수많은 고객 불만에 대처할 수 없습니까? 구조하는 AI

배너, 슬로건, 상품 및 팀 빌딩 이벤트와 같은 품질 운동의 옛날은 돌이켜보면 기이한 것 같습니다. 오늘날 품질 관리는 정보에 관한 것입니다. 더 나아가 정보에 묻혀버리지 않도록 하는 방법입니다.

소셜 미디어 시대에는 소비자로부터 얻을 수 있는 풍부한 데이터가 너무 많기 때문에 기업은 그 피드백을 완벽한 제품 생성으로 변환할 수 있어야 합니다. 을 텐데. 문제는 순전히 볼륨 중 하나입니다. 특히 제약과 같은 품질 중심 산업의 머천다이징 담당자는 이러한 모든 정보를 어떻게 이해할 수 있습니까?

짧은 대답은 인공 지능과 새롭게 부상하는 예측 모델링 과학의 도움 없이는 할 수 없다는 것입니다.

의약품 제조업체는 일반적으로 전 세계 여러 출처로부터 수만 건의 의견과 불만 사항을 접수합니다. 표준 불만 처리 부서는 긍정적인 것과 부정적인 것, 사소한 것에서 생명을 위협하는 것으로 구분하여 이 압도적인 입력을 분류하는 데 어려움을 겪을 것입니다.

품질 관리 소프트웨어 공급업체인 Sparta Systems의 디지털 혁신 담당 부사장인 Steve McCarthy에 따르면 사실 불만이 우세한 것은 본질적으로 위험도가 낮습니다. 그럼에도 불구하고 그는 모든 불만 사항이 "만질 수 있어야" 한다고 말합니다. 비결은 "노이즈"를 걸러내고 진정으로 중요한 피드백에 집중하는 것입니다.

자연어 처리가 향상되면서 AI는 모든 데이터를 해석하는 데 점점 더 실용적인 수단이 되었습니다. 아이디어는 자동화가 원시 데이터를 분류한 다음 심각도, 가능한 근본 원인 및 조치 제안에 대한 평가를 불만 처리 부서에 제공하는 것입니다.

컴퓨터가 생성한 분류 및 제안을 수락하거나 거부하는 것은 최소한 현재로서는 사람들의 몫입니다. McCarthy는 "이 단계에서 우리는 의사 결정 과정에서 사람을 제거하는 것이 아니라 더 똑똑하고 효과적인 결정을 내릴 수 있는 능력을 향상시키려고 노력하고 있습니다."라고 말합니다.

이론적으로 시스템은 경험을 통해 분석 기능을 향상시켜야 합니다. 이것이 현대 AI의 핵심 측면인 머신 러닝의 기초입니다. McCarthy는 데이터를 더 많이 소화하고 품질 엔지니어에게 전달할수록 정확도 수준이 높아질 것이라고 말합니다.

환자 안전의 명백한 우선 순위를 만족시키는 것 외에도 AI 기반 시스템은 수동, 인간 주도 평가보다 비용 효율적일 것입니다. (제조업체가 오늘날 처리해야 하는 정보의 홍수를 고려할 때 후자도 가능하다고 가정합니다.)

그러나 비용만이 불만을 처리하는 보다 효율적인 수단을 찾는 유일한 이유는 아닙니다. McCarthy는 "속도와 적시성의 요인이 있습니다. "원인 조사를 완료할 수 있도록 불만 사항과 관련된 심각도 및 위험 [수준]을 확실히 이해하는 것이 중요합니다."

AI 사용의 다음 단계이자 현재 완전한 성숙도에 도달하지 못한 단계는 예측 모델링입니다. 데이터 컨텍스트화, 주문 분류 및 자동화된 위험 평가 능력이 입증된 후 시스템은 수신할 불만 유형을 예측하기 시작할 수 있습니다. 추세 분석을 통해 실제로 불만 사항이 나타내는 심각성 또는 위험 수준을 예측할 수 있습니다.

증가하는 입력량으로 무장한 AI 엔진은 품질 벤치마크에서 편차의 수와 특성을 식별할 수 있습니다. 실제로 McCarthy는 제품이 출시되기 전에 해당 데이터에서 학습하고 있다고 말합니다.

"이러한 데이터 세트를 통합하여 출시 후 불만 데이터와 연결된 특정 패턴을 작업 현장에서 본 경우 해당 데이터 세트를 상호 연관시키고 이 특정 패턴이 불만으로 이어질 수 있음을 예측하기 시작할 수 있습니다. ” McCarthy가 설명합니다.

피드백은 제품 제작에 다시 통합되는 폐쇄 루프 시스템의 일부가 됩니다. 제조업체는 압력 게이지가 오작동하고 있음을 발견할 수 있습니다. 또는 설계 단계에서 결함이 감지되어 원자재 및 초기 생산 설정을 변경해야 할 수 있습니다.

AI 기반 품질 프로세스의 가치는 생명 과학에서 가장 분명해 보이지만 McCarthy는 이 기술이 다른 여러 산업에 동등하게 적용되는 것으로 보고 있습니다. 예를 들어 의료 기기 제조업체는 시장에 출시되기 전에 고가의 자본 장비를 조정할 수 있어 큰 이점을 얻을 수 있습니다. McCarthy는 "결국 신호 감지에 관한 것입니다."라고 말합니다.

이 기술은 예측 모델링이 신뢰할 수 있고 효과적인 운동이 되기까지 갈 길이 아직 남아 있습니다. 최근 몇 년 동안 AI는 인간 반응 이면의 미묘함과 감정을 이해하는 데 큰 진전을 이루었지만 완벽하지는 않습니다. 예를 들어, 콘택트 렌즈 제조업체는 "긁힘", "가려움증", "화끈거림" 및 단순히 "불편한 느낌"과 같은 불만 사항을 어떻게 분석합니까?

McCarthy는 생명 과학 제조업체가 소비자 취향과 규제 요건을 모두 충족하기 위해 노력함에 따라 기술의 지속적인 발전을 기대하고 있습니다. 자동차 산업은 또한 AI를 사용하여 안전을 개선하고 제조에 대한 품질 테스트를 구축함으로써 혜택을 볼 수 있습니다.

McCarthy는 "여러 분야에서 시범 운영되고 있습니다. “예측 모델링을 해당 프로세스에 적용하는 기능은 매우 흥미롭습니다. 몇 년 안에 우리가 갖게 될 기능을 상상조차 할 수 없습니다.”