تصور کنید مدیری هستید که بهجای راهنمایی کارکنان، تمام روز خود را صرف خیره شدن به جداول اکسل میکند. این وضعیت خستهکننده برای بسیاری از مدیران خط مقدم یک استاندارد است، اما Centrical قصد دارد این چرخه را بشکند.
طبق گزارش unite.ai، این شرکت با معرفی یک «سیستمعامل هوش اطلاعات عملکرد»، دادههای خام شاخصهای کلیدی عملکرد یا همان KPI — که شبیه به تابلوی امتیازات یک مسابقه است و وضعیت موفقیت را نشان میدهد — را به دستورالعملهای شخصیسازیشده برای کارکنان تبدیل میکند. همانطور که در تحلیلهای قبلی ما دربارهی اتوماسیون جریانهای کاری اشاره کردیم، هدف دیگر تنها نمایش خطا نیست، بلکه اصلاح لحظهای آن است.
این رویکرد برای سازمانهایی که از «خستگی راهکارهای پراکنده» رنج میبرند حیاتی است؛ جایی که دادههای CRM و ابزارهای نظارت در سیلوهای جداگانه هستند و مدیر نمیداند دقیقاً چه کمکی به کارمند ضعیف بکند. Centrical این سیگنالها را یکپارچه کرده و مداخلات بلادرنگ ایجاد میکند؛ например، اگر کارمندی در حفظ مشتری شکست بخورد، سیستم فوراً یک شبیهسازی نقشآفرینی برای او فعال میکند.
بر اساس مستندات این شرکت، استقرارهای اخیر نتایج عددی چشمگیری داشتهاند:
- تیمهای خدمات مشتریان TP Samsung: افزایش ۷.۵ درصدی نرخ حل تماس اول و کاهش ۷۰ درصدی کارهای اداری مدیران.
- بخش مقابله با کلاهبرداری در یکی از ۵ بانک برتر آمریکا: کاهش ۶۶.۷ درصدی خطاها.
- هتلها و اقامتگاههای IHG: بهبود ۴ برابری کارایی ثبت عضویت در برنامههای وفاداری از طریق آموزشهای بازیوار شده (Gamified).
این تغییر، نقش مدیر را از یک تحلیلگر داده به یک مربی یا کوچ تبدیل میکند. با اتوماسیون پاسخ به سؤالات «چه کسی، چه چیزی و چرا»، ۶۰ درصد از زمانی که مدیران برای تحلیل داده تلف میکردند، بازمیگردد. همچنین، با ورود عاملهای هوش مصنوعی (AI Agents) — مثل کارمندانی دیجیتال که میتوانند بهتنهایی تصمیم بگیرند و عمل کنند — به محیط کار، این پلتفرم لایهای برای نظارت بر عملکرد این نیروی دیجیتال و شناسایی انحرافات آنها ایجاد کرده است.
گام بعدی شما
- بررسی جایگزینی داشبوردهای گزارشدهی با ابزارهای «اقداممحور» در تیمهای عملیاتی.
- مطالعه مدلهای آموزش بازیوار (Gamification) برای افزایش نرخ تبدیل در خدمات مشتریان.
- نظارت بر نحوه مدیریت «نیروی کار هیبریدی» (انسان و عامل AI) در سازمانهای بزرگ.
اما اثر این تحول بر هزینههای استقرار زیرساختی حتی پیچیدهتر است؛ برای درک این موضوع به تحلیل ما دربارهی بهینهسازی هزینههای استنتاج مراجعه کنید.
گفتگو