Varför kunder överger era CX-botar

I åratal har kundserviceteam betraktat den omedelbara begäran om att få tala med en mänsklig handläggare som ett designproblem. När uppringare avvisar en automatiserad upplevelse innan den egentligen ens har börjat är den naturliga instinkten att få systemet att låta varmare eller mer mänskligt. Skriv om hälsningsfrasen. Bekräfta frustrationen. Berätta för uppringarna att de kan prata naturligt. Antagandet är att människor blir mer benägna att interagera med systemet om upplevelsen känns mindre robotlik.

Vi såg nyligen belägg för att något annat spelar mycket större roll.

På ett stort försäkringsbolag som använder AI för att hantera frågor om hyrbilsförmåner hälsade en röstagent inledningsvis uppringarna genom att säga att de kunde ”prata med mig som med en riktig person”. Trots det bad fler än fyra av tio uppringare om att få tala med en människa innan de hade haft någon meningsfull interaktion med systemet. Vi ändrade hälsningsfrasen till något enklare och mer direkt, men resultatet var i stort sett oförändrat. Fyrtiofyra procent av uppringarna bad fortfarande omedelbart om att få tala med en handläggare.

Det som till slut förändrade uppringarnas beteende hade föga att göra med hur AI:n lät. Vi ändrade vad den kunde visa att den visste. I stället för att börja med en allmän hälsningsfras skulle AI:n göra en rimlig bedömning av varför kunden ringde och ge information som proaktivt kunde bemöta problemet – till exempel beskriva fordonet som hörde till uppringarens skadeärende, ange ärendets status och ta reda på om kunden behövde en hyrbil.

Begärandena om att få tala med en mänsklig handläggare minskade med 23 procent. Den meningsfulla interaktionen med AI:n ökade från 54 till 66 procent.

Här finns en lärdom som sträcker sig långt bortom kontaktcentret. När företag skyndar sig att göra AI mer konversationsinriktad, personlig och intuitiv riskerar de att underinvestera i något mer grundläggande: att ge AI tillräckligt med sammanhang för att visa att den förstår situationen den ställs inför.

AI ärver ett underskott av förtroende

Människor möter inte ett nytt AI-system utan förutfattade meningar. De har många års erfarenhet av telefonslussar som missförstod enkla önskemål, chattbotar som gav irrelevanta svar och automatiserade system som fick dem att upprepa information de redan hade lämnat. Med tiden har användarna lärt sig att det snabbaste sättet att få något gjort kan vara att be att få tala med en människa.

Det beteendet kan se ut som motstånd mot AI, men det finns ett mer användbart sätt att förstå det. Innan människor anförtror en automatiserad lösning en uppgift vill de se belägg för att systemet förstår tillräckligt mycket om just deras situation för att vara till nytta. Forskare har beskrivit en del av detta motstånd som ”förbiseende av det unika” – uppfattningen att ett automatiserat system inte kan ta tillräcklig hänsyn till en enskild persons omständigheter.

Detta blir allt viktigare i takt med att AI används inom mer betydelsefulla delar av våra liv och vårt arbete. En kund som ringer efter en bilolycka ser inte sitt problem som en allmän försäkringsfråga. En anställd som använder en företagsassistent förväntar sig att den ska förstå personens roll, behörigheter och pågående arbete. En utvecklare som använder ett AI-verktyg för kodning behöver svar som tar hänsyn till kodens omgivande arkitektur.

I varje sådant fall måste ett AI-system visa att det förstår omständigheterna kring förfrågan innan användaren har särskilt stor anledning att lita på svaret.

Sammanhang blir en del av AI-gränssnittet

Personalisering har traditionellt inneburit att känna till någons namn, komma ihåg en preferens eller rekommendera något utifrån tidigare beteende. AI ger oss möjlighet att göra personaliseringen betydligt mer situationsanpassad. Ett användbart system bör förstå vad någon försöker åstadkomma, vad som redan har hänt, vilken information som är relevant just då och vilka åtgärder som faktiskt är möjliga.

Den skillnaden hjälper till att förklara varför försökets upplägg fungerade. AI:n hälsade inte bara uppringarna på ett trevligare sätt. Den minskade arbetsbördan i interaktionen. Den som ringde för att kontrollera om hyrbilsförmånerna gällde behövde inte längre förklara sitt skadeärende, identifiera sitt fordon och vänta på att systemet skulle hämta relevant information. Genom att visa detta sammanhang direkt visade systemet sin kompetens innan det bad uppringaren att lita på det med något annat.

Den här principen gäller för AI i hela företaget. Varje gång en användare måste upprepa information som ett system redan borde känna till, rätta ett antagande som systemet aldrig borde ha gjort eller återskapa sammanhang som redan finns någon annanstans i organisationen urholkas förtroendet. För företag innebär det att sammanhang bör ses som en del av användarupplevelsen, inte bara som en teknisk fråga bakom kulisserna.

AI kan förändra hur vi mäter framgång

Vårt försök visade på ytterligare ett beteende som var lätt att förbise. Efter att den kontextuella hälsningsfrasen infördes lyssnade vissa uppringare på det inledande meddelandet och lade sedan helt enkelt på.

Med traditionella mätetal för kontaktcenter skulle dessa samtal kunna klassificeras som avbrutna. Men vissa av kunderna hade just fått exakt den information de verkade behöva. Om någon ringer för att få veta om ett skadeärende har godkänts och AI:n genast berättar att ärendet är godkänt och att hyrbilsförmånerna är klara, kanske det inte finns något mer att diskutera.

Ungefär 3 % av samtalen där den dynamiska hälsningen användes verkade följa det här mönstret: uppringarna lade på efter att ha fått informationen och ringde inte tillbaka inom två timmar. Det är en liten andel, men den väcker en större fråga: Vad händer när de mått vi historiskt har använt för att mäta engagemang inte längre mäter värde på ett korrekt sätt?

I takt med att AI blir mer kapabel kan vi få se fler fall där kortare interaktioner är bättre interaktioner. Om ett system kan förutse ett behov och proaktivt visa rätt information kan samtalets längd, antalet genomförda steg och till och med traditionella mått på avbrutna samtal bli mindre meningsfulla sätt att mäta framgång.

Varje AI-interaktion är en audition

I takt med att AI blir en del av allt fler arbetsflöden blir användarna bättre på att avgöra vilka system som är värda deras tid. De första ögonblicken i en interaktion väger tungt, eftersom människor snabbt bedömer om systemet förstår deras situation, om informationen verkar tillförlitlig och om det är värt besväret att fortsätta.

De bästa AI-upplevelserna är de som tidigt och korrekt kan visa att de har användbar kontext. Inom kundservice kan det innebära att förstå statusen för ett ärende innan den som ringer förklarar det. För en företagsassistent kan det innebära att förstå en medarbetares roll, behörigheter och pågående arbete. Inom mjukvaruutveckling kan det innebära att resonera kring arkitekturen runt en kodbit.

När företag investerar i nästa generations AI-upplevelser är det värt att göra systemen mer naturliga att interagera med. Men naturliga samtal kan bara ta oss en bit på vägen. Människor ger AI en chans när den ger dem anledning att tro att den kan hjälpa till, och allt oftare är den anledningen kontext.