Ekipe za podporo pogosto izgubljajo čas z istimi težavami znova in znova: vprašanja o statusu naročila, ponastavitve gesel, preverjanje vračil kupnine, osnovno odpravljanje težav in sporočila po delovnem času, ki se do jutra nakopičijo. Od tod tudi zanimanje za agentno umetno inteligenco in chatbote za podporo strankam. Ne zato, ker bi podjetja iskala hype, ampak zato, ker so čakalne vrste za odgovore, stroški kadra in neenakomerna kakovost storitve resnični problemi.[TechCrunch][Bloomberg]
Uporabno vprašanje ni, ali umetna inteligenca spada v podporo strankam. Vprašanje je, kateri deli podpore so dovolj strukturirani, da jih lahko umetna inteligenca varno obravnava, in kateri še vedno zahtevajo človeka.
V praksi agentna umetna inteligenca pomeni programsko opremo, ki zmore več kot odgovarjati po skripti. Lahko poišče podatke o naročilu, pridobi podrobnosti računa, pripravi osnutek odgovora, usmeri primer ali izvede preprosto dejanje v povezanih sistemih. Poslovna vrednost je običajno v hitrosti in doslednosti pri rutinskem delu, ne v nadomeščanju vsake človeške interakcije.[Bloomberg][Forrester]
14.ai
Dober primer je nedavni val podjetij za podporo, ki so zasnovana kot AI-native in se osredotočajo na zmanjševanje zaostankov in reševanje zahtevkov na prvi liniji. TechCrunch poroča, da se 14.ai pozicionira kot kombinacija programske opreme in operacij, se hitro integrira ter pomaga strankam odpravljati zaostanke v podpori čez različne kanale. To je praktičen primer uporabe: ponavljajoče se zahteve z velikim obsegom prevzame sistem, tako da se obremenjena ekipa lahko osredotoči na izjeme.[TechCrunch]
Salesforce
Na večjem delu trga Bloomberg poroča, da Salesforce navaja, da z uporabo umetne inteligence v lastnih operacijah podpore strankam prihrani približno 100 milijonov dolarjev na leto. Ta številka se ne bo neposredno prenesla na manjše podjetje, vendar je vzorec pomemben: koristi običajno izhajajo iz zmanjšanja časa obravnave ponavljajočih se zahtevkov, hitrejšega odzivanja ter iz tega, da lahko agenti delajo hitreje s pomočjo boljših predlogov in povzetkov.[Bloomberg]
Toda tveganja so resnična. Fortune je poročal o primeru podjetja Cursor, kjer naj bi AI-podporni bot izmišljeno uvedel politiko, kar je povzročilo zmedo med strankami in odpovedi.[Fortune] To je osrednji način odpovedi: chatbot, ki zveni samozavestno, a se moti. Reuters je prav tako opozoril, da lahko AI-agenti ustvarijo pravno tveganje, če dajejo obljube ali izvajajo dejanja, ki presegajo to, kar je podjetje dejansko nameravalo.[Reuters Legal News]
Za majhno ali srednje veliko podjetje to pomeni, da so AI-chatboti običajno najbolj koristni v ožji začetni vlogi:[Forrester]
- odgovarjanje na pogosta vprašanja z nizkim tveganjem
- zbiranje pravih informacij pred predajo človeku
- pravilno usmerjanje ticketov
- priprava osnutkov odgovorov ali povzetkov primerov za agente
- obravnava preprostih preverjanj statusa, povezanih z živimi sistemi
Najboljši zgodnji rezultati se običajno pojavijo v podjetjih s ponovljivimi servisnimi zahtevki: e-trgovina, SaaS, logistika, komunalne storitve, administracija v zdravstvu in storitve, ki temeljijo na naročanju terminov.[Forrester]
Trud, učinek in omejitve
Trud
Zmeren, če je vaša vsebina za pomoč že organizirana; precej težje, če so politike razpršene po različnih dokumentih in nabiralnikih.[Forrester]
Učinek
Običajno hitrejši prvi odzivi, manjši obseg rutinskih ticketov in manj časa, ki ga agenti porabijo za kopiranje informacij med sistemi.[TechCrunch][Bloomberg]
Odvisnost
Rezultati se močno izboljšajo, ko ima bot dostop do natančnega znanja in aktualnih podatkov o strankah.[Forrester][Reuters Legal News]
Glavno tveganje
Napačni odgovori, podani samozavestno, lahko zaupanje poškodujejo hitreje kot počasni odgovori.[Fortune][Reuters Legal News]
Pogosta napaka
Prezgodnja odstranitev človeške eskalacije ali oteževanje predaje zahtevka človeku.[Forrester]
Kako začeti
Izberite en ponavljajoč se podporni proces z jasnimi pravili, na primer preverjanje statusa naročila ali ponastavitev gesla.[TechCrunch]
Pred spremembami izmerite trenutni obseg zahtevkov, povprečni čas obravnave in stopnjo napak.[Bloomberg][Forrester]
Zagon izvedite z jasnimi pravili eskalacije in vsak teden pregledajte vzorec pogovorov, ki jih je obravnavala umetna inteligenca.[Fortune][Reuters Legal News]
Če je to relevantno za vašo ekipo, začnite z enim procesom z nizkim tveganjem in uspeh ocenjujte po manj ticketih, hitrejšem reševanju in manj pritožbah strank.