Il Problema dell’Architettura dell’Intelligenza Artificiale nel Servizio Clienti

Klarna ha recentemente tagliato700 posti di lavoro nel servizio clienti, scommettendo che l’intelligenza artificiale potesse assorbire la differenza. Entro un anno, la soddisfazione del cliente era scesa e l’azienda stava assumendo di nuovo.Gartner prevede che entro il 2027, la metà delle organizzazioni che pianificano riduzioni simili della forza lavoro abbandoneranno tali piani.

Questo non è un problema di capacità dell’intelligenza artificiale. Il 100% degli agenti di contatto interagisce quotidianamente con l’intelligenza artificiale per gestire una vasta gamma di situazioni complesse.

Eppure, lo 0% degli agenti considera l’intelligenza artificiale fondamentale per il loro lavoro. Quella lacuna non è sorprendente. L’intelligenza artificiale continua a essere sovrapposta ai sistemi frammentati che già stavano fallendo gli agenti prima che gli strumenti di intelligenza artificiale avanzati esplodessero sulla scena. Oggi, gli esseri umani continuano a fare il lavoro di collegamento, il passaggio tra schede, la copia e incolla, la riconciliazione manuale che lega un sistema all’altro.

L’intelligenza artificiale è stata costruita per sostituire quel lavoro. Invece, lo ha reso più complesso. Finché qualcuno non risolverà le connessioni tra i sistemi, gli agenti continueranno a fare il lavoro dell’intelligenza artificiale a mano e perderanno fiducia nell’strumento più importante a loro disposizione.

La Lacuna di Fiducia che Nessuno Sta Risolvendo

Il 78% degli agenti afferma che gli strumenti di intelligenza artificiale non hanno cambiato in modo significativo il loro modo di lavorare.Il 93% verifica i risultati dell’intelligenza artificiale prima di agire in base ad essi. Gli agenti vedono abbastanza risposte incomplete o inaccurate da rendere la verifica doppia la norma. Non stanno resistendo alla tecnologia. Non ha ancora guadagnato la loro fiducia.

Le conseguenze diventano visibili nel mezzo di una conversazione con il cliente. Un cliente chiama per una disputa sulla fattura e il riassunto del conto generato dall’intelligenza artificiale è datato di tre mesi. Trascorrono i successivi dieci minuti verificando attraverso più sistemi ciò che l’intelligenza artificiale avrebbe dovuto fornire istantaneamente, mentre il cliente è in attesa.

La maggior parte delle organizzazioni legge quell’esperienza negativa come un problema di persone. Gli agenti hanno paura che il loro lavoro sia a rischio a causa dell’intelligenza artificiale che assume compiti più complessi, quindi lavorano intorno ad esso.

In realtà è un problema di leadership. Gartner ha scoperto che il 91% dei leader del servizio clienti è sotto pressione esecutiva per implementare l’intelligenza artificiale.

Sotto quel tipo di pressione, è facile interpretare la resistenza come un problema di adozione piuttosto che come un segnale che l’intelligenza artificiale non è progettata correttamente. Di conseguenza, l’attenzione rimane sull’accelerazione della distribuzione nelle aree sbagliate e sull’aumento delle riduzioni della forza lavoro senza risolvere il problema sottostante.

Cosa Produce Effettivamente la Distribuzione Frammentata

Gli agenti servono come livello di integrazione manuale tra una conversazione con il cliente e 4 a 10 strumenti aziendali non connessi. Fanno “swivel-chair” tra piattaforme di fatturazione, sistemi ERP e strumenti di ticketing mentre un cliente aspetta in linea. Ciò avviene perché la maggior parte delle imprese ha fissato l’intelligenza artificiale sulla stessa architettura frammentata che già stava rallentando gli agenti.

Ad esempio, i chatbot possono gestire la parte iniziale di un’interazione ma fallire quando gli agenti devono accedere al sistema legacy back-office in cui si trova effettivamente la transazione, costringendo gli agenti a completare il compito manualmente comunque. Oppure, gli strumenti di riassunto dell’intelligenza artificiale possono generare note post-chiamata ma scrivono su un sistema separato invece che sul CRM di record. L’intelligenza artificiale ha ereditato la frammentazione invece di risolverla.

L’intelligenza artificiale è solo connessa quanto i sistemi sottostanti. Quando i sistemi non condividono il contesto, l’intelligenza artificiale non può farlo. Attinge da record storici CRM, ma non può capire cosa sta succedendo in una conversazione con il cliente in tempo reale. Nel momento in cui fornisce una raccomandazione, i dati sottostanti possono essere cambiati.

Il contesto incompleto, i dati obsoleti e i sistemi non connessi non sono problemi separati. Sono sintomi di un fallimento dell’architettura dell’intelligenza artificiale.

Costruire un’Architettura dell’Intelligenza Artificiale che Funziona con gli Agenti Umani

Costruire un’intelligenza artificiale che gli agenti possano effettivamente fidarsi e che migliori i risultati del servizio clienti, si riduce a quattro requisiti di infrastruttura:

1. Fornire agli strumenti di intelligenza artificiale l’accesso ai dati in tempo reale. La maggior parte dei dispiegamenti di intelligenza artificiale nel CX attinge da quali che siano i dati del cliente disponibili. Spesso sono obsoleti. L’intelligenza artificiale deve essere progettata per fornire l’accesso in tempo reale ai dati del cliente nel momento in cui viene effettuata una richiesta, non uno snapshot frammentato assemblato da sistemi che detengono versioni diverse dello stesso cliente.
2. Dare all’intelligenza artificiale un contesto persistente. Quando l’intelligenza artificiale è fissata sull’infrastruttura esistente invece di essere costruita in essa, il contesto non viaggia. Viene lasciato a ogni passaggio. L’intelligenza artificiale persistente dovrebbe essere stratificata su tutta l’interazione, trasportando continuamente l’intento del cliente e il contesto conversazionale mentre il lavoro si sposta tra sistemi, canali e agenti umani. Quando un agente umano interviene, non dovrebbe iniziare da zero.
3. Implementare un’intelligenza artificiale agente per l’esecuzione autonoma, non solo per le raccomandazioni. Il prossimo significativo balzo è un’intelligenza artificiale che possa eseguire il lavoro richiesto dagli agenti in modo autonomo, mantenendo l’essere umano nel loop per l’osservabilità e il controllo. Piuttosto che dire agli agenti cosa fare dopo, l’intelligenza artificiale agente orchestra i flussi di lavoro attraverso i sistemi aziendali, presentando reclami, elaborando rimborsi, aggiornando record e completando attività anche attraverso applicazioni legacy senza API. L’intelligenza artificiale gestisce l’esecuzione mentre gli agenti umani si concentrano sul giudizio, l’empatia e la costruzione di relazioni con il cliente più forti.
4. Scegliere sistemi di intelligenza artificiale che migliorano dagli esiti, non solo dagli input. La maggior parte dell’intelligenza artificiale aziendale è statica dopo il dispiegamento. L’architettura più impattante è quella che impara continuamente dagli esiti delle interazioni, ottimizzando i flussi di lavoro in base a ciò che ha effettivamente risolto il problema, non solo a ciò che i dati di formazione prevedevano sarebbe stato. L’intelligenza artificiale che chiude il ciclo di feedback tra gli esiti e le prestazioni future è fondamentalmente diversa dall’intelligenza artificiale che si dispiega e mantiene.

La lacuna di fiducia che gli agenti hanno con l’intelligenza artificiale non è un problema di formazione o di adozione. È un problema di architettura.

Il vero ROI dell’intelligenza artificiale non è nella riduzione della forza lavoro, ma nel valore creato quando gli agenti possono finalmente concentrarsi sui clienti invece che sui sistemi. Ciò avviene solo quando l’intelligenza artificiale è costruita nel livello di esecuzione, non gettata sopra di esso.

Le organizzazioni che ancora lottano con l’adozione non sono indietro sull’intelligenza artificiale. Sono indietro sull’infrastruttura. Risolvere l’architettura e il problema di adozione si risolve da solo.