eGain: Wissenautomatisierung als Schlüssel zum KI-Erfolg
eGain argumentiert, dass viele KI-Implementierungen in Unternehmen an schlechtem Wissensmanagement scheitern, nicht an mangelhafter Technologie. Kundenservice-KI benötigt ein spezifisches Wissensformat.
eGain Corporation erklärt, dass die Mehrheit der KI-Implementierungen im Kundenservice von Unternehmen keine Rentabilität erzielen. Dies liege nicht an der Komplexität der KI-Technologie, sondern an grundlegenden Problemen im Wissensmanagement.
Das Unternehmen hebt hervor, dass aktuelle Ansätze KI-Systeme oft auf bestehende, für menschliche Agenten entwickelte Wissensdatenbanken ausrichten, die für KI ungeeignet seien. eGain vertritt die Ansicht, dass KI atomisierte, kontextbezogen verschlagwortete, kontinuierlich validierte und vertrauenswürdige Wissensbestände benötigt. Ohne diesen strukturierten Ansatz selbst fortschrittliche KI-Systeme Schwierigkeiten haben, präzisen Kundenservice zu liefern.
eGain kritisiert die gängige Praxis, 18 bis 24 Monate für das "Training" von KI-Systemen aufzuwenden, was oft umfangreiche manuelle Bereinigung und Umstrukturierung von Inhalten beinhaltet. Das Unternehmen vermutet, dass große Softwareanbieter wie Microsoft, ServiceNow und Salesforce von dieser verlängerten Trainingsphase durch zusätzliche Dienstleistungserträge profitieren, während das Kernproblem der Wissensoperationen ungelöst bleibt.
Unter dem Konzept der "Wissenautomatisierung" (Knowledge Automation) versteht eGain eine Disziplin, bei der Wissen als Produkt mit eigenem Entwicklungszyklus, Qualitätsstandards und Metriken behandelt wird. Diesem Ansatz zufolge werden Informationen systematisch aus verschiedenen Quellen erfasst, synthetisiert und strukturiert, um Genauigkeit und Relevanz für KI-gesteuerte Kundeninteraktionen zu gewährleisten. Dies steht im Gegensatz zu traditionellen Methoden, die auf manueller Organisation beruhen und zu fragmentierten oder unzuverlässigen Daten für KI-Anwendungen führen können.