ปัญหาการออกแบบสถาปัตยกรรม AI ในการบริการลูกค้า

Klarna ได้ลดงานบริการลูกค้า 700 ตำแหน่งRecently โดยวางใจว่า AI จะรับช่วงต่อได้ แต่ภายในหนึ่งปี ความพึงพอใจของลูกค้าได้ลดลง และบริษัทได้เริ่มหางานใหม่อีกครั้ง Gartner คาดการณ์ว่า ในปี 2027 ครึ่งหนึ่งขององค์กรที่วางแผนลดจำนวนพนักงานบริการลูกค้าจะละทิ้งแผนการนั้น

สิ่งนี้ไม่ใช่ปัญหาความสามารถของ AI 100% ของตัวแทนบริการลูกค้าโต้ตอบกับ AI ทุกวัน เพื่อจัดการกับสถานการณ์ที่ซับซ้อน

แต่ไม่มีตัวแทนบริการลูกค้าคนใดที่ถือว่า AI เป็นสิ่งจำเป็นในการทำงานของตน ซึ่งไม่น่าประหลาดใจ AI ยังคงถูกเพิ่มลงในระบบที่กระจัดกระจายซึ่งเคยล้มเหลวต่อตัวแทนบริการลูกค้าก่อนที่ AI จะเข้ามา

AI ถูกสร้างขึ้นเพื่อแทนที่แรงงาน แต่กลับทำให้การทำงานซับซ้อนขึ้น จนกว่าจะมีใครแก้ไขการเชื่อมต่อระหว่างระบบ ตัวแทนบริการลูกค้าจะยังคงทำงานที่ AI ควรทำด้วยตนเอง และเสียความไว้วางใจในเครื่องมือที่สำคัญที่สุด

ช่องว่างความไว้วางใจที่ไม่มีใครแก้ไข

78% ของตัวแทนบริการลูกค้า กล่าวว่า AI ไม่ได้เปลี่ยนแปลงวิธีการทำงานของตน 93% ตรวจสอบผลลัพธ์ของ AI ก่อนที่จะดำเนินการตามนั้น ตัวแทนบริการลูกค้าไม่ได้ต่อต้านเทคโนโลยี แต่ AI ยังไม่ได้รับความร่วมมือจากพวกเขา

ผลที่ตามมาจะเห็นได้ชัดเจนในช่วงกลางของการคุยกับลูกค้า ลูกค้าโทรศัพท์มาเพื่อขอความช่วยเหลือเกี่ยวกับปัญหาเรื่องการเรียกเก็บเงิน และสรุปบัญชีที่ AI สร้างขึ้นเป็น 3 เดือนก่อนหน้านี้ พวกเขาจะใช้เวลาอีก 10 นาทีในการตรวจสอบข้อมูลที่ AI ควรให้ข้อมูลทันที

ส่วนใหญ่ขององค์กรเห็นว่าประสบการณ์เชิงลบเป็นปัญหาของคน ไม่ใช่ปัญหาเรื่องการทำงานของ AI

แต่จริงๆ แล้วเป็นปัญหาเรื่องการบริหารจัดการ Gartner พบว่า 91% ของผู้นำบริการลูกค้าอยู่ภายใต้แรงกดดันในการนำ AI มาใช้

ภายใต้แรงกดดันนั้น มันง่ายที่จะเห็นปัญหาในการนำ AI มาใช้เป็นปัญหาในการยอมรับ ไม่ใช่สัญญาณว่า AI ไม่ได้รับการออกแบบอย่างถูกต้อง ดังนั้นจุดสนใจยังคงอยู่ที่การเร่งการนำ AI มาใช้ในพื้นที่ที่ไม่ถูกต้อง และการลดจำนวนพนักงานโดยไม่แก้ไขปัญหาเบื้องหลัง

สิ่งที่การนำ AI มาใช้ในลักษณะที่กระจัดกระจายจะสร้างผลลัพธ์

ตัวแทนบริการลูกค้าทำหน้าที่เป็นชั้นการเชื่อมต่อระหว่างการคุยกับลูกค้าและ 4 ถึง 10 เครื่องมือระดับองค์กรที่ไม่เชื่อมต่อ พวกเขาจะ “swivel-chair” ระหว่างแพลตฟอร์มการเรียกเก็บเงิน ระบบ ERP และเครื่องมือตั๋ว जबकับลูกค้ากำลังรอ

ตัวอย่างเช่น โชคบอทสามารถจัดการด้านหน้าของการโต้ตอบได้ แต่ล้มเหลวเมื่อตัวแทนบริการลูกค้าต้องเข้าถึงระบบหลังที่มีการทำธุรกรรมจริง ซึ่งบังคับให้ตัวแทนบริการลูกค้าทำงานด้วยตนเอง

AI ที่สร้างสรุปหลังการโทรสามารถสร้างบันทึกได้ แต่จะเขียนลงในระบบที่แยกจาก CRM ของบันทึก AI สืบทอดการกระจัดกระจายแทนการแก้ไข

บริบทที่ไม่สมบูรณ์ ข้อมูลที่เก่า และระบบที่ไม่เชื่อมต่อไม่ใช่ปัญหาแยกกัน แต่เป็นอาการของการออกแบบ AI ที่ล้มเหลว

การสร้างสถาปัตยกรรม AI ที่ทำงานร่วมกับตัวแทนบริการลูกค้า

การสร้าง AI ที่ตัวแทนบริการลูกค้าไว้วางใจและปรับปรุงผลลัพธ์ในการบริการลูกค้า ต้องมีการตั้งค่าโครงสร้างพื้นฐาน 4 ประการ

1. ให้ AI มีการเข้าถึงข้อมูลลูกค้าแบบเรียลไทม์ การใช้งาน AI ใน CX ส่วนใหญ่ดึงข้อมูลลูกค้าที่มีอยู่ แต่ข้อมูลนั้นมักจะไม่ใหม่ AI ต้องได้รับการออกแบบให้สามารถเข้าถึงข้อมูลลูกค้าแบบเรียลไทม์เมื่อมีการร้องขอ ไม่ใช่ภาพรวมที่กระจัดกระจายจากระบบที่มีเวอร์ชันต่างๆ ของลูกค้า
2. ให้ AI มีบริบทที่ยั่งยืน เมื่อ AI ถูกติดตั้งบนโครงสร้างพื้นฐานที่มีอยู่แทนการสร้างขึ้นใหม่ บริบทจะไม่ถูกส่งต่อ AI ที่ยั่งยืนควรจะถูกวางไว้ทั่วทั้งการโต้ตอบ โดยพกพาเจตนาและบริบทการคุยกับลูกค้าไปตามระบบ ช่องทาง และตัวแทนบริการลูกค้า เมื่อตัวแทนบริการลูกค้าเข้ามา พวกเขาควรจะไม่ต้องเริ่มต้นใหม่
3. นำ AI ที่มีการกระทำอิสระมาใช้ ไม่ใช่แค่คำแนะนำ การกระโดดที่มี意义ถัดไปคือ AI ที่สามารถดำเนินการแทนแทนการทำงานของตัวแทนบริการลูกค้าได้อย่างอิสระ ในขณะเดียวกันก็ให้ตัวแทนบริการลูกค้าสามารถสังเกตเห็นและควบคุมได้ AI ที่มีการกระทำอิสระจะจัดการการทำงานทั่วทั้งระบบองค์กร โดยการยื่นคำขอ การประมวลผลการคืนเงิน การอัปเดตบันทึก และการทำงานให้เสร็จสิ้น แม้กระทั่งบนแอปพลิเคชันเก่าที่ไม่มี API AI จัดการการทำงานในขณะที่ตัวแทนบริการลูกค้าเน้นไปที่การตัดสินใจ ความเห็นอกเห็นใจ และการสร้างความสัมพันธ์กับลูกค้าที่ดีขึ้น
4. เลือกระบบ AI ที่ปรับปรุงจากผลลัพธ์ ไม่ใช่แค่การป้อนข้อมูล AI ระดับองค์กรส่วนใหญ่จะไม่เปลี่ยนแปลงหลังจากการนำไปใช้ โครงสร้างพื้นฐานที่มีผลกระทบมากขึ้นคือโครงสร้างที่เรียนรู้อย่างต่อเนื่องจากผลลัพธ์ของการโต้ตอบ โดยการปรับปรุงการทำงานตามสิ่งที่แก้ปัญหาได้จริง ไม่ใช่แค่สิ่งที่ข้อมูลการฝึกอบรมคาดการณ์ไว้ AI ที่ปิดวงจรการให้ข้อมูลย้อนกลับระหว่างผลลัพธ์และประสิทธิภาพในอนาคตแตกต่างจาก AI ที่นำไปใช้และหยุดอยู่กับที่

ช่องว่างความไว้วางใจที่ตัวแทนบริการลูกค้ามีต่อ AI ไม่ใช่ปัญหาในการฝึกอบรมหรือการนำไปใช้ แต่เป็นปัญหาเรื่องโครงสร้างพื้นฐาน

ผลตอบแทนที่แท้จริงของ AI ไม่ได้อยู่ที่การลดจำนวนพนักงาน แต่อยู่ที่มูลค่าที่สร้างขึ้นเมื่อตัวแทนบริการลูกค้าสามารถมุ่งเน้นไปที่ลูกค้าแทนระบบ

องค์กรที่ยังคงดิ้นรนกับการนำ AI มาใช้ไม่ได้ล้าหลังในด้าน AI แต่ล้าหลังในด้านโครงสร้างพื้นฐาน การแก้ไขโครงสร้างพื้นฐานและปัญหาในการนำ AI มาใช้จะหายไป