Das AI-Architektur-Problem im Kundenservice

Klarna hat kürzlich 700 Kundenservice-Jobs gestrichen, in der Annahme, dass KI die Differenz ausgleichen könne. Innerhalb eines Jahres hatte sich die Kundenzufriedenheit jedoch verringert und das Unternehmen stellte wieder ein.

Dies ist kein Problem der KI-Fähigkeiten. 100% der Kontaktcenter-Agenten interagieren täglich mit KI, um eine Vielzahl komplexer Situationen zu bewältigen.

Trotzdem betrachten null Prozent der Agenten KI als entscheidend für ihre Arbeit. Diese Lücke ist nicht überraschend. KI wird immer wieder auf dieselben fragmentierten Systeme aufgesetzt, die den Agenten bereits vor der Einführung von KI-Tools Schwierigkeiten bereiteten. Heute müssen Menschen noch immer die verbindende Arbeit leisten, das Tab-Wechseln, das Kopieren und Einfügen sowie die manuelle Abstimmung, die ein System mit einem anderen verbindet.

KI wurde entwickelt, um diese Arbeit zu ersetzen. Stattdessen hat sie sie komplizierter gemacht. Solange niemand die Verbindungen zwischen den Systemen behebt, werden Agenten weiterhin die Arbeit von KI manuell erledigen und das Vertrauen in das wichtigste Werkzeug verlieren, das ihnen zur Verfügung steht.

Die Vertrauenslücke, die niemand behebt

Achtundsiebzig Prozent der Agenten sagen, dass KI-Tools ihre Arbeitsweise nicht wesentlich verändert haben.Dreiundneunzig Prozent überprüfen die Ausgaben von KI, bevor sie darauf reagieren. Agenten sehen genug unvollständige oder ungenaue Antworten, dass das Überprüfen zum Standard wird. Sie widersetzen sich der Technologie nicht. Sie hat noch nicht ihr Vertrauen gewonnen.

Die Folgen werden im Mittelpunkt eines Kunden-Gesprächs sichtbar. Ein Kunde ruft wegen eines Rechnungsstreits an und die von KI generierte Kontoubersicht ist drei Monate alt. Sie verbringen die nächsten zehn Minuten damit, über mehrere Systeme hinweg zu überprüfen, was KI sofort hätte bereitstellen sollen, während der Kunde in der Warteschleife sitzt.

Die meisten Organisationen sehen diese negative Erfahrung als ein Personalproblem. Agenten haben Angst, dass ihre Arbeit durch KI gefährdet ist, die komplexere Aufgaben übernimmt, also arbeiten sie darum herum.

Es ist jedoch ein Führungsproblem. Gartner fand heraus, dass 91% der Kunden-Service-Führer unter Druck stehen, KI umzusetzen.

Unter diesem Druck ist es leicht, Widerstand als ein Adoptionsproblem zu interpretieren, anstatt als ein Signal, dass KI nicht korrekt architektiert ist. Als Ergebnis bleibt der Fokus auf die Beschleunigung der Bereitstellung in den falschen Bereichen und die Erhöhung der Reduzierung der Mitarbeiterzahl, ohne das zugrunde liegende Problem zu beheben.

Was eine fragmentierte Bereitstellung tatsächlich produziert

Agenten dienen als manuelle Integrations-Schicht zwischen einem Live-Kunden-Gespräch und 4 bis 10 nicht verbundene Unternehmens-Tools. Sie “schwenken” zwischen Rechnungs-Plattformen, ERP-Systemen und Ticket-Tools, während ein Kunde in der Warteschleife sitzt. Das liegt daran, dass die meisten Unternehmen KI auf dieselbe fragmentierte Architektur aufgesetzt haben, die die Agenten bereits vorher behinderte.

Zum Beispiel können Chatbots den Front-End-Teil einer Interaktion bearbeiten, aber versagen, wenn Agenten auf das Legacy-Back-Office-System zugreifen müssen, in dem die tatsächliche Transaktion stattfindet, und zwingen die Agenten, die Aufgabe manuell zu erledigen. Oder KI-Zusammenfassungstools können Post-Call-Notizen generieren, aber sie schreiben in ein separates System, anstatt in das CRM der Aufzeichnung. KI hat die Fragmentierung geerbt, anstatt sie zu beheben.

KI ist nur so vernetzt wie die Systeme darunter. Wenn Systeme keinen Kontext teilen, kann KI es auch nicht. Es zieht aus historischen CRM-Aufzeichnungen, aber es kann nicht verstehen, was in einem Live-Kunden-Gespräch passiert. Wenn es eine Empfehlung bereitstellt, kann die zugrunde liegende Daten bereits geändert worden sein.

Unvollständiger Kontext, veraltete Daten und nicht verbundene Systeme sind keine separaten Probleme. Sie sind Symptome eines KI-Architektur-Fehlers.

Die Erstellung einer KI-Architektur, die mit menschlichen Agenten zusammenarbeitet

Die Erstellung von KI, der Agenten wirklich vertrauen und die Kundenservice-Ergebnisse verbessert, kommt auf vier Infrastruktur-Anforderungen hinunter:

1. Bieten Sie KI-Tools Echtzeit-Datenzugriff. Die meisten KI-Bereitstellungen in CX ziehen aus den verfügbaren Kunden-Daten. Es ist oft veraltet. KI muss so architektiert werden, dass sie Echtzeit-Zugriff auf Kunden-Daten bietet, wenn eine Anfrage gestellt wird, und nicht ein fragmentiertes Snapshot, das aus Systemen zusammengestellt wird, die unterschiedliche Versionen desselben Kunden halten.
2. Geben Sie KI persistierenden Kontext. Wenn KI auf bestehende Infrastruktur aufgesetzt wird, anstatt in sie integriert zu werden, wird der Kontext nicht übertragen. Er wird bei jedem Übergang abgebrochen. Persistente KI sollte über die gesamte Interaktion hinweg geschichtet werden, kontinuierlich Kunden-Intent und Gesprächskontext tragend, während die Arbeit zwischen Systemen, Kanälen und menschlichen Agenten wechselt. Wenn ein menschlicher Agent eintritt, sollte er nicht von vorne beginnen.
3. Implementieren Sie agentische KI für autonome Ausführung, nicht nur Empfehlungen. Der nächste bedeutende Schritt ist KI, die die Arbeit, die Agenten erfordern, autonom ausführen kann, während der Mensch in der Schleife für Beobachtbarkeit und Kontrolle bleibt. Anstatt den Agenten zu sagen, was sie als nächstes tun sollen, orchestriert agentische KI Workflows über Unternehmens-Systeme hinweg, bearbeitet Ansprüche, verarbeitet Rückerstattungen, aktualisiert Aufzeichnungen und erledigt Aufgaben, sogar über Legacy-Anwendungen ohne APIs hinweg. KI bearbeitet die Ausführung, während menschliche Agenten sich auf Urteilsvermögen, Empathie und den Aufbau stärkerer Kunden-Beziehungen konzentrieren.
4. Wählen Sie KI-Systeme, die sich aus Ergebnissen verbessern, nicht nur aus Eingaben. Die meisten Unternehmens-KI ist nach der Bereitstellung statisch. Die wirksamere Architektur ist eine, die kontinuierlich aus Interaktions-Ergebnissen lernt, Workflows optimiert, basierend auf dem, was tatsächlich das Problem gelöst hat, und nicht nur auf dem, was die Trainings-Daten vorhergesagt haben. KI, die die Rückkopplung-Schleife zwischen Ergebnissen und zukünftiger Leistung schließt, ist grundlegend anders als KI, die bereitgestellt und festgehalten wird.

Die Vertrauenslücke, die Agenten mit KI haben, ist kein Trainings-Problem oder ein Adoptions-Problem. Es ist ein Architektur-Problem.

Der wahre ROI von KI liegt nicht in der Reduzierung der Mitarbeiterzahl, sondern im Wert, der entsteht, wenn Agenten endlich auf Kunden anstatt auf Systeme fokussieren können. Das passiert nur, wenn KI in die Ausführungsebene integriert wird, anstatt darauf gesetzt zu werden.

Die Organisationen, die immer noch mit der Einführung zu kämpfen haben, sind nicht hinter der KI her. Sie sind hinter der Infrastruktur her. Beheben Sie die Architektur, und das Adoptions-Problem löst sich von selbst.