Son Hizmet Sektörü projeksiyonlarımızdan bir yıl sonra, Yapay Zeka (AI) ve artık giderek daha fazla aracılık eden AI, hizmet sağlayıcılar için dönüştürücü ilerlemeleri yönlendirmeye devam ediyor.
Yapay zeka, 2025 ve sonrasında hizmet sunumunda devrim yaratma potansiyeline sahip olup, kişiselleştirilmiş yanıtlar sağlayabilen ve bunun ötesine geçerek görevleri yerine getirebilen otonom, akıllı ve bağlam farkında etkileşimleri mümkün kılıyor.
IFS Hizmet Endüstrileri Başkan Yardımcısı Mark Brewer, özellikle Mülk ve Tesis Yönetimi, Yönetilen Hizmetler (MSP’ler) ve Test, Muayene ve Sertifikasyon (TIC) kullanım örnekleri gibi hizmet sağlayıcılara odaklanarak Hizmet sektörüne ilişkin görüşlerini paylaşıyor.
TAHMİN #1: 2027 YILINA KADAR, HİZMET SAĞLAYICILARIN %75’İ KONUŞMA HIZINDA HİZMET SUNACAĞI
Yapay zekanın rolü nefes kesici bir hızla gelişmeye devam etti. Artık hepimiz yardımcı pilotlar ve sohbet robotlarına ve bunların insan üretkenliğini ve etkinliğini destekleme veya geliştirme yeteneklerine aşinayız. Belirli alanlardan gelen verilerle eğitilen yardımcı pilotlar, görevleri yürütmek için insan girdisi, talimat ve yardım gerektiren tanımlanmış kaynaklardan bilgi almak için Büyük Dil Modelleri’ni (LLM’ler) kullanır.
Ancak, AI’nın bir sonraki aşaması, AI ‘temsilcileri’ biçiminde tamamen otonom yetenekler sunar. Bu sözde ‘temsilci AI ‘ çok farklıdır; bağımsız olarak çalışabilir ve mantıklı kararlar alabilir ve giderek artan bir şekilde belirli görevleri tamamlamak için gereken insan girdisinin yerini alabilir. Makine öğrenimini kullanarak, temsilciler zaman içinde performanslarını iyileştirir ve çok daha geniş bir kaynak yelpazesine bağımsız olarak erişebilirler.
Agentic AI, insanlar gibi nedensel mantığı uygulayarak karar vermek üzere eğitilmiştir. En önemlisi, bağlamı anlayabildiği için karmaşık ve ayrıntılı istekleri değerlendirerek doğru ve alakalı yanıtlar sağlayabilir.
Örneğin, bir müşteri bir servis sözleşmesi yükseltme maliyetini ve e-posta yoluyla bir fiyat teklifi talep ettiğinde, bir temsilci müşterinin geçmişini, mevcut servis sözleşmelerinin belirli ayrıntılarını ve ekipmanlarının teknik özelliklerini kontrol edip anlayabilir, böylece otomatik olarak bir fiyat teklifi oluşturabilir ve gönderebilir.
ChatGPT gibi çoğu sohbet botu, Büyük Dil Modeli’ne dayalı bir sorguya yanıt üretir. Ancak, teknik veya uzmanlık gerektiren bir soruyla karşı karşıya kalındığında, LLM belirli verilerin eksikliği nedeniyle sınırlı yeteneklere sahip olacaktır. Geri Alma-Artırılmış Üretim (RAG), üretken AI modellerinin harici, atıf yapılabilir veri tabanlarından, bilgi tabanlarından ve web sayfalarından bilgi ve veri getirerek desteklenmesine olanak tanır.
Hizmet sektörleri için bu, müşteriler veya servis teknisyenleri tarafından kullanılan sohbet robotları ve AI temsilcilerinin makine OEM bilgi tabanlarına ve kayıtlarına erişebileceği anlamına gelir. Bu, akıllı, güvenilir, alakalı bir sohbet yaratır ve AI hataları ve halüsinasyon riskini azaltır.
TAHMİN #2: 2027’YE KADAR HİZMET SAĞLAYICILARIN %50’Sİ, YENİ BİR SÜRELİ, ESNEK ÇALIŞAN HAVUZUNDAN YARARLANACAK
Küresel çapta büyük bir beceri açığıyla karşı karşıya kalan hizmet sektörü, bu açığı kapatmak için daha fazla işgücü esnekliğine yönelme ihtiyacını kabul ediyor .
Örneğin, temizlik hizmetleri sektöründeki bir IFS müşterisi, küçük bir operatör ekibinin bir araçla birlikte sahaya geldiği, ancak daha sonra yürüyerek veya kargo bisikletleriyle yakındaki bloklarda ve tesislerde bulunan bireysel müşteri lokasyonlarını ziyaret etmek üzere dağıldığı bir yaklaşımı deniyor. Model, ekiplerin yapısını ve farklı ulaşım modlarını dikkate alabilen AI destekli planlama optimizasyonu aracılığıyla ölçeklenebilir hale getirildi.
Bu dağıtım esnekliği, geçici, daha kapsayıcı, daha sürdürülebilir bir iş gücü sağlar. Tam zamanlı veya hatta geçici iş ekonomisi çalışanlarıyla çalışamayan veya çalışmak istemeyen yeni yarı zamanlı veya esnek zamanlı çalışanların işe alınmasını sağlar.
Akıllı telefon veya tablet kullanmak, çalışma çağındaki nüfusun çoğu için ikinci bir doğadır. Ve bu günlerde çoğu hizmet çalışanı temelde dijital çalışanlardır. Temel görev tabanlı eğitimle, birçok hizmet, bu büyük ölçüde kullanılmayan insan kaynakları modeli kullanılarak çok verimli bir şekilde sunulabilir.
Bu şekilde, hizmet sağlayıcılar geleneksel alanların dışında geçici bir iş gücünden yararlanarak DEI hedeflerine daha fazla ulaşabilirken, aynı zamanda yaşlanan iş gücü ve beceri eksikliği sorununu da ele alabilirler; bu da büyük bir kazan-kazan durumudur.
TAHMİN#3: 2026 YILINA KADAR TAMAMEN ÖZERK PLANLAMA, TÜM İŞÇİLER İÇİN MOBİL İŞ GÜCÜ YÖNETİMİNİ DEMOKRATİKLEŞTİRECEK
Planlama Optimizasyonu teknolojisinin sunduğu avantajlara ve verimliliğe rağmen, birçok servis sağlayıcısı şu anda bunu uygulamak için çok karmaşık veya kendi ihtiyaçları için çok karmaşık olarak algılıyor. Tarihsel olarak, otomatik motorlar, sistem algoritmalarının optimum planlama kararları alabilmesi için doğru parametreleri belirlemek ve ayarlamak için kapsamlı manuel ince ayar gerektiriyordu.
Ancak IFS Planlama ve Programlama Optimizasyonu’nda (PSO ) kullanılan gibi gömülü AI ile işgücü planlaması kendi kendine öğrenen ve tamamen otonom hale geliyor. Tıpkı otonom bir aracın insan girdisi olmadan gezinmesi için eğitilmesi gibi, tamamen otonom planlama da geçmiş sonuçlardan öğrenerek dinamik olarak ayarlanmış değer eğrileri ve gerçek zamanlı verilere dayalı işgücü planlamalarını yönetebilir.
Kuralları optimize etmek için düşük veya hiç manuel müdahale gerekmez; bazı verilerle eğitilen AI, gerekli karar verme davranışını kendisi öğrenir. Minimum kurulumla operasyonel hale gelebilir ve katma değer sağlayabilir. Bu nedenle AI, dinamik planlamayı, boyutları, karmaşıklıkları, kaynakları veya hacimleri ne olursa olsun herkes için erişilebilir hale getirerek, her hizmet sağlayıcının artan üretkenlikten, azalan seyahatten ve artan SLA uyumluluğundan faydalanmasını sağlar; bu, geçmişte onlara ulaşamamış olabilir.
TAHMİN #4: 2026 YILINA KADAR BİLGİ MAKALELERİNİN %80’İ KENDİLERİNİ YAZACAK
Tesis Yönetimi, Yönetilen Hizmetler ve Test, Muayene ve Sertifikasyon (TİK) kuruluşlarındaki Servis Sağlayıcıları, yüzlerce farklı modele yayılan çok sayıda markanın ekipmanları üzerinde çalışma becerisine sahip teknisyenlere ihtiyaç duymaktadır.
İster evsel kazanların bakımı, ister veri merkezi raflarının yükseltilmesi, ister perakende self servis tarayıcılarının onarımı veya fabrika üretim hattı güvenliğinin denetlenmesi olsun, servis sağlayıcılar bu süreçlerde sertifikalı uzman deneyimli operatörlere güvenmektedir.
Ancak beceri eksikliği bu dinamiği değiştirdi. Yeni katılımcılar genellikle daha az deneyimlidir, generalist olmaları gerekir ve bu nedenle iş başında ve işe başlamaları sırasında daha fazla teknik desteğe ihtiyaç duyarlar.
Güncel bir bilgi deposuna erişim gereklidir, ancak yeterli değildir.
Artık, AI’nın yardımıyla kuruluşlar, servis teknisyenleri tarafından kullanılan çözüm adımlarını, yedek parçaları ve teknik prosedürleri gözlemleyerek bilgi makalelerini otomatik olarak düzenleyebilir ve bunu OEM’ler tarafından sağlanan mühendislik verileriyle zenginleştirebilir. Bu, disiplin ve önemli yatırım gerektiren manuel güncellemelere olan ihtiyacı azaltır ve bilgi depolarının her zaman güncel olmasını ve yaşanmış deneyimleri yansıtmasını sağlar
Burada, AI, iş gücü genelinde bilgiyi demokratikleştirebilir, kendilerini yazan ve sürekli olarak geliştiren bilgi makaleleriyle uzman yardımı ve desteği sağlayabilir. Daha da iyisi, AI çeviri yetenekleri, aynı havuzun birden fazla dilde mevcut olabileceği anlamına gelir ve teknik bilgilerin küresel bir iş gücü tarafından erişilebilir olmasını sağlar.
TAHMİN #5: 2030 YILINA KADAR HER VARLIĞIN TAM ZAMANLI BİR TEMSİLCİSİ OLACAK
Günümüzün cihazları ve ekipmanları giderek daha fazla bağlanıyor ve verileri gerçek zamanlı olarak OEM’ler ve servis sağlayıcılarla paylaşıyor. Aracı AI’nın gelişiyle birlikte, bu veri akışları sürekli olarak izlenebilir ve analiz edilebilir, bu da aracının gözlemler yapmasına ve çalışma süresini ve performansı otonom olarak sürdürmek için proaktif eylemlerde bulunmasına olanak tanır.
Örneğin, bir AI aracısı bir tüketici gaz kazanında basınçta bir düşüş tespit edebilir. Bilgi deposuna ve belirli model ayrıntılarına dayanarak, aracı kullanıcının akıllı telefonuna bir uyarı gönderir ve sistemin nasıl yeniden basınçlandırılacağını gösteren bir açıklayıcı video bağlantısı gönderir.
Başka bir senaryoda, bir parçanın arızalanmak üzere olduğu durumda, bir yapay zeka temsilcisi bir uyarı verebilir, ancak aynı zamanda müşteriye bir mühendisin gelip doğru parçayı takması ve kazan garantisini koruması için randevu seçenekleri ve fiyatlandırma sunabilir.
Bu nedenle, hem ekipman OEM’leri hem de bağımsız servis sağlayıcıları, müşteri tabanlarında kendi aracı AI çözümlerini geliştirmek ve sunmak için hızla yatırım yapmaktadır. Özellikle servis sağlayıcılar için, aracılar ek bir katma değerli abonelik geliri akışı, azaltılmış maliyetler (daha az saha servis ziyareti gerekir) ve proaktif etkileşim ve iyileştirilmiş müşteri deneyimi yoluyla ‘tutkunluk’ (müşteri sadakati ve güveni yaratma) yaratmanın bir yolunu temsil eder.
Özetle, çeşitli biçimleriyle (Gen AI, Agentic, Time series, Optimization, Recommendations, vb.) insan yeteneklerini taklit eden otonom, bağlamsal olarak farkında sentetik karar verme sağlayan AI’nın hizmet sağlayıcıları üzerinde dönüştürücü bir etkiye sahip olması bekleniyor. Müşteriler, yardımcı pilotlarla daha hızlı, daha alakalı etkileşimler bekleyebilir. Hizmet sağlayıcılar, çalışanlara daha fazla esneklik sunmak, bugüne kadar keşfedilmemiş yeni genel yetenekleri desteklemek ve güçlendirmek ve dinamik planlama, zamanlama ve optimizasyonla optimum verimlilik elde etmek için giderek daha fazla AI kullanacak.
Otonom olarak düzenlenmiş bilgi makaleleri sürekli olarak kendilerini güncelleyecek. Varlıklar için AI aracıları, hizmet sağlayıcılar için yeni gelirler sağlayacak, hizmet maliyetlerini azaltacak ve müşteri sadakatini artıracak. AI, hizmette bir devrim yaratacak ve tüm paydaşlara fayda sağlayacak ve bu yıl boyunca yapacağım gelecekteki paylaşımlar bunlar ve diğer ortaya çıkan trendler hakkında yorum yapacak .
KAYNAK: Mark Brewer.(2024 december 12).Service at the Speed of Conversation: IFS Service Industry Predictions 2025. IFS Blog. https://blog.ifs.com/2024/12/service-at-the-speed-of-conversation-ifs-service-industry-predictions-2025/.
