बहुतेक टीम्स ऑटोमेशनकडे उलट पद्धतीने पाहतात. ते इंटिग्रेशन मार्केटप्लेस उघडतात आणि कोणता ॲप कोणत्या API शी जोडला जाऊ शकतो हे विचारतात. चुकीची समस्या सोडवण्यासाठी कमकुवत प्लंबिंग (brittle plumbing) तयार करण्याचा हा एक जलद मार्ग आहे. अधिक चांगला मार्ग म्हणजे तुमच्या टीमचे काम जवळून पाहणे. ते हाताने काय टाईप करत आहेत? ब्राउझर टॅबमध्ये डेटा कॉपी-पेस्ट करताना कुठे अडचण येतेय? एखादी प्रक्रिया कोणाकडून मॅन्युअली पुढे ढकलली जाईपर्यंत का थांबून राहते? हे प्रश्न नेमके काय ऑटोमेट करण्याची गरज आहे हे स्पष्ट करतात. सॉफ्टवेअर हे केवळ एक माध्यम आहे; तुमचे बिझनेस लॉजिक (business logic) प्रथम येणे आवश्यक आहे.
साधनांपासून नाही, तर कामापासून सुरुवात करा
कोणता ॲप कोणत्या API शी जोडला जातो हे विचारणे थांबवा. तुमची टीम मॅन्युअली काय करते आणि ते का करते, हे विचारून सुरुवात करा.
जर तुमचे सेल्स रेप्स नेहमी ठराविक दिवशी फॉलो-अप घेत असतील, तर कोणत्याही ऑटोमेशनमध्ये तो ताल (rhythm) राखला गेला पाहिजे. जर एखादा रेप कार्गोचे वजन, आकारमान आणि गंतव्य स्थान (destination) शिवाय फ्रेट कोटेशन देऊ शकत नसेल, तर तुमचा चॅटबॉट संभाषण पुढे सोपवण्यापूर्वी हे नेमके फील्ड्स गोळा केला पाहिजे. तंत्रज्ञान हे वास्तविक जगातील नियमांचे प्रतिबिंब असले पाहिजे.
एका लॉजिस्टिक कंपनीचा विचार करा जिथे रेप्स कार्गो तपशील गोळा करण्यासाठी WhatsApp, ईमेल आणि स्प्रेडशीट्समध्ये सतत बदल करत असतात. उपाय केवळ "WhatsApp ला CRM शी जोडणे" हा नाही. वर्कफ्लोमध्ये रेपच्या स्वतःच्या निर्णय प्रक्रियेची (decision tree) प्रतिकृती असणे आवश्यक आहे: कार्गो स्पेसिफिकेशन पडताळणे, रूटची उपलब्धता तपासणे आणि त्यानंतर कोटेशन रेकॉर्ड तयार करणे. जेव्हा तुम्ही प्रथम लॉजिक मॅप करता, तेव्हा तुम्ही दोन उत्तम APIs एकत्र जोडण्याचा तो सापळा टाळता, ज्याचा शेवटी काहीही उपयोग होत नाही.
कॅप्चर, डिसाईड, ॲक्ट (Capture, Decide, Act)
विश्वसनीय ऑटोमेशनची तीन स्पष्ट कामे असतात. Capture माहिती सिस्टममध्ये आणते. Decision पुढे काय करायचे हे ठरवते. Action रेकॉर्ड अपडेट करते, संदेश पाठवते किंवा एखाद्या व्यक्तीला अलर्ट देते.
ही स्तर (layers) वेगळे ठेवा. जर एखादा लीड तुमच्या CRM मध्ये कधीच दिसला नाही, तर तुम्हाला हे जाणून घ्यायचे आहे की कॅप्चर स्टेजमध्ये चूक झाली की डिसीजन स्टेजमध्ये अडथळा आला. वेबसाइट फॉर्मने पेलोड (payload) सबमिट केला का? वेबहुक (webhook) फायर झाला का? जर डेटा आला पण तो तसाच पडून राहिला, तर तुमच्या लॉजिक लेयरमध्ये समस्या आहे. जर काहीच आले नाही, तर डेटा घेण्याच्या प्रक्रियेत (intake) सुधारणा करा.
तुमचा वर्कफ्लो असा तयार करा की प्रत्येक स्टेज स्वतःच्या लॉग किंवा फील्डमध्ये माहिती लिहून ठेवेल. कॅप्चर स्टेज कच्चा पेलोड (raw payload) साठवते. डिसीजन स्टेज निवडलेला मार्ग रेकॉर्ड करते. ॲक्शन स्टेज त्याचा परिणाम नोंदवते. जेव्हा रात्री २ वाजता काहीतरी बिघडते, तेव्हा तुम्हाला ते एखाद्या गुंतागुंतीच्या कोड्यासारखे न वाटता एका गोष्टीसारखे (story) वाचता येईल.
तुमच्या सिस्टमला स्मृती (Memory) द्या
तुमच्या सिस्टमला स्मृती देण्यासाठी डेटाबेस आणि CRM फील्ड्सचा वापर करा. वर्कफ्लोला हे माहित असणे आवश्यक आहे की लीड नवीन आहे, पात्र (qualified) आहे की हरवलेला (lost) आहे. यामुळे सिस्टमला पुन्हा पुन्हा तेच प्रश्न विचारण्यापासून रोखता येते. स्मृतीशिवाय, प्रत्येक संवाद शून्यापासून सुरू होतो. चॅटबॉट परत आलेल्या ग्राहकाचे स्वागत एखाद्या अनोळखी व्यक्तीप्रमाणे करतो. सेल्स सिक्वेन्स अशा व्यक्तीला पहिला ईमेल पाठवतो ज्याने आधीच करार (contract) केला आहे.
"Lifecycle Stage" सारखे स्टेटस फील्ड साठवा आणि प्रत्येक ऑटोमेटेड टचपूर्वी ते तपासा. जर स्टेज "Contract Sent" असेल, तर नर्चर सिक्वेन्स (nurture sequence) वगळा आणि रेकॉर्ड थेट लीगल हँडऑफ क्यू (legal handoff queue) मध्ये पाठवा. स्मृती रिअॅक्टिव्ह स्क्रिप्ट्सचे रूपांतर अशा सुसंगत प्रक्रियांमध्ये करते, ज्या ग्राहकाच्या तुमच्याशी असलेल्या वास्तविक इतिमानाचा आदर करतात.
योग्य कामांसाठी AI चा वापर करा
AI चा वापर मर्यादित आणि विशिष्ट कामांसाठी करा. लांब संभाषणांचा इतिहास सारांशित करण्यासाठी, उत्तरे तयार करण्यासाठी किंवा विस्कळीत मजकुरातून डेटा काढण्यासाठी त्याचा वापर करा. परंतु AI ला नेहमी स्ट्रक्चर्ड डेटा (structured data) परत देण्याचे निर्देश द्या. त्यानंतर सिस्टम कोणताही रेकॉर्ड अपडेट करण्यापूर्वी त्या डेटाची पडताळणी करा.
उदाहरणार्थ, जर तुम्ही ऑर्डर नंबर आणि समस्यांच्या श्रेणी काढण्यासाठी ग्राहकांच्या तक्रारीचे ईमेल लार्ज लँग्वेज मॉडेलला दिले, तर त्याला डिफाइन केलेल्या कीजसह (keys) JSON परत देण्यास सांगा. तो आउटपुट एका व्हॅलिडेशन लेयरमधून पाठवा जो तपासतो की ऑर्डर नंबर तुमच्या फॉरमॅटशी जुळतो का आणि श्रेणी मंजूर केलेल्या यादीत येते का. त्यानंतरच सपोर्ट तिकीटमध्ये माहिती लिहा. यामुळे चुकीचा (hallucinated) ऑर्डर नंबर तुमच्या डिस्पॅच सिस्टमला खराब करण्यापासून वाचवता येईल. AI कडे एका अशा इंटर्नप्रमाणे पहा जो वेगाने काम करतो पण त्याला सुपरवायझरची गरज असते.
गोष्टी बिघडतील असे गृहीत धरून बांधणी करा
APIs फेल होतात. AI चुकीचा डेटा देते. सिस्टम क्रॅश होतात. तुमच्या ऑटोमेशनने या सर्वांसाठी तयारी केलेली असावी.
तुम्हाला logs ची गरज आहे जेणेकरून नेमके काय आणि कधी घडले हे तुम्ही पाहू शकाल. वर्कफ्लोमध्ये एखादा रेकॉर्ड कुठे आहे हे ट्रॅक करण्यासाठी तुम्हाला status fields ची गरज आहे. चुका पुढे पसरू न देता त्या पकडण्यासाठी तुम्हाला error branches ची गरज आहे. आणि तुम्हाला manual paths ची गरज आहे जेणेकरून एखादी व्यक्ती कोड पुन्हा न लिहिता समस्या सोडवू शकेल.
जर पेमेंट गेटवेचा वेळ संपला (timeout), तर वर्कफ्लोने व्यवहार (transaction) गप्पपणे सोडून देऊ नये. त्याने इनव्हॉइसची स्थिती "Sync Pending" अशी मार्क करावी, फायनान्स टीमला सूचित करावे आणि पुन्हा प्रयत्न करण्यासाठी (retry) रांगेत (queue) ठेवावे. जर ते तीन वेळा अयशस्वी झाले, तर मानवी हस्तक्षेपासाठी एक टास्क तयार करा. एखाद्या व्यक्तीला तो रेकॉर्ड उघडता आला पाहिजे, अयशस्वी झालेला डेटा (payload) पाहता आला पाहिजे, डेटा दुरुस्त करता आला पाहिजे आणि काम पुढे ढकलता आले पाहिजे. विश्वासार्हता ही अपयशाची अपेक्षा ठेवण्यापासून येते, परिपूर्णतेची आशा करण्यापासून नाही.
मानवी हस्तक्षेप कायम ठेवा
सर्व काही ऑटोमेट करण्याचा प्रयत्न करू नका. किंमत ठरवणे, वाटाघाटी आणि संवेदनशील तक्रारी हाताळण्यासाठी माणसांची गरज असते. उद्दिष्ट हे पुनरावृत्ती होणारी कामे काढून टाकणे आहे, जेणेकरून तुमची टीम निर्णयांवर लक्ष केंद्रित करू शकेल.
किंमत ठरवण्याच्या वाटाघाटीमध्ये तडजोडी, ग्राहकांचा इतिहास आणि तिमाहीनुसार बदलणारे मार्जिन प्रेशर यांचा समावेश असतो. सॉफ्टवेअर सुरुवातीचे आकडे तयार करू शकते, परंतु अंतिम सवलतीचा (discount) निर्णय त्या व्यक्तीचा असतो जिला त्या खात्याची (account) समज असते. संवेदनशील तक्रारींमध्ये भावनिक वजन आणि कायदेशीर जोखीम असते. त्या त्वरित एखाद्या व्यक्तीकडे वळवणे हे कोणत्याही तयार उत्तरापेक्षा (templated reply) अधिक मौल्यवान आहे. तुमचे वर्कफ्लो अशा प्रकारे तयार करा की दैनंदिन कामे बाजूला होतील आणि तुमच्या सर्वोत्तम कर्मचाऱ्यांकडे कठीण निर्णय घेण्यासाठी वेळ असेल.
बांधण्यापूर्वी प्रक्रिया निश्चित करा
तुम्ही एखादा ऑटोमेशन नियम लिहिण्यापूर्वी, तुमचे काम जिथून सुरू होते अशा प्रत्येक ठिकाणाची यादी करा. यामध्ये वेबसाइट फॉर्म, WhatsApp संदेश, जाहिरात प्लॅटफॉर्म आणि शेअर केलेल्या स्प्रेडशीट्सचा समावेश आहे. प्रत्येक स्त्रोताकडून कोणती माहिती येते आणि पहिल्या टप्प्यानंतर कोणता रेकॉर्ड तयार झाला पाहिजे, याचा नकाशा तयार करा.
जर तुम्ही ही माहिती गोळा करणे टाळले, तर प्रकल्पाच्या मध्यंतरी तुम्हाला समजेल की तुमच्या लीड्सपैकी एक चतुर्थांश अजूनही जुन्या ईमेल अलिआसद्वारे किंवा कोणाही उल्लेख न केलेल्या शेअर केलेल्या स्प्रेडशीटद्वारे येत आहेत. एक साधी टेबल तयार करा. स्तंभ १: स्त्रोत (Source). स्तंभ २: येणारा डेटा. स्तंभ ३: तयार झालेला पहिला सिस्टम रेकॉर्ड. स्तंभ ४: पुढील कृतीची जबाबदारी कोणाची. हा एकच दस्तऐवज "आम्ही त्या स्प्रेडशीटबद्दल विसरलो होतो" ही समस्या टाळतो, जी ऑटोमेशन प्रकल्पांना शांतपणे नष्ट करते.
लहान स्तरावर सिद्ध करा, मग विस्तार करा
लहान स्तरावर सुरुवात करा. दोन महत्त्वाच्या क्षेत्रांमध्ये डेटा हलवणारा एक वर्कफ्लो निवडा. तो तयार करा, त्याची चाचणी घ्या आणि तुमच्या टीमला तो प्रत्यक्षात वापरू द्या. एकदा का तुम्हाला ही पद्धत यशस्वी असल्याचे सिद्ध झाले की, तुम्ही त्याचा विस्तार करू शकता.
एकाच वेळी संपूर्ण ग्राहक प्रवास (customer journey) ऑटोमेट करण्याची इच्छा रोखा. एक छोटा, विश्वासार्ह वर्कफ्लो विश्वास निर्माण करतो. मोठा आणि बिघडलेला वर्कफ्लो संपूर्ण उपक्रमाचा उत्साह कमी करतो.
पहिल्याच दिवशी तुमची संपूर्ण सेल्स पाईपलाईन ऑटोमेट करण्याऐवजी, तुमच्या वेबसाइट फॉर्ममधून पात्र लीड्स (qualified leads) तुमच्या CRM मध्ये हलवून आणि क्षेत्राच्या (territory) आधारावर त्यांना योग्य प्रतिनिधीकडे सोपवून सुरुवात करा. बस इतकेच. कोणतेही फॉलो-अप सिक्वेन्स नाही, कोणतेही एनरिचमेंट नाही, कोणतेही Slack अलर्ट्स नाहीत. एकदा का तो एक मार्ग दोन आठवडे व्यवस्थित चालला की, पुढचा स्तर जोडा. तुमची टीम सिस्टम शिकते. तुम्हाला अपयशाचे प्रकार (failure modes) समजतात. त्यानंतर तुम्ही आत्मविश्वासाने विस्तार करू शकता.
मुख्य निष्कर्ष: बिझनेस ऑटोमेशन हे प्रामुख्याने वेगाबद्दल नाही. ते स्पष्टतेबद्दल आहे. जेव्हा तुम्ही डेटा संकलन (capture), निर्णय आणि कृती यांना वेगळे करता, जेव्हा तुम्ही तुमच्या सिस्टमला स्मृती (memory) देता, जेव्हा तुम्ही अपयशासाठी डिझाइन करता आणि कठीण निर्णय माणसांसाठी राखून ठेवता, तेव्हा तुम्ही नाजूक स्क्रिप्ट्स बनवणे थांबवता आणि खरोखर टिकणाऱ्या ऑपरेशन्सची निर्मिती सुरू करता.