Andriy Onufriyenko/Getty ImagesVellykket å injisere generativ kunstig intelligens (AI) inn i kundeservice krever en systematisk tilnærming.
Å forbedre kundeopplevelsen ved å bruke generative AI-løsninger handler om å gjenoppfinne eldre prosesser og optimalisere hvordan data får tilgang til, analysert og brukt for å ta raskere, mer informerte og bedre beslutninger som tjener alle interessenter – ansatte, kunder, forretningspartnere og våre fellesskap.
Også: Generativ AI i seg selv vil ikke forbedre kundeopplevelsen
Poenget vi ønsker å ta med hjem er at prosesser må sjekkes og dobbeltsjekkes før organisasjoner tar i bruk generativ AI. Feil kan komme tilbake for å plage selskapet som bygger det generative AI-systemet. I et nylig eksempel hos Chevrolet fortalte en AI-aktivert bot kundene falsk informasjon som resulterte i økonomisk tap. Et nordamerikansk flyselskap forsøkte i mellomtiden å fremsette det juridiske argumentet at roboten deres var en egen enhet hvis svar ikke var selskapets ansvar.
I disse situasjonene er det avgjørende å husk at maskinen ikke kan skille mellom gode og dårlige data eller gode og dårlige prosesser. Maskinen ser kun data og følger prosessene og reglene som er opprettet for den.
Organisasjoner bør også sikre at dataene som forbrukes av generativ AI er nøyaktige, og at kundeserviceprosessene de designer kan lykkes ved bruk av generativ AI. Start i det små, start der det er målbare verdier og fordeler, start enkelt, start med rene data, og inviter et lite antall lojale kunder inn i designprosessen din for å sikre at du er på vei til suksess.
Også: AIs siste triks: Bedre KPI-er for å måle forretningssuksess
Under vårt siste innlegg sa vi at generativ AI alene ikke vil forbedre kundeopplevelsen. Vi ga tre viktige råd: data må være pålitelige, nøyaktige og tilgjengelige; kundeprosessen må være nøyaktig, intuitiv og rettferdig; og det må være målbare verdier. Nå skifter vi gir med en samtale om hvordan organisasjoner kan akselerere innføringen av AI-teknologier, og vi skal se på noen områder der generativ AI vil ha størst innvirkning på kundeservicen.
Fremveksten av ChatGPT kastet søkelyset på kundeengasjement ved å styrke chatboter med generativ AI-teknologi. Chatbots har vært en del av selvbetjeningsverktøysettet i flere tiår. De klarte ikke å revolusjonere kundeservice fordi de ikke var intuitive nok til å svare på spørsmål med en suksessrate som tilfredsstilte de fleste kunder. Nå har vi bots basert på generativ og prediktiv AI, og forventningene er høye til at disse teknologiene radikalt vil endre selvbetjening.
For bedre å forstå hvordan generativ AI-adopsjon tar sikte på å forbedre kundeopplevelsen og kundeservicen, intervjuet jeg to av verdens ledende eksperter på kundeforholdsstyring (CRM), kundeopplevelse (CX) og kundeservice.
Michael Maoz er senior visepresident for innovasjonsstrategi hos Salesforce. Før han begynte i Salesforce, var Maoz forskningsdirektør og en fremtredende analytiker i Gartner, og fungerte som forskningsleder for området kundeservice og støttestrategier.
Ed Thompson er senior visepresident for markedsstrategi i Salesforce. Før han begynte i Salesforce, var Thompson forskningsdirektør og en fremtredende analytiker i Gartner, og dekket CX- og CRM-strategi og implementering. Maoz og Thompson delte sine synspunkter på hva bedrifter må vurdere og implementere før de bruker generative AI-løsninger på sine kundeserviceapplikasjoner og -prosesser.
Hvilke viktige feil gjør bedrifter?
Ed Thompson – For øyeblikket faller bedrifter inn i to tankeretninger, eller to tilnærminger, når det gjelder intelligente roboter: de starter enten med å tenke på å øke produktiviteten til agentene deres, eller de har som mål å bruke generativ AI for å redusere antallet av kundeserviceagenter.
Ledere av kundeserviceavdelinger er ofte skeptiske til løftene om generative AI-drevne roboter som et verktøy for å hjelpe med agentproduktivitet. Gjennom årene ble det gitt løfter fra programvareleverandører som ikke ble realisert. Til sammenligning er sjefer for digital, COOer og finanssjefer ikke like fokuserte på agentproduktivitet. De har en tendens til å være begeistret for å redusere kostnadene ved å bruke den nye generasjonen av generative AI-drevne roboter.
Også: Hvordan renessanseteknologer forbinder prikkene mellom AI og virksomhet
Hvor organisasjoner kan gå galt er når de tar den nye generasjonen av intelligente roboter, bare for å gjøre mange av de samme feilene fra fortiden når det gjelder implementeringen. Tre av disse feilene er:
- For å bygge eller distribuere frittstående roboter som ikke er en del av en omnikanal-løsning, så kjører robotene separat til tale-, e-post-, WhatsApp-, SMS-, portal- og andre tjenestekanaler. For å ignorere det faktum at de underliggende dataene brukes til å gi et svar et spørsmål er et rot, med det resultat at svaret til kunden er feil eller lite nyttig. Å sende kunden inn i gjentatte løkker de ikke kan unnslippe – en tilnærming som reduserer tilfredshetsscore og øker eskaleringer.
Generativ AI gir nye bekymringer som skjevheter, hallusinasjoner og giftige svar. Men de gamle bekymringene består og kan være mer alvorlige. Kanskje generativ AI vil gi drivkraften til å løse uintegrerte og silede datakilder, utdaterte data, data av dårlig kvalitet, feil data og dårlige tjenesteprosesser og arbeidsflytdesign. Min anbefaling er å unngå feilene fra tidligere botimplementeringer.
Hva bør du vurdere før du starter et AI-initiativ?
Michael Maoz – Først må du fikse kunnskapsbasen og rydde opp i kundedataene. Når vi legger til generativ AI til en dårlig selvbetjeningsprosess for kunder, har vi gjort ting verre, bare i større skala og med alvorligere konsekvenser enn før. En chatbot som gir kundene feil informasjon uten generativ AI, gjør det fordi den underliggende kunnskapsbasen er feil. Når generativ AI er lagt til, vil selskapet finne ut at den feilaktige informasjonen nå gis til kunden med full tillit av roboten, og ikke fordi den er hallusinerende.
Som et resultat har selskapet mer veltalende falsk informasjon formidlet i en ny form. Nylig besøkte vi nettsiden til et NBA-basketlag. Vi stilte bot-spørsmål om treneren og vi fikk nøyaktig informasjon om treneren. Det var ett problem – han var ikke den nåværende treneren, men den tidligere treneren som senere hadde flyttet for å trene et annet NBA-lag. Boten hadde ikke informasjon om den nåværende lagtreneren fordi kunnskapsbasen ikke var oppdatert. Resultatet var en underholdende hallusinasjon.
Ed Thompson– Det finnes et annet alternativ til å gå videre med generativ AI. Hvis det meste av kunnskapsbasen er gammel eller upålitelig, kan det være enklere og bedre å skrote den og starte på nytt med pålitelig innhold. Vi anslår at over 40 % av virksomhetene vil starte på nytt fra bunnen av og generere kunnskapsartikler fra kundeinteraksjoner (anrop, chatter, e-poster osv.) ved hjelp av generativ AI. For disse virksomhetene vil det gå raskere og resultere i en dramatisk redusert risiko for hallusinasjoner fra gamle og motstridende kunnskapskilder.
Ytterligere 30 % av serviceorganisasjonene vil ha enten: god nok kunnskap; kunnskap som er god nok til at de kan stole på den; kunnskap som er god nok til at de kan fikse det; eller kunnskap de lett kan skille godt fra dårlig (dets alder, plasseringen, en form for kvalitetspoeng). I disse eksemplene er det ikke verdt å starte fra bunnen av.
Også: Fremtiden til generativ AI: Her er hva teknologianalytikere sier
De siste 30 % vil finne at dataene er et rot, men på grunn av forskrifter eller deres industri eller politikk, vil de bli tvunget til å bruke den og enten rydde opp i mange år eller gi opp siden oppgaven er for vanskelig.
Anbefaling: Vurder å gjenoppbygge kunnskapsbasen fra bunnen av.
Michael Maoz– Med enklere tjenestetransaksjoner finnes det allerede gode eksempler på generativ AI som håndterer opptil 75 % av kundeforespørslene. Dette kan heves til 95 % over tid. Grunnen til at de nåværende resultatene er mindre enn fremtidige resultater dreier seg om den nødvendige utdannelsen som en stor del av kundebasen må gjennomgå før de stoler på teknologien og er selvsikre nok til å prøve den. Ikke alle kunder er komfortable med selvbetjening, og mange gnager når de samhandler med programvare i stedet for et menneske. Bedrifter må begynne å utdanne kundene om effektiviteten til kunstig intelligens og sikkerhetstiltakene innebygd i teknologien, samt kommunisere med kundene om hvordan de kan bruke teknologien og dens fordeler for dem.
Anbefaling : Lær opp kunden til å bygge tillit til den nye generative AI-teknologien
Ed Thompson – Det er et tiår med forskning som viser at i gjennomsnitt, jo yngre og jo rikere kunden er, jo mer foretrekker de digitale kanaler fremfor menneskelige. Hvorfor? Det er ikke fordi de er teknisk overlegne – det er en feilslutning. Det er fordi de vokste opp med dem uten å måtte bytte, og fant ut at når de prøvde de menneskelige kanalene, var de mindre nyttige (dvs. vanskeligere å nå, mer varierende i kvalitet og trege).
Også: 4 måter å overvinne dine største bekymringer om generativ AI
Vi vil se mer av et skifte til digitalt ettersom eldre forbrukere og programvarebrukere over tid er i undertall av Gen Z og Millennials. I Popper og Kuhns vitenskapsfilosofidebatter på 1960-tallet ble det hevdet at den nye vitenskapsteorien til slutt ville vinne frem over den gamle gjennom rasjonell debatt og argumentasjon. For meg vinner de nye teoriene fordi den gamle teoriens tilhengere til slutt mister innflytelse eller makt eller trekker seg tilbake eller dør. Men det finnes eksempler på at eldre, mindre velstående og ikke-teknologikyndige forbrukere tar i bruk digitale kanaler i samme andel som de som er yngre og rikere. Et eksempel er WhatsApp. Ja, det er et enkelt verktøy og drar nytte av nettverkseffekter, men det er også sant at yngre adoptere lærte foreldrene og besteforeldrene sine hvordan de skal bruke det.
Anbefaling: Målrett utdanningen din mot de minst sannsynlige å ta i bruk selvbetjening.
Michael Maoz - Det er et flott poeng om generasjonsskiller og kanalpreferanser. La oss nå se på prosessdesignet til de digitale kanalene. Gitt mulighetene til generativ AI, oppdager tidlige brukere en vanskelig lekse – med mindre prosessen er utformet slik at kunden kan løse problemet på en vellykket og intuitiv måte, kan bruken av AI uten bakstopp for å nå et menneske undergrave kundeopplevelsen. For å akselerere suksess med å integrere generativ AI for kundeservice, bringer ledende selskaper kunden inn i prosessdesignsyklusen for å få innsikt og teste svarene deres.
Ed Thompson - Jeg blir kontinuerlig overrasket når jeg deltar på fora og konferanser og hører diskusjonen om kanalskifte eller generativ AI eller avbøyning av kunder — og det er ingen diskusjon om hva kunden ønsker. Diskusjonen er ikke informert om hva selskapene' kundene ønsker. Det er ikke engang mye diskusjon om hvilke enheter kundene bruker. Jeg vil si at 75 % av diskusjonen er på innsiden og ut — hva ønsker selskapet, med bare sporadiske referanser til innvirkningen på kunden som viser at selskapet satt og så på og lyttet til kunden.
Hva er rollen til generativ AI i fremtidens arbeid?
Ed Thompson - Fremtidsløftet for kundeservice er hinsides punktløsninger som svarer på enkle spørsmål, og ligger i generativ AI som brukes i flyten av prosesser. Denne tilnærmingen innebærer å kjøre hele salgsprosessen, markedsføringsprosessen eller tjenesteprosessen, enten i en reaktiv modus som svar på en kundeforespørsel eller proaktivt som en autonom agent som når ut til kunden for å bistå med et problem som dukker opp. Det langsiktige målet er at kundeservice skal forsvinne som en egen avdeling og i stedet forvandles til en personlig assistent som påkalles noen ganger uten at kunden ber om assistanse og andre ganger som svar på en kundeforespørsel.
Tenk på 'kunde' inkludert enheter og objekter som kjøretøy, maskineri, utstyr og infrastruktur som kobles gjennom APIer og sensorer til et bedriftsnettverk. I disse scenariene kan en heis, en bro eller en motor 'ringe' for assistanse uten et menneskes viten eller inngripen, og forespørselen blir oversatt til utsendelse av en menneskelig agent eller programvareagent eller en kombinasjon for å svare på forespørselen.
Også:  ;Generative AI-fremskritt vil tvinge bedrifter til å tenke stort og bevege seg raskt
Som en side, glemmer vi at kundeengasjementsenteret, populært kjent som kontaktsenteret, utviklet seg fra bare et senter som tok imot telefonsamtaler – kundesenteret. For bare 60 år siden fantes det ikke en gang et kundesenter. Det er utrolig å tenke på, og kanskje kan vi lære om fremtiden fra fortiden. Hvordan overlevde bedrifter på den tiden? En måte kan ha vært gjennom mindre spesialisering kanskje. Det ville bety at folk som solgte varer og tjenester også betjente produktet som en del av sin rolle.
Michael Maoz– Det er et flott spørsmål. Bedrifter var ikke bevisst fokusert på kundeopplevelse som en differensiator selv for 40 år siden. De så på produktkvalitet og pris som kritisk, og senere så de at kundeopplevelsen spilte en integrert rolle i selskapets vekst. Selskapene suboptimerte det de gjorde, noe som betyr at kundeservice totalt sett ble avskåret fra markedsføring og salg, og engineering og produktutvikling. Denne strategien fungerte helt til konkurrentene fant seg til behovet for å jobbe tilbake fra kundeopplevelsen – og omkonstruere produkter og tjenester for å møte kundenes skiftende behov.
Ed Thompson – Så spesialiseringen kan ha kommet inn senere, og er bare en del av historien. Siden etter andre verdenskrig har det vært eksplosiv økonomisk vekst og introduksjonen av titusenvis av nye produkter som aldri før har vært forestilt.
Michael Maoz– Jeg antar at noe historisk bakgrunn hjelper. I USA på 1940-tallet tok du en telefonrør og ringte ikke. I stedet ventet du på en stemme som sa: “Hvordan kan jeg koble deg til?” Ingen bedrifter hadde eget kundesenter før rundt 1960-tallet, og den endringen representerer et enormt skalaskifte i tillegg til det man kaller spesialisering.
Også: Hvordan Adobe utnytter generativ AI i oppgraderinger av kundeopplevelsen
På den annen side, i USA, var Sears-katalogen en trykt bok med tusenvis av varer til salgs og levert med post hvor som helst i landet. Du kunne kjøpe et prefabrikert hjem, symaskin eller hva som helst til et kjøkken, men det var bare gjennom en katalog og det var ikke et konsept med ettersalgsstøtte. Du nevnte andre verdenskrig. Etter andre verdenskrig så fremveksten av forstedene og mellomstatlige motorveier, franchisebedrifter og forhandlere som solgte et uendelig utvalg produkter over hele landet fra lokale butikker. Nasjonalt BNP tredoblet seg og forbrukere kjøpte varer og tjenester raskere enn produsentene kunne betjene dem. Den prosessen førte til at nye ettersalgsservicevirksomheter og enheter ble dannet.
Ed Thompson – For å gå tilbake til det opprinnelige poenget mitt, vi er der vi er, med all formidling og all kompleksiteten ved å støtte kunden. Jeg er enig i at det viktige gjennombruddet i næringslivet kom i løpet av 1990-tallet med arbeidet til visjonære som Martha Rodgers og Don Peppers rundt fremtiden for en-til-en markedsføring. Denne tilnærmingen passer med poenget ditt om 'kundeservice' forsvinner som egen avdeling, og lenger ut ser muligheten for at hver enkelt forbruker eller kunde har en personlig assistent som forstår deres behov. Vi kan også se en tid i fremtiden når det er slutt på massemarkedsføring. Kampanjestyring og massemarkedsføring av e-poster vil sannsynligvis forsvinne i løpet av de neste fem årene. I stedet vil markedsføring bruke den samme ideen om den personlige assistenten for å kurere det riktige tilbudet til rett tid på tvers av riktig kanal.
Hvordan bør du nærme deg generativ AI?
Michael Maoz– Dette er ikke-trivielle prosjekter, og vi kan forvente at IT og bransjer (markedsføring, salg, kundeservice, fakturering, logistikk) finner nye samarbeidsmuligheter. Forretningsenheten som ønsker å distribuere generative AI-løsninger for å håndtere kundeserviceforespørsler, må bli venner med den generative AI-lederen for å forbedre kundeopplevelsen.
Også: < /strong>De 5 beste AI-kunstgeneratorene
De beste selskapene forstår at kjernevirksomhetsprosessene må designes utenfra og inn, det vil si fra kundeperspektivet. Denne tilnærmingen hemmes av organisasjonsdesignet der kjerne IT-roller ikke er integrert i kundeprosesser. IT-ferdighetene til å integrere systemer, byggeautomatisering, migrere data og lage datavisualiseringer er langt fra de kundevendte rollene markedsføring, digital handel og salg og service. IT-team har generative AI-ferdigheter, og markedsføring, salg, handel og kundeservice har dyp innsikt i hvordan kundevendte prosesser fungerer best. Å skape team på tvers av avdelinger med delt ansvarlighet og delte suksessberegninger bidrar til å fokusere generative AI-initiativer på det som fungerer best for kunden, og på å prioritere rekkefølgen på generative AI-løsninger.
Ed Thompson– Vi kan oppsummere innsikten for selskaper som vil vinne med generativ AI som:
- Det er få eller ingen generative AI-ferdigheter for 95 % av bedriftene å ansette. Tror ikke du kan gå og få talent ved å bruke de tradisjonelle metodene, og du har ikke råd til å vente på evnen til å utvikle seg. Visjonære virksomheter vil bestemme seg for å oppgradere sine ansatte når det er mulig. Et viktig sted å starte, etter forretningsprosessdesign, vil være å sette fokus på rask design og datastyring. Flotte virksomheter vil sikre at de tekniske ferdighetene ikke er fanget inne i IT.< /ol>
Hva er fremtiden for stemme i generativ AI?
Stemme og tekst håndteres forskjellig av hjernen, og hver har en fordel i kundeservice. Menneskelig flyt i å skrive eller sende tekstmeldinger er bare en tredjedel så rask som stemme- eller bildebehandling. Det er grunner til å foretrekke tekst i mange situasjoner, alt fra personvern til presisjon. Det er også fordelen at mennesker er langt mindre presise når de snakker enn når de skriver. For eksempel kan en person snakke med et menneske ved å si at de ønsker å kjøpe to billetter på den første baselinjen på en baseballkamp: “Jeg vil gjerne ha to billetter plassert på den første baselinjen. Ja, to billetter, uansett hvilke gode seter du har, og hvis ikke, tar jeg tredje base." De ville aldri skrive, skrive eller skrive mens de snakker. De ville tenke først og deretter skrive en gang eller bruke visuelle signaler som et digitalt kart over stadion som inkluderte tilgjengelighet og priser.
Dessuten: Disse 3 AI-verktøyene gjorde min to-minutters instruksjonsvideo mye morsommere og mer engasjerende
For et stemme-AI-grensesnitt, må stemmeroboten finne ut at den andre omtalen av to billetter er overflødig, og at den alternative plasseringen refererer til den tredje basesiden av stadion og hva som utgjør “bra”. Forskjellene er enda mer dramatiske mellom tekst og bilder. Mennesker behandler bildedata tusenvis av ganger raskere enn tekstdata. De nåværende systemene for kundeservice, feltservice og handel – sammen med mange andre disipliner – vil trenge generative AI-løsninger som forstår menneskelig hensikt med mindre forespørselen er enkel og entydig. Generativ AI i komplekse scenarier kan utfylle standard arbeidsflyt og prediktiv AI. Jeg ville tatt dette videre. Den beste bruken av generativ AI som virkelig vil differensiere, i stedet for de bare essensielle/varebrukstilfellene, vil være de som blander generativ AI med prediktiv eller blander begge med mer tradisjonell arbeidsflyt.
Generativ AI er kraftig. men regler gjelder
Generativ AI er et fantastisk tillegg til verktøyene for kundeservice, både for menneskelige agenter og teknikere som vil bli beriket av kunnskapen og rådene det gir, og også for kundene som vil bli servert raskt og nøyaktig. Bedrifter som fokuserer på kundeservice og å få det riktig er de som husker det grunnleggende:
Kunden skal ikke føle stress. De skal forlate interaksjonen fornøyd. Samhandlingen forsterker at virksomheten forstår kunden. Dialogen er i samsvar med tidligere og etterfølgende interaksjoner — ikke koblet fra resten av forholdet. Det er en måte å nå et menneske etter behov. Kundeserviceopplevelsen føles ikke som en siled avdeling, men en refleksjon av virksomheten generelt. Det er litt nyhet og 'wow' som imponerer kunden med den gjennomtenkte prosessdesignen som gjør teknologien og konstruksjonen nesten usynlig.
Ed Thompson – "Vi bør tenke på tidslinjen som alt dette vil utspille seg innenfor. Vi ser sannsynligvis på en tiår lang planleggingshorisont. Samtidig må organisasjoner være svært fleksible med sin generative AI-planlegging, ettersom muligheter, prioriteringer og evner vil endre seg etter hvert som teknologien og den organisatoriske kompetansen modnes."
Ja, vi vil ha rask tilbakebetaling på innledende piloter og tidlige prosjekter. Vi anbefaler ikke å planlegge slik at du samtidig distribuerer 20 brukstilfeller av generativ AI i kundeservice i løpet av de neste to årene. Hos Salesforce jobber vi med 20 brukstilfeller på tvers av kundeservice, og dusinvis flere i hver av våre andre skyer. Vi kan alle forvente at det vil være 50 use cases i kundeservice om to år.
Kom i gang
Poenget er generativ kunstig intelligens, og veien til autonome serviceagenter er programmer for lang sikt. Du kan forvente seire hele veien, og det morsomme er at du kan satse karrieren din på det.
Generativ AI representerer en grunnleggende endring i hvordan bedrifter tenker om programvare. Vi må huske på at generativ AI går utover prediktiv AI. I stedet for å levere et resultat basert på strengt definerte regler, skaper generativ AI nye data og nytt innhold. Å skape disse resultatene trygt og pålitelig vil avhenge av rene data og tilgang til disse dataene i nesten sanntid. Integrasjon og pålitelige APIer vil være avgjørende, og det samme vil en dose tillit til data- og datastyring.
Også: 7 måter å sørge for at dataene dine er klare for generativ AI
For å oppsummere, her er noen råd når du bygger en generativ AI-kompetanse:
- Ikke kok havet ved å jage 100 brukssaker parallelt. Vær laserfokusert og prøv ting, men fokuser på å ta tre proof of concepts i produksjon med en bevist økonomisk tilbakebetaling og ikke bare beregninger rundt “sparet tid”. Ikke bruk generativ AI som en hammer for hver spiker i de mange situasjonene hvor prediktiv AI vil levere det samme resultatet og allerede er der ute og bevist. Ikke gå på rekrutteringsferdigheter. Når det er mulig, oppgrader dine folk. Det er en fantastisk måte å gjenkjenne talentet ditt. Se etter folk som er interessert i å lære. Gjør plass til at de kan øke ferdighetene. Fokuser på raske designferdigheter og raske handlings-/arbeidsflytferdigheter for de utenfor IT og dataferdigheter for personer innenfor IT. Fokuser på flyten av arbeidet. Generativ AI har størst innflytelse i flyten av en salgsprosess, en kundestøtteprosess, en markedsføringsprosess, en e-handelsprosess og en felttjenesteprosess. Vær oppmerksom på spredning av andrepiloter. Én copilot per applikasjon som må vedlikeholdes og støttes — forestill deg 1000 apper med 1000 copiloter. Med mindre du er en megabank eller et teknologiselskap, fokuserer du innsatsen for modelljustering på to eller tre bransjespesifikke brukstilfeller og bruk ut- av-the-box-teknologi fra dine eksisterende leverandører for resten. Viktigst av alt, fokus på datakvalitet, tilgang og styring. Dette er drivstoffet som AI trenger, så det krever investeringer – og sannsynligvis flere investeringer enn selve AI-investeringen. Skriv til oss. Vi elsker å stille spørsmål og dele det vi vet: mmaoz@salesforce.com for Michael og ed.thompson@salesforce.com for Ed
Denne artikkelen er medforfatter av  ;Michael Maoz, senior visepresident for innovasjonsstrategi, Salesforce, og Ed Thompson, senior visepresident for markedsstrategi, Salesforce.