Transformations podcast, powered by EY: πώς το ΑΙ αλλάζει την εμπειρία πελάτη

Αυτόματη μεταγραφή — ενδέχεται να περιέχει λάθη.

00:30 του CNN Greece, όπου με την υποστήριξη της EY Ελλάδος εξερευνούμε πόσοι επιχειρήσεις μπορούν να αξιοποιήσουν την καινοτομία και την τεχνολογία ως εργαλεία για να διαμορφώσουν το μέλλον τους μεγαλύτερη αυτοπεποίθηση. Είμαι ο Δημήτρης Μαλάς και σε αυτό το επεισόδιο συζητάμε για το πώς η τεχνητή νοημοσύνη αλλάζει ριζικά την εμπειρία πελάτης τράπεζας και της επιχειρήσης.

00:49 Από το conversational banking και τα υφή συστήματα εξυπηρέτησης ως τη δημιουργία AI Agents που κατανοούν και προβλέπουν τις ανάγκες του πελάτη. Εξερευνούμε μαζί με δύο ειδικούς πώς το μέλλον της εξυπηρέτησης και ενοτομίας διαμορφώνεται ήδη σήμερα. Και οι δύο ειδικοί που ανέφερα είναι ο Δημήτρης Πλέσας, βοηθός Γενικός Διευθυντής για το τομέα Καρτών και Digital Business στην Εθνική Τράπεζα και ο κύριος Αχιλίας Αρβανίτης, εταίρος της EY Ελλάδος και επικεφαλής του EY Studio Plus στην Ελλάδα και την περιοχή Europe Central, όπου η περιοχή Europe Central, αν κατάλαβα καλά, περιλαμβάνει πολλοί κομμάτι της Ευρώπης και όχι μόνος, σωστά, Ιχιλέα.

01:25 Ισχύει, Ισχύει, Δημήτρη, είναι 33 χώρες. 33 χώρες, ωραία είναι αυτά, άρα έχεις περισσότερη εμπειρία να μας πεις και περισσότερα πράγματα. Αλλά θα ξεκινήσω από τον Δημήτρη τώρα και Δημήτρη ευχαριστούμε πολύ που είσαι μαζί μας καταρχάς. Και εγώ ευχαριστώ για την πρόσκληση. Ξύμφωνα με την έκθεση Digital Banking Report του 2024, το AI μετασχηματίζει το Digital Banking.

01:41 Προφανώς το AI μετασχηματίζει τα πάντα, οπότε ήταν και εδώ. Αλλά σε αυτή την περίπτωση συζητάμε λίγο ότι πάμε από μια ροή εργασιών σε ροές εμπειρίας. Και μάλιστα η εμπειρία του πελάτη αναγνωρίζεται ως κύρια περίπτωση χρήσης. Αυτό που θέλω να σε ρωτήσω είναι λίγο πώς προβλέπεται ο τεχνητή νοημοσύνη θα επαναπροσδιορίσει την εμπειρία του πελάτη στο digital banking μέσα στα επόμενα ένα-δύο χρόνια.

02:04 Ποιες είναι οι καινοτομίες δηλαδή που θα μετατρέψουν την αλληλεπίδαση των χρηστών με τις τράπεζες σε κάτι πιο έξυπνο, πιο προσωπημένο και πιο άμεσο. Στόχος σας εδώ και χρόνιας θα επείσαι αυτός. Τώρα δεν ξέρω αν είναι πιο εύκολο. Νομίζω μας δίνει πολλά εργαλεία για να κάνουμε κάτι καλό το AI αλλά θα ήθελα πρώτα να ξεκινήσω λέγοντας τι σημαίνει AI γιατί για πολλούς σημαίνει πολλά πράγματα.

02:24 Ξεκινώντας από τα machine learning μοντέλα, ήταν μοντέλα που απλά μάθαιναν από παραδείγματα, κάτι που δεν μπορούσαν να κατανοήσουν διαφορετικά. Άρα ήταν γνώση μέσα από παραδείγματα. Τώρα έχουμε περάσει στα large language models, τα περίφημα, όπου καταλαβαίνουν και μπορούν να συνομιλήσουν σε φυσική γλώσσα. Πάνω σε αυτό έχουμε φορέσει τεχνικές όπως το RAC, όπου τι κάνει, μαθαίνει το μοντέλο πέρα από τις γενικές γνώσεις, συγκεκριμένα πράγματα που αφορούν το κομμάτι για το οποίο θέλεις να σου συνομιλήσει, να εξυπηρετήσει.

02:57 Και τέλος βάζουμε agents, όπου οι agents τι κάνουν, δίνουν τη δυνατότητα στο AI όχι μόνο να απαντά, αλλά να κάνει ενέργειες και να ολοκληρώνει μια συγκεκριμένη δράση. Όλο αυτό το σκηνικό συνθέτει ένα υπέροχο κανβά για να μπορέσουμε να χτίσουμε εμπειρίες διαφορετικές για τον πελάτη μας και να μπορέσουμε να αλλάξουμε τον τρόπο που εξυπηρετείτε.

03:16 Η αλήθεια είναι ότι τα επόμενα χρόνια θα δούμε αλλαγή στη ζωή μας γενικότερα, αλλά και στις τραπεζικές υπηρεσίες από το AI, μεγαλύτερη από ό,τι έχουμε δει τα τελευταία 100 χρόνια και παραπάνω. Είναι μεγαλύτερη, πιστεύω, από την επανάσταση των υπολογιστών, είναι μεγαλύτερη από την επανάσταση του ίντερνετ. Γιατί είναι μεγαλύτερη.

03:36 Είναι μεγαλύτερη γιατί φέρνει ένα κομμάτι εκδημοκρατισμού στην τεχνολογία το AI. Άρα εκεί που κάποτε μάθαμε να πληκτρολογούμε εντολές σε έναν υπολογιστή ή αργότερα να κάνουμε κλικ με το ποντίκι, να κουνάμε μια περίληψη συσκευή που μας είχαν δώσει και να ανοίγουμε παράθυρα, τώρα αυτό που χρειάζεται και μόνο είναι να μιλάμε σε φυσική γλώσσα όπως έχουμε συνηθίσει να μιλάμε μεταξύ μας.

04:01 Άρα πιστεύω ότι οι αλλαγές θα είναι τεράστιες Στο banking ειδικότερα πιστεύω ότι σε πολύ λίγο καιρό Και το λίγο καιρό το προσδιορίζω σε ένα, δύο ή και τρία χρόνια Μέσα στην επόμενη τριετία πάντως Μέσα στην επόμενη τριετία σίγουρα Θα μπορέσουμε να δούμε εφαρμογές πολύ έξυπνες Όπως για παράδειγμα θα μπορείς να μιλάς στο κινητό σου Και να του λες να πληρώσει τη ΔΕΗ όχι θέλω να πληρώσω το λογαριασμό της ΔΕΗ τάδε που λογούμε ψηφία και τα λοιπά ή που σκανάρουμε QR άρα δεν θα πληρωθούμε RF ούτε καν σκάνινγκ το QR τίποτα όχι θα καταλαβαίνει το AI επειδή βλέπει την ιστορικότητα των κινήσεών μας τι σημαίνει να πληρώσει τη ΔΕΗ θα πληρώνει τη ΔΕΗ θα σε ρωτάει από ποιο λογαριασμό να την πληρώσω από αυτόν ή από εκείνον σε αυτόν έχεις τόσο υπόλοιπο σε αυτόν έχει τόσο υπόλοιπο.

04:52 Θα διαλέξει το λογαριασμό, θα κάνει τη συναλλαγή με κάποιον agent, εννοώ AI agent και θα μπορέσει να ολοκληρώσετε μια εργασία που σήμερα απαιτεί μια σειρά αποβήματα στο mobile application κάθε τράπεζα ή στο internet bank κάθε τράπεζας. Άρα το AI, θέλω να πω με αυτό το παράδειγμα ότι θα είναι παντού, θα είναι τριγύρω μας, θα έχουμε άμεση πρόσβαση και θα είναι πολύ έξυπνο, θα ξέρει σχεδόν όσα ξέρουμε και εμείς για να μπορέσει να μας εξυπηρετεί σε αποτελεσματικά.

05:20 Αυτό είναι κάτι που θα έρθει άμεσα, δηλαδή, λες μέσα στην επόμενη τριετία. Αυτό είναι κάτι που θα έρθει πολύ άμεσα, είναι τέτοια πρώτα παραδείγματα, πιστεύω, θα δούμε και το επόμενο και το μεθεπόμενο έτος, άρα το 26 και το 27, σίγουρα μέσα στην επόμενη τριετία, άρα και το 28 θα έχουμε όλες οι τράπεζες και σίγουρα η Εθνική χτίσει ένα παράλληλο για την ώρα περιβάλλων σε αυτό το UI που όλοι ξέρουμε.

05:41 Το UI με τα κουμπάκια, τα taps κτλ. Να ρωτήσω όμως τώρα τον Αχιλία που έχεις και μεγαλύτερη εμπειρία όμως μόλις σε όλο αυτό την πρόοδο που φέρνει η τεχνητή νομίσεις τις αλλαγές, μήπως με αυτή την έννοια πρέπει να αναθεωρήσουμε λίγο το πώς σχεδιάζουμε προϊόντα υπηρεσίες γενικότερα. Δηλαδή γιατί τώρα εδώ πέρα συζητάμε ότι θα πρέπει το AI να αναλάβει να σχεδιάζει το ίδιο υπηρεσίες.

06:06 Θα μπορούμε να την εμπιστευτούμε ως δημιουργό ή θέλει προσοχή. Η γρήγορη απάντηση είναι ναι και ναι και όχι. Και αυτό το και ανάμεσα θεωρώ ότι θα κρίνει και αυτούς που θα μπορέσουν να πετύχουν στα επόμενα χρόνια ας πούμε στους διάφορους οργανισμούς. Δημήτρη θα έλεγα η ατάκα του Χένρι Φόρντ όταν ρώτηκε τους ανθρώπους αν θα θέλατε γρήγορα αυτοκίνητα γρήγορα άλογα. Τι θα θέλατε καλύτερα από ένα άλογο ήταν πιο γρήγορα άλογα έτσι. Τώρα αυτός είδε το αυτοκίνητο. Νομίζω ότι το AI και ιδιαίτερα το Agentic AI μας δίνει ακριβώς αυτήν την ευκαιρία. Θα μπορούμε δηλαδή να δούμε πέρα από αυτό που λέει ο πελάτης, που θέλει ο πελάτης, να του δώσουμε κάτι που αν το δει πραγματικά θα το λατρέψει.

06:56 Τώρα, άρα το εμπιστεύεσαι αλλά όχι απολύτως κάπως έτσι. Κοίτα, το εμπιστεύεσαι και γενικά το Agility.ai είναι πάρα μα πάρα πολύ καλό στο να βελτιστοποιεί συστήματα και διαδικασίες. Σκέψου όμως το εξής, έτσι, ότι αν του δώσουμε τη δυνατότητα να σχεδιάσει μόνο το ένα προϊόν και μια υπηρεσία, το πιο πιθανό είναι να μας φτιάξει ένα φοβερά τέλειο βελτιστοποιημένο προϊόν. Δεν θα είναι απαραίτητα το πιο ανθρώπινο.

07:27 Και η εμπειρία πελάτη είναι εξ ορισμού ανθρώπινη διαδικασία. Άρα αυτό θέλει προσοχή. Από την άλλη. Άρα είναι εκεί που ο ρόλος του ανθρώπου θα παραμείνει. Δηλαδή στο να διαμορφώνει το πώς ο agent θα λειτουργεί. Κάπως έτσι το... Ναι. Στο ναι είναι ότι το AI μπορεί να κάνει πολύ καλύτερα από εμάς να ανακαλύπτει τις ανάγκες.

07:51 Σκέψου η Tesla δεν πάει να ρωτήσει τους οδηγούς τι επόμενο update θέλετε. πάει και υπολογίζει, διαβάζει τις εκατομμύρια δεδομένα οδηγών real world data και σου βγάζει ένα feature το οποίο πριν πέντε χρόνια μπορεί να ήταν rocket science. Στις τράπεζες ας πούμε θα δούμε agents οι οποίοι θα βλέπουν πάρα μα πάρα πολλά δεδομένα και θα σου δίνουν προσωποποιημένα επενδυτικά πακέτα, δάνεια, θα εγκρίνονται σε κλάσματα δευτερολέπτου και μάλιστα θα είναι και πολύ πολύ πιο δυνατό το customer engagement.

08:21 Από την άλλη, το AI τι κάνει, είπαμε καλά κάνει πιστεύω το τι και το πώς Σε αυτό που σήμερα δεν είναι πάρα πολύ καλή και πιστεύω θα μας πάρει λίγο χρόνο είναι στο γιατί Γιατί αυτό, γιατί δεν μπορεί να διαβάσει εύκολα αξίες δεν μπορεί να διαβάσει εύκολα ηθικούς κώδικες Άρα σε αυτό που είπες έχεις πολύ δίκιο Μια σύμπραξη ας πούμε ανθρώπου και μηχανής είναι αυτό που βλέπουμε και στην EY δουλεύοντας με πολλούς οργανισμούς και στο εξωτερικό και στο EY Studio Plus που πρακτικά η συγκεκριμένη ομάδα ασχολείται με τον πελάτη των πελατών μας, είτε μιλάμε για το πώς βρίσκω Customer Insights, είτε μιλάμε για το πώς κάνω User Testing, τεστάρω ας πούμε το τι θέλουν οι χρήστες, είτε χρησιμοποιώ input για να φτιάξω προϊόντα, ξέρεις πώς το κάνουμε πλέον, με δύο τρόπους παράλληλα.

09:06 Το ένα είναι Customer εργαλεία τα οποία σκέψου προσωμιώνουν τα θέλω των πελατών με υποτιθέμενους πελάτες που τους έχεις φιντάρει σωστά δεδομένα, αλλά αυτό έρχεται και παντρεύεται ακόμα με παραδοσιακές μεθόδους δηλαδή τι, μιλάμε με δυνητικούς χρήστες και αυτά τα δύο θεωρώ ότι θα συνεχίσουν να συνεπάρχουν αρκετά καλά. Άρα μιλάμε πάντως για μια νέα εποχή που είναι το conversational banking σωστά κάπως έτσι θα το λέγαμε Έχει επικρατήσει αυτός ο όρος Έχει επικρατήσει αυτός ο όρος Κυρίες και δημήτρες πριν να λέγεις ότι πλέον η διαφορά στο AI είναι ότι μπορείς να μιλάς Σωστά.

09:40 Στην γλώσσα σου. Άρα είναι conversation, είναι μια συζήτηση. Καλώς έχει επικρατήσει αυτός ο όρος. Βέβαια, η μετάφερση στα ελληνικά θα ήταν δραματική. Πρέπει να τη σκεφτούμε λίγο. Αλλά ας το αφήσουμε για τώρα. Να πω όμως κάτι, Δήμητρη. Πες. Θέλει λίγο προσοχή το conversational να μην το έχουμε στο μυαλό μας ως ένα chatbot.

09:58 Φεύγουμε από την εποχή. Τα τελευταία δύο-τρία χρόνια βλέπουμε ότι οι εταιρείες δουλεύανε σε ένα chatbot ή στο να τρέξουν proof of concept. Πλέον μπαίνουμε σε μια λογική agentic, AI, λογική διαφορετικού λειτουργικού μοντέλου κτλ. Άρα θέλω να το τονίζω γιατί πολλές φορές το παντρεύουμε με ένα chatbot το οποίο πάνω κάτω το βάζουμε και καλώς το βάζουμε.

10:17 Πρόσεξε, πολλοί κόσμοι έχουν και το θέμα ότι τα παλιά chatbots, τα πρώτα chatbots ήταν μια απογοήτευση γενικότερα που βγήκανε οπότε τώρα μιλάνε είτε για έξυπνα chatbots είτε για chatbots 2.0 όπως θέλεις αλλά δύο έχουμε εδώ πέρα και τους AI agents το ερώτημα όμως Κρυσπιόνη που θέλω το Δημήτρη τώρα εδώ είναι ότι σε αυτή τη νέα εποχή που την ανέφερες και εσύ εσείς, μια τράπεζα, ποια είναι τα βασικά βήματα που πρέπει να κάνει ώστε να πάει σε αυτό το νέο περιβάλλον και να αλλάξει και τον τρόπο με τον οποίο εξυπηρετεί ψηφιακά τους πελάτες Δηλαδή δεν είναι απλό, εσύ επιλέγεις πριν ότι είναι μεγαλύτερη επανάσταση Δεν είναι απλό όχι και έχει πολλές συγκεκριμένα βήματα Ξεκινάει κανείς με επιλέγοντας ένα μοντέλο, επιλέγοντας ένα μοντέλο LLL Από τα διαδεδομένα πληροφώνησης στην αγορά που είναι 4-5 που κάνουν τη διαφορά σήμερα Τα κριτήρια που θα επιλέξει είναι φυσικά το πόσο καλά χειρίζεται την ελληνική γλώσσα Το bank terminology, τα χείτητα, κόστος κτλ Αυτό το μοντέλο ξέρει κάποια πράγματα

11:14 δεν ξέρει ακριβώς πράγματα που θέλεις να ξέρει εσύ για την τράπεζά σου. Άρα πρέπει να το εκπαιδεύσεις πέρα από τη γενική γνώση που έχει και με ειδική γνώση, χρησιμοποιώντας τις γνωσιακές σου βάσεις, structure δηλαδή γνώση, για να μπορέσει να καταλάβει και να απαντήσει πολύ όμορφα σε προϊόντα και υπηρεσίες που αφορούν πολύ συγκεκριμένα στη δική σου τράπεζα και στη δική σου γενικότερα περίπτωση.

11:38 Πάνω σε αυτό, αφού λοιπόν έχεις το μοντέλο και έχεις και τη γνώση, εκπαιδεύεις το μοντέλο με τη γνώση που χρειάζεται, μπορείς να χτίσεις agents. Agents που ο κάθε ένας από αυτούς κάνει μια συγκεκριμένη δουλειά. Μπορείς να χτίσεις έναν agent που κοιτάει τους λογαριασμούς ενός πελάτη, βλέπει τα υπόλοιπα, βλέπει τις τελευταίες συναλλαγές.

11:55 Μπορείς να χτίσεις έναν agent, όπως είπαμε την προηγούμενη παράδειγμα, που πληρώνει τη δεΐ για τον πελάτη. και οποιοδήποτε άλλη μορφή agent και εργασίας θέλεις να εξυπηρετήσεις. Εγώ έχω ένα θέμα με τη λέξη agent. Νομίζω ότι μου θυμίζει πράκτορες για να μην λυπηρνείς. Νομίζω ποιος το ίσως να είναι βοηθή. Έχει καθιερεθεί το agent, οπότε αρχίζεις και φτιάχνεις agents.

12:18 Φτιάχνεις agents και σκέψου κάθε agent σαν μια υπηρεσία που θες να δώσεις στον πελάτη σου για να πληρώσει τη δεή του, για να δει το υπόλοιπο του λογαριασμού του, για να δει το υπόλοιπο του δανείου του, για να αποπληρώσει την πιστοτική του κάρτα κτλ. Αυτοί οι agents, για να κάνουν τη δουλειά τους σωστά πρέπει να τους συνδέσεις με τα core συστήματα της τράπεζας.

12:35 Άρα πρέπει ο agent που βλέπει το υπόλοιπο του λογαριασμού σου να μιλάει με το σύστημα καταθέσεων της τράπεζας. Ο agent που πληρώνει τη ιδέη σου να μιλάει με το σύστημα πληρωμών της τράπεζας. Οπότε χρειάζεται και η διασύνδεση με τα συστήματα της τράπεζας. Και τέλος, πάνω από όλα αυτά, χρειάζεται μια διαρκή σε πανατροφοδότηση του μοντέλου, έτσι ώστε κάθε φορά που μιλάει με ένα πελάτη να παίρνει τη γνώση που δημιουργείται από αυτή τη συνομιλία, να την κάνει δική του αφού την αξιολογήσει φυσικά και έτσι να γίνεται συνέχεια και πολύ γρήγορα, πολύ εξυπνότερο.

13:05 Αυτό σημαίνει, αν καταλαβαίνω καλά, και εσείς το τρέχετε προφανώς αυτό το, ότι πρέπει να μιλούσουν σχεδόν τα περισσότερα τμήματα της τράπεζας. Δηλαδή δεν είναι μόνο η πληροφορική, είναι και το τμήμα που δημιουργεί νέες υπηρεσίες, νέα προϊόντα, το custom support, νεατραβάει τα δεδομένα, είναι όλοι μαζί. Δηλαδή αυτό θέλει μια άλλη λογική, σωστά.

13:24 Ακριβώς, γιατί θα θυμάσαι τα πρώτα μοντέλα για παράδειγμα αν το ρωτούσες ποιος είναι ο πρόεδρος της Αμερικής θα σου έλεγε μέχρι εκεί που είχε εκπαιδευτεί Τώρα έχουν πρόσβαση στο ίντερνετ οπότε αν παίρνει πληροφορία κάνει τη γνώση του νεότερη έτσι λοιπόν και στην τράπεζα όταν βγάζεις ένα καινούργιο προϊόν χρειάζεται να εκπαιδεύσεις το μοντέλο σου για το προϊόν αυτό, για να έχει τη γνώση του προϊόντος και χρειάζεται να χτίσεις τους agents που θα εξυπηρετήσουν εργασίες που αφορούν σε αυτό το πρόγραμμα.

13:51 Αχιλέα, επειδή εσύ, πες μου λίγο δηλαδή, και επειδή βλέπεις και άλλες κλάδους, και άλλες τράπεζες επίσης και σε άλλες χώρες, δώσε μας λίγο τη δική σου εικόνα, ποια είναι τα στρατηγικά βήματα που πρέπει να ακολουθήσει ένας οργανισμός για να πάει σε ένα τέτοιο νέο μοντέλο που είναι, μιλάμε για ψηφιακή ελεπίδραση, αλλά την πάμε σε άλλο επίπεδο θα έλεγα τώρα.

14:10 Δεν είναι το προηγούμενο του digital banking που ήταν το απλό. Τώρα πάμε... Πολύ σωστά. Πολύ σωστά. Και η λέξη μας στα ψηφιακή μετάβαση μάλλον πρέπει να γίνει ανασχεδιασμός λειτουργικού μοντέλου. Έχοντας σαν κινητήριο μοχλό τη τεχνητή νοημοσύνη. Έχουμε έναν AI μετασχηματισμό μετά τον ψηφιακό μετασχηματισμό. Νομίζω είμαστε ήδη εκεί πέρα.

14:34 Είμαστε ήδη όταν τα δεδομένα που θα βάλεις δεν είναι καθαρά, τότε έχεις μια τυφλή τεχνή τη νοημοσύνη. Άρα ένα βασικό επίσης είναι το να έχεις σωστά δεδομένα και ενοποιημένα δεδομένα, ειδικότερα όταν μιλάμε για την εξυπηρέτηση. Θέλω να ξέρω όσα πιο πολλά, τα πάντα ιδανικά για τον πελάτη και να είναι και σωστή πληροφόρηση.

15:19 Ένας παράγοντας είναι αυτός. Δύο, χαρτογράφηση ξανά των custom journeys, των ταξιδίων του πελάτη όπως λέμε θέλουμε να ψάξουμε εκεί που υπάρχει αξία αυτό μπορεί να είναι στο onboarding μπορεί να είναι σε ένα σημείο πιστότητας loyalty προγραμμάτων, σε ένα σημείο εξυπηρέτησης και εκεί να πάμε να δούμε πώς μπορούμε να κάνουμε infuse, να ενσωματώσουμε τεχνητή νοημοσύνη και επίσης σε σημεία φαντάζομαι και θα συμφωνήσεις και ιδίως σε αυτό σε σημεία που υπάρχουν ζητήματα ή υπάρχουν pinpoints που ο πελάτης παραπονιέται εκφράζει κάποια παράπονα υπάρχει καθυστέρηση για να μπορείς να χρησιμοποιήσεις για να το πας να βελτιώσεις γιατί το θέμα μας είναι να βελτιώσουμε την εμπειρία Σωστά, όχι απλά όμως μόνο τη στιγμή που παραπονιέται θέλεις να φτάσεις στο σημείο στο οποίο να μην φτάσεις σε αυτό το σημείο άρα προβλεπτικά να τον έχεις ήδη εξυπηρετήσει να τον έχεις να έχεις σκεφτεί ας πούμε τι θα βρει μπροστά του Όπως είπες σωστά, μα έχεις τα δεδομένα και έχεις δει τις διαδικασίες

16:14 και όπως είπε και ο Δημήτρης πριν, έχεις εκπαιδεύσει και τα μοντέλα σωστά, μπορείς να το βρεις. Ακριβώς. Είναι άλλο σημαντικό σημείο που θέλω να τονίσω. Δεν μου αρέσει η λέξη use case, γιατί έχει λίγο πολυπεχθείς να βρούμε use cases στο AI, ας πούμε. Θα έλεγα βασικές περιοχές με business impact σε μια επιχείρηση. Και όχι απαραίτητα τράπεζες, δεν μιλάω μόνο για τράπεζες αυτά που λέω.

16:35 Για μένα αυτό που συζητάμε πολύ και στην EY και με τους πελάτες μας είναι ότι πλέον θες να χτίσεις πράγματα όπου το return on investment που λέμε πρέπει να μπορείς να το δεις, να το πιάσεις σε επίπεδο μηνών, άντε μέσα ένα έως δύο έτη. Άρα να κάνεις κάτι το οποίο θα σου φέρει πολύ γρήγορα αποτελέσματα. Πλέον η ταχύτητα που πηγαίνει το πράγμα.

16:58 Και παράλληλα με το δεδομένο ότι υπάρχουν οι tech giants και τα μεγάλα LLM μαγαζιά τα οποία παράγουν και ενσωματώνουν καινούργια πράγματα θέλεις να χτίζεις εργαλεία τα οποία το return on investment αυτό να είναι αρκετά γρήγορο. Θα έλεγα πρέπει να βλέπεις ότι στους έξι μήνες θα κάνει pay off οποιοδήποτε επένδυση κάνεις μέσα στον οργανισμό.

17:15 Θεωρώ ότι αυτό είναι κρίσιμο. Το agentic AI το κάλυψε πάρα πολύ δημιουργημένως και ήταν ένα από τα κομμάτια που θεωρώ ότι είναι προφανώς κρίσιμο. Και τελευταίο από την πλευρά μου... Έχω σταματήσει πλέον να μιλάμε για gen AI, μιλάμε για agentic AI. Περάσαμε σε αυτή τη φάση. Μέσα σε πολύ σύντομο χρονικό διάστημα. δουλειάς πραγματικά. Εντάξει και επίσης υπάρχει και η διαφορά ότι στο ένα θέλεις κυρίως LLM, στο δεύτερο στο GDK μπορείς να δουλέψεις και με πιο μικρά μοντέλα που είναι πιο χρήσιμο για οργανισμούς σαν εσάς.

17:49 Αλλά ωστόσο χρειάζεται την υποδομή από πίσω να μπορείς να κάνεις αυτή τη δουλειά που δεν την έχει από μόνο του το ένα LLM μοντέλο. Χρειάζεται να τις στήσεις. Και αυτό που λέγει και ο Αχιλέας περί δεδομένων, τον τάτος να είναι καθαρά. Έχεις και κάτι ακόμα. Ένα τελευταίο. Νομίζω μιλώντας είτε γενικά για διάδραση με τον πελάτη μας η διαφάνεια και το governance είναι σημαντικό.

18:11 Όσο πιο πολύ βγάζεις τεχνητή νομοσύνη προς τον πελάτη, σκέψου ότι υπάρχει ο κίνδυνος από το να θέλεις να νιώσει ο πελάτης ότι τον κατανοείς και ο πελάτης να νιώσει ότι τον παρακολουθείς. Άρα το κομμάτι του τι βγάζω στον πελάτη, πώς το επικοινωνώ, πόσο σωστά και διαφανής είμαι για τα πράγματα τα οποία του δίνω και χρησιμοποιώ AI γι' αυτό, είναι αρκετά κρίσιμο και στρατηγικό κομμάτι της συζήτησης πώς ως επιχείρηση θα πάω στο AI το επόμενο διάστημα.

18:40 Άρα αυτό είναι ένα θέμα που θέλω να αφήξω. Και προφανώς... Ναι, πες, πες, πες, όχι, γιατί αυτό είναι κάτι που θέλω να ρωτήσει το Δημήτρη πάνω σε πρακτικό. ότι αυτά τα βήματα ούτε σειριακά είναι, ούτε γραμμικά, ούτε με τη σωστή σειρά, ούτε γραμμικά. Πρέπει η λογική να είναι συνεχώς ένα startup concept ότι δοκιμάζω. Πάλι τα startup concept.

19:01 Ναι, πάλι. Να σου πω κάτι. Σκέψου ότι πλέον το AI δίνει τη δυνατότητα σε πολύ μεγάλες επιχειρήσεις να μπορούν να, είπα ο Δημήτρης πριν, εκδημοκρατικοποιήσει. Ναι. Να εκδημοκρατικοποιηθεί πρακτικά πολλά από τα concepts που είχε ένας μικρός οργανισμός ή ένας τεκ μεγάλος γίγαντας. Ναι. Απλώς ξεστεί, επειδή το έθιξες πριν και είναι σημαντικό ότι επειδή αρχίζουν ξεσκέψεις και μιλάνε πολύ για το AI που θα αλλάξει τα πάντα, θα αυτοματοποιήσει, δηλαδή οι έρευνες μιλάνε ότι θα φτάσουμε σε έναν κόσμο που στις τράπεζες το 22 με 30% της παραγωγικότητας θα αυτοματοποιηθεί με το AI.

19:33 Θα αυξήσει τα έσοδα. αλλά εδώ πέρα και θέλω εδώ την άποψη του Δημήτρη αυτό θα αλλάξει και το ρόλο των contact centers ή θα δούμε και τους ανθρώπους να συνεργάζονται με οι agents και ταιριάζει με αυτό που λέγε πριν ο Αχιλέας νομίζω δηλαδή και ο φόβος του κόσμου και των πελατών αλλά πώς θα δούμε αυτά τα δύο να λειτουργούν μαζί θα τα δούμε καταρχάς να λειτουργούν μαζί Σίγουρα το contact center νομίζω είναι από τα πρώτα use cases ξέρω ότι δεν σας αρέσει η λέξη αλλά είναι από τα πρώτα use cases που θα δούμε πραγματικό impact από το AI.

20:08 Γιατί τι κάνει ένα contact center, μιλάει με τον πελάτη, καταλαβαίνει τι του λέει, δίνει απαντήσεις, κάνει κάποιες συνέργειες. Είναι ακριβώς αυτό που κάνει τώρα το AI και που μπορεί να κάνει το AI. Άρα και θα δώσω εδώ το παράδειγμα της εθνικής, ξεκινήσαμε πώς, ξεκινήσαμε με το AI να βοηθάει τους agents μας να απαντάνε σε ερωτήματα πελατών που έρχονται μέσω mail.

20:30 Άρα έρχονται ένα από τα πολλά ερωτήματα που παίρνουμε μέσα από mail, μέσα από φόρμες επικοινωνίας. Το AI το διάβαζε, σου έδινε μια προτινόμενη απάντηση, ο agent ελέγχει αυτή την απάντηση, συμπληρώνει και στέλνει την απάντηση στον πελάτη. Άρα επιταχύνετε, κάνετε πιο εύκολη τη ζωή των agents, εννοούμε των ανθρώπων agents, όχι των AI agents.

20:50 Σίγουρα πιο γρήγορα, των ανθρώπων agents, σωστά. πιο εύκολη τη ζωή των ανθρώπων agents πιο γρήγορη την απάντηση για τον πελάτη όλο υπάρχουν πολλά πλέον εκτήματα το δεύτερο ήταν αυτό ακριβώς την επικοινωνία σε γραπτό λόγο ότι γυρίσαμε σε πραγματικό χρόνο και το κάναμε exposed στον πελάτη το service αυτό άρα φτιάξαμε ένα chatbot που είναι στο public site μας το λέμε Σοφία γιατί είναι πολύ σοφό είναι η αλήθεια έχει όλη τη γνώση της τράπεζας ή σας άρεσε το όνομα και αυτή τη στιγμή κάνει περίπου 2.000 chat κάθε μέρα με πελάτες μας που ρωτάνε διάφορα πράγματα είτε πολύ γενικά είτε πολύ συγκεκριμένα. Αυτά που εργαζόμαστε τώρα είναι ακόμα πιο εντυπωσιακά. Χτίζουμε μια υποδομή speech to text γιατί μπορεί να κάνουμε ας πούμε 2.000 chat κάθε μέρα και μπορεί να παίρνουμε άλλα 2.000 mail κάθε μέρα, αλλά δεχόμαστε και 28.000 με 30.000 κλήσεις από τους πελάτες μας κάθε μέρα.

21:44 Ένα τεράστιο όγκο. Που είναι μεγάλο το νούμερο. Αν κάνεις έτσι το πολλαπλασιασμό είναι κάπου 8-9 εκατομμύρια κλήσεις το χρόνο. Άρα όλος ο ενήλικος πληθυσμός της Ελλάδας μας παίρνει μια φορά τουλάχιστον το χρόνο τηλέφωνο. Μπορεί καμίας να σας παίρνει και δύο και τρεις φορές, αλλά κατάλαβα τι λέτε. Είναι πολύ μεγάλο το νούμερο.

22:04 Έτσι για αναλογία, ναι, προφανώς δεν μας παίρνουν όλοι. Οπότε χτίζουμε μια υποδομή να μπορέσουμε να κάνουμε να γυρίσουμε αυτόν τον ήχο, την ομιλία, σε γραπτό λόγο, σε τέκστ, σε κείμενο για να μπορέσει να το κατανοήσει το AI και να γυρίσει πίσω μια απάντηση. Όταν το κάνουμε αυτό το πρώτο πράγμα που θα δώσουμε είναι τη δυνατότητα στον agent σε πραγματικό χρόνο όσο μιλάει με τον πελάτη να υποδεικνύει ή να προτείνει το AI απαντήσεις ή να του δίνει περιεχόμενο που είναι σχετικό με τη συνομιλία, άρα να βοηθάει πάλι τον agent.

22:34 Αλλά πολύ γρήγορα θα κάνουμε πάλι εξπόζ όπως κάναμε και με το γραπτό λόγο, με τη Σοφία θα μπορεί να μιλάς με έναν AI agent που θα κάνει για σένα τη δουλειά ή που θα δίνει για σένα τις απαντήσεις που θέλεις να το ρωτήσεις. Και θα σου απαντάει κιόλας. Και θα σου απαντάει κιόλας. Με φωνή. Με φωνή κανονικά. Το πρώτο use case πιστεύω θα το δούμε το 26.

22:56 Αν όχι το 26 σίγουρα αρχίζει το 27. Άρα εκεί κάποιες κλήσεις θα τις δρομολογούμε σε AI agent κανονικά. Κάτι φαντάζομαι θα είναι πιο απλό γιατί εκεί πέρα αρχίζει να παίζει. Κοιτάξτε, ναι, αρχίζουμε με τα βασικά. Εκεί το πρόβλημα ποιο είναι. Το πρόβλημα είναι το πρόβλημα του latency, της καθυστέρησης που έχει από το να καταλάβει τι λες, να το εξεργαστεί και να σου γυρίσει πίσω μια συνομιλία.

23:18 Άρα ενώ στο γράπτο λόγο το να περιμένεις τρία-τέσσερα δευτερόλεπτα... Για να αφήσει σου βέβαια το κείμενο, ναι. Έτσι και εμείς όταν πριν χρησιμοποιούμε μια απάντηση θα μας πάρει τρία-τέσσερα δευτερόλεπτα. Ε, ναι. Αυτό είναι το μόνο θέμα που παγκοσμίως οι οργανισμοί πάνε να λύσουν τώρα, αλλά νομίζω είμαστε σε πολύ καλό δρόμο.

23:42 Και φυσικά όπως καταλαβαίνεις όλο αυτό είναι ένα τεράστιο benefit και για την τράπεζα αλλά και για τον πελάτη, γιατί η τράπεζα έχει ένα πολύ μεγάλο κόστος για να εξυπηρετήσει όλες αυτές τις 28-30 χιλιάδες κλήσεις την ημέρα. Το κόστος του LLM model όταν τις εξυπηρετεί είναι περίπου το 1 στα 10 από αυτό που χρειάζεται για να εξυπηρετήσουμε την κλήση με ένα άνθρωπο και για τον πελάτη παίρνει σωστή απάντηση γιατί μη γιόμαστε τα agents του Conax Center κάνουν και λάθη.

24:12 Δεν μπορεί ένας agent του Conax Center να ξέρει, ένας άνθρωπος δηλαδή, να ξέρει τα πάντα για την τράπεζα. Καλά, φαντάζομαι ότι εδώ πέρα είναι και το κομμάτι και όλες για ποιο κομμάτι των υπηρεσιών και των προϊόντων της Εθνικής Τράπεζας θα δίνει απάντηση. Δηλαδή, αν δεν κάνω λάθος, ένα πολύ μεγάλο ποσοστό των ερωτήσεων είναι απλά πράγματα που είναι πολύ εύκολο να απαντηθούν.

24:32 Ακριβώς. Αλλά φαντάσου, θα μπορεί να δίνει απαντήσεις για περισσότερα πράγματα από όσα μπορεί να γνωρίζει ποτέ ένας ανθρώπινος agent και θα μπορεί να δίνει απαντήσεις οποιαδήποτε ώρα της ημέρας το ζητήσεις. Και φαντάζομαι θα παραμείνουν οι άνθρωποι αλλά θα χρησιμοποιούνται για πιο περίπλοκα ή πιο περίπλοκες αναζητήσεις ή ετήματα, εισιτήματα, κάπως έτσι.

24:51 Καταρχάς, στην αρχική του υλοποίηση θα έχει πάντα έναν άνθρωπο όπως λέμε το human in the loop, άρα θα είναι ένας άνθρωπος που θα μπορεί να επέμβει εφόσον διαπιστώσει ότι γίνεται κάποιο λάθος με τον agent και αργότερα φυσικά θα είναι πάντα διαθέσιμος για συγκεκριμένες εργασίες που δεν προσφέρεται να τις κάνει το AI. που χρειάζεται ένας άνθρωπος στη συνομήτεια.

25:13 Ωραία. Αχιλέα, να σε ρωτήσω κάτι λίγο διαφορετικό. Επειδή μιλάμε για contact sets, εξυπηρέτηση πελαίων κλπ. Αλλά δεν είναι μόνο αυτό το κομμάτι εξυπηρέτηση πελαίων κλπ. Απαντάμε σε ερωτήματα που έχει ένας πελάτης εθνικής τράπεζας ή οποιοδήποτε άλλο οργανισμό. Υπάρχει και το κομμάτι των πολίσεων. Εκεί πέρα, ποιες είναι οι κρίσιμες προκλήσεις και ευκαιρίες που συναντούν οι επιχειρήσεις όταν επιχειρούν να ενσωματώσουν το AI στη διαδικασία καινοτομίας, ανάπτυξης νέων προϊόντων και πωλήσεων.

25:39 Να κάνω ένα σχόλιο λίγο για το ΑΣΑ. Κάνε ένα σχόλιο. Αυτό που είπα πριν ότι έχουμε φύγει από την έννοια του chatbot. Είπατε, δεν θέλατε να το πω ότι πρέπει να πάμε σε επόμενα chatbot ενώ εσείς, Σοφία. Αυτό που περιγράψει ο Δημήτρης είναι ακριβώς εκεί που πιστεύω ότι είναι η σωστή κατέθεση να πηγαίνει μια επιχειρήση. Μίλησε ότι σιγά σιγά πάω στο speech του text, και το βάζω το λόγο, στο real time όταν μιλάμε με τον πελάτη το χρήσιμο που έχει και μου δίνει πληροφορία, εκεί πρέπει να πηγαίνουμε.

26:07 Αυτά είναι τα use cases τα οποία πραγματικά έχουν έναν άναυ. Και έτσι το επιβεβαιώνω βλέποντας λίγο και το τι κάνουμε διεθνώς επιχειρήσεις, τράπεζες κτλ. Φαντάζομαι ότι αν πάνε και πάρα πολύ γρήγορα θα είναι πιο εύκολο να γίνουν λάθη και λάθη τα οποία δεν θα μπορούν να επιδιορθωθούν και όλα. Το έχουμε δει στο παρελθόν.

26:23 Και όχι και στο πολύ κοντινό μέλλον. Εταιρείες και startups και fintech βγήκαν ειδικότερα σε κομμάτια contact centers πολύ γρήγορα να χρησιμοποιήσουν AI και τελικά αυτό τους έβλαψε πιο πολύ παρά τους βοήθησε. Γιατί άρχισε να χάνεται την εμπιστοσύνη του χρήστης λάθη απαντήσεων και το καθ' εξής. θέλει πολύ πολύ προσεκτικά δεμάτια αλλά σίγουρα είναι εκεί που βλέπουμε να πηγαίνουν τα πράγματα Ναι εντάξει. Για πες για τις πωλήσεις Μιλώντας λίγο για τα πωλήσεις και καινοτομία επειδή είπες και τις δύο λέξεις γενικά ήταν δύο λέξεις όπου θα ήταν δύο διαφορετικά departments σε μια εταιρεία και πολλές φορές θα μιλάγανε και μαζί τους πλέον αυτά πάνε πολύ πολύ μαζί Σωστό είναι αυτό που λέτε Τώρα προκλήσεις και ευκαιρίες αν ξεκινήσω από τις ευκαιρίες πολύ γρήγορα να πω σκέψου να μπορώ να έχω τη δυνατότητα να τρέχω πολλαπλά concept πιθανών προϊόντων σε μια αγορά σε ένα 24 ώρο να τα τεστάρω με υποθετικούς πελάτες λέγονται synthetic clients και να μπορώ ας πούμε να βρω

27:20 ποιο με 80% πιθανότητα θα έχει το μεγαλύτερο τράξιον στην αγορά. Ο Όμηλος Λιανικής χρησιμοποιεί αυτές τις τεχνικές για να μπορεί να πάει πόσο γρήγορα βγάζω ένα προϊόν στην αγορά από μήνες σε λίγες εβδομάδες. Άρα το ένα είναι πώς μπορώ να αυξήσω την πιθανότητα πριν βγάλω κάτι να ξέρω ότι θα πιάσει την αγορά. Σκέψου στο δεύτερο, που λύσεις...

27:44 Άρα το χρησιμοποιείς καταρχάς όχι για να πουλήσεις απευθείας, αλλά για να προβλέψεις τι πουλήσεις ενδεχομένως και πώς θα δηλαδή αντίδρασες. Ακριβώς. Τεστάρεις πριν το βγάλεις και χρησιμοποιείς με πιθανότητες πάντα τη δυνατότητα να μπορείς να πεις ότι αυτό θα δουλέψει στην αγορά, αυτό θα βγάλω. Σκέψου δεύτερη διάσταση, οι πωλήσεις μας να μην είναι μόνο push, αλλά pull.

28:04 Άρα δεν θέλω μόνο να κυνηγήσω το upsell, μπορώ να προβλέψω τι θέλει ο πελάτης, τι θα χρειαστεί και την ώρα που θα είναι δεκτικός να το πάρει να του το δώσω. Αυτό είναι πολύ κρίσιμο. Δηλαδή το να μπορείς την ώρα που θα ξέρεις ότι η πιθανότητα να πει οκ είναι μεγαλύτερη να μπορείς να του μιλήσεις για το... Αυτό μπορείς να το προβλέψεις κιόλας γιατί μέχρι τώρα είναι πιο πολύ εμπειρικό αυτό θα έλεγα δηλαδή ότι ξέρω εγώ για παράδειγμα βλέπεις σε ετκαντιέργει ενός ποδοσφαιρικό αγώνα δεν έχεις διαφημίσεις για να παραγγείλεις φαγητό γιατί είναι προφανές είναι πιθανό αυτό μπορείς να κάνεις τέτοιου είδους προβλέψεις σε ποιά άλλο επίπεδο όμως Ναι μπορείς Αυτό που είπαμε πριν όσο πιο καλά ξέρω τον πελάτη και όσο πιο πολλά σωστά data φυγτάρεις ένα LLM ναι μπορείς και να ξέρεις ποια είναι η πιθανότητα άμα είναι Σάββατο πρωί στις 10 το πρωί να μην πρέπει να μιλήσω στον πελάτη για αυτό ενώ αν είναι τρίτη απόγευμα και είμαι σε αυτή την τοποθεσία να μπορώ να σου μιλήσω

29:05 για κάτι έτσι Ναι σωστό άμα ξέρεις τα δεδομένα του πελάτη ότι ξέρω εγώ είναι κάπου εκτός και τα λοιπά ναι Ένα τελευταίο που θεωρώ ότι γενικά οι ευκαιρίες είναι αρκετές αλλά τώρα μένω σε δύο-τρία που θεωρώ ότι είναι αρκετά χρήσιμα. Micro-launches. Για φαντάσου να μπορούσαμε να βγάλουμε στην αγορά 50 διαφορετικές εκδόσεις ενός προϊόντος και να το κάνουμε αυτό σε 50 διαφορετικά μικρο-segment της πελατείας μας.

29:31 Να δω από αυτά τα 50 ότι τα δύο δουλέψανε, να πετάξω τα άλλα 48 και να κάνω σκέιλα από τα άλλα 2. Αυτό είναι το όνειρο οποιοδήποτε εμπορικού διευθυντή και διευθυντή μάρκετ. Χαμογελάει ο Δημήτρης και γιατί ξέρει ότι έχω δίκιο. Να σου προσθέσω σε κάτι σε αυτό. Σκέψου ότι αυτό ήταν το ανταγωνιστικό πλειονέκτημα των tech giants που λέγαμε. Γενικά όλες τις μεγάλες εταιρείες τύπου Google, Facebook, Apple, το δουλεύουν χρόνια.

29:54 Παραδοσιακά πλέον, με την τεχνητή νοημοσύνη και το agent, αυτό μπορούμε να το κάνουμε και σε μεγαλύτερο scale. πιο παραδοσιακών βιομηχανιών και κλάδων ας πούμε θα έλεγα. Αυτά είναι σαν ευκαιρίες δύο-τρεις νομίζω είναι αρκετά σημαντικές. Τώρα, ναι. Πες, πες. Αν έχω χρόνο, λίγο, όχι, να σου λέω δύο-τρεις προκλήσεις γιατί μου πες... Για πες για τις προκλήσεις για να πάμε λίγο... Υπάρχουν καταρχάς αρκετά τεχνικές προκλήσεις, τις οποίες ήδη και κάποια πράγματα ανέφερε ο Δημήτρης, αλλά να πάω λίγο στις μη τεχνικές.

30:23 Σκέψου να σου προτείνει κάτι το AI και η ομάδα πολίσεων να μην το αγοράζει. Άρα το θέμα πώς εκπαιδεύω και πώς παίρνω το buy-in των πολιτών μου για να μπορώ στο παράδειγμα στο contact center που λέγαμε να έχω ένα AI το οποίο να μου προτείνει real time κάτι που να πω στον πελάτη. Πρέπει αυτό το πράγμα να δουλευτεί. Δεύτερον...

30:42 Καλά, γιατί το AI δεν μπορεί να είναι πάντα... Εδώ παίρνει ο ανθρώπινος παράγοντας Αλλά από την άλλη δεν θέλεις να χάσεις και μια ευκαιρία που βλέπει ένα μηχάνημα επειδή έχει κάνει πολύ πιο στρεσανλήσεις από τον άνθρωπο ο οποίος λέει εγώ ξέρω τον πελάτη μου Αλλά πρέπει να αλλάξεις την οτροπία την προσέγγιση το επιχειρηματικό μοντέλο που λέγεις πριν μάλλον Να το κάνεις σωστά και να εκπαιδεύσεις το ανθρώπινο δυναμικό τους ανθρώπους που μιλάνε με τους πελάτες να το εμπιστεύονται εκεί που πρέπει να το εμπιστεύονται και να το αξιοποιούν σωστά.

31:12 Πράισινγκ, γενικά το κομμάτι, το εμπορικό, το κομμερσιαλαϊζέισον των προϊόντων μας. Σκέψου, αν έχεις καταφέρει να μπεις σε μια λογική που λέει βγάζω πολλαπλές εκδόσεις πολύ γρήγορα και αντί να βγάζω δύο προϊόντα σε δύο χρόνια, βγάζω δύο προϊόντα κάθε δύο εβδομάδες, αυτό σίγουρα αλλάζει τα mechanics, το πώς πουλάω, το πώς τιμολογώ και το καθ' εξής.

31:33 αν δεν το κάνεις αυτό κινδυνεύεις μάλιστα να έχεις και μεγαλύτερη πολυπλοκότητα στον τρόπο με τον οποίο δουλεύεις άρα νομίζω αυτό ίσως πρέπει να το ξαναδούν οι επιχειρήσεις και δεν θέλω να πάρω άλλο χρόνο, βάζω μια πάψη για να... Ναι όχι γιατί θέλω να το κλείσουμε λίγο και ξέρετε μάλλον και οι δύο ότι καθώς οι οργανισμοί υιοθετούν αυτό το AI, τις εμπειρίες AI μετασχηματίζεται και η ανθρώπινη επαφή και οι τράπεζες προφανώς επενδύουν στο κομμάτι του AI στους ιοποιητές τους. Αυτό που θέλω να σας ρωτήσω και τους δίνω το εξής. Αν είχαμε δύο χρονικούς ορίζοντες, έναν στους επόμενους 12 με 18 και έναν άλλο στα επόμενα πέντε χρόνια και όχι στην τριετία που λέγε στην αρχή ο Δημήτρης.

32:15 Πώς πιστεύετε θα εξελιχθεί αυτή η ισορροπία μεταξύ της ανθρώπινης επαφής και των AI εμπειριών που λέγες και εσύ τώρα Αχιλιά. Δημήτρη, ας πούμε πρώτα από 12 με 18 μήνες. Σε 12 με 18 μήνες σίγουρα θα μπορείς να μιλάς τουλάχιστον με την Εθνική Τράπεζα για ό,τι σε ενδιαφέρει, σε αφορά, σε προβληματίζει και να μια μεγάλη πλειοψηφία των κλήσεων της τάξης του 60, 70, 80% να την ανέλογα με τη θεματολογία να την απαντάει ένας AI agent πολύ πολύ διαβασμένος και πάντα εκεί 24 ώρες έως 24 ώρες κάθε μέρα οποτεδήποτε θέλεις εσύ θα μπορείς να του αναθέτεις να κάνει για σένα πράγματα απλά στην αρχή, ίσως στους 12 με 18 μήνες όπως αυτά που είπαμε να σου πει τι συναλλαγές έκανες να σου πει ποιο είναι το υπόλοιπο της κάρτας σου να του αναθέσεις να αποπληρώσει την κάρτα σου να φορτίσει την προπληρωμένη κάρτα του παιδιού σου ή οτιδήποτε άλλο τέτοιο έτσι απλά use cases τώρα στα επόμενα 5 χρόνια θα πιστεύω θα είναι πολύ διαφορετικά τα πράγματα και θα είναι και ο κόσμος μας πολύ διαφορετικός

33:21 Πώς θα είναι η τράπεζα το 2030 αυτό είναι λίγο, ξέρεις. Η τράπεζα του 2030. Ε, πέντε χρόνια εδώ το 2030. 25 έχουμε ακόμα. Δηλαδή εγγραφή κάνουμε τέλος 25. Αυτό έχει φοβερό ενδιαφέρον. Γιατί κάποιος μπορεί να μας ακούσει και είμαστε 26. Αυτός το λέω. Λοιπόν, πώς θα είναι η τράπεζα του 2030. Συστήμα αυτό είναι. Η τράπεζα θα εξακολουθήσει να έχει κάποια φυσική παρουσία. Δηλαδή οι καταστήματα που είναι η κύρια φυσική παρουσία μας.

33:47 ATMs και τα λοιπά. ο πολύς όγκος της δουλειάς θα έχει μεταφερθεί εκτός από αυτά. Αυτά θα είναι για συγκεκριμένες high value υπηρεσίες που χρειάζονται μια επαφή με κάποιον άνθρωπο να νιώσεις έτσι αυτή την ανθρώπινη επαφή όπως το να επενδύσεις τα χρήματά σου, να συζητήσεις για ένα μακροχρόνιο στεγαστικό δάνειο και έτσι τέτοιες high value υπηρεσίες.

34:10 Και συμβουλείς αυτό που πες, οι επενδύσεις για όλα αυτά. Τα υπόλοιπα θα έχουν να μεταφερθεί εκτός του δικτύου καταστημάτων Σε έναν ψηφιακό κόσμο όπως είναι και σήμερα Και σε έναν AI driven κόσμο που σε πολύ λίγο θα δούμε να γίνεται Φαντάζομαι όμως ότι στην περίπτωση του contact center θα συνεχίσουν να υπάρχουν και άνθρωποι στα contact center Για όλα αυτά που λέγαμε πριν Δηλαδή ο ανθρώπινης επαφής θα υπάρχει Ένα 20% ακόμα και σε 5 χρόνια θα συνεχίσει να υπάρχει αλλά θα είναι τόσο, θα είναι ένα 20% για αυτές τις συγκεκριμένες περιπτώσεις.

34:45 Μάλιστα. Αχιλία, εσύ τώρα πρέπει να το... Καταρχάς η γρήγορη απάντηση για μένα είναι ότι μάλλον κανείς δεν ξέρει. Στην επόμενη πενταετία σίγουρα αλλά 12 με 18 μήνες μπορεί να έχεις μια εικόνα. Εννοείται και θα έλεγα ότι αν μπορώ να πω μια φράση θα έλεγα σε 12 με 18 μήνες και βγαίνω από την τράπεζα μιλάω γενικότερα για επιχειρήσεις θα έλεγα μάλλον το AI θα κάνει τα εύκολα και ο άνθρωπος θα είναι για τα πιο δύσκολα.

35:14 Ανέβαζα μια ταμπέλα. Αυτό μου αρέσει. Αλλά αυτό ταιριάζει, όχι μόνο στις θεραπείας, ταιριάζει σε πάρα πολλά πράγματα. Ναι, βγαίνω, γενικά νομίζω... Και όχι μόνο στο Customer Experience. Α, ναι, και σε άλλες περιοχές. Σωστά. Σε άλλες περιοχές. Γενικά πιστεύω ότι αν πάμε ένα μισή χρόνο μετά θα υπάρχει ένας τόνος AI agents μέσα στις επιχειρήσεις αλλά θα είναι πίσω από τις κουρτίνες.

35:38 Δηλαδή θα αυτοματοποιεί διαδικασίες θα φιντάρει τους ανθρώπους με πληροφορία σε real time αλλά θα συνεχίζει να είναι μπροστά ένας άνθρωπος στις περισσότερες των περιπτώσεων. Και αυτός ο άνθρωπος όμως θα είναι ενδυναμωμένος με πάρα πολλή πληροφορία. Θα έχει agents από πίσω να τον βοηθάνε επίσης. Ακριβώς. τώρα εάν πάμε στην πενταδία πάλι μια famous last words που λένε μια προβλέψη ας πούμε η λογική είναι συμφωνώ με τον Δημήτρη απόλυτα αν εγώ πάλι εκτός μιας τράπεζας και μιλήσω για κάθε επιχείρηση θα έλεγα σκέψου full αυτοματοποιημένα journeys θα μπορείς να αγοράζεις online ένα αυτοκίνητο με ένα κλικ και να μην έχει επιδράσει κανένας άνθρωπος ούτε να διαδρά με σένα ως χρήστη είτε πίσω από τον οργανισμό με δάνειο το αυτοκίνητο έτσι μας φας τη δουλειά εννοείται με δάνειο θα βλέπω ότι θα υπάρχουν ό,τι μου προτείνει ο AI agent θα είναι εκπαιδευμένος έτσι ακριβώς θα έχουμε δύο ξεκάθαρα επέδεξης υπηρέτησης το ένα πάλι θα είναι τελείως AI και θα υπάρχει το πιο premium

36:46 λέω εγώ, το οποίο θα είναι μιλάω με άνθρωπο, είτε αυτό επειδή είναι ένα σημαντικό γεγονός ζωής είτε είναι για μια μεγάλη αγορά είτε για ένα παράπονο μεγάλης έντασης. Να σου πω κάτι, το πες πιο απλά. Το ίδιο, για τα εύκολα θα έχουμε το AI για τα δύσκολα θα έχουμε τους ανθρώπους. Όχι, συγγνώμη, ίσως δεν το εξήγησα καλά. Στην πενταετία το να εμφανιστεί και να διαδράς με άνθρωπο θα είναι κάτι σπάνιο και premium.

37:14 Ναι, για τα δύσκολα. Δεν είσαι πάντα σε δύσκολα. Δεν μπαίνεις μια τράπεζα μόνο για ότι είχα πρόβλημα εκεί και εκεί, υπάρχουν και άλλα ζητήματα. Υπάρχει ένα ωραίο έτσι αισιόδοξο quote για αυτό που είπες ακριβώς Αχιλέα, ότι όσο πιο έξυπνο γίνεται το AI, τόσο πιο σημαντικός θα είναι ο άνθρωπος απλά για διαφορετικά πράγματα.

37:33 Σωστό. Ξέρεις ποιος το είπε αυτό. Μου το είπε το AI χθες που το ρώτησα. Αλήθεια. Τέλεια, τέλεια. Αλλά αυτό να σου πω, το τελευταίο που πού, Δημήτρης, είναι ότι η εποχή του Agendic AI που είμαστε πλέον είναι μια νέα φιλοσοφία εμπειρίας και ουσιαστικά βλέπουμε έναν συνδυασμό ανθρώπου και μηχανής το οποίο νομίζω ότι είναι πάρα πολύ σημαντικό αυτό.

37:58 Και σκέψου η ποσόστοση μεταξύ, στους 12-18 μήνες μπορεί να είναι 50-50, είπε ο Δημήτρης για να έχει 60-65%. Εντάξει, αλλά σε 5 ετία μπορεί να είναι 80-20. Στην εθνική τραψίδη ένα μεγάλο κομμάτι είναι αυτοματοποιημένο γιατί είναι τα θέματα τέτοια. Οι ερωτήσεις που πάνε στο κονταξέντερ είναι πράγματα πολύ απλά. Δηλαδή, πού να κάνω αυτό, πού να εκείνο, πού έχει κατάστημα φυσικό.

38:22 Και φαντάσου το τραπεζικό κονταξέντερ είναι πολύ πιο δύσκολο από άλλα κονταξέντερ. Δηλαδή, οι κονταξέντερς, για παράδειγμα, της ΔΕΗ ή του ΟΠΑΠ, είναι πολύ πιο συγκεκριμένες οι ερωτήσεις που θα πάρεις από ένα τραπεζικό κονταξέντερ που έχει μια πολύ μεγαλύτερη γκάμα προϊόντων και υπηρεσιών που έχει να κάνει με τα λεφτά του πελάτη.

38:40 Ναι, γι' αυτό χρειάζεται το AI για να μπορεί να καταλαβαίνει και να παίρνει τα δεδομένα του πελάτη για να καταλαβαίνει τι εννοεί ο κάθε πελάτης γιατί κάθε πελάτης μπορεί να έχει μια διαφορετική προσέγγιση για το τι λέει. Γι' αυτό χρειάζεται το AI και τα δεδομένα και όλα. Αλλά νομίζω και θα συμφωνήσω σε αυτό ότι μιλάμε για μια εποχή όπου Ναι, μείνει πολύ AI, πολύ μηχανή, πολύ αυτοματοποίηση, αλλά ο άνθρωπος θα παραμένει πάντα σημαντικός. Σωστά?

39:05 Είπαμε, όσο πιο έξυπνο το AI, τόσο πιο σημαντικός ο άνθρωπος. Και αυτό το λέει το AI. Έτσι φαίνεται. Επειδή μου άρεσε πολύ αυτή η ανταγκά, θα το κλείσω εδώ πέρα. Ευχαριστούμε που ήσασταν μαζί μας, Αχιλία και Δημήτρη, Δημήτρη και Αχιλία. και ευχαριστούμε και όλους εσάς που μας ακούσατε και σε αυτό το επεισόδιο. Μέχρι το επόμενο να παραμένετε περίεργοι και εμπνευσμένοι.