Problem architektury sztucznej inteligencji w obsłudze klienta

Firma Klarna niedawno zredukowała 700 stanowisk obsługi klienta, zakładając, że sztuczna inteligencja może zaabsorbować różnicę. W ciągu roku zadowolenie klientów spadło, a firma zaczęła ponownie zatrudniać. Gartner przewiduje, że do 2027 roku połowa organizacji, które planują podobne cięcia w siłach roboczych, porzuci te plany.

To nie jest problem z możliwościami sztucznej inteligencji. 100% agentów obsługi klienta korzysta z sztucznej inteligencji codziennie, aby rozwiązać szeroki zakres złożonych sytuacji.

Jednak zero procent agentów uważa sztuczną inteligencję za niezbędną do swojej pracy. Ta luka nie jest zaskakująca. Sztuczna inteligencja jest nadal nakładana na te same fragmentowane systemy, które wcześniej zawodziły agentów. Dziś ludzie nadal wykonują pracę łącznikową, przełączają się między systemami, kopiują i wklejają dane, oraz wykonują ręczną rekonsolidację, która łączy jeden system z drugim.

Sztuczna inteligencja została zaprojektowana, aby zastąpić tę pracę. Zamiast tego, skomplikowała ją. Dopóki ktoś nie naprawi połączeń między systemami, agenci będą nadal wykonywać pracę sztucznej inteligencji ręcznie i tracić zaufanie do najważniejszego narzędzia, które mają do dyspozycji.

Przerwa zaufania, którą nikt nie naprawia

Siedemdziesiąt osiem procent agentów twierdzi, że narzędzia sztucznej inteligencji nie zmieniły w znaczący sposób sposobu, w jaki pracują. Dziewięćdziesiąt trzy procent weryfikuje dane wyjściowe sztucznej inteligencji przed podjęciem działań. Agenci widzą wystarczająco dużo niekompletnych lub niedokładnych odpowiedzi, aby podwójna weryfikacja stała się domyślną. Nie opierają się technologii. Po prostu jeszcze nie zdobyła ich zaufania.

Konsekwencje stają się widoczne w trakcie rozmowy z klientem. Klient dzwoni w sprawie sporu o fakturę, a podsumowanie konta wygenerowane przez sztuczną inteligencję jest trzy miesiące nieaktualne. Agenci spędzają następne dziesięć minut na weryfikowaniu danych w różnych systemach, podczas gdy klient czeka na linii.

Większość organizacji postrzega ten negatywny doświadczenie jako problem ludzi. Agenci boją się, że ich praca jest zagrożona przez sztuczną inteligencję, która przejmuje coraz bardziej złożone zadania, więc pracują wokół niej.

To tak naprawdę problem przywództwa. Gartner stwierdził, że 91% liderów obsługi klienta jest pod presją, aby wdrożyć sztuczną inteligencję.

Pod takim ciśnieniem łatwo jest interpretować opór jako problem z przyjęciem, a nie jako sygnał, że sztuczna inteligencja nie jest zaprojektowana poprawnie. W rezultacie uwaga pozostaje skupiona na przyspieszaniu wdrożenia w niewłaściwych obszarach i zwiększaniu redukcji zatrudnienia bez rozwiązania podstawowego problemu.

Czego tak naprawdę powoduje fragmentaryczne wdrożenie

Agenci służą jako warstwa integracji między rozmową z klientem a 4 do 10 rozłącznymi narzędziami przedsiębiorstwa. Przełączają się między platformami rozliczeniowymi, systemami ERP i narzędziami do obsługi biletów, podczas gdy klient czeka na linii. To dlatego, że większość przedsiębiorstw zamontowała sztuczną inteligencję na tę samą fragmentaryczną architekturę, która wcześniej spowalniała agentów.

Na przykład, czatboty mogą obsłużyć front-end interakcji, ale zawodzą, gdy agenci muszą uzyskać dostęp do starszego systemu back-office, gdzie znajduje się rzeczywista transakcja, zmuszając agentów do wykonania zadania ręcznie. Albo, narzędzia do podsumowania sztucznej inteligencji mogą generować notatki po rozmowie, ale zapisują je w oddzielnym systemie, a nie w CRM. Sztuczna inteligencja odziedziczyła fragmentację zamiast ją naprawić.

Sztuczna inteligencja jest tylko tak połączona, jak systemy pod nią. Gdy systemy nie dzielą się kontekstem, sztuczna inteligencja nie może tego zrobić. Pobiera dane z historycznych rekordów CRM, ale nie może zrozumieć, co dzieje się w trakcie rozmowy z klientem. Do momentu, gdy wyświetli rekomendację, podstawowe dane mogą się zmienić.

Niedokończony kontekst, stare dane i rozłączne systemy nie są oddzielnymi problemami. Są objawami awarii architektury sztucznej inteligencji.

Budowanie architektury sztucznej inteligencji, która współpracuje z ludzkimi agentami

Budowanie sztucznej inteligencji, której agenci naprawdę ufają, i która poprawia wyniki obsługi klienta, sprowadza się do czterech wymagań infrastrukturalnych:

1. Zapewnij narzędziom sztucznej inteligencji dostęp do danych w czasie rzeczywistym. Większość wdrożeń sztucznej inteligencji w CX pobiera dane z dostępnych danych klienta. Często są one nieaktualne. Sztuczna inteligencja musi być zaprojektowana, aby zapewnić dostęp w czasie rzeczywistym do danych klienta w momencie, gdy jest wymagane, a nie fragmentaryczny zbiór danych zebranych z systemów, które przechowują różne wersje tego samego klienta.
2. Udostępnij sztucznej inteligencji trwały kontekst. Gdy sztuczna inteligencja jest montowana na istniejącej infrastrukturze, zamiast być wbudowana w nią, kontekst nie jest przenoszony. Znika przy każdym przekazie. Trwała sztuczna inteligencja powinna być warstwą na całej interakcji, nieprzerwanie przenosząc intencję klienta i kontekst rozmowy, gdy praca jest przenoszona między systemami, kanałami i ludzkimi agentami. Gdy agent ludzki wchodzi, nie powinien zaczynać od zera.
3. Wdrożenie agentycznej sztucznej inteligencji do autonomicznej realizacji, a nie tylko rekomendacji. Następny znaczący skok to sztuczna inteligencja, która może wykonywać pracę, którą wymagają agenci, w sposób autonomiczny, utrzymując człowieka w pętli obserwacyjnej i kontroli. Zamiast mówić agentom, co mają robić dalej, agentyczna sztuczna inteligencja orchestruje przepływy pracy w systemach przedsiębiorstwa, składając roszczenia, przetwarzając zwroty, aktualizując rekordy i wykonując zadania, nawet w starszych aplikacjach bez interfejsów API. Sztuczna inteligencja zajmuje się realizacją, podczas gdy agenci ludzcy koncentrują się na ocenie, empatii i budowaniu silniejszych relacji z klientami.
4. Wybierz systemy sztucznej inteligencji, które poprawiają się na podstawie wyników, a nie tylko danych wejściowych. Większość sztucznej inteligencji w przedsiębiorstwach jest statyczna po wdrożeniu. Bardziej istotna architektura to ta, która ciągle uczy się z wyników interakcji, optymalizując przepływy pracy na podstawie tego, co naprawdę rozwiązało problem, a nie tylko tego, co dane szkoleniowe przewidywały. Sztuczna inteligencja, która zamyka pętlę sprzężenia zwrotnego między wynikami a przyszłymi wynikami, jest fundamentalnie inna niż sztuczna inteligencja, która jest wdrożona i pozostaje niezmieniona.

Przerwa zaufania, którą agenci mają wobec sztucznej inteligencji, nie jest problemem szkolenia ani przyjęcia. To problem architektury.

Prawdziwy zwrot z inwestycji w sztuczną inteligencję nie leży w redukcji zatrudnienia, ale w wartości, którą tworzą agenci, gdy mogą się skoncentrować na klientach, a nie na systemach. To się dzieje tylko wtedy, gdy sztuczna inteligencja jest wbudowana w warstwę wykonawczą, a nie jest po prostu nałożona na nią.

Organizacje, które nadal mają problemy z przyjęciem, nie są opóźnione w sztucznej inteligencji. Są opóźnione w infrastrukturze. Naprawienie architektury rozwiązuje problem przyjęcia.