Tu te souviens de la dernière fois où tu t'es perdu ?
Je veux dire, vraiment, vraiment perdu. Au milieu de nulle part. Pas âme qui vive à l'horizon et aucune idée des directions.
Je suppose que ça fait un moment.
Grâce à la technologie et au GPS, il suffit d'un simple clic sur une application pour savoir exactement où nous nous trouvons sur cette planète.
Vous voulez retrouver votre chemin ? Il vous suffit d'entrer votre destination et de suivre la ligne bleue.
Qu'est-ce qui rend un système de navigation utile ?
Ce n'est pas seulement une question de volume de données cartographiques.
Ce qui vous permet de vous rendre d'un point A à un point B, c'est un système qui comprend comment les routes sont reliées entre elles, qui sait quels itinéraires sont les mieux adaptés à votre situation et qui est capable de vous fournir des indications en s'appuyant sur des informations fiables et à jour.
Disposer de davantage de données ne garantit pas de meilleures indications. Cela risque simplement de vous offrir davantage de façons de vous tromper.
Est-ce que ça vous importe vraiment que le système ait lu tous les atlas routiers jamais publiés ? Connaître les petites rues de Shanghai ne sert à rien si vous vous êtes trompé de chemin aux abords d'Albuquerque.
Vous avez besoin d'un système de navigation adapté à vos besoins… dès maintenant.
Les mêmes exigences s'appliquent à l'IA et à la connaissance des services.
Faites évoluer votre IA de service : passez d'une approche théorique à une approche pratique
Ce n’est pas parce que vous avez relié l’IA à des milliers de manuels, de dossiers de service, d’instructions de travail et d’échanges avec les techniciens qu’elle devient pour autant une superstar capable de résoudre instantanément tous les problèmes.
La qualité d'une réponse est directement liée à la qualité des connaissances sur lesquelles elle repose.
Les autoroutes regorgent d'automobilistes qui comptent sur leur GPS pour les mener à destination. Ils sont convaincus qu'il ne les fera pas emprunter un pont inachevé ni les fera rouler à contresens dans une rue à sens unique.
Cette confiance est justifiée, car un système de navigation moderne ne se contente pas de fournir des itinéraires en se basant sur un atlas vieux de 100 ans. Il apprend en permanence du monde réel.
Quel est le rapport avec « field service » ?
Les entreprises de services qui limitent l'utilisation de leur IA à un éventail restreint de manuels, de discussions en ligne et de fichiers PDF naviguent à l'aide de cartes obsolètes. Elles mènent leurs équipes de service dans des impasses et des ruelles sans issue.
Si vous souhaitez que l'IA passe de réponses pertinentes à des réponses exactes, vous devez améliorer ses connaissances en adaptant ces six éléments : la structure, le contexte, la validation, les autorisations, la traçabilité et l'actualité des informations.
1. Structure : Aider l'IA à distinguer les éléments liés de ceux qui sont corrects
Un système de navigation doit faire la distinction entre une autoroute et une route locale, déterminer où une rue se termine et où une autre commence, et relier un itinéraire à un lieu précis.
Sans structure, c'est tout le système qui en pâtit.
La connaissance des services pose un problème similaire.
Et si deux machines affichaient le même code d'erreur, mais nécessitaient des interventions différentes en fonction du modèle, de la version logicielle ou de l'environnement d'exploitation ? Une personne connaissant bien l'équipement pourrait considérer ces distinctions comme évidentes.
Mais l'IA a besoin que les choses soient clairement formulées. Etcela devient d’autant plus important que la quantité d’informations augmente.
On ne rend pas l'IA plus intelligente en se contentant d'ajouter davantage de documents. Cela ne fait que fournir au système davantage d'informations potentiellement pertinentes parmi lesquelles choisir.
La structure établit des limites qui aident l'IA à faire la distinction entre des éléments de connaissance similaires. Elle permet à l'IA de déterminer lequel s'applique à la situation du moment.
Votre objectif n'est pas d'aider l'IA à répondre à la question : « De quelles informations disposons-nous concernant ce problème ? »
Vous souhaitez qu'il vous indique : « Quelles informations s'appliquent à ce problème précis, concernant cet élément précis, dans ces conditions précises ? »
C'est la structure qui fait la différence entre une réponse pertinente et la bonne réponse.
2. Contexte : Aider l'IA à comprendre dans quels cas la réponse s'applique
Le simple fait de savoir qu'une route existe n'aide pas un système de navigation à déterminer si vous devez l'emprunter.
Le calcul de l'itinéraire optimal dépend de l'endroit où vous vous trouvez, de votre destination, des conditions actuelles et parfois même du type de véhicule que vous conduisez.
La connaissance des services est tout aussi relative.
Une procédure de dépannage peut convenir à un produit, mais s'avérer dangereuse pour un autre. Les procédures de réparation peuvent varier d'une région à l'autre. Une technique utilisée par un technicien expérimenté peut nécessiter une formation supplémentaire avant de pouvoir être mise en œuvre par un nouveau collaborateur.
Voici ce qu'on entend par « contexte » : les informations qui entourent une connaissance et qui expliquent quand et pourquoi celle-ci s'applique.
Il est essentiel de replacer les informations dans leur contexte lorsque celles-ci sont recueillies à partir d’interactions réelles avec les clients. Un technicien de terrain expérimenté prend rarement une décision en se basant sur un seul élément. Il observe, pose des questions, élimine les possibilités, s’appuie sur son expérience passée, puis décide de la marche à suivre.
Lorsque vous analysez le processus qui a conduit à la résolution du problème, vous souhaitez que l'IA comprenne pourquoi cette approche a fonctionné et dans quelles circonstances il serait judicieux de la réutiliser.
La structure aide l'IA à trouver le bon chemin.
Le contexte lui permet de déterminer si cet itinéraire est pertinent pour un trajet donné.
3. Validation : assurez-vous que la source est fiable
Vous devez faire confiance à votre système de navigation.
Imaginez qu'un automobiliste puisse ajouter une nouvelle route à la carte. Certaines contributions pourraient s'avérer utiles. D'autres pourraient être incomplètes, erronées ou tout simplement fausses.
L'IA pose un défi similaire aux entreprises de services, car elle réduit l'effort nécessaire à la création de connaissances.
L'IA peut transformer les interactions avec le service client en guides de dépannage, résumer les solutions ou identifier une procédure utile. Mais le fait de pouvoir générer rapidement des connaissances ne signifie pas pour autant que celles-ci soient définitives.
Votre équipe doit savoir ce qui a été enregistré, ce que l'IA a généré, ce qu'un expert a vérifié et ce que l'organisation a approuvé.
Les connaissances générées par l'IA ne devraient pas être automatiquement considérées comme des recommandations à suivre. L'intervention humaine reste indispensable.
La validation transforme les connaissances acquises en connaissances fiables.
4. Autorisations : assurez-vous que la bonne personne reçoive les instructions appropriées
Les systèmes de navigation ne devraient pas partir du principe que toutes les routes sont accessibles à tout le monde.
Certaines sont privées. D’autres sont réservées aux véhicules non commerciaux. Certaines nécessitent une autorisation. Ce n'est pas parce qu'une route existe que vous êtes autorisé à l'emprunter.
Le même principe s'applique aux connaissances en matière de services.
Une procédure interne de dépannage peut convenir à un technicien certifié, mais pas à un client. Un partenaire peut être autorisé à n'effectuer qu'une partie d'une réparation. L'accès à certaines informations peut être soumis à des restrictions liées à la zone géographique, à la certification ou à la relation contractuelle.
C’est pourquoi l’IA doit non seulement déterminer : « Est-ce la bonne réponse ? », mais aussi : « Est-ce une réponse que cette personne est autorisée à recevoir ? »
Les autorisations permettent à l'IA de respecter ces limites.
5. Traçabilité : indiquer la source des instructions
Lorsqu'un système de navigation propose un itinéraire qui ne vous semble pas correct, vous devez en comprendre la raison.
Il en va de même lorsque votre IA d'assistance recommande une étape de diagnostic ou une procédure de réparation.
Chaque réponse générée par l'IA devrait permettre de remonter à la source de l'information sur laquelle elle s'appuie, qu'il s'agisse d'un manuel technique, d'un cas antérieur ou de connaissances issues d'un échange avec un expert.
Cette traçabilité permet aux techniciens de vérifier la fiabilité des informations qui leur sont communiquées. Il y a une grande différence entre une recommandation fondée sur une procédure actuelle et approuvée et une autre issue d’un cas ancien et non vérifié.
La traçabilité permet également à l'organisation d'enquêter sur les problèmes.
Lorsque l'IA fournit une réponse douteuse, les utilisateurs devraient pouvoir se poser les questions suivantes : la source était-elle erronée ? Était-elle obsolète ? A-t-elle été validée ?
Sans attribution, la réponse générée par l'IA devient une « boîte noire ». Grâce à l'attribution, les organisations peuvent retracer le parcours depuis la réponse jusqu'à la source, en passant par la connaissance.
La traçabilité permet aux utilisateurs de comprendre sur quoi repose une réponse générée par l'IA et de déterminer s'ils peuvent s'y fier.
6. Actualité : veiller à ce que les recommandations restent en phase avec la réalité
Les cartes ne restent pas toujours exactes.
Des routes sont fermées. De nouvelles routes sont ouvertes. Les travaux modifient les flux de circulation. Un itinéraire qui était autrefois le plus rapide pour traverser la ville n'est peut-être plus le meilleur choix aujourd'hui.
Les connaissances en matière de services évoluent de la même manière.
Les produits sont mis à jour. Les pièces sont remplacées. Les logiciels évoluent.
Une procédure peut être parfaitement précise au moment de sa création, mais évoluer au fil du temps.
Malheureusement, l'IA a le pouvoir d'aggraver ce problème. Un document obsolète enfoui dans un référentiel est rarement consulté. Mais dès lors que l'IA y a accès, ce même document peut continuer à influencer les réponses au sein de toute l'organisation.
C'est pourquoi l'actualité ne peut pas dépendre uniquement du fait que quelqu'un pense à mettre à jour un article.
Les systèmes de connaissances les plus performants créent une boucle de rétroaction entre ce qui devrait se passer et ce qui se passe réellement sur le terrain.
Si les techniciens continuent à résoudre un problème d'une manière différente de celle indiquée dans la procédure publiée, c'est un signal. Si un nouveau type de défaillance apparaît, c'est un signal. Ces signaux alertent l'organisation sur le fait qu'une partie de ses connaissances ne reflète peut-être plus la réalité.
Les systèmes de navigation sont plus utiles lorsqu'ils prennent en compte le fait que la route peut changer.
Votre système de connaissances compatible avec l'IA devrait être capable de détecter lorsque la réalité du service dépasse le cadre de la base de connaissances traditionnelle.
C'est la fraîcheur qui permet à la carte de rester en lien avec le territoire.
Les connaissances qui sous-tendent l'IA
La leçon à tirer de cette analogie est simple : pour bien s'orienter, il ne suffit pas d'avoir accès à des cartes.
Un système de navigation doit être capable de comprendre la signification des informations, dans quel contexte elles s'appliquent, si elles sont fiables, qui peut les utiliser, d'où elles proviennent et si elles reflètent toujours la réalité.
L'IA a besoin des mêmes bases.
- Structure lui permet de distinguer les connaissances pertinentes de celles qui ne sont que simplement liées.
- Contexte lui permet de comprendre dans quelles circonstances ces connaissances s'appliquent.
- Validation permet de déterminer si l'on peut s'y fier.
- Autorisations déterminent qui peut l'utiliser.
- Traçabilité permet de vérifier et de contrôler.
- La fraîcheur lui permet de rester en phase avec l'actualité.
L'objectif n'est donc pas simplement de donner à l'IA accès à davantage de connaissances sur le service. Il s'agit de lui fournir des connaissances qu'elle puisse interpréter, appliquer, auxquelles elle puisse se fier, qu'elle puisse contrôler et qui restent en phase avec la réalité de votre service.
Le rôle d’Xpert Knowledge™
SightCall Xpert Knowledge™ est conçu pour aider les organisations de services à transformer leurs activités de service réelles en connaissances structurées et réutilisables.
Il exploite les connaissances issues des interactions avec le service client et des vidéos mises en ligne, puis aide les équipes à :
- Organisez -le sous forme de conseils pratiques
- Vérifier et modifier le résultat
- Valider le contenu avant sa publication
- Organiser les connaissances en fonction des besoins en matière de services
- Rendez -le consultable et réutilisable
- Le relier aux flux de travail des services
- Préparer des connaissances fiables pour des expériences d’IA assistées
L'objectif n'est pas de remplacer les manuels, les bases de connaissances ou les systèmes de service existants.
L'objectif est de saisir les connaissances visuelles et tacites que ces systèmes négligent souvent, et de rendre ces connaissances exploitables à l'échelle de l'organisation.