ИИ-агенты переписывают книгу контакт-центра?

Было время, когда контакт-центры строились в основном для обработки большого объема запросов клиентов по телефону. Сегодня контакт-центры в значительной степени заменили их – операционные хабы, где бизнес управляет взаимодействием с клиентами через несколько каналов: телефон, электронную почту, социальные сети и приложения для обмена сообщениями.

Но несмотря на этот сдвиг в каналах, основная модель осталась в значительной степени прежней.

Простые запросы клиентов все еще проходят через фрагментированный стек: интерактивный голосовой ответ (IVR) для верификации, платформы управления отношениями с клиентами (CRM) для деталей учетной записи, инструменты для отслеживания и отдельные системы для выполнения задачи. Облачные платформы, такие как Contact-Center-as-a-Service (CCaaS), приблизили эти инструменты, позволяя проводить более гибкие операции, но опыт остается далеким от бесшовного, полагаясь на несколько шагов, передачи и ручную координацию.

В течение многих лет эта модель сохранялась. Затем ИИ вошел в картину.

Когда ИИ-агенты набрали обороты, стартапы и устоявшиеся компании по всей доске начали создавать и развертывать инструменты, которые обещают новую фазу, обеспеченную возможностью ИИ раскрыть интеллект по всей системе и использовать ранее изолированные данные.

Разрозненные системы становятся реликвией

С ИИ-агентами на месте контакт-центры больше не работают в изоляции. Агенты могут извлекать информацию, запускать действия и выполнять задачи по всей платформе. Если клиент хочет оспорить плату, ИИ-агент может проверить его личность, получить его историю транзакций из CRM, проверить соответствующие политики, инициировать спор и подтвердить результат – все в рамках одного непрерывного взаимодействия. Никаких передач или ручной координации не требуется.

Задачи, которые ранее требовали от людей переключаться между несколькими инструментами, теперь происходят на заднем плане. Большая часть сложности может быть абстрагирована, и клиент, или даже человеческий агент, никогда не должен видеть, как процесс работает за кулисами.

Этот сдвиг также меняет роль программного обеспечения. Программное обеспечение теперь напоминает набор строительных блоков, в то время как ИИ-агенты выступают в качестве слоя, который соединяет и координирует системы. Фиксированные рабочие процессы отдают место более гибким взаимодействиям, которые формируются ситуацией, а не предопределенными путями: вместо того, чтобы следовать жестким меню или сценарным потокам, решения принимаются в режиме реального времени на основе контекста.

Пора переосмыслить ваш стек технологий

Сегодня лидеры контакт-центров сталкиваются с большой проблемой: если программное обеспечение больше не является основным хранилищем ценности, куда должна направляться инвестиция в технологии?

К счастью, вам не нужно заменять существующие системы сразу. Им нужно переосмыслить, как эти системы взаимодействуют.

В этой возникающей модели ИИ-агенты берут на себя оркестровку, координируя действия по всей системе, вместо того, чтобы полагаться на предопределенные рабочие процессы. Интерфейсы программирования приложений (API) и протокол контекста модели (MCP) становятся основным способом, которым системы общаются, позволяя агентам получить доступ и интерпретировать данные, системы и контекст для правильного использования инструментов по всему стеку.

Но только перестановка недостаточно. Для всех их полезности ИИ-инструменты все еще ошибочны. Любое количество факторов может привести к тому, что ИИ-инструмент будет галлюцинировать, отклоняться от своей выравнивания или отклоняться от политики и руководств. Когда происходит этот сдвиг, будет расти потребность в наблюдаемости, измерении и подотчетности.

ИИ-агенты не просто выполняют задачу; они принимают решения, такие как одобрение возвратов, обновление учетных записей и эскалация проблем. И поскольку эти инструменты работают намного быстрее, чем любой человек, любая ошибка может быть повторена через сотни или даже тысячи экземпляров за несколько часов.

Именно поэтому организации должны внедрить наблюдаемость, чтобы знать, что решает их ИИ; инструменты тестирования, чтобы поймать ошибки вовремя; и инфраструктуру журналирования, чтобы оперативно расследовать ошибки.

Правильная установка таких ограничений вокруг любого развертывания ИИ даст более гибкую и отзывчивую архитектуру, способную справиться с сложностью способами, которые традиционные рабочие процессы не могли. Стоит отметить, что эта архитектура также является внутренне менее предсказуемой и потребует новых подходов к надзору и управлению.

Торговля

Хотя ИИ открывает мир возможностей, сдвиг в сторону автономности вводит новые риски для контакт-центров, бизнеса, где последовательность и доверие имеют решающее значение.

Структурированные рабочие процессы давно являются основой операций контакт-центра. Каждый шаг определен заранее, каждое решение следует утвержденному пути, и каждое взаимодействие может быть проверено на соответствие установленным правилам. Эта структура помогает обеспечить, чтобы взаимодействия с клиентами оставались последовательными, нормативные требования были выполнены, и политики применялись единообразно во всех случаях.

Автономные ИИ-агенты работают по-разному по умолчанию. В отличие от традиционного программного обеспечения, которое следует предсказуемым алгоритмам, ИИ-агенты принимают решения на основе своей основной модели, обучающих данных и контекста в реальном времени. Эта гибкость позволяет им адаптироваться к каждой ситуации, но она также вводит изменчивость. Два похожих запроса клиента могут быть обработаны немного по-разному в зависимости от того, как агент интерпретирует входные данные, какие данные доступны или как основная модель взвешивает разные сигналы.

Человек, следующий за жестким рабочим процессом, склонен производить несколько предсказуемых результатов, но ИИ-агенты могут производить неожиданные или несоответствующие результаты, и они даже показали высокий потенциал для предвзятости. ИИ-агент может правильно решить одну проблему с выставлением счета, но интерпретировать аналогичный случай по-разному.

Это вызывает важные операционные вопросы для организаций: как поддерживать подотчетность, когда решения принимаются ИИ-системой, а не кем-то, следующим сценарию? Как обеспечить прозрачность в этих решениях, особенно когда модели сложны и не всегда легко интерпретируются? И как поддерживать соблюдение правил в средах, где действия динамически генерируются?

Эти вопросы имеют еще большее значение в контакт-центрах, поскольку они находятся на пересечении эффективности и опыта. Задержанная реакция, неправильное решение или необъяснимое решение могут оставить клиентов разочарованными и неуверенными в надежности всего вашего бизнеса. Они будут сомневаться в вас как в решении, и, возможно, даже переключатся на другого поставщика.

Кроме того, есть вызов надзора. Когда ИИ-агенты берут на себя больше ответственности, организации нуждаются в способах мониторинга и тестирования их поведения в реальном времени, обнаружения аномалий и вмешательства, когда это необходимо. Без этого уровня видимости становится трудно обеспечить, что системы работают так, как предполагалось, или понять, когда они не работают.

Путь вперед

Организации должны подойти к внедрению ИИ-агентов постепенно. Вместо того, чтобы полностью заменять существующие рабочие процессы, организации должны начать с их дополнения, введения ИИ в контролируемых сценариях, где риски ниже, а выгоды немедленны.

Этот подход позволит контакт-центрам экспериментировать и адаптироваться без жертвования надежностью. Они могут развернуть ИИ-агентов в ситуациях с низким риском, чтобы выявить предвзятость, обнаружить дрейф маршрутизации и решить другие проблемы по мере их возникновения.

Цель, после всего, заключается в сохранении качества, и ИИ-агенты – это просто еще один инструмент, независимо от того, насколько они способны. Контакт-центр, который принимает эту технологию с правильным балансом осторожности и оптимизма, однажды сделает так, что мы будем смотреть на контакт-центры и колл-центры в одном и том же свете: как на реликт прошлого.