Steve dà il benvenuto a Ibby Syed, co-fondatore di Cotera, per una conversazione sul divario tra l'entusiasmo per l'IA e l'IA che effettivamente svolge un lavoro autonomo per le operazioni di e-commerce. Ibby offre una prospettiva unica, essendo stato uno dei primi data scientist di Peloton, dove ha visto i marchi DTC crescere rapidamente mentre i loro team erano immersi nel lavoro manuale, analizzando dati dei clienti sparsi su strumenti disconnessi. Questa esperienza gli ha mostrato esattamente dove il flusso di lavoro tradizionale della data science fallisce: i professionisti del marketing chiedono informazioni fruibili da implementare in Klaviyo o Braze, ma i data scientist spariscono per cinque o sei mesi e tornano con file di modelli complessi che nessuno sa come utilizzare.

La conversazione si concentra su ciò che rende gli agenti autonomi fondamentalmente diversi dai chatbot o dagli strumenti di intelligenza artificiale basati su query. Ibby ne analizza il framework: invece di richiedere costantemente uno strumento o di collegare più piattaforme con il nastro adesivo, si definisce un processo in un linguaggio semplice (esattamente come scrivere istruzioni a uno stagista), si dà all'agente accesso agli strumenti pertinenti (Instagram, Google, i dati dei clienti) e lo si lascia eseguire in modo indipendente. Condivide un esempio interessante: un marchio di fitness D2C voleva identificare quali tra i suoi principali acquirenti (il 5%) potessero diventare ambasciatori del marchio. L'approccio tradizionale richiederebbe a un team di stagisti di ricercare manualmente ogni cliente su Instagram, controllando il numero di follower e i contenuti di fitness, per poi contattarli individualmente, un lavoro che richiederebbe mesi. Con l'agente autonomo di Cotera, hanno definito il processo una volta, gli hanno dato accesso a Instagram e Google, gli hanno fornito la loro lista di clienti di alto valore e l'agente ha completato mesi di ricerca in cinque minuti.

Ibby spiega perché il ruolo umano si trasforma anziché scomparire in un'operazione potenziata dall'intelligenza artificiale. Il lavoro ripetitivo – analizzare i ticket di supporto, categorizzare i resi, segmentare i clienti in base ai modelli di acquisto – viene automatizzato, ma gli esseri umani si elevano a decisioni strategiche di alto livello, a problem-solving creativo e a costruire esperienze cliente memorabili che promuovono la fidelizzazione a lungo termine. Usa efficacemente l'analogia con gli sportelli bancomat: quando furono inventati gli sportelli bancomat, si prevedevano ingenti perdite di posti di lavoro nel settore bancario, ma in realtà gli esseri umani si liberarono dal compito di contare i contanti e si spostarono su ruoli più preziosi di consulenza e relazione. Il settore bancario impiega più persone oggi rispetto a prima dell'esistenza degli sportelli bancomat, perché i guadagni di efficienza hanno finanziato la crescita aziendale e creato nuove opportunità.

La conversazione si conclude con un confronto con la realtà sull'AGI (intelligenza artificiale generale). Nonostante il clamore che suggerisce che l'IA sostituirà presto completamente il pensiero strategico umano, Ibby trascorre le sue giornate a lottare per far sì che gli agenti di IA eseguano correttamente compiti di base. L'attuale tecnologia di IA potenzia notevolmente le capacità umane per flussi di lavoro definiti e ripetibili, ma il giudizio sfumato, la risoluzione adattiva dei problemi e la creatività strategica rimangono saldamente in territorio umano. Questa non è una storia sull'IA che sostituisce il tuo team: è un modello per moltiplicare ciò che il tuo team può realizzare automatizzando il lavoro quotidiano e promuovendo tutti a compiti di valore superiore.

👉  Definisci i flussi di lavoro del tuo agente AI esattamente come li delegheresti a un membro umano del team. Descrivi il processo in un linguaggio semplice, come se stessi inviando un'e-mail a uno stagista: passo dopo passo, con chiari punti decisionali e risultati attesi. La svolta con gli agenti autonomi non sta nella complessità tecnica; sta nella capacità di articolare la logica aziendale in modo sufficientemente chiaro da consentire a un agente di eseguirla in modo indipendente senza supervisione costante.

👉  Concentrare l'automazione dell'intelligenza artificiale prima di tutto su attività ad alta frequenza e bassa complessità. Non iniziare cercando di automatizzare le tue decisioni più strategiche. Piuttosto, identifica le attività ripetitive che il tuo team svolge quotidianamente – analizzare i ticket di supporto per problemi comuni, categorizzare i motivi dei resi, segmentare i clienti in base ai modelli di acquisto – e crea agenti per quei flussi di lavoro. Sono queste le attività in cui un risparmio di 3-4 ore al giorno si traduce in enormi guadagni di efficienza, senza richiedere la massima precisione in ogni decisione.

👉  Fornisci ai tuoi agenti di intelligenza artificiale gli strumenti giusti, non solo i dati giusti. Un agente che analizza il tasso di abbandono dei clienti ha bisogno di accedere al tuo ESP per i dati di engagement, alla tua piattaforma di supporto per la cronologia dei ticket e al tuo negozio Shopify per i modelli di acquisto. Pensa a ciò di cui un essere umano avrebbe bisogno per svolgere correttamente il lavoro, quindi assicurati che i tuoi agenti abbiano le stesse integrazioni. Agenti parzialmente connessi producono risultati parzialmente utili, indipendentemente da quanto sia sofisticato il modello di intelligenza artificiale sottostante.

👉  Sposta la mentalità del tuo team dall'esecuzione dei compiti alla progettazione dei processi. I professionisti del marketing che prospereranno nelle operazioni potenziate dall'intelligenza artificiale non saranno quelli che proteggeranno i loro flussi di lavoro attuali, ma quelli che si sentiranno a loro agio nel definire i processi, testare gli output degli agenti e iterare sull'automazione. Iniziate a utilizzare questi strumenti ora, anche in modo imperfetto, perché la competenza non sta più nel fare il lavoro, ma nell'orchestrare i sistemi che lo svolgono su larga scala.

👉  Misura il ROI dell'IA in base al tempo risparmiato, quindi reinvesti quel tempo in modo strategico. Se il tuo team risparmia 15-20 ore alla settimana automatizzando l'analisi dei ticket, la categorizzazione dei resi e la ricerca clienti, non è un permesso per ridurre il personale, ma un carburante per la crescita. Reimpiega quelle ore in iniziative strategiche: lancio di nuovi segmenti di clientela, test di concept creativi per campagne, costruzione di relazioni più profonde con i clienti. Le aziende che sfruttano i risparmi derivanti dall'intelligenza artificiale per finanziare la crescita supereranno quelle che la utilizzano esclusivamente per ridurre i costi.

👉  Stabilisci aspettative realistiche su ciò che l'IA attuale può e non può fare. Nonostante l'entusiasmo generale, l'AGI non è dietro l'angolo. Gli attuali agenti di intelligenza artificiale eccellono nell'esecuzione di flussi di lavoro definiti e ripetibili, ma hanno difficoltà con decisioni giudiziali sfumate, problem-solving adattivo e creatività strategica. Non aspettate un'intelligenza artificiale perfetta che sostituisca il pensiero umano: implementate oggi stesso un'intelligenza artificiale sufficientemente buona che gestisca il lavoro ripetitivo, lasciando liberi i vostri dipendenti di dedicarsi al lavoro strategico che effettivamente differenzia il vostro brand.