Pārdošanas profesionāļi bieži saskaras ar grūtu dilemmas, veicot ārējās pārdošanas zvanus: vai turpināt iesaistīties potenciālā klienta dialogā vai pārtraukt sarunu, meklējot jaunu ieguvi. Šī atlases lēmuma pieņemšana ir ļoti svarīga, īpaši situācijās, kad pārdevēji darba laikā apstrādā daudz ieņēmumu, bet ir ierobežoti ar laika trūkumu un biežiem noraidījumiem. Neskatoties uz tās nozīmīgumu, pētījumi par to, kā šie lēmumi tiek pieņemti, to optimālitāti un veidiem, kā uzlabot šo procesu, ir nelieli. Nesen veiktā pētījuma mērķis ir aizpildīt šo iztrūkumu, izpētījot lēmumu pieņemšanu augsta apjoma ārējo pārdošanu situācijās, kurās ir pieejami daudz ieņēmumu, stingri laika ierobežojumi un augsts zvana neveiksmes risks. Pētījums pielieto optimālas apstāšanās (stopping) rāmēju — matemātisku stratēģiju, kas nosaka labāko brīdi pārtraukt darbību, lai maksimāli palielinātu peļņu. Zinātnieki izstrādāja secīgu lēmumu vadītu sesiju, ko dēvē par "apstāšanās aģentu", kas balstīts uz ģeneratīvu valodu modeli, mācoties, kad pārtraukt pārdošanas zvanus, imitējot optimālas apstāšanās politiku, kas izveidota no pagātnes datiem. Šis mākslīgā intelekta rīks analizē sarežģītus teksta datus no zvaniem, izmantojot dabiskās valodas ievades, lai noteiktu pārtraukšanas brīdi. Tas ir saderīgs ar gan atvērtā atsauce bāzes, gan patentētiem lielas valodu modeļiem, uzsverot tā elastību. Testēts uz ārējās zvanu sērijām no vadošas Eiropas telekomunikāciju uzņēmuma, apstāšanās aģents samazināja neveiksmīgu zvanu laiku par 54%, kas ir ievērojams efektivitātes uzlabojums, vienlaikus saglabājot gandrīz visas veiktās pārdošanas, neskatoties uz īsākām sarunām.

Iegūtais laiks var tikt pārvirzīts uz jauniem zvaniem, palielinot paredzamo pārdošanas apjomu līdz pat 37%. Papildu analīze atklāja, ka pārdevēji bieži koncentrējās uz dažiem acīmredzamiem lingvistiskiem indikatori, kas liecina par neinteresi, pārāk nepievēršot uzmanību smalkākiem signāliem, kas radīja neprecīzu risku prognozi par zvana neveiksmi un norāda uz kognitīviem aizspriedumiem, kas ierobežo optimālu lēmumu pieņemšanu reāllaikā. Šie atklājumi uzsver mākslīgā intelekta risinājumu, kā, piemēram, apstāšanās aģents, izmantošanas nozīmīgumu, lai pārvarētu cilvēka kognitīvās ierobežojumus, uzlabojot laika vadību un pārdošanas efektivitāti. Mūsdienu konkurences tirgū ir kritiski svarīgi optimizēt pārdošanas kontaktus un aģentu darba laiku, un mākslīgā intelekta sistēmas sniedz solīdas iespējas. Papildus pārdošanai, šis pētījums uzsvērt potenciālu uzlabot ātras lēmumu pieņemšanu sarežģītās, dinamiskās situācijās. Nākotnes pētījumi varētu pielāgot šo pieeju citiem sarunu kontekstiem, piemēram, klientu apkalpošanai, telemārketingam un sarunām, tādējādi palielinot operatīvo efektivitāti nozares vidū. Kopumā šis pētījums ir būtisks solis mākslīgā intelekta pielietošanā cilvēka lēmumu pieņemšanas optimizācijā pārdošanā, ļaujot uzņēmumiem samazināt izšķērdēto laiku un ievērojami paaugstināt sniegumu, gudri lemjot, kad jābeidz neproduktīvas sarunas. Cilvēka pieredzes un mākslīgā intelekta lēmumu atbalsta kombinācija sola radikālas pārmaiņas pārdošanas vadībā un stratēģijā.