Profesional jualan sering menghadapi dilema yang sukar semasa panggilan jualan keluar: sama ada meneruskan penglibatan dengan pelanggan yang berpotensi atau menamatkan perbualan untuk mengejar prospek lain. Keputusan penyaringan ini amat penting, terutamanya dalam suasana di mana jurujual mengendalikan banyak prospek tetapi terikat oleh masa yang terhad dan penolakan yang kerap. Walaupun kepentingannya, penyelidikan mengenai bagaimana keputusan ini dibuat, keoptimalannya, dan cara-cara untuk memperbaiki proses ini masih terhad. Sebuah kajian terkini mengatasi kekurangan ini dengan meneliti pembuatan keputusan dalam jualan keluar yang bervolume tinggi, yang dicirikan oleh banyak prospek, had masa yang ketat, dan peluang gagal panggilan yang tinggi. Kajian ini menerapkan kerangka berhenti optimal—a strategi matematik yang mengenalpasti saat terbaik untuk menghentikan aktiviti bagi memaksimumkan ganjaran. Penyelidik mencipta agen keputusan berurutan berasaskan model bahasa generatif, dipanggil “agen berhenti, ” yang direka untuk mempelajari bila harus menamatkan panggilan jualan dengan meniru polisi berhenti optimum yang diperoleh daripada data jualan terdahulu. Alat AI ini menganalisis data tekstual yang kompleks dari panggilan, menggunakan input bahasa semula jadi untuk menentukan bila perlu berhenti berhubung. Ia menyokong integrasi dengan kedua-dua model bahasa besar sumber terbuka dan hak milik, menonjolkan kebolehserasiannya. Ujian dilakukan pada panggilan keluar dari sebuah syarikat telekomunikasi utama di Eropah, di mana agen berhenti mengurangkan masa yang dihabiskan untuk panggilan yang tidak berjaya sebanyak 54%, penambahbaikan kecekapan yang besar, sambil kekal hampir semua jualan berjaya walaupun dengan panggilan yang lebih singkat.

Masa yang dijimatkan boleh dialihkan untuk panggilan baharu, meningkatkan jumlah jualan yang dijangka sehingga 37%. Analisis selanjutnya mendedahkan bahawa jurujual cenderung menumpukan perhatian secara berat terhadap beberapa tanda linguistik yang jelas mengenai kurang minat, mengabaikan petanda yang lebih halus, yang menyebabkan ramalan risiko kegagalan panggilan yang kurang tepat dan menunjukkan bias kognitif yang mengehadkan pengambilan keputusan secara optimum dalam masa nyata. Penemuan ini menekankan nilai alat berasaskan AI seperti agen berhenti untuk mengatasi kekangan kognitif manusia, meningkatkan pengurusan masa dan keberkesanan jualan. Dalam pasaran yang kompetitif hari ini, mengoptimumkan hubungan jualan dan masa jurujual adalah kritikal, dan sistem AI menawarkan penyelesaian yang berpotensi. Selain jualan, kajian ini mengetengahkan potensi lebih luas AI untuk memperbaiki keputusan pantas dalam situasi yang kompleks dan dinamik. Kajian masa depan mungkin menyesuaikan pendekatan ini kepada konteks berasaskan perbualan lain seperti sokongan pelanggan, telepemasaran, dan rundingan, yang berpotensi meningkatkan kecekapan operasi merentasi industri. Secara keseluruhan, kajian ini menandakan kemajuan penting dalam penggunaan AI untuk mengoptimumkan pembuatan keputusan manusia dalam jualan, membolehkan perniagaan mengurangkan masa yang terbuang dan meningkatkan prestasi secara ketara melalui keputusan pintar tentang bila harus menamatkan interaksi yang tidak produktif. Gabungan kepakaran manusia dan sokongan keputusan AI menjanjikan impak yang transformatif terhadap pengurusan dan strategi pasukan jualan.