AIアーキテクチャの顧客サービス問題

Klarnaは最近、700人のカスタマーサービス職を削減したが、AIが差し挟むことができなかった。1年以内に、顧客満足度は低下し、同社は再び人員を増やした。ガートナーによると、2027年までに、同様のワークフォース削減計画を立てている組織の半数が計画を中止することになる。

これはAIの能力不足ではない。 100%のコンタクトセンターのエージェントが毎日AIとやり取りして、さまざまな複雑な状況に対応している。

しかし、エージェントの0%がAIを仕事に不可欠だと思っていない。 そのギャップは驚くことではない。 AIは、エージェントがすでに苦労していた同じ断片化されたシステムに重ねられている。 今日、人間がまだ接続作業、タブの切り替え、コピー&ペースト、システムを接続するための手動での調整を行っている。

AIはその労力を置き換えるために作られた。 しかし、代わりにそれを複雑にした。 システム間の接続を誰かが修正しない限り、エージェントはAIの仕事を手作業で行い続け、最も重要なツールであるAIを信頼することを失う。

誰も解決していない信頼ギャップ

78%のエージェントは、AIツールが仕事のやり方を実質的に変えていないと言っている。 93%のエージェントは、行動を起こむ前にAIの出力を確認している。 エージェントは、不完全または不正確なレスポンスが多いため、確認することがデフォルトになっている。 彼らは技術に抵抗しているのではない。 まだ信頼を得ていないだけだ。

その結果は、カスタマーとの会話の中で明らかになる。 カスタマーが請求書の異議を唱えた場合、AIが生成したアカウントの概要は3ヶ月古いものである。 次の10分間、AIが瞬時に提示するはずだったものを、エージェントは複数のシステムで確認する。 その間、カスタマーは待機する。

ほとんどの組織は、このような否定的な経験を人為的な問題と見なしている。 エージェントは、AIがより複雑なタスクを担当することによって仕事が危険にさらされていると考え、AIの周りを回っている。

しかし、それはリーダーシップの問題だ。 ガートナーによると、91%のカスタマーサービスリーダーが、2026年にAIを導入する圧力を受けている。

そのような圧力の下では、抵抗を採用の問題と見なすよりも、AIのアーキテクチャが正しくないことを示す信号と見なす方が簡単だ。 その結果、間違った分野での展開を加速し、根本的な問題を解決せずにヘッドカウント削減を増やすことに焦点が当てられる。

断片化された展開が実際に生み出すもの

エージェントは、ライブのカスタマーコンバーションと 4から10の断片化されたエンタープライズツールの間のマニュアル統合レイヤーとして機能する。 彼らは、請求プラットフォーム、ERPシステム、チケットツールの間で「スウィベルチェア」する。 これは、ほとんどの企業が、すでにエージェントを遅くしていた同じ断片化されたアーキテクチャにAIを組み込んだからだ。

たとえば、チャットボットはフロントエンドのやり取りを処理できるが、エージェントが実際のトランザクションが存在するレガシーバックオフィスシステムにアクセスする必要がある場合、失敗する。 または、AIの要約ツールはポストコールノートを生成できるが、CRMのレコードではなく別のシステムに書き込む。 AIは断片化を修正するのではなく、引き継いだ。

AIは、基礎となるシステムと同じだけ接続される。 システムがコンテキストを共有しない場合、AIもできない。 歴史的なCRMレコードから情報を取得するが、ライブのカスタマーコンバーションで何が起こっているかを理解できない。 AIが推奨事項を提示するまでに、基礎となるデータがすでに変更されている可能性がある。

不完全なコンテキスト、古いデータ、断片化されたシステムは、別々の問題ではない。 それらはAIアーキテクチャの失敗の症状だ。

人間のエージェントと協調するAIアーキテクチャの構築

エージェントが実際に信頼し、カスタマーサービスの成果を改善するAIを構築するには、4つのインフラストラクチャ要件が必要だ。

1. AIツールにリアルタイムのデータアクセスを提供する。 ほとんどのCXにおけるAI展開は、利用可能な顧客データを取得する。 それは往々にして古いものだ。 AIは、顧客データへのリアルタイムアクセスを、リクエストの際に提供するように設計する必要がある。 システムが保持する同じ顧客の異なるバージョンから構成された断片化されたスナップショットではない。
2. AIに永続的なコンテキストを与える。 AIが既存のインフラストラクチャに組み込まれるのではなく、構築されるべきだ。 コンテキストは移動しない。 ハンドオフごとにドロップされる。 永続的なAIは、顧客の意図と会話のコンテキストを、システム、チャネル、人間のエージェントの間で継続的に保持しながら、全体のやり取りにわたってレイヤー化されるべきだ。 人間のエージェントが介入するとき、彼らは最初から始めるべきではない。
3. 自律的な実行のためのエージェントAIを実装する。 次の重要な飛躍は、エージェントが必要とする作業を自律的に実行できるAIだ。 人間のエージェントは、観察可能性と制御のためにループに留まる。 エージェントに次に何をするかを伝えるのではなく、エージェントAIはエンタープライズシステム全体でワークフローをオーケストレートする。 請求書の提出、返金の処理、レコードの更新、レガシーアプリケーションにAPIがない場合でも、タスクの完了を行う。 AIが実行を担当し、人間のエージェントは判断、共感、より強いカスタマーリレーションを築くことに集中する。
4. 成果から改善するAIシステムを選択する。 ほとんどのエンタープライズAIは、展開後は静的だ。 その影響力のあるアーキテクチャは、実際に問題を解決したものに基づいてワークフローを最適化する、成果からのフィードバックループを継続的に学習するものだ。 将来のパフォーマンスのために、成果と将来のパフォーマンスのフィードバックループを閉じるAIは、展開して保持されるAIとは根本的に異なる。

エージェントがAIに対して抱く信頼ギャップは、トレーニングの問題でも採用の問題でもない。 それはアーキテクチャの問題だ。

AIの真のROIは、ヘッドカウントを削減することではなく、エージェントがシステムではなくカスタマーに集中できる価値にある。 それは、AIが実行レイヤーに組み込まれている場合のみ発生する。 それを上に配置するのではなく。

採用に苦労している組織は、AIに遅れていない。 インフラストラクチャに遅れている。 アーキテクチャを修正し、採用の問題は自ら解決される。