Problém architektury umělé inteligence v zákaznické službě

Společnost Klarna nedávno zrušila700 pracovních míst v zákaznické službě, vsázela na to, že umělá inteligence (AI) bude schopna absorbovat rozdíl. Během jednoho roku však spokojenost zákazníků klesla a společnost začala opět najímat.

Nejde o problém s schopnostmi AI. 100 % agentů v kontaktních centrech pracuje s AI denně, aby zvládli širokou škálu složitých situací.

Přesto žádný z agentů nepovažuje AI za kritickou součást své práce. Tato mezera není překvapivá. AI se neustále přidává k týmž fragmentovaným systémům, které již dříve selhávaly. Dnes lidé stále dělají spojovací práci, přepínají se mezi okny, kopírují a vkládají data a ručně sjednocují systémy.

AI byla vytvořena, aby nahradila tuto práci. Místo toho ji však zkomplikovala. Dokud někdo nevyřeší spojení mezi systémy, agenti budou muset dělat práci AI ručně a ztratí důvěru v nejdůležitější nástroj, který mají k dispozici.

Mezera důvěry, kterou nikdo neřeší

Osmdesát osm procent agentů uvádí, že nástroje AI podstatně nezměnily způsob, jakým pracují. Devadesát tři procenta agentů ověřují výstupy AI předtím, než na ně reagují. Agenti vidí dostatek neúplných nebo nepřesných odpovědí, aby se stala dvojitá kontrola standardem. Neodporují technologii. Ta dosud nezískala jejich důvěru.

Následky jsou patrné uprostřed zákaznické konverzace. Zákazník volá kvůli sporu o fakturaci a souhrn účtu vygenerovaný AI je tři měsíce starý. Stráví dalších deset minut ověřováním údajů napříč několika systémy, co AI mělo okamžitě vyřešit, zatímco zákazník čeká na lince.

Většina organizací vidí tuto negativní zkušenost jako problém lidí. Agenti se bojí, že o svou práci přijdou kvůli tomu, že AI přebírá složitější úkoly, a proto ji obcházejí.

Jde však o problém vedení. Gartner zjistil, že 91 % lídrů v zákaznické službě je pod tlakem, aby implementovali AI.

Pod tímto tlakem je snadné interpretovat odpor jako problém s přijetím, místo aby to bylo signálem, že AI není architektonicky správně. V důsledku toho zůstává zaměření na urychlení nasazení v nesprávných oblastech a na snižování počtu zaměstnanců bez řešení základního problému.

Co fragmentované nasazení skutečně produkuje

Agenti slouží jako manuální integrační vrstva mezi živou zákaznickou konverzací a 4 až 10 nespojenými podnikovými nástroji. „Otáčejí se“ mezi fakturačními platformami, systémy ERP a nástroji pro zpracování tiketů, zatímco zákazník čeká na lince. To je proto, že většina podniků přidala AI k téže fragmentované architektuře, která již dříve zpomalovala agenty.

Například chatboti mohou zvládnout přední část interakce, ale selhávají, když agenti potřebují přístup k legacy back-office systému, kde skutečně žije transakce, a proto agenti musí úkol dokončit ručně. Nebo nástroje pro souhrn AI mohou generovat poznámky po hovoru, ale zapisují je do samostatného systému místo do CRM. AI zdědila fragmentaci místo toho, aby ji vyřešila.

AI je pouze tak spojena, jako jsou systémy pod ní. Když systémy nesdílejí kontext, AI to nemůže udělat. Čerpá z historických záznamů CRM, ale nemůže pochopit, co se děje v živé zákaznické konverzaci. Do doby, než AI vygeneruje doporučení, může se změnit podkladová data.

Neúplný kontext, zastaralá data a nespojené systémy nejsou samostatné problémy. Jsou symptomy selhání architektury AI.

Vytvoření architektury AI, která funguje s lidskými agenty

Vytvoření AI, které agenti skutečně důvěřují a které zlepšuje výsledky zákaznické služby, se snížilo na čtyři požadavky na infrastrukturu:

1. Poskytněte nástrojům AI přístup k aktuálním údajům v reálném čase. Většina nasazení AI v zákaznické službě čerpá z dostupných zákaznických údajů. Často jsou zastaralé. AI by měla být architektonicky navržena tak, aby poskytovala přístup k aktuálním zákaznickým údajům v okamžiku, kdy je požadavek učiněn, a ne fragmentované snímky sestavené ze systémů, které uchovávají různé verze stejného zákazníka.
2. Poskytněte AI trvalý kontext. Když je AI přidána k existující infrastruktuře místo toho, aby byla do ní vestavěna, kontext se nezachovává. Je ztracen při každém předání. Trvalá AI by měla být vrstvena napříč celou interakcí, přičemž kontinuálně přenáší zákaznickou intenci a konverzační kontext, zatímco práce přechází mezi systémy, kanály a lidskými agenty. Když se lidský agent zapojí, neměl by začínat od začátku.
3. Implementujte agenty AI pro autonomní provádění, ne pouze doporučení. Další významný skok je AI, která může autonomně provádět práci, kterou agenti vyžadují, zatímco udržuje lidského agenta v smyčce pro pozorovatelnost a kontrolu. Místo toho, aby agentům říkala, co mají dělat dál, agenty AI orchestrují pracovní postupy napříč podnikovými systémy, podávají nároky, zpracovávají refundace, aktualizují záznamy a dokončují úkoly, i na legacy aplikacích bez API. AI zajišťuje provádění, zatímco lidským agentům se soustředí na úsudek, empatii a budování silnějších vztahů se zákazníky.
4. Vyberte si systémy AI, které se zlepšují z výsledků, ne pouze z vstupů. Většina podnikové AI je statická po nasazení. Více působivá architektura je taková, která se neustále učí z výsledků interakcí, optimalizuje pracovní postupy na základě toho, co skutečně vyřešilo problém, a ne pouze na základě toho, co předpověděly tréninková data. AI, která uzavírá zpětnou smyčku mezi výsledky a budoucím výkonem, je fundamentálně odlišná od AI, která se nasazuje a drží.

Mezera důvěry, kterou mají agenti k AI, není problémem školení ani přijetí. Je to problém architektury.

Skutečný ROI AI není ve snižování počtu zaměstnanců, ale v hodnotě, která je vytvořena, když agenti mohou konečně soustředit se na zákazníky místo na systémy. To se stane pouze tehdy, když je AI vestavěna do vrstvy provádění, a ne pouze přidána na ni.

Organizace, které stále zápasí s přijetím, nejsou pozadu v AI. Jsou pozadu v infrastruktuře. Opravte architekturu a problém s přijetím se sám vyřeší.