Dlaczego klienci rezygnują z botów CX

Od lat zespoły obsługi klienta traktują natychmiastową prośbę o połączenie z konsultantem jako problem projektowy. Gdy dzwoniący odrzucają automatyczną obsługę, zanim ta na dobre się rozpocznie, naturalnym odruchem jest sprawić, by system brzmiał cieplej lub bardziej ludzko. Zmienić powitanie. Okazać zrozumienie dla frustracji. Powiedzieć dzwoniącym, że mogą mówić swobodnie. Zakłada się, że jeśli obsługa będzie sprawiać mniej robotyczne wrażenie, ludzie chętniej z niej skorzystają.

Niedawno znaleźliśmy dowody na to, że znacznie ważniejsza jest inna kwestia.

W dużej firmie ubezpieczeniowej, która wykorzystuje AI do odpowiadania na pytania o świadczenia związane z wynajmem samochodu, asystent głosowy początkowo witał dzwoniących słowami: „Możesz rozmawiać ze mną jak z prawdziwą osobą”. Mimo to ponad czterech na dziesięciu dzwoniących prosiło o połączenie z konsultantem, zanim doszło do merytorycznej rozmowy z systemem. Zmieniliśmy powitanie na prostsze i bardziej bezpośrednie, ale wynik zasadniczo się nie zmienił. Czterdzieści cztery procent dzwoniących nadal od razu prosiło o połączenie z konsultantem.

To, co ostatecznie zmieniło zachowanie dzwoniących, miało niewiele wspólnego z tym, jak brzmiała AI. Zmieniliśmy to, co system mógł wykazać, że wie. Zamiast zaczynać od ogólnego powitania, AI miała rozsądnie odgadnąć, dlaczego klient dzwoni, i podać informacje, które z wyprzedzeniem pomogłyby rozwiązać problem — na przykład opisać pojazd powiązany ze zgłoszeniem dzwoniącego, podać status zgłoszenia i sprawdzić, czy klient potrzebuje samochodu na wynajem.

Liczba próśb o połączenie z konsultantem spadła o 23%. Odsetek merytorycznych interakcji z AI wzrósł z 54% do 66%.

Płynie stąd wniosek, który wykracza daleko poza centra kontaktu. Firmy, ścigając się w tworzeniu AI, z którą można rozmawiać w bardziej naturalny, przyjazny i intuicyjny sposób, mogą za mało inwestować w coś bardziej podstawowego: zapewnienie AI wystarczającego kontekstu, by mogła wykazać, że rozumie daną sytuację.

AI dziedziczy deficyt zaufania

Ludzie nie stykają się z nowym systemem AI bez żadnych wcześniejszych doświadczeń. Przychodzą z bagażem lat korzystania z drzew telefonicznych, które nie rozumiały prostych próśb, chatbotów, które udzielały nieprzydatnych odpowiedzi, i systemów automatycznych, które zmuszały ich do ponownego podawania informacji już wcześniej przekazanych. Z czasem użytkownicy nauczyli się, że prośba o połączenie z człowiekiem może być najszybszą drogą do załatwienia sprawy.

Takie zachowanie może wyglądać na niechęć do AI, ale można je wyjaśnić w bardziej użyteczny sposób. Zanim powierzą zadanie systemowi automatycznemu, ludzie chcą mieć dowód, że system rozumie wystarczająco dużo na temat ich konkretnej sytuacji, by okazać się przydatny. Badacze określili jeden z aspektów tej nieufności mianem „nieuwzględniania wyjątkowości” — chodzi o przekonanie, że system automatyczny nie potrafi należycie uwzględnić indywidualnych okoliczności danej osoby.

Ma to coraz większe znaczenie, w miarę jak AI wkracza w coraz ważniejsze obszary naszego życia i pracy. Klient dzwoniący po wypadku samochodowym nie postrzega swojego problemu jako ogólnego zapytania dotyczącego ubezpieczenia. Pracownik korzystający z asystenta dla przedsiębiorstw oczekuje, że system będzie rozumiał jego rolę, uprawnienia i bieżące zadania. Programista korzystający z narzędzia AI do programowania potrzebuje odpowiedzi uwzględniających architekturę otaczającą kod.

W każdym z tych przypadków system AI musi wykazać, że rozumie okoliczności związane z daną prośbą, zanim użytkownik będzie miał powód, by zaufać jego odpowiedzi.

Kontekst staje się częścią interfejsu AI

Tradycyjnie personalizacja polegała na znajomości czyjegoś imienia, pamiętaniu o jego preferencjach lub polecaniu czegoś na podstawie wcześniejszych zachowań. AI daje nam możliwość znacznie lepszego dopasowywania obsługi do konkretnej sytuacji. Przydatny system powinien rozumieć, co dana osoba próbuje osiągnąć, co już się wydarzyło, które informacje są w danej chwili istotne i jakie działania są rzeczywiście dostępne.

To rozróżnienie pomaga wyjaśnić, dlaczego eksperyment z firmą ubezpieczeniową się powiódł. AI nie ograniczyła się do przyjemniejszego witania dzwoniących. Ułatwiła im załatwienie sprawy. Osoba dzwoniąca, by sprawdzić, czy przysługuje jej samochód na wynajem, nie musiała już wyjaśniać, czego dotyczy zgłoszenie, podawać informacji o pojeździe ani czekać, aż system wyszuka potrzebne dane. Udostępniając ten kontekst od razu, system wykazał się kompetencją, zanim poprosił dzwoniącego o zaufanie w jakiejkolwiek innej sprawie.

Ta zasada ma zastosowanie w całym obszarze AI dla przedsiębiorstw. Za każdym razem, gdy użytkownik musi ponownie podać informacje, które system powinien już znać, skorygować założenie, którego system w ogóle nie powinien był przyjmować, lub odtworzyć kontekst, który już istnieje w innej części organizacji, zaufanie słabnie. Dla przedsiębiorstw oznacza to, że kontekst należy traktować jako część doświadczenia użytkownika, a nie wyłącznie jako kwestię techniczną rozwiązywaną w tle.

AI może zmienić sposób mierzenia sukcesu

Nasz eksperyment ujawnił jeszcze jedno łatwe do przeoczenia zachowanie. Po wprowadzeniu powitania uwzględniającego kontekst niektórzy dzwoniący słuchali początkowego komunikatu i po prostu się rozłączali.

Tradycyjne wskaźniki stosowane w centrach kontaktu mogłyby zaklasyfikować te połączenia jako porzucone. Część tych klientów otrzymała jednak właśnie to, czego — jak się wydawało — potrzebowali. Jeśli ktoś dzwoni, by dowiedzieć się, czy jego zgłoszenie zostało zatwierdzone, a AI od razu informuje, że roszczenie zostało zaakceptowane i świadczenia związane z wynajmem samochodu są już dostępne, być może nie ma już o czym rozmawiać.

Około 3% połączeń, w których zastosowano dynamiczne powitanie, wyglądało na przebiegające według tego schematu: rozmówcy rozłączali się po otrzymaniu informacji i nie oddzwaniali w ciągu dwóch godzin. To niewielki odsetek, ale skłania do szerszego pytania: co się dzieje, gdy wskaźniki, których tradycyjnie używaliśmy do mierzenia zaangażowania, przestają trafnie mierzyć wartość?

Wraz ze wzrostem możliwości AI może się okazać, że krótsze interakcje są lepsze. Jeśli system potrafi przewidzieć potrzebę i z wyprzedzeniem udostępnić odpowiednie informacje, długość rozmowy, liczba wykonanych kroków, a nawet tradycyjne wskaźniki porzuceń mogą coraz gorzej odzwierciedlać sukces.

Każda interakcja z AI to próba

W miarę jak AI będzie coraz częściej włączana do różnych procesów, użytkownicy będą coraz lepiej oceniać, którym systemom warto poświęcić czas. Początkowe chwile interakcji mają duże znaczenie, ponieważ ludzie szybko sprawdzają, czy system rozumie ich sytuację, czy podawane przez niego informacje wydają się wiarygodne i czy warto poświęcić wysiłek na dalszą rozmowę.

Najlepsze rozwiązania oparte na AI to te, które potrafią szybko i trafnie wykazać się znajomością kontekstu. W obsłudze klienta może to oznaczać znajomość statusu roszczenia, zanim rozmówca je wyjaśni. Asystent korporacyjny może rozumieć rolę i uprawnienia pracownika oraz to, nad czym aktualnie pracuje. W programowaniu może to oznaczać analizowanie architektury otaczającej dany fragment kodu.

Warto, by firmy inwestujące w kolejną generację rozwiązań opartych na AI sprawiały, że korzystanie z nich będzie bardziej naturalne. Możliwości naturalnej rozmowy mają jednak swoje granice. Ludzie dadzą AI szansę, jeśli będzie mieć powód, by wierzyli, że może im pomóc, a coraz częściej tym powodem jest znajomość kontekstu.