آیا هوش مصنوعی می‌تواند به ما بیاموزد که چگونه از نظر احساسی باهوش‌تر شویم؟

بحث در مورد این که آیا AI (هوش مصنوعی) جایگزین انسان‌ها در نیروی کار خواهد شد یا خیر، اغلب به یک توضیح مفید و دوگانه خلاصه می‌شود: AI در کار‌های تکراری و دستی جایگزین انسان‌ها خواهد شد، در حالی که انسان‌ها در مهارت‌های نرم مانند ارتباطات، خلاقیت و ایجاد رابطه احساسی نسبت به هوش مصنوعی برتری خواهند داشت.با اینکه این توضیح به درستی نشان می‌دهد که انسان و ماشین از نقاط قوتشان استفاده می‌کنند، ، اما احتمالا نقش AI در زندگی حرفه‌ای ما را بیش از حد ساده می‌کند.ما معتقدیم که هوش مصنوعی به انسان‌ها کمک خواهد کرد تا کار‌های انسانی بهتری انجام دهند، یعنی به ما کمک می‌کند که در بهبود هوش هیجانی، مهارت‌های نرم و مهارت‌های ارتباطی بین فردی عملکرد بهتری داشته باشیم.

الگوریتم‌‌های هوش مصنوعی در تشخیص احساسات، پردازش زبان طبیعی (‏NLP)‏، دیدگاه کامپیوتری (computer vision) و ترکیب آن با روانشناسی و زبان‌شناسی، تشخیص، تجزیه و تحلیل و پردازش لحن صحبت کردن، گام، حالت چهره، ارتباط چشمی، زبان بدنی، و ده‌ها ویژگی ارتباطی کلامی و غیر کلامی دیگر که بر ارتباط تاثیر می‌گذارند، بهتر عمل کرده‌اند.

با اجازه دادن به AI برای استفاده از مکالمات مشتری، داده‌ها چه به صورت صدا، چه ویدئو و چه متن باشند، با کمک هوش مصنوعی می‌تواند داده‌های پیچیده و اغلب گیج‌کننده را بگیرد و الگوهایی را در ارتباط موثر پیدا کند که برای چشم غیر مسلح واضح نباشد.کاربردها و استفاده‌های بالقوه این تکنولوژی‌ها فراتر از فروش و موفقیت مشتری است.بسیاری از نقش‌های حرفه‌ای که به مهارت‌های ارتباطی قوی نیاز دارند، از جمله رهبری، سخنرانی، مدیریت محصول، درمان مجازی، تدریس، یادگیری زبان و … از هوش مصنوعی‌ای بهره می‌برند که هوش هیجانی را اندازه‌گیری می‌کند.در واقع، پیش‌بینی می‌شود تا سال ۲۰۲۶، حجم بازار ترکیبی برای تشخیص احساسات و استفاده از هوش مصنوعی برای تشخیص مکالمه‌ها به بیش از ۵۵ میلیارد دلار افزایش یابد.

موفقیت با هوش هیجانی و هوش مصنوعی

از آن جا که پیتر سالوی و جان مایر برای اولین بار هوش هیجانی را به عنوان “نوعی هوش اجتماعی که شامل توانایی نظارت بر احساسات خود فرد و دیگران، تمایز میان آن‌ها، و استفاده از این اطلاعات برای هدایت تفکر و عمل فرد” تعریف کرده‌اند، محققان و شرکت‌ها تلاش کرده‌اند تا از هنر “فرد بودن” ابهام‌زدایی کنند. داده‌ها ثابت کرده‌اند که هوش هیجانی یک پیش‌بینی‌کننده قوی موفقیت حرفه‌ای است.

یک مطالعه از دانشگاه ییل نشان داد که هوش هیجانی به ما کمک می‌کند تصمیمات بهتری در محل کار بگیریم.مطالعه دیگری در هاروارد نشان داده که هوش هیجانی در پیش‌بینی موفقیت تیم مفیدتر از IQ است.  یک مطالعه ۱۰ ساله در گوگل به نام Project Oxygen نشان دادکه سهم هوش هیجانی برای موفقیت یک مدیر بیشتر از IQ یا مهارت فنی مهم است. 

نکته مهم: هوش هیجانی به اندازه هر “مهارت سخت” مهم است و سرمایه‌گذاری در آن به افراد و تیم‌ها کمک می‌کند تا در کار موفق شوند.

یک فرد حرفه‌ای که به دنبال بهبود هوش عاطفی خود است، باید همزمان که بر روی خودآگاهی و مدیریت احساسات و عواطف خود کار می‌کند، با وضعیت عاطفی مشتریانی که با آن‌ها صحبت می‌کنند، مطابقت داشته باشد.این کار به زمینه تعامل فعلی و فهمیدن وضعیت محدود نمی‌شود؛ بلکه گذشته‌ای که با فرد مقابل وجود داشته و اهداف مشترک نیز بستگی دارد. .AI می‌تواند این فرآیند را برای نمایندگان مشتری آسان‌تر کند، این مورد نه تنها سرنخ‌هایی از پروفایل احساسی مشتری  به شما می‌دهد، بلکه شما را قادر می‌سازد تا صحبت کردن با آن‌ها را شبیه‌سازی کنید.

این نوع بینش به ویژه در دنیا پرمخاطره موفقیت مشتری مهم است؛ یعنی در جایی که مدیر موفقیت مشتری (CSM) به طور متوسط بین ۲ تا ۵ میلیون دلار درآمد سالانه دوره‌ای (ARR) را مدیریت می‌کند و اغلب در خارج از ایالات متحده مستقر است.  برای آنها درک تفاوت‌های فرهنگی و بین فردی مشتریان مستقر در ایالات متحده برای موفقیت بسیار مهم است.

یکی از شرکت‌هایی که این مساله را به خوبی شناخته‌ Gainview است؛ این پلتفرم موفقیت مشتری در Bay Area است، که تحلیل EQ را در مرحله استخدام لحاظ می‌کند، و در حال حاضر  کار خود رابا یکی از تیم‌های موفقیت مشتری خود در هند آزمایش می‌کنند. .

Gainview از Gong و Zoom برای ثبت تماس‌ها بین CSMهای هندی و مشتریان آمریکایی استفاده می‌کند، سپس داده‌ها را به یک پلتفرم هوش محاوره‌ای برای تحلیل و درک سبک‌های یادگیری، پاسخ‌های احساسی و پروفایل های شخصیتی مشتریانشان وارد می‌کند،سپس این داده‌ها به یک شبیه‌ساز آموزشی برای کمک به سایر CSMهایی که برای تماس‌های آتی با مشتریان در منطقه آماده می‌شوند، تزریق می‌شود.این اپلیکیشن‌ها (CSMها) با تنظیم دقیق تحویل خود به شیوه‌ای مناسب و رسیدن به مشتریان در سطح احساسی آن‌ها، می‌توانند یک دستور کار برد – برد را با مشتریان ایجادکنند.

هوش هیجانی و هوش مصنوعی در عمل

شرکت تجزیه و تحلیل داده‌های فروش Gong، برای اینکه متخصصان فروش ارتباط بهتری برقرار کنند و ن معاملات بیشتری انجام دهند، تعامل بین فروشندگان و مشتریان را تجزیه و تحلیل می‌کند. Gong از یادگیری ماشینی (ML) و پردازش زبان طبیعی (NLP) برای فهرست‌بندی ایمیل‌های مشتری و تماس‌های ویدیویی استفاده می‌کند و بینش‌های کیفی را از داده‌های کمی مشتری به‌دست می‌آورد تا زمینه‌های بهتری ایجاد کند و زبان متقاعدکننده‌تر و همدلانه‌تری را برای اتخاذ تصمیم ایجاد کند.گونگ یک استارت‌آپ کوچک نیست که فقط وعده‌های هوش مصنوعی را تبلیغ کند.سرمایه این شرکت اخیرا به ارزش ۷.۲۵ میلیارد دلار رسیده و فهرست مشتریان آن شامل شرکت‌هایی مانند Accenture، LinkedIn، سرویس تیتان، Slack، PayPal، Zillow، و بسیاری دیگر است.

در اوایل سال ۲۰۲۰، زمانی که پاندمی، دنیا را به تعطیلی کشاند، Zillow شروع به استفاده از Gong برای کمک به متخصصان فروش خود برای انتقال از فروش شخصی به فروش مجازی کرد.زیلو یک تور ویدئویی ایجاد کرد و آن را با ردیاب‌های گونگ متصل  کرد تا نظارت کند کدام عبارات کلیدی به بستن قراردادهای بیشتر کمک می‌کند.زیلو همچنین از محصول Whisper  گونگ استفاده کرد؛ این محصولاعضای تیم فروش را بر اساس عملکردشان رتبه‌بندی می‌کند، تا تعیین کند که چگونه اجرا کنندگان ارشد آن‌ها با مردم ارتباط برقرار و متفاوت از بقیه تیم عمل می‌کنند، این موضوع مدیران را قادر می‌سازد تا بهترین اقدامات را نهادینه کنند.

مثال دیگرBenchSci (بنچ سای) است که به شرکت‌های داروسازی و دانشمندان کمک می‌کند تا آزمایش‌ها کلینیکی خود را انجام دهند.یک جنبه کلیدی برای مدیر عامل موفقیت مشتری، مایک اگان، این است که تیم او با مشتریان ارتباطی فعال داشته باشند تا دقیقا در زمان مناسب از آن‌ها پشتیبانی وآن‌ها را به تبلیغ کننده پلتفرم خود تبدیل کند.از آنجا که شرکت‌های داروسازی به دلیل نگرانی‌های امنیتی و حریم خصوصی نمی‌توانند جلسات آنلاین را ثبت کنند، BenchSciبا یک پلتفرم هوش محاوره‌ای AI کار می‌کرد تا از ایمیل‌ها، بلیط‌های پشتیبانی، و نظرسنجی‌ها سیگنال‌هایی دریافت کند.این پلتفرم می‌تواند تحلیل شخصیت و رفتاری را بر روی حالت عاطفی مشتری اجرا کند و نماینده خدمات مشتری را قادر سازد تا آن را بهتر منعکس کند و به پیام‌های خدمات مشتری پاسخ دهد.

حلقه بازخورد AI

از آن   جایی که تعامل با مشتری بسیار حیاتی است، زمینه موفقیت مشتری برای ایجاد یک حلقه بازخورد هوش مصنوعی ۳۶۰ درجه ای بسیار مفید است؛ به همین دلیل، بینش‌هایی در مورد وضعیت عاطفی مشتریان قبل، در طول دوره و بعد از تعامل با مشتری ارائه می‌شود.در این بخش، ما هر مرحله از سفر مشتری و روش‌هایی که AI می‌تواند به بهبود هوش هیجانی کمک کند را بررسی می‌کنیم.

قبل از تعامل مشتری:

مدیران موفقیت مشتری باید محیطی برای آموزش و تمرین قبل از صحبت با مشتریان و به خصوص زمانی که بتوانند مکالمه را طبقه‌بندی کنند داشته باشند.آیا این مکالمه یک تجدید قرارداد است؟ لغو مشتری است؟ درخواست ارتقای سرویس است؟

اگر قبلا با یک مشتری صحبت کرده‌اید، Cyrano.AI  تکنولوژی‌ای را به ثبت رسانده که مکالمات قبلی را تحلیل می‌کند تا یک پروفایل از مشتری ایجاد کند.این پروفایل ممکن است شامل سبک ارتباطی مشتری، اولویت‌ها یا اهداف قابل‌ شناسایی، و حتی میزان تعهد به نمایش گذاشته شده آن‌ها در آخرین مکالمه باشد.اگر به لحظات احساسی تماس و انگیزه آن‌ها نگاه کنید، می‌توانید ارائه خود را به تیپ شخصیتی مشتری تغییر دهید و ببینید چگونه پاسخ می‌دهند.

در طول تعامل مشتری:

نیروهای خدمات مشتری و رهبران موفقیت مشتری می‌توانند ببرای بستن بهتر معامله، رسیدگی به شکایات، یا همدردی با مشتریان ناراضی به صورت لحظه‌ای بازخورد و توصیه دریافت کنند.به عنوان مثال، Cresta از هوش مصنوعی برای دادن بازخورد فوری به کارگران مرکز تماس از طریق پیام‌های متنی استفاده می‌کند؛ بنابراین آن‌ها می‌دانند که در رایج‌ترین شرایط چه چیزی را به مشتریان بگویند.اگر مشتری اعتراضی داشته باشد، تکنولوژی یک راه حل گام به گام برای کمک به غلبه بر آن مشکل را در اختیار نماینده قرار می‌دهد.یک مشتری غمگین و ناراضی دارید؟ این تکنولوژی عبارات یا کلمات کلیدی را برای آرام کردن مشتری به کار می‌برد.

EarthLink، یک ارائه‌دهنده خدمات اینترنتی خصوصی (‏ISP) ‏، از کرستا برای مدرن کردن عملیات مرکز تماس خود استفاده کرد و به نمایندگان خود در برقراری ارتباط و همدلی بیشتر کمک کرد.در اولین ماه استفاده از , Cresta  EarthLink گزارش داد که ۱۱ % کاهش در میانگین زمان کنترل ( AHT ) و بهبود ۱۲۴ % در نرخ تبدیل خدمات ارزش افزوده را تجربه کرده است که این اتفاق یک موفقیت بسیار مناسب است.

بعد از تعامل مشتری:

بینش تعامل پس از مشتری جایی است که قدرت واقعی قرار دارد؛ زیرا AI می‌تواند گفتگوهای گذشته با مشتری را بخواند و بازخوردی برای بهبود فراهم کند.همانند یک چرخه مطلوب، هرچه هوش مصنوعی بیشتر استفاده شود، بازخورد بهتر می‌شود.

Reciprocity، پلتفرمی پیشرو در ریسک و انطباق که دفتر مرکزی آن در سانفرانسیسکو قرار دارد، دقیقاً این سناریو را برای تیم CSM به عنوان بخشی از مجموعه فن‌آوری خود فراهم می‌سازد.در حالی که جلسات مشتریان آن‌ها در Gong ثبت می‌شود، آن‌ها تماس‌ها را با یک پلتفرم هوش هیجانی و محاوره‌ای تجزیه و تحلیل می‌کنند، که نه تنها پروفایل شخصیتی سهامداران مشتریان خود را بر اساس مکالمات گذشته فراهم می‌کند، بلکه از نسل زبان طبیعی (‏NLG)‏ برای مشاوره CSMها در مورد نحوه کار با افراد خاص استفاده می‌کند.این نرم افزار همچنین می تواند CSMها را با ذی‌نفعان مشتری بر اساس شباهت آن‌ها در شخصیت و سبک ارتباطی مطابقت دهد که اصطکاک در فرآیند خرید یا فروش را کاهش می دهد و افراد متمرکز بر مشتری را قادر می‌سازد تا ارتباط واقعی و موثرتری داشته باشند.

شرکت‌ها به  کشف راه حل‌های هوش مصنوعی که به آن‌ها کمک می‌کند تا تیم‌های خود را از نظر احساسی هوشمندتر و توانایی‌های ارتباطی بهتری داشته باشند، مشتاق هستند.در واقع، هوش مصنوعی می‌تواند هوش عاطفی ما را با خودآگاهی بیشتر و کمک به مدیریت روابط کلیدی کاری افزایش دهد.افزایش هوش عاطفی و مهارت‌های ارتباطی ما را کارآمدتر، سازنده‌تر و همدل‌تر می‌کند.اگرچه این تکنولوژی هنوز کامل نشده است، اما هر روز با افزایش پلتفرم‌ها در داده‌ها، مقیاس و پیچیدگی هوشمندتر می‌شود.این فناوری برای این که تیم‌های ما رااز نظر احساسی باهوش‌تر و شرکت‌ها را موفق‌تر و سودآورتر کند، ساخته شده است.

این پست ترجمه‌ای است از مقاله 

Can AI Teach Us How to Become More Emotionally Intelligent منتشر شده در وب‌سایت HBR