Czy agenci AI przebudowują podręcznik centrów kontaktowych?

Istniał czas, kiedy centra telefoniczne były budowane przede wszystkim w celu obsługi dużej liczby zapytań klientów przez telefon. Dziś centra kontaktowe w dużej mierze zastąpiły je – operacyjne centra, w których firmy zarządzają interakcjami z klientami na wielu kanałach: telefon, e-mail, media społecznościowe i aplikacje do wysyłania wiadomości.

Ale pomimo tego przesunięcia w kanałach, podstawowy model pozostał w dużej mierze taki sam.

Proste żądania klientów nadal przechodzą przez fragmentaryzowany stos: interaktywną odpowiedź głosową (IVR) do weryfikacji, platformy zarządzania relacjami z klientami (CRM) do szczegółów konta, narzędzia do śledzenia biletów i oddzielne systemy backendowe do wykonania zadania. Chmury oparte na platformach, takich jak Contact-Center-as-a-Service (CCaaS), przyniosły te narzędzia bliżej, umożliwiając bardziej elastyczne operacje, ale doświadczenie pozostaje daleko od bezproblemowego, opierając się na wielu krokach, przekazach i ręcznej koordynacji.

Przez lata ten model się utrzymywał. Potem AI weszło w obraz.

Gdy agenci AI zyskali na znaczeniu, startupy i ustanowione firmy na całym świecie zaczęły budować i wdrażać narzędzia, które obiecują nową fazę umożliwioną przez możliwość AI do odblokowania inteligencji w systemach i wykorzystania wcześniej wyizolowanych danych.

Rozproszone systemy stają się reliktami

Z agentami AI na miejscu, centra kontaktowe nie działają już w izolacji. Agenci mogą pobierać informacje, uruchamiać akcje i wykonywać zadania w różnych platformach. Jeśli klient chce zakwestionować opłatę, agent AI może zweryfikować jego tożsamość, pobrać historię transakcji z CRM, sprawdzić odpowiednie zasady, zainicjować spór i potwierdzić wynik – wszystko w ramach jednej ciągłej interakcji. Nie są wymagane przekazy ani ręczna koordynacja.

Zadania, które wcześniej wymagały od ludzi przełączania się między wieloma narzędziami, teraz zachodzą w tle. Większość złożoności może być abstrahowana, a klient, lub nawet agent ludzki, nie musi widzieć, jak proces działa za kulisami.

Ten przesunięcie również zmienia rolę oprogramowania. Oprogramowanie teraz przypomina zestaw bloczków, podczas gdy agenci AI działają jako warstwa, która łączy i koordynuje systemy. Ustalony przepływ pracy ustępuje miejsca bardziej elastycznym interakcjom, które są kształtowane przez sytuację, a nie określone ścieżki: Zamiast przestrzegać sztywnych opcji menu lub skryptowanych przepływów, decyzje są podejmowane w czasie rzeczywistym na podstawie kontekstu.

Porada czasu, aby przemyśleć swój stos technologiczny

Liderzy centrów kontaktowych dzisiaj stają przed dużym pytaniem: Jeśli oprogramowanie nie jest już podstawowym magazynem wartości, dokąd powinna trafiać inwestycja technologiczna?

Nie musisz jednak wymieniać istniejących systemów od razu. Musisz tylko przemyśleć, jak te systemy ze sobą współpracują.

W tym nowym modelu agenci AI przejmują koordynację, koordynując akcje w systemach zamiast polegać na ustalonych przepływach pracy. Interfejsy programistyczne API i protokół kontekstu modelu (MCP) stają się podstawowym sposobem, w jaki systemy komunikują się, umożliwiając agentom dostęp i interpretację danych, systemów i kontekstu, aby właściwie używać narzędzi w całym stosie.

Ale sama rekonfiguracja nie jest wystarczająca. Dla wszystkich swoich użytecznych cech, narzędzia AI są nadal zawodne. Każdy z czynników może spowodować, że narzędzie AI zacznie “śnić”, oddali się od swojego wyrównania lub odbiegać od zasad i wytycznych. Podczas tego przesunięcia będzie rosło zapotrzebowanie na obserwowalność, pomiar i odpowiedzialność.

Agenci AI nie tylko wykonują zadanie; podejmują decyzje, takie jak zatwierdzenie zwrotów, aktualizacja kont i eskalacja problemów. A ponieważ te narzędzia działają znacznie szybciej niż jakikolwiek człowiek, każdy błąd może być powtarzany setki lub nawet tysiące razy w ciągu kilku godzin.

Dlatego właśnie organizacje muszą wbudować obserwowalność, aby wiedzieć, co ich AI decyduje; narzędzia testowe, aby złapać błędy na czas; i infrastrukturę logowania, aby natychmiast badać błędy.

Właściwe zbudowanie takich barier ochronnych wokół każdego wdrożenia AI da bardziej elastyczną i responsywną architekturę, która jest w stanie radzić sobie z złożonością w sposób, w jaki tradycyjne przepływy pracy nie mogły. Warto zauważyć, że ta architektura jest również niezmiennie mniej przewidywalna i wymaga nowych podejść do nadzoru i zarządzania.

Kompromisy

Chociaż AI otwiera świat możliwości, przesunięcie w kierunku autonomii wprowadza nowe ryzyka dla centrów kontaktowych, biznesu, w którym spójność i zaufanie są kluczowe.

Ustrukturyzowane przepływy pracy przez długi czas były podstawą operacji centrów kontaktowych. Każdy krok jest zdefiniowany z wyprzedzeniem, każda decyzja podąża za zatwierdzoną ścieżką, a każda interakcja może być audytowana przeciwko ustalonym zasadom. Ta struktura pomaga zapewnić, że interakcje z klientami pozostają spójne, wymagania regulacyjne są spełnione, a zasady są stosowane jednolicie we wszystkich przypadkach.

Autonomiczni agenci AI działają inaczej domyślnie. W przeciwieństwie do tradycyjnego oprogramowania, które podąża za przewidywalnymi algorytmami, agenci AI podejmują decyzje na podstawie ich podstawowego modelu, danych szkoleniowych i kontekstu w czasie rzeczywistym. Ta elastyczność pozwala im dostosować się do każdej sytuacji, ale również wprowadza zmienność. Dwa podobne żądania klientów mogą być obsługiwane w nieco inny sposób, w zależności od tego, jak agent interpretuje dane wejściowe, jakie dane są dostępne lub jak podstawowy model waży różne sygnały.

Osoba podążająca za sztywnym przepływem pracy będzie tendencją do produkcji nieco przewidywalnych wyników, ale agenci AI mogą produkować nieoczekiwane lub niespójne wyniki i wykazują nawet wysoki potencjał do uprzedzeń. Agent AI może rozwiązać jedną sprawę rozliczeniową poprawnie, ale zinterpretować podobny przypadek inaczej.

To podnosi ważne operacyjne pytania dla organizacji: Jak utrzymać odpowiedzialność, gdy decyzje są podejmowane przez system oparty na AI, a nie przez kogoś, kto podąża za skryptem? Jak zapewnić przejrzystość w tych decyzjach, zwłaszcza gdy modele są złożone i nie zawsze łatwe do interpretacji? I jak utrzymać zgodność w środowiskach, w których działania są dynamicznie generowane?

Te pytania są jeszcze ważniejsze w centrach kontaktowych, ponieważ znajdują się one na skrzyżowaniu wydajności i doświadczenia. Opóźniona odpowiedź, niepoprawne rozwiązanie lub niewyjaśniona decyzja mogą pozostawić klientów sfrustrowanych i niepewnych co do niezawodności całego biznesu. Zadają sobie wątpliwości, czy jesteś rozwiązaniem, i być może nawet przejdą do innego dostawcy.

Co więcej, istnieje wyzwanie nadzoru. Gdy agenci AI przejmują coraz więcej odpowiedzialności, organizacje potrzebują sposobów monitorowania i testowania ich zachowania w czasie rzeczywistym, wykrywania anomalii i interwencji, gdy jest to konieczne. Bez tego poziomu widoczności staje się trudne, aby upewnić się, że systemy działają zgodnie z zamierzeniem, lub zrozumieć, kiedy nie działają.

Ścieżka do przodu

Organizacje powinny przyjąć stopniowe podejście do wdrożenia agentów AI. Zamiast zastępować istniejące przepływy pracy całkowicie, organizacje powinny zacząć od ich uzupełniania, wprowadzając AI w kontrolowanych scenariuszach, w których ryzyko jest niższe, a korzyści są natychmiastowe.

To podejście pozwoli centrům kontaktowym na eksperymentowanie i adaptację bez poświęcania niezawodności. Mogą one wdrożyć agenci AI w sytuacjach o niskim ryzyku, aby zidentyfikować uprzedzenia, wykryć dryf trasowania i rozwiązać inne problemy, gdy tylko się pojawią.

Cel, przecież, jest o zachowaniu jakości, a agenci AI są tylko kolejnym narzędziem, niezależnie od tego, jak są zdolni. Centrum kontaktowe, które przyjmuje tę technologię z odpowiednią równowagą ostrożności i optymizmu, pewnego dnia sprawi, że centra kontaktowe i centra telefoniczne będą postrzegane w tym samym świetle: jako relikt przeszłości.