Проблема архитектуры ИИ в сфере обслуживания клиентов

Klarna недавно сократила 700 рабочих мест в сфере обслуживания клиентов, поставив на ИИ. Через год удовлетворенность клиентов снизилась, и компания снова начала набирать сотрудников. Gartner предсказывает, что к 2027 году половина организаций, планирующих аналогичные сокращения, также откажется от этих планов.

Это не проблема возможностей ИИ. 100% агентов контакт-центра взаимодействуют с ИИ ежедневно для решения широкого спектра сложных ситуаций.

Однако ни один из агентов не считает ИИ критически важным для своей работы. Этот разрыв не удивителен. ИИ продолжает накладываться на те же фрагментированные системы, которые ранее не удовлетворяли агентов, даже после появления передовых инструментов ИИ. Сегодня люди по-прежнему выполняют соединительную работу, переключение между вкладками, копирование и вставку, ручную сверку, которая связывает одну систему с другой.

ИИ был создан для замены этого труда. Вместо этого он усложнил его. Пока кто-то не исправит связи между системами, агенты будут продолжать выполнять работу ИИ вручную и терять доверие к наиболее важному инструменту, которым они располагают.

Пробел доверия, которого никто не исправляет

Семьдесят восемь процентов агентов говорят, что инструменты ИИ не изменили существенно их работу. Девяносто три процента проверяют выводы ИИ перед тем, как действовать в соответствии с ними. Агенты видят достаточно неполных или неточных ответов, поэтому двойная проверка становится нормой. Они не сопротивляются технологии. Она еще не заслужила их доверия.

Последствия становятся видны в середине разговора с клиентом. Клиент звонит по поводу спора о счете, и сгенерированный ИИ сводка счета устарела на три месяца. Они тратят следующие десять минут на проверку информации по нескольким системам, которую ИИ должен был предоставить мгновенно, пока клиент ждет на линии.

Большинство организаций рассматривают этот негативный опыт как проблему, связанную с людьми. Агенты боятся, что их работа находится под угрозой из-за того, что ИИ берет на себя более сложные задачи, поэтому они работают вокруг него.

На самом деле это проблема лидерства. Gartner обнаружил, что 91% лидеров сферы обслуживания клиентов испытывают давление со стороны руководства на внедрение ИИ.

Под таким давлением легко интерпретировать сопротивление как проблему внедрения, а не как сигнал о том, что ИИ не имеет правильной архитектуры. В результате внимание остается на ускорении развертывания в неправильных областях и на увеличении сокращения штата без решения основной проблемы.

Что на самом деле производит фрагментированное развертывание

Агенты служат в качестве ручного слоя интеграции между живым разговором с клиентом и 4-10 несвязанных корпоративных инструментов. Они “крутятся” между платформами выставления счетов, системами ERP и инструментами для отслеживания запросов, пока клиент ждет на линии. Это происходит потому, что большинство предприятий прикрепляют ИИ к той же фрагментированной архитектуре, которая уже замедляла агентов.

Например, чат-боты могут обрабатывать начало взаимодействия, но терпят неудачу, когда агентам необходимо получить доступ к устаревшей системе.back-office, где находится фактическая транзакция, что заставляет агентов завершать задачу вручную. Или инструменты суммирования ИИ могут генерировать заметки после звонка, но они записываются в отдельную систему, а не в CRM-запись. ИИ унаследовал фрагментацию вместо того, чтобы исправить ее.

ИИ так же связан, как и системы под ним. Когда системы не делятся контекстом, ИИ не может этого сделать. Он черпает информацию из исторических записей CRM, но не может понять, что происходит в живом разговоре с клиентом. К моменту, когда он предоставляет рекомендацию, основные данные могли измениться.

Неполный контекст, устаревшие данные и несвязанные системы не являются отдельными проблемами. Они являются симптомами неудачи архитектуры ИИ.

Создание архитектуры ИИ, которая работает с человеческими агентами

Создание ИИ, которому агенты действительно доверяют, и который улучшает результаты обслуживания клиентов, сводится к четырем требованиям к инфраструктуре:

1. Предоставьте инструментам ИИ доступ к данным в реальном времени. Большинство развертываний ИИ в CX черпают информацию из доступных данных клиентов. Часто они устарели. ИИ должен быть спроектирован так, чтобы предоставлять доступ к данным клиентов в реальном времени в момент запроса, а не фрагментированный снимок, собранный из систем, содержащих разные версии одного и того же клиента.
2. Дайте ИИ постоянный контекст. Когда ИИ прикрепляется к существующей инфраструктуре, а не встроен в нее, контекст не передается. Он теряется при каждом переходе. Постоянный ИИ должен быть распространен на все взаимодействие, постоянно несущий контекст клиента и разговора, пока работа перемещается между системами, каналами и человеческими агентами. Когда человеческий агент вмешивается, он не должен начинать с нуля.
3. Реализуйте агентный ИИ для автономного выполнения, а не только для рекомендаций. Следующий значимый шаг – ИИ, который может выполнять работу, необходимую агентам, автономно, сохраняя при этом человека в цикле для наблюдения и контроля. Вместо того, чтобы говорить агентам, что делать дальше, агентный ИИ оркестрирует рабочие процессы по всей корпоративной системе, подает заявления, обрабатывает возвраты, обновляет записи и завершает задачи, даже по устаревшим приложениям без API. ИИ выполняет выполнение, а человеческие агенты сосредотачиваются на суждении, сочувствии и построении более сильных отношений с клиентами.
4. Выберите системы ИИ, которые улучшаются по результатам, а не только по входным данным. Большинство корпоративных ИИ являются статичными после развертывания. Более значимая архитектура – это та, которая постоянно учится на результатах взаимодействия, оптимизируя рабочие процессы на основе того, что фактически решило проблему, а не только того, что предсказывали данные для обучения. ИИ, который закрывает петлю обратной связи между результатами и будущими результатами, фундаментально отличается от ИИ, который развертывается и сохраняется.

Пробел доверия, который агенты имеют к ИИ, не является проблемой обучения или внедрения. Это проблема архитектуры.

Фактическая отдача от инвестиций в ИИ не заключается в сокращении штата, а в ценности, создаваемой тогда, когда агенты могут наконец сосредоточиться на клиентах, а не на системах. Это происходит только тогда, когда ИИ встроен в слой выполнения, а не сбрасывается на него.

Организации, которые все еще испытывают трудности с внедрением, не отстают в ИИ. Они отстают в инфраструктуре. Исправьте архитектуру, и проблема внедрения решится сама собой.