ຮູບແບບ Hybrid BPO ແມ່ນໂມເດລການ Outsourcing ວຽກງານລຸ້ນໃໝ່ທີ່ປະສົມປະສານລະຫວ່າງການປະມວນຜົນອັດຕະໂນມັດດ້ວຍ AI ແລະ ການຕັດສິນໃຈຂອງມະນຸດ.

ສຳລັບຜູ້ຮັບຜິດຊອບດ້ານການປັບປຸງວຽກງານ ແລະ ຜູ້ນຳໜ່ວຍງານລະບົບຂໍ້ມູນຂ່າວສານທີ່ຮູ້ສຶກວ່າ "BPO ໃນປັດຈຸບັນມີຂໍ້ຈຳກັດ ແຕ່ການນຳໃຊ້ AI ເບິ່ງຄືວ່າຍາກ" ບົດຄວາມນີ້ຈະສະຫຼຸບເນື້ອຫາດັ່ງຕໍ່ໄປນີ້:

• ຄວາມແຕກຕ່າງທີ່ຊັດເຈນລະຫວ່າງ BPO ແບບດັ້ງເດີມ
• AI ແລະ ມະນຸດແບ່ງໜ້າທີ່ຮັບຜິດຊອບກັນແນວໃດ
• ຂໍ້ດີ ແລະ ຂໍ້ຄວນລະວັງສຳລັບວິສາຫະກິດຍີ່ປຸ່ນໃນການນຳໃຊ້

ກະລຸນາອ່ານຈົນຈົບ ເພື່ອໃຊ້ເປັນຂໍ້ມູນປະກອບການຕັດສິນໃຈທີ່ຄຳນຶງເຖິງທັງການຫຼຸດຕົ້ນທຶນ, ການຍົກລະດັບຄຸນນະພາບ ແລະ ການເພີ່ມຄວາມໄວໃນການດຳເນີນງານ.

ຮູບແບບ Hybrid BPO ແມ່ນໂມເດລການມອບໝາຍວຽກງານໃໝ່ທີ່ຜະສົມຜະສານລະຫວ່າງການປະມວນຜົນອັດຕະໂນມັດດ້ວຍ AI ແລະ ການຕັດສິນໃຈຂອງມະນຸດ. ການເຂົ້າໃຈຄວາມແຕກຕ່າງທາງໂຄງສ້າງລະຫວ່າງ Hybrid BPO ກັບ BPO ແບບດັ້ງເດີມ ຖືເປັນຂັ້ນຕອນທຳອິດທີ່ຈຸດສຳຄັນ ຫຼື ແກນຫຼັກໃນການຕັດສິນໃຈນຳໃຊ້ພາຍໃນອົງກອນຂອງຕົນເອງ.

ຫົວຂໍ້ພາກສ່ວນ

ຄຳນິຍາມຂອງ Hybrid BPO: ຮູບແບບການຮ່ວມມືລະຫວ່າງ AI ແລະ ມະນຸດ

ເນື້ອຫາຫຼັກ

Hybrid BPO ແມ່ນຮູບແບບການ Outsource ວຽກງານທີ່ມີໂຄງສ້າງໃຫ້ AI ເປັນຜູ້ຮ່າງວຽກງານທີ່ເຮັດຊ້ຳໆ ແລ້ວໃຫ້ມະນຸດເປັນຜູ້ອະນຸມັດ ແລະ ຕັດສິນໃຈ. ຕົວຢ່າງທີ່ເຫັນໄດ້ຊັດເຈນ ຄື ການທີ່ AI ຮ່າງຄຳຕອບສຳລັບຄຳຖາມທີ່ເຂົ້າມາ ແລ້ວໃຫ້ມະນຸດກວດສອບກ່ອນສົ່ງ (ທີ່ມາ: ເວັບໄຊ Enison). ແຫຼ່ງຂໍ້ມູນ: https://enison.ai/en/services/ai-hybrid-bpo ໂຄງສ້າງພື້ນຖານຂອງຮູບແບບນີ້ ຄື AI Agent ຮັບຜິດຊອບການປະມວນຜົນຕາມກົດລະບຽບທີ່ງ່າຍດາຍ ສ່ວນກໍລະນີທີ່ຕ້ອງການການຈັດການຂໍ້ຍົກເວັ້ນ ຫຼື ການດູແລດ້ານຄວາມຮູ້ສຶກ ຈະຖືກ Escalate ໄປໃຫ້ມະນຸດດຳເນີນການ.

ອົງປະກອບຫຼັກມີ 3 ຂໍ້ ດັ່ງນີ້:

• AI Agent: ອັດຕະໂນມັດການປະມວນຜົນທີ່ມີຄວາມຊ້ຳຊ້ອນສູງ ເຊັ່ນ: ການປ້ອນຂໍ້ມູນ, ການກວດສອບ ແລະ ການຕອບຄຳຖາມຕາມແບບແຜນ
• ຜູ້ປະຕິບັດງານທີ່ເປັນມະນຸດ: ຮັບຜິດຊອບກໍລະນີທີ່ AI ບໍ່ສາມາດຕັດສິນໃຈໄດ້ ຫຼື ກໍລະນີທີ່ມີຄວາມສ່ຽງສູງ
• ຊັ້ນການເຊື່ອມຕໍ່: ກົນໄກການຈັດການ Workflow ທີ່ຄວບຄຸມການແບ່ງໜ້າທີ່ລະຫວ່າງ AI ແລະ ມະນຸດ

ລັກສະນະພິເສດຂອງຮູບແບບການຮ່ວມມືນີ້ ຄື AI ແລະ ມະນຸດຢູ່ໃນ "ຄວາມສຳພັນແບບເສີມກັນ" ບໍ່ແມ່ນ "ຄວາມສຳພັນແບບທົດແທນກັນ". ໂດຍ AI ຮັບປະກັນຄວາມໄວໃນການປະມວນຜົນ ແລະ ຄວາມສອດຄ່ອງ ໃນຂະນະທີ່ມະນຸດເສີມດ້ານຄວາມຍືດຫຍຸ່ນ ແລະ ຄວາມໜ້າເຊື່ອຖື ເຮັດໃຫ້ສາມາດບັນລຸລະດັບຄຸນນະພາບທີ່ຍາກຈະສຳເລັດໄດ້ດ້ວຍຝ່າຍໃດຝ່າຍໜຶ່ງພຽງຜູ້ດຽວ.

ຫົວຂໍ້ພາກສ່ວນ

ເປັນຫຍັງ "Hybrid" ຈຶ່ງໄດ້ຮັບຄວາມສົນໃຈໃນຕອນນີ້

ເບື້ອງຫຼັງຂອງຄວາມສົນໃຈທີ່ເພີ່ມທະວີຂຶ້ນເລື້ອຍໆ ນັ້ນ ມີການປ່ຽນແປງທາງໂຄງສ້າງຫຼາຍດ້ານທີ່ຊ້ອນທັບກັນຢູ່.

• ການຂາດແຄນແຮງງານທີ່ຮ້າຍແຮງຂຶ້ນ: ທ່າມກາງການຂາດແຄນກຳລັງແຮງງານທີ່ຍັງດຳເນີນຢູ່ຢ່າງຕໍ່ເນື່ອງ, ຮູບແບບທີ່ອາໄສການໃຊ້ບຸກຄະລາກອນເພື່ອຮອງຮັບວຽກງານທຳມະດາກຳລັງເຂົ້າໃກ້ຂີດຈຳກັດ
• "ຄວາມສາມາດໃນການປະມວນຜົນພາສາທຳມະຊາດຂອງ Generative AI ໄດ້ພັດທະນາຂຶ້ນ, ເຮັດໃຫ້ການຕອບຄຳຖາມອັດຕະໂນມັດກາຍເປັນເລື່ອງທີ່ເປັນໄປໄດ້ຢ່າງແທ້ຈິງ. ຕົວຢ່າງ, Bell System 24 ໄດ້ຮ່ວມມືກັບ Intumit ຈາກໄຕ້ຫວັນ ເພື່ອພັດທະນາ 'Smart BPO Service' ແລະ ສ້າງລະບົບ Hybrid ທີ່ປະສົມລະຫວ່າງ AI ແລະ ການຕອບໂດຍມະນຸດ (ທີ່ມາ: ECzine ມັງກອນ 2024)". ແຫຼ່ງທີ່ມາ: https://eczine.jp/news/detail/14081
• ການປ່ຽນແປງໂຄງສ້າງຕົ້ນທຶນ: ເນື່ອງຈາກຄ່າແຮງງານຂອງ Offshore BPO ສູງຂຶ້ນ, ສົມມຸດຕິຖານທີ່ວ່າ "ຈ້າງພາຍນອກເພາະລາຄາຖືກ" ກຳລັງພັງທະລາຍລົງ

ໃນທາງກົງກັນຂ້າມ, ການ "ມອບທຸກຢ່າງໃຫ້ AI" ຫຼື ການອັດຕະໂນມັດທັງໝົດກໍ່ຍັງມີສິ່ງທ້າທາຍ. ໃນສະຖານະການທີ່ຕ້ອງການການຈັດການຂໍ້ຍົກເວັ້ນ, ການຄຳນຶງເຖິງດ້ານຈິດໃຈ, ຫຼື ການຕັດສິນໃຈທີ່ສັບສົນ, ການມີສ່ວນຮ່ວມຂອງມະນຸດຍັງຄົງຈຳເປັນຢູ່.

ການລວມ "ຄວາມສາມາດໃນການປະມວນຜົນຂອງ AI" ແລະ "ຄວາມສາມາດໃນການຕັດສິນໃຈຂອງມະນຸດ" ເຂົ້າດ້ວຍກັນ ຊ່ວຍໃຫ້ສາມາດຮອງຮັບຂອບເຂດວຽກງານທີ່ຝ່າຍໃດຝ່າຍໜຶ່ງຢ່າງດຽວບໍ່ສາມາດຮັບມືໄດ້ ນັ້ນຄືເຫດຜົນຈຸດສຳຄັນ ຫຼື ແກນຫຼັກ ທີ່ Hybrid BPO ໄດ້ຮັບການເລືອກ. ໃນພາກຕໍ່ໄປ, ພວກເຮົາຈະປຽບທຽບຄວາມແຕກຕ່າງສະເພາະກັບ BPO ແບບດັ້ງເດີມ.

ຮູບແບບ BPO ແບບດັ້ງເດີມ ແລະ Hybrid BPO ມີຄວາມແຕກຕ່າງກັນໃນຫຼາຍດ້ານ ຕັ້ງແຕ່ໂຄງສ້າງຕົ້ນທຶນໄປຈົນເຖິງຂອບເຂດວຽກງານທີ່ສາມາດຮອງຮັບໄດ້. ພວກເຮົາຈະທຳການປຽບທຽບຄວາມແຕກຕ່າງຫຼັກໆ ພ້ອມທັງຈັດລຽງເກນການຕັດສິນໃຈສຳລັບຜູ້ທີ່ກຳລັງພິຈາລະນາການປ່ຽນຜ່ານ.

ການປຽບທຽບ BPO ແບບດັ້ງເດີມ ແລະ Hybrid BPO ໃນ 3 ມິຕິ ຄື "ຕົ້ນທຶນ · ຄຸນນະພາບ · ຄວາມໄວ" ຈະຊ່ວຍໃຫ້ເຫັນຄວາມແຕກຕ່າງໄດ້ຢ່າງຊັດເຈນ.

ຕົ້ນທຶນ BPO ແບບດັ້ງເດີມມີຄ່າແຮງງານເປັນສ່ວນໃຫຍ່ ແລະ ມີແນວໂນ້ມທີ່ຄ່າໃຊ້ຈ່າຍຈະເພີ່ມທະວີຂຶ້ນເລື້ອຍໆ ຕາມປະລິມານວຽກທີ່ເພີ່ມຂຶ້ນ. Hybrid BPO ໃຊ້ AI ຮັບຜິດຊອບການປະມວນຜົນວຽກງານປົກກະຕິ ຈຶ່ງມີໂຄງສ້າງທີ່ສາມາດຄວບຄຸມການເພີ່ມຂຶ້ນຂອງຄ່າໃຊ້ຈ່າຍໄດ້ງ່າຍ ເຖິງແມ່ນວ່າປະລິມານການປະມວນຜົນຈະສູງຂຶ້ນກໍຕາມ.

ຄຸນນະພາບ BPO ແບບດັ້ງເດີມອາດເກີດຄວາມບໍ່ສະໝ່ຳສະເໝີໃນຜົນໄດ້ຮັບ ຂຶ້ນຢູ່ກັບທັກສະ ແລະ ສະພາບຂອງຜູ້ຮັບຜິດຊອບ. Hybrid BPO ໃຊ້ AI ປະມວນຜົນຕາມກົດລະບຽບທີ່ກຳນົດໄວ້ ຈຶ່ງຮັກສາຄຸນນະພາບທີ່ສະໝ່ຳສະເໝີໄດ້ງ່າຍ ໃນຂະນະທີ່ການປະມວນຜົນກໍລະນີພິເສດທີ່ AI ບໍ່ສາມາດຕັດສິນໃຈໄດ້ ຍັງຕ້ອງໃຫ້ມະນຸດເຂົ້າມາຮັບຜິດຊອບ.

ຄວາມໄວ

• BPO ແບບດັ້ງເດີມ: ຄວາມໄວໃນການປະມວນຜົນຂຶ້ນຢູ່ກັບຊົ່ວໂມງເຮັດວຽກ ແລະ ຈຳນວນພະນັກງານ
• Hybrid BPO: AI ສາມາດໃຫ້ບໍລິການໄດ້ 24 ຊົ່ວໂມງ ແລະ ຊ່ວຍຫຼຸດຜ່ອນຄວາມລ່າຊ້າໃນຊ່ວງທີ່ມີວຽກຫຼາຍໄດ້ງ່າຍ

ບໍ່ໄດ້ໝາຍຄວາມວ່າ Hybrid BPO ຈະດີກວ່າໃນທຸກ 3 ມິຕິ ເພາະການອອກແບບເບື້ອງຕົ້ນ ແລະ ການຄຸ້ມຄອງດ້ານການດຳເນີນງານກໍຕ້ອງໃຊ້ຊັບພະຍາກອນທີ່ພຽງພໍ. ໃນພາກຕໍ່ໄປ ພວກເຮົາຈະພິຈາລະນາວ່າຄວາມແຕກຕ່າງດັ່ງກ່າວສົ່ງຜົນຕໍ່ "ວຽກງານໃດທີ່ສາມາດມອບໝາຍໄດ້" ແນວໃດ.

BPO ແບບດັ້ງເດີມມີແນວໂນ້ມຈຳກັດຢູ່ໃນ "ວຽກງານປົກກະຕິທີ່ຄົນສາມາດດຳເນີນການໄດ້" ໃນຂະນະທີ່ Hybrid BPO ສາມາດຂະຫຍາຍຂອບເຂດຂອງວຽກງານທີ່ຮອງຮັບໄດ້ ໂດຍຜ່ານການແບ່ງໜ້າທີ່ລະຫວ່າງ AI ແລະ ມະນຸດ.

ຂົງເຂດທີ່ BPO ແບບດັ້ງເດີມຖະໜັດ

• ວຽກງານທີ່ຊ້ຳຊ້ອນງ່າຍໆ ເຊັ່ນ: ການປ້ອນຂໍ້ມູນ ແລະ ການກວດສອບຂໍ້ມູນ
• ການຕອບຄຳຖາມຕາມ Script ທີ່ກຳນົດໄວ້
• ການແປງເອກະສານເຈ້ຍເປັນດິຈິຕອນ

ຂົງເຂດທີ່ສາມາດເພີ່ມເຕີມໄດ້ດ້ວຍ Hybrid BPO

• ການສະຫຼຸບ ແລະ ຈັດໝວດໝູ່ເອກະສານຈຳນວນຫຼວງຫຼາຍໂດຍອັດຕະໂນມັດ
• ການຮອງຮັບ Chat ຫຼາຍພາສາ (AI ຕອບສະໜອງໃນຂັ້ນຕອນທຳອິດ)
• ຂະບວນການ ຫຼື Pipeline ທີ່ຊັບຊ້ອນ ລວມທັງການກວດຈັບຄວາມຜິດປົກກະຕິ ແລະ ການຈັດລຳດັບຄວາມສຳຄັນ

ໂດຍສະເພາະ ວຽກງານທີ່ "ມີຄວາມຊ້ຳຊ້ອນສູງ ແຕ່ກໍ່ຍັງມີກໍລະນີຍົກເວັ້ນເກີດຂຶ້ນໃນລະດັບໜຶ່ງ" ນັ້ນເຂົ້າກັນໄດ້ດີເປັນພິເສດ. ດ້ວຍໂຄງສ້າງທີ່ AI ດຳເນີນການສ່ວນທີ່ເປັນປົກກະຕິ ແລະ ສົ່ງຂໍ້ມູນຕໍ່ໃຫ້ມະນຸດສະເພາະໃນກໍລະນີຍົກເວັ້ນ ຈຶ່ງສາມາດຄຸ້ມຄອງວຽກງານທີ່ເຄີຍອາໄສແຮງງານຄົນໄດ້ຢ່າງກວ້າງຂວາງຍິ່ງຂຶ້ນ.

ຢ່າງໃດກໍ່ຕາມ ວຽກງານທີ່ຕ້ອງການການເຈລະຈາລະຫວ່າງບຸກຄົນໃນລະດັບສູງ ຫຼື ການຕັດສິນໃຈທາງກົດໝາຍ ຈະໄດ້ຮັບການກ່າວເຖິງຢ່າງລະອຽດໃນພາກຕໍ່ໄປ.

ລະບົບ Hybrid BPO ແມ່ນກົນໄກທີ່ປະກອບດ້ວຍ 3 ອົງປະກອບຫຼັກທີ່ເຮັດວຽກຮ່ວມກັນ ໄດ້ແກ່: AI Agent, ພະນັກງານປະຕິບັດງານ (Human Operator), ແລະ ຖານຄວາມຮູ້ (Knowledge Base). ການເຂົ້າໃຈບົດບາດຂອງແຕ່ລະອົງປະກອບ ຈະຊ່ວຍໃຫ້ເຫັນຊັດເຈນວ່າ ຄຸນຄ່າເກີດຂຶ້ນຢູ່ຈຸດໃດ.

AI Agent ມີຄວາມຊ່ຽວຊານໃນການປະມວນຜົນທີ່ມີກົດລະບຽບຊັດເຈນ ແລະ ເກີດຂຶ້ນຊ້ຳໆ. ຂົງເຂດການດຳເນີນການອັດຕະໂນມັດຫຼັກໆ ມີດັ່ງນີ້:

• ການປ້ອນຂໍ້ມູນ ແລະ ການຕໍ່ສູ້ຂໍ້ມູນ: ການອ່ານ ແລະ ການຈັບຄູ່ຂໍ້ມູນໃບແຈ້ງໜີ້ ແລະ ຂໍ້ມູນການຮັບຄຳສັ່ງຊື້
• ການຕອບ FAQ: ການຕອບຄຳຖາມທີ່ເປັນແບບແຜນທັນທີ ຜ່ານ Chatbot
• ການແຈ້ງເຕືອນສະຖານະ: ການສົ່ງອີເມລ໌ຢືນຢັນຄວາມຄືບໜ້າ ແລະ ການແຈ້ງເຕືອນພາຍໃນອົງກອນໂດຍອັດຕະໂນມັດ
• ການຈັດລຽງ ແລະ ການຈຳແນກເອກະສານ: ການຈັດສົ່ງເອກະສານໂດຍອັດຕະໂນມັດ ໂດຍການລວມ OCR ແລະ ການປະມວນຜົນພາສາທຳມະຊາດ (Natural Language Processing)

ເນື່ອງຈາກສາມາດດຳເນີນການໄດ້ 24 ຊົ່ວໂມງ 365 ວັນ ໂດຍບໍ່ຕ້ອງອາໄສແຮງງານຄົນ, ຈຶ່ງສາມາດຄາດຫວັງການປັບປຸງຢ່າງໃຫຍ່ຫຼວງທັງໃນດ້ານຄວາມໄວໃນການຕອບສະໜອງ ແລະ ປະລິມານການປະມວນຜົນ.

ໃນທາງກົງກັນຂ້າມ, AI Agent ສາມາດເຮັດວຽກໄດ້ພາຍໃນ "ຂອບເຂດທີ່ສາມາດກຳນົດເກນການຕັດສິນໃຈໄດ້ລ່ວງໜ້າ" ເທົ່ານັ້ນ. ເມື່ອມີການສະແດງອອກທີ່ບໍ່ຊັດເຈນ ຫຼື ກໍລະນີຍົກເວັ້ນເຂົ້າມາ, ຄວາມຖືກຕ້ອງໃນການປະມວນຜົນຈະຫຼຸດລົງ, ດັ່ງນັ້ນ ການຄັດເລືອກວຽກງານທີ່ເໝາະສົມສຳລັບການດຳເນີນການອັດຕະໂນມັດຈຶ່ງມີຄວາມສຳຄັນຫຼາຍ. ເມື່ອລວມເຂົ້າກັບການອອກແບບ Escalation ທີ່ຈະອະທິບາຍໃນພາກຕໍ່ໄປ, ລະບົບທັງໝົດຈຶ່ງຈະສາມາດດຳເນີນການໄດ້ຢ່າງໝັ້ນຄົງ.

ກໍລະນີທີ່ AI ບໍ່ສາມາດດຳເນີນການໄດ້ໂດຍອັດຕະໂນມັດ ຈະຖືກສົ່ງຕໍ່ໃຫ້ພະນັກງານຜູ້ດຳເນີນການທີ່ເປັນມະນຸດທັນທີ. ຂອບເຂດການ Escalation ນີ້ຄືຈຸດສຳຄັນ ຫຼື ແກນຫຼັກທີ່ກຳນົດຄຸນນະພາບຂອງ Hybrid BPO.

ກໍລະນີຫຼັກທີ່ມະນຸດຮັບຜິດຊອບມີດັ່ງຕໍ່ໄປນີ້:

• ການຮ້ອງທຸກທາງດ້ານຈິດໃຈ ແລະ ການຈັດການຄຳຮ້ອງທຸກທີ່ສັບສົນ
• ກໍລະນີທີ່ຕ້ອງການການຕັດສິນໃຈໃນການຕີຄວາມໝາຍຂໍ້ກຳນົດທີ່ແຕກຕ່າງກັນ
• ການດຳເນີນການຍົກເວັ້ນທີ່ກ່ຽວຂ້ອງກັບຫຼາຍພະແນກ
• ກໍລະນີທີ່ຖືກປະເມີນວ່າຄວາມຖືກຕ້ອງຂອງຄຳຕອບ AI ຢູ່ໃນລະດັບຕໍ່າ

ສິ່ງສຳຄັນຄືການອອກແບບເວລາ ແລະ ເກນການຕັດສິນໃຈໃນການ Escalation ໄວ້ລ່ວງໜ້າ. ຫາກເກນດັ່ງກ່າວບໍ່ຊັດເຈນ ກໍ່ມີແນວໂນ້ມທີ່ຈະເກີດການຕອບສະໜອງທີ່ຕົກຫຼົ່ນ ຫຼື ການດຳເນີນການຊ້ຳຊ້ອນ.

ເນື່ອງຈາກພະນັກງານຜູ້ດຳເນີນການທີ່ເປັນມະນຸດຮັບຂໍ້ມູນທີ່ AI ລວບລວມໄວ້ຕໍ່ ຈຶ່ງຊ່ວຍຫຼຸດຄວາມຈຳເປັນໃນການຢືນຢັນຂໍ້ມູນຈາກລູກຄ້າຊ້ຳຫຼາຍຄັ້ງ ແລະ ມີລາຍງານວ່າຄຸນນະພາບການຕອບສະໜອງໄດ້ຮັບການປັບປຸງດີຂຶ້ນ.

RAG (Retrieval-Augmented Generation) ແມ່ນລະບົບທີ່ AI ສ້າງຄຳຕອບໂດຍອ້າງອີງເອກະສານພາຍໃນອົງກອນ ແລະ ຄູ່ມືການດຳເນີນງານໃນແບບ Real-time. ໃນ Hybrid BPO, ເຕັກໂນໂລຊີນີ້ເຮັດໜ້າທີ່ເປັນ ໂຄງສ້າງພື້ນຖານ ຫຼື Infrastructure ຫຼັກສຳລັບ "ການຈັດການຄວາມຮູ້ແບບລວມສູນ".

ບົດບາດຫຼັກມີ 3 ຂໍ້ ດັ່ງນີ້:

• ການຮັກສາຄວາມຖືກຕ້ອງຂອງຄຳຕອບ: ເຖິງແມ່ນວ່າຈະມີການປັບປຸງ ມາດຕະຖານ ຫຼື Specification ຂອງຜະລິດຕະພັນ ຫຼື ຂໍ້ກຳນົດ, ພຽງແຕ່ອັບເດດຖານຄວາມຮູ້ ກໍ່ສາມາດສະທ້ອນໃຫ້ເຫັນໃນການຕອບສະໜອງຂອງ AI ໄດ້ທັນທີ
• ການລົບລ້າງການຂຶ້ນກັບບຸກຄົນສະເພາະ: ສ້າງເອກະສານ ແລະ ສະສົມຄວາມຮູ້ຈາກຜູ້ຊ່ຽວຊານທີ່ມີປະສົບການ ເພື່ອຍົກລະດັບທັກສະຂອງ Operator ທັງໝົດ
• ການຊ່ວຍຕັດສິນໃຈໃນການ Escalation: AI ນຳສະເໜີເອກະສານອ້າງອີງທີ່ໃຊ້ໃຫ້ Operator ເຫັນ ເຊິ່ງຊ່ວຍໃຫ້ຝ່າຍມະນຸດສາມາດຕັດສິນໃຈໄດ້ໄວຂຶ້ນ

ຂໍ້ຄວນລະວັງ: ຫາກຄຸນນະພາບຂອງຖານຄວາມຮູ້ຕ່ຳ, ຄວາມຖືກຕ້ອງຂອງ RAG ກໍ່ມີແນວໂນ້ມຫຼຸດລົງຕາມໄປດ້ວຍ. ການອອກແບບກົດລະບຽບການດູແລຮັກສາເອກະສານຢ່າງສະໝ່ຳສະເໝີ ແລະ ການຈັດການ Version ໄວ້ລ່ວງໜ້າ ຖືເປັນກຸນແຈສຳຄັນຂອງການດຳເນີນງານທີ່ໝັ້ນຄົງ.

ການ Hybrid BPO ບໍ່ແມ່ນວິທີແກ້ໄຂທີ່ໃຊ້ໄດ້ກັບທຸກສິ່ງ, ແລະ ຄວາມເໝາະສົມ ຫຼື ບໍ່ເໝາະສົມຂອງມັນຈະຂຶ້ນຢູ່ກັບລັກສະນະຂອງວຽກງານຢ່າງຊັດເຈນ. ກ່ອນການນຳໃຊ້, ການສຳຫຼວດ ແລະ ທົບທວນຄືນຂະບວນການ ຫຼື Pipeline ດ້ານວຽກງານຂອງອົງກອນຕົນເອງ, ແລ້ວຈຶ່ງກຳນົດເປົ້າໝາຍທີ່ເໝາະສົມ ຈະເປັນປັດໄຈຊີ້ຂາດຕໍ່ຄວາມສຳເລັດ ຫຼື ຄວາມລົ້ມເຫຼວ.

ປະເພດວຽກງານທີ່ Hybrid BPO ມີປະສິດທິພາບສູງ ຄືວຽກທີ່ປະສົມລະຫວ່າງການປະມວນຜົນຕາມຮູບແບບ, ການຕັດສິນໃຈງ່າຍໆ, ແລະ ການຕອບຄຳຖາມ.

ລັກສະນະຂອງວຽກງານທີ່ເໝາະສົມໂດຍສະເພາະ ມີດັ່ງນີ້:

• ມີຄວາມຊ້ຳຊ້ອນສູງ: ວຽກທີ່ມີກົດລະບຽບຊັດເຈນ ເຊັ່ນ: ການປະມວນຜົນໃບແຈ້ງໜີ້, ການປ້ອນຂໍ້ມູນການສັ່ງຊື້ ແລະ ຮັບສິນຄ້າ, ການກວດສອບຂໍ້ມູນ
• ການຕັດສິນໃຈເປັນຂັ້ນຕອນ: ວຽກທີ່ສາມາດຈັດລຽງເງື່ອນໄຂໄດ້ ເຊັ່ນ: ການຕອບ FAQ ແລະ ການຄັດກອງຂັ້ນຕົ້ນໃນການກວດສອບ
• ມີປະລິມານການສື່ສານຫຼາຍ: ວຽກທີ່ມີຈຳນວນຄຳຖາມຫຼາຍ ແລະ ພາລະດ້ານບຸກຄົນສູງ ເຊັ່ນ: Customer Support ແລະ Internal Help Desk

ວຽກເຫຼົ່ານີ້ ມີແນວໂນ້ມເຂົ້າກັນໄດ້ດີກັບໂຄງສ້າງທີ່ AI ຮັບຜິດຊອບການຕອບສະໜອງຂັ້ນຕົ້ນ ແລະ ການປະມວນຜົນອັດຕະໂນມັດ ໂດຍ Escalation ໄປຫາມະນຸດສະເພາະໃນກໍລະນີຍົກເວັ້ນ ຫຼື ສະຖານະການທີ່ຕ້ອງການຄວາມລະອຽດອ່ອນທາງດ້ານຈິດໃຈ.

ຍິ່ງມີປະລິມານຫຼາຍ, ຜົນປະໂຫຍດຈາກການອັດຕະໂນມັດກໍ່ຍິ່ງໃຫຍ່ ແລະ ຍັງຊ່ວຍສ້າງຄວາມໝັ້ນຄົງດ້ານຄຸນນະພາບໄດ້ງ່າຍຂຶ້ນອີກດ້ວຍ.

ໃນທາງກົງກັນຂ້າມ, ຍັງມີວຽກງານທີ່ Hybrid BPO ບໍ່ສາມາດສ້າງຜົນໄດ້ດີ. ໃນຂອບເຂດທີ່ເຫດຜົນຂອງການຕັດສິນໃຈຍາກທີ່ຈະສະແດງອອກເປັນພາສາ, AI ມີແນວໂນ້ມທີ່ຈະມີຂໍ້ຈຳກັດດ້ານຄວາມຖືກຕ້ອງ.

ຕົວຢ່າງວຽກງານທີ່ບໍ່ເໝາະສົມ:

• ການເຈລະຈາລະຫວ່າງບຸກຄົນຂັ້ນສູງ: ກໍລະນີທີ່ມີພື້ນຫຼັງທາງດ້ານຈິດໃຈທີ່ສັບສົນໃນການຈັດການຄຳຮ້ອງທຸກ, ການເຈລະຈາລາຄາກັບຄູ່ຄ້າ ແລະ ສະຖານະການທີ່ຕ້ອງການຄວາມຍືດຫຍຸ່ນໃນການອ່ານສະຖານະການຂອງຄູ່ສົນທະນາ
• ການວາງແຜນສ້າງສັນ ແລະ ການກຳນົດຍຸດທະສາດ: ວຽກງານທີ່ບໍ່ມີຄຳຕອບດຽວ ເຊັ່ນ: ການລະດົມຄວາມຄິດສຳລັບທຸລະກິດໃໝ່ ຫຼື ການກຳນົດແນວຄິດຂອງ Brand
• ການຕັດສິນໃຈດ້ານວິຊາຊີບຂັ້ນສູງ: ການຕັດສິນໃຈຂັ້ນສຸດທ້າຍກ່ຽວກັບຄວາມສ່ຽງທາງກົດໝາຍ, ການວິນິດໄສສ່ວນບຸກຄົນທີ່ກ່ຽວຂ້ອງກັບການແພດ ຫຼື ການເງິນ ທີ່ຕ້ອງການຄວາມຮັບຜິດຊອບດ້ານຈັນຍາບັນຂອງຜູ້ຊ່ຽວຊານ
• ວຽກງານທີ່ມີຈຸດສຳຄັນຫຼັກຢູ່ທີ່ການສ້າງຄວາມສຳພັນ: ການສ້າງຄວາມໄວ້ວາງໃຈກັບລູກຄ້າສຳຄັນ ຫຼື ຂະບວນການສ້າງຄວາມເຫັນດີເຫັນພ້ອມພາຍໃນອົງກອນ

ວຽກງານເຫຼົ່ານີ້ແມ່ນວຽກທີ່ "ປະສົບການ, ຄວາມຮູ້ສຶກ ແລະ ຄວາມຮັບຜິດຊອບຂອງມະນຸດ" ຄືແກນຫຼັກຂອງຄຸນຄ່າ. Hybrid BPO ເຮັດໜ້າທີ່ເປັນພຽງເຄື່ອງມືຊ່ວຍເຫຼືອ, ແຕ່ຂອບເຂດທີ່ມະນຸດຄວນຖືສິດຄວບຄຸມຢູ່ນັ້ນ. ໃນການເລືອກເປົ້າໝາຍຂອງການອັດຕະໂນມັດ, ການກຳນົດເສັ້ນແບ່ງນີ້ໃຫ້ຊັດເຈນຈະເປັນກຸນແຈສູ່ຄວາມສຳເລັດໃນການນຳໃຊ້.

ສຳລັບ Hybrid BPO ນັ້ນ ຍັງມີຄວາມເຂົ້າໃຈຜິດທີ່ຝັງລຶກຢູ່ ເຊັ່ນ: "ຄ່າໃຊ້ຈ່າຍຈະພຸ່ງສູງຂຶ້ນ" ຫຼື "ສາມາດໂຍນທຸກຢ່າງໃຫ້ AI ຈັດການໄດ້ເລີຍ" ເປັນຕົ້ນ. ເພື່ອບໍ່ໃຫ້ຕັດສິນໃຈນຳໃຊ້ຜິດພາດ, ຂໍສະຫຼຸບຄວາມເຂົ້າໃຈຜິດທີ່ພົບເຫັນເລື້ອຍໆ 2 ຂໍ້ ດັ່ງນີ້.

ໃນຂະນະທີ່ຄວາມສົນໃຈໃນ Hybrid BPO ເພີ່ມທະວີຂຶ້ນເລື້ອຍໆ, ກໍ່ຍັງມີກໍລະນີທີ່ຄວາມຄາດຫວັງທີ່ວ່າ "ຖ້າມອບໃຫ້ AI ຈັດການ ກໍ່ບໍ່ຈຳເປັນຕ້ອງໃຊ້ແຮງງານຄົນ" ນຳໜ້າຄວາມເປັນຈິງຢູ່ບໍ່ໜ້ອຍ. ແຕ່ຄວາມເປັນຈິງນັ້ນແຕກຕ່າງອອກໄປ.

ສະຖານະການທີ່ AI ບໍ່ຖະໜັດນັ້ນມີຢ່າງຊັດເຈນ.

• ການຈັດການຂໍ້ຍົກເວັ້ນ ແລະ ກໍລະນີທີ່ຜິດປົກກະຕິ: ກໍລະນີທີ່ບໍ່ຢູ່ໃນຂໍ້ມູນການຮຽນຮູ້ມີແນວໂນ້ມທີ່ຈະເຮັດໃຫ້ຄວາມຖືກຕ້ອງໃນການຕັດສິນໃຈຫຼຸດລົງ
• ການບໍລິການລູກຄ້າທີ່ກ່ຽວຂ້ອງກັບອາລົມ: ການຮ້ອງທຸກ ແລະ ຄວາມຕ້ອງການທີ່ສັບສົນຕ້ອງການຄວາມເຫັນອົກເຫັນໃຈ ແລະ ການຕັດສິນໃຈຂອງມະນຸດ
• ການຕັດສິນໃຈທາງກົດໝາຍ ແລະ ຈັນຍາບັນ: ສະຖານະການທີ່ຕ້ອງຮັບຜິດຊອບບໍ່ສາມາດມອບໃຫ້ AI ຈັດການໄດ້

ແກ່ນແທ້ຂອງ Hybrid BPO ຢູ່ທີ່ "ການແບ່ງໜ້າທີ່ລະຫວ່າງ AI ແລະ ມະນຸດ". AI ເລັ່ງຂະບວນການທີ່ເປັນຮູບແບບຄົງທີ່ ແລະ ຊ້ຳຊ້ອນ, ໃນຂະນະທີ່ມະນຸດສຸມໃສ່ຂົງເຂດທີ່ AI ບໍ່ສາມາດຮັບມືໄດ້. ການອອກແບບການຮ່ວມມືນີ້ຕ່າງຫາກທີ່ຮັບປະກັນຄຸນນະພາບໄດ້.

ຖ້ານຳໃຊ້ໂດຍອີງໃສ່ສົມມຸດຕິຖານທີ່ວ່າ "AI ຈະຈັດການທຸກຢ່າງ", ການຈັດຕັ້ງລະບົບ Escalation ຈະຖືກເລື່ອນໄປທ້າຍ ແລະ ມີຄວາມສ່ຽງທີ່ຈະນຳໄປສູ່ການຕອບສະໜອງທີ່ຕົກຫຼົ່ນ ແລະ ຄຸນນະພາບທີ່ຫຼຸດລົງ. ການປັບຄວາມຄາດຫວັງ ແລະ ການອອກແບບໜ້າທີ່ຄືຈຸດເລີ່ມຕົ້ນຂອງຄວາມສຳເລັດໃນການນຳໃຊ້.

ໂດຍທົ່ວໄປ, Hybrid BPO ມັກຖືກມອງວ່າ "ມີລາຄາແພງກວ່າ ເນື່ອງຈາກຕ້ອງບວກເພີ່ມຄ່າໃຊ້ຈ່າຍໃນການນຳໃຊ້ AI". ແຕ່ໃນຄວາມເປັນຈິງ, ມີຫຼາຍກໍລະນີທີ່ສະແດງໃຫ້ເຫັນວ່າສິ່ງນີ້ບໍ່ເປັນຄວາມຈິງ.

ເມື່ອວິເຄາະໂຄງສ້າງຄ່າໃຊ້ຈ່າຍ, ມີແນວໂນ້ມທີ່ຈະເກີດການປ່ຽນແປງດັ່ງຕໍ່ໄປນີ້:

• ຕົ້ນທຶນຕໍ່ໜ່ວຍຂອງການປະມວນຜົນທີ່ເປັນແບບແຜນຫຼຸດລົງ: ເນື່ອງຈາກ AI ຮັບຜິດຊອບວຽກທີ່ເຮັດຊ້ຳໆ, ຄ່າໃຊ້ຈ່າຍໃນດ້ານທີ່ເຄີຍໃຊ້ແຮງງານຄົນຈຳນວນຫຼາຍຈຶ່ງຖືກຫຼຸດລົງ
• ການເພີ່ມຂຶ້ນຂອງຄ່າໃຊ້ຈ່າຍໃນຕອນທີ່ຂະຫຍາຍຂະໜາດມີຄວາມລ່ຽນກວ່າ: ເຖິງແມ່ນວ່າປະລິມານວຽກຈະເພີ່ມທະວີຂຶ້ນເລື້ອຍໆ, ກໍ່ບໍ່ຈຳເປັນຕ້ອງເພີ່ມຈຳນວນພະນັກງານໃນອັດຕາສ່ວນທີ່ເທົ່າກັນ
• ຄ່າໃຊ້ຈ່າຍດ້ານຄຸນນະພາບຫຼຸດລົງ: ມີແນວໂນ້ມທີ່ຊົ່ວໂມງທຳງານທີ່ໃຊ້ໃນການແກ້ໄຂຂໍ້ຜິດພາດ ແລະ ການປ່ຽນປະມວນຜົນໃໝ່ຈະຫຼຸດລົງ

ໃນໄລຍະການອອກແບບ ແລະ ການນຳໃຊ້ເບື້ອງຕົ້ນ, ຈຳເປັນຕ້ອງມີການລົງທຶນໃນລະດັບໜຶ່ງ. ຢ່າງໃດກໍ່ຕາມ, ຄ່າໃຊ້ຈ່າຍໃນການດຳເນີນງານຕໍ່ໜ່ວຍຫຼັງຈາກການນຳໃຊ້ໃນຫຼາຍກໍລະນີຈະຕ່ຳກວ່າ BPO ແບບດັ້ງເດີມ, ແລະ ສາມາດກ່າວໄດ້ວ່ານີ້ແມ່ນໂຄງສ້າງທີ່ຄວາມຄຸ້ມຄ່າດ້ານຄ່າໃຊ້ຈ່າຍມີແນວໂນ້ມທີ່ຈະດີຂຶ້ນໃນໄລຍະກາງ ຫາ ໄລຍະຍາວ.

ຄວາມຮູ້ສຶກວ່າ "ແພງ" ມັກເກີດຈາກການປຽບທຽບໃນໄລຍະສັ້ນທີ່ເບິ່ງພຽງແຕ່ຄ່າໃຊ້ຈ່າຍເບື້ອງຕົ້ນ. ສິ່ງສຳຄັນຄືການປະເມີນຈາກມຸມມອງຂອງຄ່າໃຊ້ຈ່າຍລວມທັງໝົດໃນການເປັນເຈົ້າຂອງ (TCO).

«ຫຼາຍຄົນມັກເວົ້າວ່າ "ບໍ່ຮູ້ວ່າຈະເລີ່ມຕົ້ນຈາກໃສ"» ແຕ່ການນຳໃຊ້ງານນັ້ນມີລຳດັບຂັ້ນຕອນທີ່ແນ່ນອນ. ໂດຍການຜ່ານ 3 ຂັ້ນຕອນ ຄື ການສຳຫຼວດ (Inventory) · PoC · ແລະ Scale-up ຈະສາມາດສະສົມຜົນໄດ້ຮັບໄປເລື້ອຍໆ ໃນຂະນະທີ່ຄວບຄຸມຄວາມສ່ຽງໄດ້.

ຂັ້ນຕອນທຳອິດຄືການລາຍຊື່ຂະບວນການທາງທຸລະກິດພາຍໃນອົງກອນທັງໝົດ ແລ້ວປະເມີນວ່າ "ເໝາະສົມກັບການ Automation ຫຼືບໍ່". ແທນທີ່ຈະໃຊ້ຄວາມຮູ້ສຶກ, ການຈັດລຽງລຳດັບຄວາມສຳຄັນຈະງ່າຍຂຶ້ນຫາກດຳເນີນການກວດສອບໂດຍອີງໃສ່ມຸມມອງດັ່ງຕໍ່ໄປນີ້:

• ປະລິມານການດຳເນີນງານ: ຍິ່ງມີຈຳນວນລາຍການຕໍ່ເດືອນຫຼາຍເທົ່າໃດ, ຄວາມຄຸ້ມທຶນຂອງການ Automation ກໍຍິ່ງສູງຂຶ້ນເທົ່ານັ້ນ
• ຄວາມງ່າຍໃນການກຳນົດກົດລະບຽບ: ວຽກງານທີ່ສາມາດລະບຸເກນການຕັດສິນໃຈໄດ້ຢ່າງຊັດເຈນ ມີຄວາມເຂົ້າກັນໄດ້ດີກັບ Automation
• ອັດຕາການເກີດຂໍ້ຜິດພາດ: ວຽກງານປະຈຳທີ່ມີແນວໂນ້ມເກີດຄວາມຜິດພາດຈາກມະນຸດຄວນໄດ້ຮັບການຈັດລຳດັບຄວາມສຳຄັນສູງ
• ພາລະຂອງພະນັກງານໃນພາກສະໜາມ: ວຽກງານທີ່ຜູ້ຮັບຜິດຊອບຮູ້ສຶກວ່າ "ງ່າຍ ແຕ່ເສຍເວລາຫຼາຍ"

ຂະບວນການທີ່ລວບລວມໄດ້ຄວນຈັດລຽງໃນ Matrix 2×2 ໂດຍວາງ "ລະດັບຄວາມຍາກໃນການ Automation" ໃນແນວນອນ ຫຼື Horizontal ແລະ "ຜົນກະທົບຕໍ່ທຸລະກິດ" ໃນແນວຕັ້ງ ຫຼື Vertical ຊຶ່ງຈະເຮັດໃຫ້ສາມາດນຳໃຊ້ເປັນເອກະສານອະທິບາຍຕໍ່ຜູ້ບໍລິຫານໄດ້ຢ່າງສະດວກ.

ໂດເມນທີ່ມີລະດັບຄວາມຍາກຕ່ຳ ແລະ ມີຜົນກະທົບສູງຈະຖືກກຳນົດໃຫ້ເປັນ "ຜູ້ສະໝັກທີ່ມີຄວາມສຳຄັນສູງສຸດ" ແລ້ວຄັດເລືອກໃຫ້ເປັນເປົ້າໝາຍ PoC ໃນ Step 2 ຕໍ່ໄປ. ເນື່ອງຈາກການພະຍາຍາມກວດສອບທຸກຢ່າງພ້ອມກັນໃນຄັ້ງດຽວຈະເຮັດໃຫ້ການກວດສອບຂາດຄວາມເຂັ້ມຂຸ້ນ, ຈຶ່ງແນະນຳໃຫ້ສຸມໃສ່ 1-2 ຂະບວນການໃນຕອນເລີ່ມຕົ້ນ.

ເມື່ອຄັດເລືອກຂະບວນການທຸລະກິດທີ່ເໝາະສົມໄດ້ແລ້ວ, ໃຫ້ເລີ່ມຕົ້ນດ້ວຍການດຳເນີນ PoC ໃນຂອບເຂດ 1-2 ຂະບວນການ ຫຼື Pipeline ກ່ອນ. ການທົດລອງໃນຂະໜາດນ້ອຍກ່ອນການຂະຫຍາຍໄປທົ່ວທັງອົງກອນ ຈະຊ່ວຍໃຫ້ສາມາດກວດພົບຄວາມສ່ຽງທີ່ຄາດບໍ່ເຖິງໄດ້ຕັ້ງແຕ່ໄລຍະຕົ້ນ.

ຈຸດສຳຄັນ ຫຼື ແກນຫຼັກທີ່ຕ້ອງກວດສອບໃນ PoC ມີດັ່ງນີ້:

• ຄວາມຖືກຕ້ອງຂອງການປະມວນຜົນ AI: ວັດແທກອັດຕາຄວາມຖືກຕ້ອງ ແລະ ອັດຕາຄວາມຜິດພາດຂອງການຕັດສິນໃຈອັດຕະໂນມັດ
• ຄວາມຖີ່ຂອງການ Escalation: ກວດສອບວ່າການສົ່ງຕໍ່ໃຫ້ມະນຸດດຳເນີນການຢູ່ໃນຂອບເຂດທີ່ຄາດໄວ້ຫຼືບໍ່
• ການຍອມຮັບຂອງຜູ້ໃຊ້ງານໃນພາກສະໜາມ: ສຳຫຼວດຄວາມຄິດເຫັນວ່າຜູ້ຮັບຜິດຊອບສາມາດປັບຕົວເຂົ້າກັບ Workflow ໄດ້ຫຼືບໍ່
• ຄຸນນະພາບຂໍ້ມູນ: ກວດສອບວ່າຂໍ້ມູນນຳເຂົ້າສຳລັບ AI ມີຂໍ້ມູນຂາດຫາຍ ຫຼື ຄວາມບໍ່ສອດຄ່ອງໃນການສະກົດຫຼືບໍ່

ໂດຍທົ່ວໄປ, ໄລຍະເວລາທີ່ແນະນຳແມ່ນປະມານ 4-8 ອາທິດ. ຖ້າສັ້ນເກີນໄປຈະບໍ່ສາມາດຈັບທ່າອ່ຽງໄດ້, ແຕ່ຖ້າຍາວເກີນໄປກໍ່ຈະເຮັດໃຫ້ການຕັດສິນໃຈລ່າຊ້າ.

ເນື່ອງຈາກຜົນໄດ້ຮັບຂອງ PoC ສົ່ງຂໍ້ມູນຕໍ່ໃຫ້ການອອກແບບ KPI ໃນຂັ້ນຕອນຕໍ່ໄປໂດຍກົງ, ຈຶ່ງຕ້ອງບັນທຶກ Log ຕົວເລກໄວ້ຢ່າງຄົບຖ້ວນ. ຢ່າຈົບພຽງແຕ່ "ໃຊ້ງານໄດ້ຢ່າງຄາດໄວ້" ເທົ່ານັ້ນ, ການເກັບຮັກສາຫຼັກຖານທີ່ເປັນຕົວເລກຢ່າງຊັດເຈນຈະເປັນພື້ນຖານສຳຄັນໃນການຕັດສິນໃຈຂະຫຍາຍຂະໜາດ (Scale-up) ຕໍ່ໄປ.

ຫຼັງຈາກໄດ້ຮັບຜົນທີ່ໜ້າພໍໃຈຈາກ PoC ແລ້ວ ຂັ້ນຕອນຕໍ່ໄປຄືການກຳນົດກົນໄກການຕັດສິນຜົນສຳເລັດ ຫຼື ຄວາມລົ້ມເຫຼວດ້ວຍຕົວເລກ. ຖ້າຂະຫຍາຍຂະໜາດໂດຍຍັງອີງໃສ່ການປະເມີນຕາມຄວາມຮູ້ສຶກ ກໍ່ມີຄວາມສ່ຽງທີ່ຈະມອງຂ້າມບັນຫາຄ່າໃຊ້ຈ່າຍເກີນງົບ ຫຼື ຄຸນນະພາບຕົກຕໍ່າ.

ຕົວຢ່າງ KPI ຫຼັກທີ່ຄວນກຳນົດມີດັ່ງນີ້:

• ເວລາດຳເນີນການ: ເວລາຕອບສະໜອງສະເລ່ຍຕໍ່ 1 ລາຍການ (ວັດແທກແຍກລະຫວ່າງການປະມວນຜົນອັດຕະໂນມັດດ້ວຍ AI ກັບການດຳເນີນການໂດຍມະນຸດ)
• ອັດຕາອັດຕະໂນມັດ: ສັດສ່ວນຂອງລາຍການທັງໝົດທີ່ AI ດຳເນີນການໄດ້ຄົບຖ້ວນ
• ອັດຕາ Escalation: ສັດສ່ວນຂອງກໍລະນີທີ່ຕ້ອງສົ່ງຕໍ່ໃຫ້ມະນຸດ
• ຄະແນນຄຸນນະພາບ: ຕົວຊີ້ວັດສະເພາະຂອງວຽກງານ ເຊັ່ນ: ຄວາມພໍໃຈຂອງລູກຄ້າ ຫຼື ອັດຕາຄວາມຜິດພາດ

KPI ຄວນໄດ້ຮັບການ Monitor ໃນໄລຍະໜຶ່ງ ເພື່ອຕິດຕາມວ່າ "ແນວໂນ້ມການປັບປຸງຍັງດຳເນີນຕໍ່ໄປຢ່າງຕໍ່ເນື່ອງຫຼືບໍ່" ແລ້ວຈຶ່ງຕັດສິນໃຈຂະຫຍາຍຂະໜາດຕາມລຳດັບ ໂດຍເລີ່ມຈາກວຽກງານທີ່ບັນລຸຄ່າເປົ້າໝາຍກ່ອນ. ໃນທາງກົງກັນຂ້າມ ຖ້າຕົວຊີ້ວັດຮ່ວງລົງ ກໍ່ໃຫ້ຖືເປັນໂອກາດທົບທວນຂໍ້ມູນການຮຽນຮູ້ຂອງ AI ແລະ ກົດລະບຽບການແຊກແຊງຂອງມະນຸດ.

ການຕັດສິນໃຈຂະຫຍາຍຂະໜາດຄວນດຳເນີນຕາມວົງຈອນທີ່ເປັນປົກກະຕິ ເຊັ່ນ: ການທົບທວນລາຍເດືອນ ເພື່ອຫຼຸດຜ່ອນພາລະຂອງທີມງານໃນພາກສະໜາມ ໃນຂະນະທີ່ຍັງສາມາດຕໍ່ຍອດການປັບປຸງຢ່າງຕໍ່ເນື່ອງໄດ້.

ຄຳຖາມທີ່ພົບເລື້ອຍໆ

ໃນເວລາພິຈາລະນານຳໃຊ້ Hybrid BPO ນັ້ນ, ມີຄຳຖາມ 2 ຂໍ້ທີ່ມັກຖືກຍົກຂຶ້ນມາຈາກພາກສະໜາມຢູ່ສະເໝີ. ພວກເຮົາຈະມາຈັດລຽງປະເດັນສຳຄັນທີ່ກ່ຽວຂ້ອງໂດຍກົງກັບການຕັດສິນໃຈ, ລວມທັງຄວາມແຕກຕ່າງລະຫວ່າງ RPA ແລະ ແນວທາງການປະເມີນຂະໜາດການນຳໃຊ້.

RPA ແມ່ນເຄື່ອງມືທີ່ "ເຮັດຊ້ຳຂັ້ນຕອນທີ່ກຳນົດໄວ້ໂດຍອັດຕະໂນມັດ". ເນື່ອງຈາກເປັນລະບົບທີ່ບັນທຶກແລະຫຼິ້ນຄືນການດຳເນີນງານໜ້າຈໍ, ຈຶ່ງມີແນວໂນ້ມທີ່ຕ້ອງການບຳລຸງຮັກສາທຸກຄັ້ງທີ່ກົດລະບຽບມີການປ່ຽນແປງ.

Hybrid BPO ໝາຍເຖິງຮູບແບບການມອບໝາຍວຽກງານທັງໝົດ ທີ່ລວມເອົາເຕັກໂນໂລຊີການອັດຕະໂນມັດຫຼາຍຮູບແບບ ລວມທັງ RPA ແລະຜູ້ດຳເນີນງານທີ່ເປັນມະນຸດເຂົ້າດ້ວຍກັນ. ຄວາມແຕກຕ່າງຫຼັກໆ ມີດັ່ງຕໍ່ໄປນີ້:

• ຂອບເຂດການຮອງຮັບ: RPA ຮອງຮັບສະເພາະການດຳເນີນງານທີ່ເປັນແບບແຜນ. Hybrid BPO ຮອງຮັບໄດ້ຈົນເຖິງການຕັດສິນໃຈ, ການໂຕ້ຕອບ, ແລະການຈັດການຂໍ້ຍົກເວັ້ນ
• ການຈັດການຂໍ້ຍົກເວັ້ນ: RPA ມັກຢຸດເມື່ອເກີດຂໍ້ຜິດພາດ. Hybrid BPO ມີມະນຸດຮັບ Escalation ແລະດຳເນີນການແກ້ໄຂ
• ຮູບແບບສັນຍາ: RPA ແມ່ນການນຳໃຊ້ເຄື່ອງມື. Hybrid BPO ແມ່ນສັນຍາ Outsourcing ທີ່ຝ່າຍຮັບໜ້າທີ່ຮັບຜິດຊອບຕໍ່ຜົນໄດ້ຮັບ
• ການອັບເດດຄວາມຮູ້: Hybrid BPO ສາມາດໃຊ້ RAG ແລະເຕັກນິກອື່ນໆ ເພື່ອອັບເດດຖານຄວາມຮູ້ຢ່າງຕໍ່ເນື່ອງ

ກໍລະນີທີ່ "ນຳໃຊ້ RPA ແລ້ວແຕ່ສຸດທ້າຍຕ້ອງເພີ່ມກຳລັງຄົນເນື່ອງຈາກການຈັດການຂໍ້ຍົກເວັ້ນ" ນັ້ນມີໃຫ້ເຫັນບໍ່ໜ້ອຍ. Hybrid BPO ສາມາດພິຈາລະນາເປັນທາງເລືອກທີ່ຊ່ວຍເສີມໃນສ່ວນທີ່ເປັນສິ່ງທ້າທາຍດັ່ງກ່າວໄດ້.

ສະຫຼຸບໄດ້ວ່າ ກໍລະນີທີ່ວິສາຫະກິດຂະໜາດກາງ ແລະ ຂະໜາດນ້ອຍສາມາດນຳໃຊ້ໄດ້ນັ້ນມີເພີ່ມທະວີຂຶ້ນເລື້ອຍໆ. ທັງນີ້ກໍ່ເນື່ອງຈາກການແຜ່ຫຼາຍຂອງບໍລິການ AI ປະເພດ Cloud ໄດ້ຂະຫຍາຍທາງເລືອກທີ່ສາມາດເລີ່ມຕົ້ນໄດ້ໂດຍບໍ່ຕ້ອງລົງທຶນເບື້ອງຕົ້ນຂະໜາດໃຫຍ່.

ຢ່າງໃດກໍ່ຕາມ ເປັນການດີທີ່ຄວນຕອບສະໜອງເງື່ອນໄຂບາງຢ່າງໃຫ້ຄົບ.

• ເກນຈຳນວນການດຳເນີນງານ: ຕ້ອງມີວຽກງານປະຈຳຮູບແບບຕາຍຕົວຢ່າງໜ້ອຍຫຼາຍຮ້ອຍລາຍການຕໍ່ເດືອນ
• ລະດັບການມາດຕະຖານຂອງວຽກງານ: ກົດລະບຽບ ແລະ ເກນການຕັດສິນໃຈຕ້ອງໄດ້ຮັບການບັນທຶກເປັນເອກະສານໃນລະດັບໜຶ່ງ
• ຊັບພະຍາກອນຂອງຜູ້ຮັບຜິດຊອບ: ຕ້ອງສາມາດຈັດສັນບຸກຄະລາກອນທີ່ສາມາດຈັດລະບຽບວຽກງານໄດ້ໃນຊ່ວງເລີ່ມຕົ້ນການນຳໃຊ້

ມີແນວໂນ້ມວ່າ "ປະລິມານວຽກງານ ແລະ ຄວາມໜ້ອຍໃຈຂອງການມາດຕະຖານ" ມີຜົນຕໍ່ການຕັດສິນໃຈນຳໃຊ້ຫຼາຍກວ່າຈຳນວນພະນັກງານ. ເຖິງແມ່ນຈະມີຄົນໜ້ອຍ ແຕ່ວຽກງານທີ່ມີການດຳເນີນງານຊ້ຳໆຫຼາຍ ເຊັ່ນ: ການຈັດການຄຳສັ່ງຊື້-ຂາຍ ແລະ ການຕອບຄຳຖາມ ຖືວ່າມີຄວາມເຂົ້າກັນໄດ້ດີກັບ Hybrid BPO.

ໃນທາງກົງກັນຂ້າມ ຫາກຂະບວນການວຽກງານຂຶ້ນກັບຕົວບຸກຄົນ ແລະ ຍັງບໍ່ໄດ້ຮັບການບັນທຶກເປັນເອກະສານ ການຈັດລະບຽບພາຍໃນອົງກອນໃຫ້ຮຽບຮ້ອຍກ່ອນຈຶ່ງເປັນທາງເລືອກທີ່ຕ້ອງການຕາມຄວາມເປັນຈິງ. ການສຳຫຼວດ ແລະ ຈັດລຽງວຽກງານພາຍໃນຂອງຕົນເອງກ່ອນການນຳໃຊ້ ຈະເປັນທາງລັດສູ່ຄວາມສຳເລັດ.

ການ BPO ແບບ Hybrid ບໍ່ແມ່ນທາງເລືອກທີ່ດີທີ່ສຸດສຳລັບທຸກບໍລິສັດ. ບໍລິສັດທີ່ມີແນວໂນ້ມໄດ້ຮັບຜົນດີຈາກການນຳໃຊ້ ມີລັກສະນະດັ່ງຕໍ່ໄປນີ້:

• ມີທັງວຽກງານທີ່ເຮັດຊ້ຳໆ ແລະ ການຈັດການກໍລະນີພິເສດປົນກັນ: ມີຂະບວນການ ຫຼື Pipeline ທີ່ຜະສົມລະຫວ່າງຮູບແບບທີ່ກຳນົດໄວ້ ແລະ ຮູບແບບທີ່ບໍ່ໄດ້ກຳນົດ ເຊັ່ນ: ການຕອບຄຳຖາມ, ການຮັບ-ສົ່ງຄຳສັ່ງຊື້, ແລະ Help Desk ພາຍໃນ
• ມີສິ່ງທ້າທາຍດ້ານຄຸນນະພາບທີ່ບໍ່ສະໝ່ຳສະເໝີ ຫຼື ຄວາມໄວໃນການຕອບສະໜອງ: ກໍລະນີທີ່ຄຸນນະພາບຄຳຕອບແຕກຕ່າງກັນຕາມຜູ້ຮັບຜິດຊອບ ຫຼື ການໃຫ້ບໍລິການໃນຊ່ວງກາງຄືນ ແລະ ວັນພັກຍັງບໍ່ທັນຄົບຖ້ວນ
• ວາງແຜນຂະຫຍາຍຂະໜາດໃນອະນາຄົດ: ບໍລິສັດທີ່ກຳລັງເຕີບໂຕ ທີ່ຕ້ອງການຄວາມຍືດຫຍຸ່ນໃນການຮັບມືກັບປະລິມານວຽກທີ່ເພີ່ມຫຼຸດ ຫຼື ບໍລິສັດທີ່ກຳລັງພິຈາລະນາຂະຫຍາຍສາຂາຫຼາຍແຫ່ງ

ໃນທາງກົງກັນຂ້າມ, ຫາກວຽກງານສ່ວນໃຫຍ່ເປັນຈຸດສຳຄັນ ຫຼື ແກນຫຼັກຂອງການເຈລະຈາລະຫວ່າງບຸກຄົນໃນລະດັບສູງ ຫຼື ການຕັດສິນໃຈດ້ານຄວາມຄິດສ້າງສັນ, ວິທີທີ່ເໝາະສົມກວ່າຄືການເລີ່ມຕົ້ນດ້ວຍການແຍກວຽກງານທີ່ກຳນົດຮູບແບບໄວ້ທີ່ຢູ່ອ້ອມຂ້າງອອກກ່ອນ.

ການເລີ່ມຕົ້ນພິຈາລະນາດ້ວຍທັດສະນະ "ການອອກແບບບົດບາດຂອງ AI ແລະ ມະນຸດ" ແທນທີ່ຈະເປັນ "ມອບໝາຍທຸກຢ່າງ" ມີແນວໂນ້ມຈະເຮັດໃຫ້ອຸປະສັກໃນການນຳໃຊ້ຕ່ຳກວ່າທີ່ຄາດໄວ້.