力并实现全新的业务模式，但创造新机遇的核心原则就是“成事在人”。随着生成式 AI 的新用例不断涌现，企业必须赋能员工发现新的机会来提高效率、创造价值以及增强自身角色。在生成式 AI 旅程的每一步，人才将在设计、实施和审查输出方面发挥重要作用，以确保生成符合伦理且无偏见的输出。客户具有广泛的文化、情感和社会需求，并通过细微而多样的方式传达出这些需求，因此需要高情商才能解读这些线索。在生成式 AI 帮助组织洞悉客户互动并预测客户的下一步行为之后，人类将成为将这些洞察落实到行动的关键要素。通过结合人类与 AI 的优势，组织可以更迅速、更果断地采取行动，而不会违背其核心价值观。在负责任的高管的领导下，企业可以建立一个由技术驱动的客户服务职能来满足不断变化的客户和员工期望，从而提高忠诚度、建立信任并改善用户体验。1718 行动指南比赛打响无论您的组织处于生成式 AI 哪一个阶段，现在是时候加快步伐了。然而，并非每项投资都能同样提升盈利水平。请保持警觉，找出您企业与竞争对手的不同之处，并利用生成式 AI 增强其独特之处。新手型企业的优先事项 解决客户痛点。探索如何利用生成式 AI 消除客户体验中的摩擦。利用技术来发现改进工作方式的方法，在可发挥关键作用的细节上加入人性化因素。探索之前无法触及的高价值机会。看看生成式 AI 可如何改变过去风险过大或成本过高的项目商业论证。聚焦于生成式 AI 能够支持的关键业务，即使您的能力尚未完全到位。一旦拥有了正确的基础，您就可以迅速取得进展。推动 AI 的良性循环。使用生成式 AI 优化现有的对话式 AI。利用生成式 AI 编写对话、审查互动并创建对话式 AI 的测试用例，团队可以学习如何在幕后利用这项颠覆性技术。添加后处理过滤器等护栏，确保及时识别和解决 AI 幻觉，防止其出现在工作产品中。广泛实验、衡量成效并收集来自客服和客户的反馈，以寻找机会增加生成式 AI 采用的范围、规模和速度。培育创新文化。提供与 AI 伦理框架相一致的明确护栏，鼓励客服专业人员尝试使用生成式 AI。创建 AI 设计指南，在其中纳入关于算法责任的特定部分。鼓励团队分享成功和失败经验，以避免重复同样的错误。让伦理团队在决策中占有一席之地，确保将伦理原则付诸实践。培训客服来训练 AI。无监督的生成式 AI 会增加错误信息、幻觉或偏见回应的风险。人类必须提供支持。要求开展 AI 伦理和偏见识别培训，强调可信 AI 原则的重要性。在适当的治理框架下，客服的互动将训练生成式 AI 基础模型生成更高质量的输出，并管理生成不准确内容带来的风险。建立预测能力。收集相关的客户信息（例如人口统计信息、购买历史和行为数据），以输入到封闭的生成式 AI 模型中。将生成式 AI 模型与现有的 CRM 或 ERP 系统相集成，以便直接向员工提供洞察。19经验型企业的优先事项 以客户为中心。将生成式 AI 用例扩展到对改善客户体验最有效的领域。这可能包括让生成式 AI 处理简单的客户互动，以提高服务速度。对于更复杂的请求，可以为客服提供生成式 AI 工具，让他们专业地回答客户问题并提供有针对性的产品推荐。关键是要确保客户知道何时与生成式 AI 助手互动，并让客户随时可以要求人工帮助。优化 AI 伦理框架。确保建立一个 AI 伦理委员会，其中包括法律、合规、数据隐私和客户服务领域的代表，以便为生成式 AI 用例提供持续反馈。让每个人都负起责任。进行定期审计，以帮助确保所有新应用均符合伦理原则和准则。建立责任机制，让指定的团队或个人对生成式 AI 模型的行为和输出负责。行动指南 打造个性化体验。使用生成式 AI 根据每一位客户的偏好、行为和互动记录来创建个性化的对话流程。开发情绪分析功能，帮助生成式 AI 助手理解客户互动的情感基调并做出相应的回应。鼓励企业采用 AI。在企业内分享学习和成功经验，以激励团队更广泛地采用生成式 AI。作为 AI 经验最丰富的部门，客户服务的成功经验可以为其他部门提供宝贵的借鉴和启示。20作者IBM 商业价值研究院IBM 商业价值研究院(IBM IBV)成立二十年来，凭借 IBM在商业、技术和社会交叉领域的独特地位，每年都会针对成千上万高管、消费者和专家展开调研、访谈和互动，将他们的观点综合成可信赖的、振奋人心和切实可行的洞察。需要 IBV 最新研究成果，请在 上注册以 接收 IBV 的电子邮件通讯。您可以在 Twitter 上关注 IBMIBV，或通过 https:/ibm.co/ibv-linkedin 在 LinkedIn 上联系我们。访问 IBM 商业价值研究院中国官网，免费下载研究报告：https:/ Goyal高级合伙人、全球 AI 和分析负责人 IBM C Rzsa杰出工程师 IBM C Baird全球研究负责人，客户体验与设计IBM 商业价值研究院 Orrell欧洲绩效数据和对标分析副合伙人IBM 商业价值研究院 Mahfooz高级管理顾问IBM 商业价值研究院 IBM，我们积极与客户协作，运用业务洞察和先进的研究方法与技术，帮助他们在瞬息万变的商业环境中保持独特的竞争优势。关于研究洞察研究洞察致力于为业务主管就公共和私营领域的关键问题提供基于事实的战略洞察。洞察根据对自身主要研究调查的分析结果得出。要了解更多信息，请联系 IBM 商业价值研究院：21研究方法IBM 商业价值研究院与研究合作伙伴牛津经济研究院合作，于 2023 年底开展了一项双盲定量调研，对象为 1495 名具有深厚客户服务专业知识的个人，包括高管、董事和经理。这项全球调研面向 34 个国家/地区的组织，涵盖多个行业，包括银行和金融、政府、医疗保健、保险、制造业、媒体和娱乐、专业服务、零售、软件、电信、运输和公用事业。调研样本中的所有组织都已在客户服务中使用对话式 AI 达到一年或更长时间，并且所有受访组织都非常熟悉这项技术带来的益处和挑战，以及其客户服务部门如何利用生成式 AI 来提质增效和扩展支持。我们的分析重点关注哪些生成式 AI 用例最常见，并且可为当今的客户服务团队提供最大的业务价值。然后，我们将组织在对话式 AI 旅程中的持续时间与可实现的潜在价值建立了关联。相关报告CEO 生成式 AI 行动指南：客户服务https:/ 生成式 AI 行动指南：负责任 AI 与伦理https:/ 服务质量，提升经济效益https:/ The CEO s guide to generative AI:Customer service.IBM Institute for Business Value.August 2023.https:/ibm.co/ceo-generative-ai-customer-service 2“Streamlining claims management processes.”IBM.Accessed May 1,2024.https:/ 3 The CEO s guide to generative AI:Responsible AI and ethics.IBM Institute for Business Value.October 2023.https:/ibm.co/ceo-generative-ai-responsible-ai-ethics 备注和参考资料6JBE0V2W-ZHCN-01扫码关注 IBM 商业价值研究院官网微博微信公众号