AGI je kratica za Artificial General Intelligence (opću umjetnu inteligenciju). Opisuje sustav koji može steći nove vještine i rješavati probleme za koje nikada nije bio obučen, umjesto da dobro obavlja jednu usku funkciju. Danas komercijalno ne postoji nijedan AGI sustav. U CRM-u, AGI bi značio softver koji obrazlaže odluke o prodaji, marketingu i podršci umjesto da pokreće unaprijed definirane tijekove rada.
Ako pitate dobavljača što bi njihov proizvod učinilo AGI-jem, mogli bi jednostavno opisati nadograđenu verziju onoga što već prodaju, poput brže automatizacije, više značajki ili bolje personalizacije. Ali nijedno od tih poboljšanja samo po sebi ne čini sustav uistinu općim.
Postoji stroži način procjene tvrdnje. Usredotočuje se na to može li sustav učiti i rješavati zaista nepoznate probleme, a postoji i pisani kriterij za testiranje te sposobnosti. Razumijevanje onoga što taj test mjeri pruža jasniji način procjene tvrdnji o općoj umjetnoj inteligenciji (AGI).
Što je AGI?
Opća umjetna inteligencija (AGI) je teorijski tip umjetne inteligencije koji može dostići ili nadmašiti ljudske sposobnosti u gotovo svim intelektualnim i kognitivnim zadacima. Za razliku od današnje specijalizirane umjetne inteligencije, AGI sustav mogao bi učiti, razmišljati i prilagođavati se potpuno novim situacijama bez potrebe za programiranjem specifičnim za zadatak.
Najrigoroznija radna definicija pripada Françoisu Cholletu, istraživaču koji stoji iza Keras biblioteke za duboko učenje. U svom radu iz 2019. O mjeri inteligencije, inteligenciju je definirao kao učinkovitost usvajanja vještina na nepoznatim zadacima a ne performanse zadataka za koje je sustav bio pripremljen.
Ta razlika je cijeli argument i mijenja značenje referentnog rezultata. Ako je model treniran na materijalu koji nalikuje testu, visok rezultat pokazuje da može pronaći odgovor koji je već vidio. Ne govori ništa o tome što se događa kada je problem zaista nov.
Chollet je izradio mjerilo za testiranje. ARC-AGI predstavlja mrežne zagonetke gdje se pravilo mora izvesti iz dva ili tri primjera i primijeniti na slučaj koji sustav nikada nije vidio. Opire se pamćenju po svojoj prirodi, budući da je svaki zadatak jedinstven, a primjera je premalo za statističko podudaranje uzoraka.
Četiri karakteristike razlikuju AGI od onoga što se danas nudi:
- Prijenos: Vještinu stečenu u jednoj domeni možete primijeniti i u nepovezanoj domeni bez potrebe za prekvalifikacijom, što trenutno ne čini nijedan proizvodni sustav.
- Rukovanje novitetima: Sustav rješava probleme o kojima njegovi programeri nisu ni razmišljali. Današnji modeli ponašaju se nepredvidivo čim ulaz prestane nalikovati onome na čemu su obučeni, a rijetko signaliziraju da se to dogodilo.
- Autonomna dekompozicija ciljeva: Razbija dvosmislen cilj na korake bez ljudskog specificiranja tijeka rada.
- Učinkovitost: Uči iz nekoliko primjera, a ne iz milijuna, što je kriterij koji gornja definicija zapravo mjeri.
| Provjera stvarnosti: ARC-AGI-1 pokrenut 2019. kako bi se testiralo mogu li AI sustavi naučiti nova pravila iz samo nekoliko primjera i primijeniti ih na nepoznate probleme. Do kraja 2024. granični modeli postali su dramatično veći, s povećanjem računalstva za obuku za otprilike 50 000 puta, no ovaj je kriterij ostao značajan izazov. To znači da povećanje modela i davanje više računalstva može poboljšati performanse, ali samo skaliranje ne proizvodi učinkovito učenje i generalizaciju povezanu s AGI-jem. |
AGI vs. AI vs. generativna AI
O umjetnoj inteligenciji, generativnoj umjetnoj inteligenciji i općoj umjetnoj inteligenciji često se raspravlja kao da opisuju različite razine iste tehnologije. To nije slučaj. Ključna razlika je u tome što sustav može naučiti, kako se nosi s nepoznatim problemima i koliki dio procesa donošenja odluka može obavljati samostalno.
| Uska AI | Generativna AI | AGI | |
| Djelokrug | Izvršava definirani zadatak | Proizvodi sadržaj u različitim formatima | Obavlja širok raspon intelektualnih zadataka |
| Uči nove zadatke | Ne, obično zahtijeva ponovnu obuku ili rekonfiguraciju | Ne, ne iz nekoliko primjera | Da, iz ograničenog broja primjera |
| Rješava nepoznate probleme | Ograničeno izvan definiranog zadatka | Može dati uvjerljive odgovore, ali može biti nepouzdan na nepoznatim zadacima | Dizajniran za rješavanje doista novih problema |
| Postavljanje ciljeva | Ljudski definirano | Ljudski potaknuto | Može razbiti šire ciljeve na zadatke neovisno |
| Komercijalno dostupno | Da, široko | Da, široko | Ne |
Najjednostavnija razlika je sljedeća: generativna umjetna inteligencija može obavljati mnoge vrste zadataka generiranja sadržaja, dok bi opća umjetna inteligencija (AGI) mogla naučiti kako se nositi s novim vrstama problema. Generativni sustav umjetne inteligencije može izraditi e-poruku za praćenje ili ugovornu klauzulu kada se to od njega zatraži. Opća umjetna inteligencija (AGI) trebala bi utvrditi je li slanje te e-pošte prikladno, uzeti u obzir kontekst računa i odlučiti što dalje učiniti.
Kako bi AGI mogao transformirati CRM?
CRM je jedno od područja gdje bi AGI mogao imati posebno značajan utjecaj jer CRM sustavi već objedinjuju kontekst korisnika koji bi sustavu zaključivanja bio potreban. Povijest kontakata, aktivnosti poslova, interakcije s podrškom, odgovori na kampanje i informacije o računu pohranjeni su u jednom okruženju. Ako AGI može zaključivati u nepoznatim situacijama, ovaj kontekst bi mu mogao omogućiti donošenje odluka umjesto jednostavnog izvršavanja unaprijed definiranih tijekova rada.
- Autonomni angažman kupaca
Danas, automatizacija CRM-a obično počinje s unaprijed definiranim okidačem, kao što je promjena u fazi transakcije ili radnja kupca. AGI sustav bi umjesto toga mogao procijeniti račun u cjelini i odlučiti je li kontakt potreban, koji bi kanal bio prikladan, na što bi se poruka trebala odnositi i kada bi je trebalo poslati.
- Inteligentno upravljanje potencijalnim klijentima
Bodovanje potencijalnih klijenata obično se oslanja na pravila i signale koje administratori unaprijed odabiru, kao što su naziv radnog mjesta, veličina tvrtke, angažman ili industrija. AGI bi mogao procijeniti račun koristeći širi kontekst i identificirati relevantne signale koji nikada nisu pretvoreni u unaprijed definirana polja. To bi moglo učiniti kvalifikaciju potencijalnog klijenta manje ovisnom o tome koliko je pravila konfigurirao administrator CRM-a.
- Prediktivni uvidi u kupce
Prediktivni AI može identificirati obrasce povezane s ishodima kao što su odljev klijenata, konverzija ili sklapanje posla. AGI bi to potencijalno mogao ići dalje razmišljajući o tome zašto je ishod vjerojatan i određivanjem koja bi ga radnja mogla promijeniti. Umjesto jednostavnog označavanja računa kao rizičnog, sustav bi mogao povezati temeljne okolnosti i preporučiti odgovarajuću intervenciju.
- Odluke o međufunkcionalnom tijeku rada
CRM tijekovi rada općenito slijede procese koje su ljudi unaprijed osmislili. AGI bi mogao donositi odluke u tim procesima na temelju promjenjivih okolnosti. Na primjer, mogao bi prepoznati da ozbiljan problem s podrškom treba privremeno zaustaviti kampanju dodatne prodaje, čak i ako nitko nije stvorio pravilo koje povezuje ta dva događaja.
Ove mogućnosti danas nisu komercijalno dostupne. One predstavljaju mogući smjer za automatizaciju CRM-a i pružaju koristan standard za procjenu koliko su trenutni AI sustavi udaljeni od istinski opće inteligencije.
| Zanimljiva činjenica: Gartnerov plan usmjeren je prema sve koordiniranijim AI sustavima, a ne prema jednoj općoj inteligenciji. Suradničke višeagentske sustave postavlja oko 2027. godine. višeagentni ekosustavi oko 2029., s fokusom na više specijaliziranih agenata koji rade zajedno. |
Potencijalne prednosti CRM-a zasnovanog na AGI-ju
Potencijalna vrijednost AGI-ja u CRM-u ne bi proizašla samo iz ubrzavanja postojeće automatizacije. Veća promjena bila bi mogućnost donošenja odluka u situacijama koje nikada nisu eksplicitno obuhvaćene tijekom rada, koristeći širi kontekst korisnika koji je već dostupan u CRM-u.
- Prosudba bez konfiguracije
Većina automatizacije CRM-a ovisi o unaprijed definiranim pravilima. AGI bi mogao smanjiti tu ovisnost odlučujući koji odgovor daje optimalni ishod kada situacija izađe izvan tih granica. Umjesto jednostavnog izvršavanja statičkog tijeka rada, sustav procjenjuje kontekst kako bi odredio najstrateškiji tijek djelovanja.
- Kontekst koji preživi primopredaju
Informacije o kupcima često se kreću između prodajnih, marketinških i timova za podršku, stvarajući praznine koje zaposlenici moraju ručno premostiti. AGI sustav mogao bi nositi relevantni kontekst računa tijekom prijelaza od prodaje do podrške, što je praznina timovi za prihodne operacije često se moraju ručno krpati.
- Objašnjenje uz predviđanje
Predviđanje je korisnije kada osoba koja ga prima razumije zašto je napravljeno. Umjesto jednostavnog označavanja računa kao vjerojatnog odljeva, AGI sustav mogao bi povezati relevantne signale korisnika, objasniti obrazloženje predviđanja i predložiti odgovarajući odgovor. To bi moglo pokrenuti UI korisničko iskustvo rad od jednostavnog identificiranja problema do planiranja kako ih riješiti.
- Smanjeni administrativni rad
CRM administratori troše značajno vrijeme na stvaranje polja, pravila, tijekova rada i iznimki za situacije koje sustav ne može samostalno riješiti. Veća općenitost mogla bi smanjiti dio ove konfiguracije omogućujući sustavu da odredi kako reagirati kada situacija ne odgovara postojećem tijeku rada.
Izazovi korištenja AGI-ja u CRM-u
Izazovi korištenja AGI-ja u CRM-u nisu sasvim novi. Uski AI sustavi već izlažu tvrtke mnogim istim rizicima, ali AGI bi ih povećao jer bi mogao pristupiti većoj količini podataka, donositi šire odluke i zahtijevati manje ljudske intervencije.
- Privatnost podataka: Sustav koji obrazlaže svaki zapis o kupcu zahtijeva pristup svakom zapisu o kupcu, što povećava radijus bilo kakvog kršenja i komplicira privolu prema zakonu o zaštiti podataka.
- Točnost i izrada: Generativni modeli daju odgovore koji su tečni, samouvjereni i pogrešni, bez promjene tona koja bi istaknula razliku. Kada osoba pregledava rezultat, jedna pogreška košta trenutak. Kada sustav djeluje na temelju vlastitog rezultata, pogreška dolazi do korisnika, a sljedeća odluka se gradi na njoj.
- Odgovornost: Kada autonomni sustav pošalje pogrešnu poruku poslovnom računu, pitanje tko ga je autorizirao nema jasan odgovor prema trenutnim modelima upravljanja.
- Ljudski nadzor: Smisleno preispitivanje zahtijeva razumijevanje obrazloženja, a preispitivanje odluka donesenih brže nego što ih osoba može pročitati je samo formalno propust.
- Složenost integracije: Sustav zaključivanja dobar je onoliko koliko ima pristup sustavima u kojima se rad odvija, što ga čini arhitektonskim problemom prije nego problemom umjetne inteligencije.
- Sigurnosni stav: Širi pristup sustavu povećava vrijednost kompromitiranog računa, zbog čega Sigurnosne kontrole CRM-a postaju nosivije kako se automatizacija produbljuje, a ne manje.
Budućnost AGI-ja i CRM-a
Razgovori o planu razvoja opće umjetne inteligencije pretpostavljaju da industrija ide prema tome. Objavljene prognoze opisuju suprotan put. Ono što se gradi i prodaje svake je godine uže, a plan razvoja CRM-a koji vam se nudi slijedi taj smjer.
Agenti specifični za zadatke su ono što 2026. donosi
Gartner predviđa da 40% poslovnih aplikacija bit će integriran s AI agentima specifičnim za zadatke do kraja 2026., u odnosu na manje od 5% u 2025., i smješta multiagentske ekosustave u 2029. Specifičan za zadatak je ključna fraza i antonim je riječi općenito.
Agent u ovom smislu izvršava jedan posao od početka do kraja, poput izrade ponude za obnovu ili pražnjenja reda podrške, a zatim se zaustavlja na njegovom rubu. To je autonomija unutar granice koju je netko povukao.
Širina dolazi iz okupljanja, a ne iz općenitosti
Taj plan postiže široke mogućnosti okupljanjem mnogih uskih agenata koji međusobno rade ručno, umjesto izgradnjom jednog sustava koji je sam po sebi općenit.
Pruža li montaža širinu još je uvijek otvoreno istraživačko pitanje. Tim s UC Berkeleyja komentirao je više od 1,600 tragova izvršenja u sedam višeagentnih okvira i izvijestili da su poboljšanja u performansama u odnosu na jednoagentne postavke često bila minimalna.
Njihova taksonomija imenuje 14 načina kvara u tri skupine, koje pokrivaju nejasne specifikacije, neusklađenost između agenata i nedostatak provjere međusobnih izlaza. Većina se pripisuje dizajnu sustava, a ne ograničenjima temeljnog modela.
Kada jedan agent pogrešno pročita svoj ulaz, svaki agent nizvodno djeluje na temelju pogreške ne znajući da se dogodila, pa se pogreška pojavljuje na kraju lanca, a ne u svom izvoru.
Pitanje upravljanja mijenja oblik. Ne odobravate procjenu jednog sustava, već granicu za svakog agenta i zapis o tome koji je agent napravio koji poziv.
Koje su promjene za CRM
Realističan kratkoročni prelazak je sa sustava evidencije na sustav koji preporučuje. Bodovanje poslova, Prognoziranje prodaje pomoću umjetne inteligencije, a prijedlozi za sljedeću radnju već funkcioniraju na ovaj način u uskim trakama, a te se trake šire umjesto da nestaju.
Pitanje kupnje kreće se s njima. Umjesto da pitate ima li CRM umjetnu inteligenciju, pitajte što svaki agent može učiniti bez odobrenja osobe za taj korak i gdje je to dopuštenje zabilježeno.
Kako se Vtiger One priprema za CRM s umjetnom inteligencijom
Vtiger Jedan ne pruža AGI, a to je slučaj i s CRM-ovima općenito danas. Njegove AI mogućnosti predstavljaju uski AI sloj koji podržava trenutnu automatizaciju CRM-a, pomažući u objedinjavanju podataka o kupcima i tijekova rada unutar jedinstvenog okruženja. Ovaj temelj također može pomoći u pružanju konteksta koji bi budući AI sustavi trebali za učinkovitije rasuđivanje u interakcijama s kupcima.
Kamenac AI predviđa ishode poput zaključenja posla i preporučuje sljedeće radnje, dok konačnu odluku prepušta osobi koja upravlja računom. Uz to, AI CRM mogućnosti pomoćni zadaci poput sažimanja razgovora i izrade nacrta, dok izgradnja AI agenata omogućuje ograničene, ponovljive zadatke unutar definiranih granica.
Učinkovitost bilo kojeg AI sustava ovisi o kvaliteti informacija kojima može pristupiti. Nedostajuća faza transakcije ili duplicirani kontaktni zapis mogu dovesti do netočnog zaključka čak i kada sam sustav funkcionira kako je predviđeno. Zato Produktivnost CRM-a s umjetnom inteligencijom Dobici su najveći kada su podaci o kupcima točni, potpuni i dosljedno održavani.
Često postavljana pitanja
Koji je puni oblik AGI-ja?
AGI je kratica za opću umjetnu inteligenciju (Umjetna opća inteligencija). Opisuje sustav koji može steći nove vještine i rješavati probleme za koje nikada nije bio dizajniran ili obučen u mnogim domenama. To je u suprotnosti s uskom umjetnom inteligencijom, koja obavlja jedan definirani zadatak i zahtijeva ponovnu obuku za rješavanje drugog.
Po čemu se AGI razlikuje od umjetne inteligencije?
Umjetna inteligencija (AI) je krovni pojam za bilo koji sustav koji obavlja zadatke koji inače zahtijevaju ljudsku inteligenciju. Gotovo sva implementirana umjetna inteligencija je usko raspoređena, što znači da obavlja jedan zadatak i ne uspijeva izvan svojih podataka za obuku. Opća umjetna inteligencija (AGI) je podskup koji može obavljati nepoznate zadatke bez ponovnog obučavanja.
Koja je razlika između AGI-ja i generativne umjetne inteligencije?
Generativna umjetna inteligencija proizvodi sadržaj poput teksta, slika ili koda te generalizira u različitim formatima, a pritom ostaje uskih mogućnosti. Ne može naučiti istinski novu vještinu iz nekoliko primjera. Opća umjetna inteligencija definirana je učinkovitošću učenja, a ne raznolikošću rezultata, i ne postoji komercijalno.
Kako bi AGI mogao transformirati CRM?
To bi CRM premjestilo s izvršavanja tijekova rada koje je konfigurirala osoba na donošenje odluka koje nitko nije konfigurirao. To uključuje odlučivanje hoće li se uopće kontaktirati račun, kvalificiranje potencijalnih klijenata na temelju signala koji nikada nisu poslani u polja, objašnjavanje zašto je napravljeno predviđanje i koordinaciju odluka između prodaje, marketinga i podrške.
Nudi li danas neki CRM AGI?
Ne. Svaka CRM AI značajka koja je trenutno dostupna je usko ograničena i pokriva bodovanje potencijalnih klijenata, predviđanje, sažimanje, izradu nacrta ili agente s ograničenim opsegom koji izvršavaju definirane zadatke. Svaki dobavljač koji opisuje proizvod za dostavu kao AGI koristi taj izraz kao marketinški, a ne kao tehničku tvrdnju o mogućnostima.
Koje su prednosti AGI-ja u CRM-u?
Izrazita prednost je procjena bez konfiguracije, što znači da sustav rješava situacije koje administrator nikada nije predvidio. Sekundarne prednosti uključuju kontekst koji preživi timske primopredaje, objašnjenja vezana uz predviđanja umjesto pukih rezultata i daleko manje ručnog konfiguriranja nego što trenutno zahtijeva administracija CRM-a.
Koji su izazovi korištenja AGI-ja u poslovanju?
Privatnost podataka se širi kako se širi pristup sustavu, a generativni modeli i dalje proizvode pouzdane, netočne rezultate. Odgovornost za autonomne odluke nema utvrđen odgovor, a smislen ljudski nadzor je otežan kada odluke nadmašuju brzinu čitanja. Složenost integracije i veći radijus sigurnosnog udara primjenjuju se od prvog postavljanja nadalje.
