AI 아키텍처 문제: 고객 서비스의 신뢰 격차

Klarna는 최근 700개의 고객 서비스 직원을 감축하였으며, AI가 차이를吸収할 수 있다고 베팅하였다. 그러나 1년 내에 고객 만족도가 떨어지고 회사에서는 다시 직원을 채용하기 시작하였다.

이것은 AI의 능력 문제가 아니다. 100%의 연락 센터 에이전트가 매일 AI와 상호작용하여 다양한 복잡한 상황을 처리한다.

그러나 에이전트는 AI를 자신의 작업에 중요하다고 생각하지 않는다. 이는驚くことではない. AI는 이미 에이전트에게 문제를 일으키던 동일한 단편적인 시스템에 계속 추가되고 있다. 오늘날, 인간은 여전히 시스템 간의 연결 작업, 탭 전환, 복사 및 붙여넣기, 수동 조정을 수행해야 한다.

AI는 이러한 노동을 대체하기 위해 설계되었다. 그러나 그것은 노동을 복잡하게 만들었다. 시스템 간의 연결을 고칠 때까지 에이전트는 AI의 작업을 수동으로 수행해야 하며, 가장 중요한 도구인 AI를 신뢰하지 못할 것이다.

신뢰 격차:誰も 解決하지 못하는 문제

에이전트의 78%는 AI 도구가 자신의 작업 방식을 의미있게 변경하지 않았다고 말한다. 93%는 AI 출력을 작업 전에 확인한다. 에이전트는 불완전하거나 부정확한 응답을 많이 보아 双重 확인이 기본이 된다. 그들은 기술을 거부하지 않는다. 아직 신뢰를 얻지 못했다.

고객과의 대화 중에 이러한 부정적인 경험을 볼 수 있다. 고객이 청구 tranh议에 대해 문의하면, AI 생성된 계정 요약은 3개월 전의 것이다. 그들은 다음 10분 동안 여러 시스템에서 확인해야 하는 것을 AI가 즉시 표면화해야 하는 것을 확인한다. 고객이 홀드 중인 동안이다.

대부분의 조직은 이러한 부정적인 경험을 사람 문제로 간주한다. 에이전트는 자신의 일이 AI에 의해 위협을 받을 수 있으므로, AI를 회피한다.

그러나 이것은 리더십 문제이다. Gartner는 고객 서비스 리더의 91%가 AI를 구현하도록 압력을 받고 있다고 밝혔다.

이러한 압력下에서, 에이전트의 반발을 채택 문제로 간주하기보다는 AI가 올바르게 설계되지 않았음을 나타내는 신호로 간주하는 것이 쉽다. 따라서, 잘못된 영역에서 배포를 가속화하는 데 중점을 두고, 기본적인 문제를 해결하지 않고 헤드카운트를 줄인다.

단편적인 배포가 실제로 생산하는 것

에이전트는 실시간 고객 대화와 4〜10개의 분리된 엔터프라이즈 도구 사이의 수동 통합 계층으로 작동한다. 그들은 고객이 홀드 중인 동안 청구 플랫폼, ERP 시스템 및 티켓 도구 사이를 “스위블 체어”한다. 이것은 대부분의 기업이 동일한 단편적인 아키텍처에 AI를 추가했기 때문이다.

예를 들어, 챗봇은 프론트엔드 상호작용을 처리할 수 있지만 에이전트가 실제 트랜잭션이 있는 레거시 백오피스 시스템에 접근해야 할 때에는 실패한다. 따라서 에이전트는 작업을 수동으로 완료해야 한다. 또는 AI 요약 도구는 후속 통화를 생성할 수 있지만, CRM에 기록되지 않는 별도의 시스템에 작성된다. AI는 단편화를 해결하지 못하고 그대로 물려받았다.

AI는 시스템 아래에 있는 것만큼 연결된다. 시스템이 컨텍스트를 공유하지 못하면 AI도 할 수 없다. histórico CRM 레코드에서 정보를 가져오지만, 실시간 고객 대화에서 발생하는 것을 이해할 수 없다. AI가 추천을 표면화하는 시점에는 기본 데이터가 변경될 수 있다.

不完全한 컨텍스트, 구식 데이터 및 분리된 시스템은 별개의 문제가 아니다. 그것은 AI 아키텍처 실패의 증상이다.

인간 에이전트와 협력하는 AI 아키텍처 구축

에이전트가 실제로 신뢰할 수 있고 고객 서비스 결과를 개선하는 AI를 구축하는 것은 4가지 인프라 요구 사항에 달려 있다.

1. 실시간 데이터 액세스를 제공하는 AI 도구.대부분의 CX에서 AI 배포는 사용 가능한 고객 데이터에서 정보를 가져온다. 그러나 이는 종종 구식이다. AI는 고객 데이터에 실시간 액세스를 제공하도록 설계되어야 한다.
2. 지속적인 컨텍스트를 제공하는 AI.AI가 기존 인프라에 추가되는 경우 컨텍스트가 전달되지 않는다. 이는 모든 상호작용에 걸쳐 지속적으로 고객 의도와 대화 컨텍스트를 전달하는 AI를 구축해야 한다.
3. 자율 실행을 위한 에이전트 AI 구현.다음으로 의미 있는 도약은 에이전트가 관찰 가능성과 제어를 유지하면서 작업을 자율적으로 실행할 수 있는 AI이다. 에이전트에게 다음에 무엇을 해야 하는지 말하는 대신, 에이전트 AI는 엔터프라이즈 시스템에서 워크플ロー를 오케스트레이션한다.
4. 성과를 통해 개선되는 AI 시스템 선택.대부분의 엔터프라이즈 AI는 배포 후 정적이다. 더욱 영향력 있는 아키텍처는 상호작용 결과에서 지속적으로 학습하여 실제로 문제를 해결한 워크플로우를 최적화하는 것이다.

에이전트가 AI와 가진 신뢰 격차는 훈련 문제나 채택 문제가 아니다. 그것은 아키텍처 문제이다.

AI의真正 ROI는 헤드카운트를 줄이는 것이 아니라, 에이전트가 시스템 대신 고객에게 집중할 수 있을 때 생성되는 가치이다. 이것은 AI가 실행 계층에 구축될 때, 그 위에 추가되지 않을 때 발생한다.

채택에 어려움을 겪고 있는 조직은 AI에서 뒤처진 것이 아니다. 인프라에서 뒤처진 것이다. 아키텍처를 고치면, 채택 문제는 tự然히 解決된다.