Mark Hughes, ผู้ร่วมก่อตั้งและ CEO ที่ Solidroad – สัมภาษณ์ซีรีส์

Mark Hughes, ผู้ร่วมก่อตั้งและ CEO ที่ Solidroad, เป็นผู้ประกอบการซ้ำและผู้นำการตลาดที่สร้างอาชีพของเขา ณ จุดตัดกันของการขาย ประสบการณ์ลูกค้า และเทคโนโลยี เขาเคยเป็นผู้ก่อตั้ง Gradguide ซึ่งเป็นแพลตฟอร์มการทำงานและการสรรหาบุคลากรที่ระดมทุนได้ 2 ล้านยูโรและถูกซื้อกิจการในเวลาต่อมา และดำรงตำแหน่งระดับสูงด้านการค้าใน Chargify ซึ่งเขานำทีมปฏิบัติการ EMEA หลังการควบควมกิจการเข้ากับ Maxio ในช่วงแรกของอาชีพ เขาได้พัฒนาความเชี่ยวชาญอย่างลึกซึ้งในการขายความเร็วสูงและการขายองค์กรที่ Intercom โดยจัดการรอบการขายที่ซับซ้อนและช่วยเพิ่มรายได้ให้กับทีม ในปัจจุบัน เขานำทีม Solidroad จากซานฟรานซิสโก โดยนำประสบการณ์นั้นมาใช้ในการคิดใหม่ว่าบริษัทต่างๆ มีการประเมินและปรับปรุงการโต้ตอบกับลูกค้าโดยใช้ AI โดยมุ่งเน้นไปที่การเพิ่มคุณภาพทั้งระบบสนับสนุนของมนุษย์และอัตโนมัติ

Solidroad เป็นแพลตฟอร์มการรับรองและฝึกอบรมที่ใช้ AI ที่ออกแบบมาสำหรับทีมประสบการณ์ลูกค้าสมัยใหม่ โดยสร้างขึ้นเพื่อวิเคราะห์และปรับปรุงการโต้ตอบกับลูกค้าทุกครั้งที่มีการโต้ตอบ โดยแพลตฟอร์มจะดึงข้อมูลการสนทนาจากช่องทางต่างๆ ประเมินประสิทธิภาพตามมาตรฐานของบริษัท และสร้างการจำลองฝึกอบรมที่เป็นส่วนตัวเพื่อปรับปรุงทั้งเอเย่นต์มนุษย์และระบบ AI อย่างต่อเนื่อง แทนที่จะแทนที่ทีมสนับสนุนลูกค้า Solidroad มุ่งเน้นไปที่การปรับปรุงพวกเขา โดยเปลี่ยนการโต้ตอบแต่ละครั้งให้เป็นวงจรการให้ข้อเสนอแนะที่ปรับปรุงผลลัพธ์ เช่น คุณภาพการตอบสนอง ความมีประสิทธิภาพ และความพึงพอใจของลูกค้า บริษัทมองว่าตัวเองเป็นโครงสร้างพื้นฐานสำหรับทีม CX ที่มีประสิทธิภาพสูง โดยช่วยให้องค์กรต่างๆ ส่งมอบประสบการณ์ที่สม่ำเสมอและมีคุณภาพสูงโดยไม่ต้องเพิ่มต้นทุนการดำเนินงาน

บริษัทส่วนใหญ่ยังคงพึ่งพาการตรวจสอบตัวอย่างการโต้ตอบกับลูกค้าเพียงเล็กน้อยเพื่อประเมินประสิทธิภาพ สิ่งใดที่ทำให้คุณเชื่อว่าวิธีการนี้มีข้อบกพร่องในหลักการ และสิ่งนั้นได้นำไปสู่การสร้างวิธีการของ Solidroad ในการตรวจสอบ การให้คะแนน และการปรับปรุงเอเย่นต์ AI และมนุษย์อย่างต่อเนื่อง?

Patrick และฉันใช้เวลาหลายปีในการทำงานกับทีมสนับสนุนลูกค้ามาก่อนที่จะเริ่ม Solidroad และปัญหาที่ยังคงเด่นชัดคือ บริษัทต่างๆ มีการสนทนาหลายแสนครั้งกับลูกค้า แต่ถ้าคุณถามว่าสนทนานั้นดำเนินไปอย่างไร พวกเขาก็ไม่แน่ใจ และสิ่งที่พวกเขารู้คือจากตัวอย่างการโต้ตอบที่เล็กน้อยมาก จนไม่สามารถแสดงให้เห็นถึงความถูกต้อง

นั่นเป็นรากฐานที่ไม่แน่นอนเมื่อผู้คนจัดการทุกตั๋วแล้ว ตอนนี้ด้วย AI ที่เข้ามาในภาพ AI ทำให้ความเสี่ยงเปลี่ยนไป รูปแบบที่ไม่ดีหนึ่งรูปแบบอาจเกิดขึ้นทั่วทุกการโต้ตอบพร้อมกันและไม่ถูกสังเกตเห็นเพราะทีมส่วนใหญ่ตรวจสอบการโต้ตอบเพียง 1-2% เท่านั้น

เราพบว่าสิ่งนี้เกิดขึ้นที่บริษัทต่างๆ ซ้ำๆ และพวกเขากำลังสูญเสียลูกค้าเพราะเหตุนี้ เราจึงตัดสินใจสร้างโซลูชัน เรารับรู้ว่านี่เป็นปัญหาโครงสร้างพื้นฐาน บริษัทต่างๆ ไม่มีระบบที่จำเป็นในการเข้าใจประสิทธิภาพของเอเย่นต์สนับสนุนลูกค้าของตน

Solidroad ถูกสร้างขึ้นเพื่อแก้ไขจุดบอดนี้ เราให้บริษัทต่างๆ มีเครื่องมือในการมองเห็นสิ่งที่เกิดขึ้นจริงๆ ในระดับใหญ่ และรับรองว่าการโต้ตอบทุกครั้ง ไม่ว่าจะเป็นของมนุษย์ AI หรือทั้งสอง จะส่งมอบคุณค่า

Solidroad ถูกอธิบายว่าเป็น “สิมูเลเตอร์เที่ยวบิน” สำหรับทีมที่เผชิญหน้ากับลูกค้า คุณสามารถอธิบายได้ว่า AI ของคุณจำลองการโต้ตอบกับลูกค้าจริงๆ ได้อย่างไร และสิ่งใดที่ทำให้การจำลองเหล่านั้นมีประสิทธิภาพสำหรับการฝึกอบรมในระดับใหญ่?

การเปรียบเทียบสิมูเลเตอร์เที่ยวบินใช้ได้ผลเพราะความคิดหลักคือเหมือนกัน คุณไม่ต้องการให้ประสบการณ์แรกของใครสักคนในการจัดการสถานการณ์ที่ยากเกิดขึ้นต่อหน้าลูกค้าจริง

สิ่งที่ทำให้การจำลองของเราได้ผลคือมันอยู่บนพื้นฐานของสิ่งที่เกิดขึ้นจริงๆ ในการสนทนาของบริษัทนั้น เมื่อเอเย่นต์ทำอะไรผิดพลาดในการโต้ตอบจริง ระบบจะสร้างการจำลองที่มุ่งเป้าไปที่สถานการณ์แบบนั้นเพื่อให้พวกเขาฝึกฝนมาก่อนที่จะเกิดขึ้นอีกครั้ง ไม่ใช่เนื้อหาการฝึกอบรมทั่วไป

วงจรการให้ข้อเสนอแนะคือสิ่งที่ขับเคลื่อนการเรียนรู้ เอเย่นต์จะผ่านสถานการณ์ ได้รับการแนะนำเฉพาะเจาะจงเกี่ยวกับสิ่งที่ได้ผลและสิ่งที่ไม่ได้ผล และลองอีกครั้ง ความผิดพลาดเกิดขึ้นในสภาพแวดล้อมที่ปลอดภัย และการเรียนรู้ยังคงอยู่เพราะมันเชื่อมโยงกับสถานการณ์จริงมากกว่าการฝึกอบรมในห้องเรียนที่เป็นนามธรรม

แพลตฟอร์มของคุณไม่เพียงแต่ฝึกอบรมเอเย่นต์เท่านั้น แต่ยังให้คะแนนการโต้ตอบจริงตามแนวทางที่กำหนดเองด้วย คุณออกแบบระบบการให้คะแนนเหล่านี้เพื่อสะท้อนผลลัพธ์ทางธุรกิจจริงๆ เช่น CSAT การรักษาลูกค้า หรือรายได้?

ในการสร้างแนวทางเหล่านี้ เราเริ่มต้นเสมอจากสิ่งที่บริษัทนั้นๆ คares เกี่ยวกับจริงๆ บริษัทบริการทางการเงินที่จัดการข้อพิพาทการเรียกเก็บเงินมีมาตรฐานคุณภาพที่แตกต่างจากแบรนด์ทางอินเทอร์เน็ตที่จัดการการคืนสินค้าในช่วงฤดูกาลสูงสุด ดังนั้นการให้คะแนนจึงถูกสร้างขึ้นโดยรอบแนวทางขององค์กรแต่ละแห่ง นโยบายของพวกเขา เสียงของแบรนด์ และสิ่งที่การแก้ไขที่ดีหมายถึงสำหรับพวกเขา

และผลลัพธ์ทางธุรกิจ เช่น คะแนน CSAT ที่ดีขึ้นและการรักษาลูกค้า มาจากการโต้ตอบกับลูกค้าที่มีคุณภาพสูง ไม่ใช่การตรวจสอบคะแนนย้อนหลัง แต่เรามุ่งเน้นไปที่พฤติกรรมที่คาดการณ์ผลลัพธ์เหล่านั้น: ประสิทธิภาพที่สม่ำเสมอระหว่างเอเย่นต์ การปฏิบัติตามกระบวนการที่ถูกต้อง และทักษะอ่อนที่กำหนดว่าลูกค้ารู้สึกอย่างไรที่สิ้นสุดของการสนทนา

เป้าหมายคือการให้ผู้นำมีภาพที่ชัดเจนและเป็นรูปธรรมเกี่ยวกับสิ่งที่ดูเหมือนสำหรับบริษัทของตน เพื่อที่พวกเขาจะสามารถฝึกอบรมทีมของตน ลอกเลียนแบบความสำเร็จ และเติบโตไปทั่วทั้งองค์กร

หลายบริษัทตรวจสอบเพียงเศษเสี้ยวของการโต้ตอบกับลูกค้าเท่านั้น Solidroad ช่วยให้การวิเคราะห์การครอบคลุมเต็มรูปแบบได้อย่างไร และสิ่งใดที่เป็นไปได้เมื่อคุณเปลี่ยนจากการสุ่มตัวอย่างไปสู่การวิเคราะห์ทุกอย่าง?

การสำรวจ State of CX เร็วๆ นี้ของเราแสดงให้เห็นว่าประมาณ 81% ของการสนทนาสนับสนุนไม่เคยได้รับการตรวจสอบคุณภาพ ส่งผลให้ทีมตรวจสอบเพียงเศษเสี้ยวของการสนทนา ซึ่งแทบจะไม่มีนัยสำคัญ เมื่อบริษัทเริ่มประเมิน ทุก การโต้ตอบกับลูกค้า รูปแบบที่จะไม่ปรากฏในตัวอย่างสุ่มจะกลายเป็นชัดเจน ทีมจะเริ่มเห็นว่าข้อร้องเรียนประเภทใดที่จัดการไม่ดีเสมอ AI และเอเย่นต์มนุษย์แตกต่างกันในทางที่ไม่คาดคิด และปัญหาใดที่เกิดขึ้นซ้ำๆ ก่อนที่จะปรากฏในข้อร้องเรียนของลูกค้า

Solidroad ใช้ AI เพื่อตรวจสอบการโต้ตอบกับลูกค้าทุกครั้งโดยอัตโนมัติ ทำให้การวิเคราะห์การครอบคลุมเต็มรูปแบบเป็นไปได้ การเปลี่ยนแปลงจากการสุ่มตัวอย่างไปสู่การตรวจสอบ 100% คือสิ่งที่เปิดเผยรูปแบบที่สม่ำเสมอในด้านคุณภาพ ความขัดแย้งของลูกค้า และประสิทธิภาพที่จะซ่อนอยู่

Crypto.com เป็นตัวอย่างที่ดีของสิ่งที่การครอบคลุมเต็มรูปแบบปลดล็อกไปได้ ก่อนที่จะมาใช้ Solidroad ทีมของพวกเขายังไม่มีวิธีการวัดคุณภาพเอเย่นต์อย่างมีนัยสำคัญหรือยืนยันว่าเอเย่นต์พร้อมก่อนที่จะจัดการตั๋วจริง ปัญหาเหล่านั้นจะปรากฏขึ้นหลังจากที่พวกเขาได้ส่งผลกระทบต่อลูกค้าแล้ว โดยการเปลี่ยนไปสู่การให้คะแนนอัตโนมัติทั่ว 800,000 การสนทนาในแต่ละเดือน พวกเขาสามารถจับปัญหาเรื่องคุณภาพได้เร็วขึ้น ตรวจสอบเอเย่นต์ก่อนที่จะนำไปใช้ และยืนยันว่าการปรับปรุงนั้นยังคงอยู่ ผลลัพธ์ที่ได้คือการลดเวลาในการจัดการเฉลี่ยลง 18% และเพิ่ม CSAT ขึ้น 3% (ซึ่งมีนัยสำคัญที่ระดับที่พวกเขาดำเนินการ)

นั่นคือสิ่งที่การครอบคลุมเต็มรูปแบบเปลี่ยนแปลง มันเปลี่ยนคุณภาพจากการตอบสนองเป็นสิ่งที่สามารถจัดการล่วงหน้าได้

คุณทำงานกับบริษัทอย่าง Crypto.com และ Ryanair ซึ่งประสบการณ์ลูกค้าเป็นสิ่งสำคัญยิ่ง รูปแบบหรือจุดอ่อนทั่วไปใดที่คุณระบุได้จากทีมสนับสนุนขนาดใหญ่?

สิ่งหนึ่งที่เกิดขึ้นอย่างสม่ำเสมอคือช่องว่างระหว่างสิ่งที่บริษัทคิดว่าเกิดขึ้นในการสนทนากับลูกค้าและความเป็นจริง ส่วนใหญ่ทีมมั่นใจในคุณภาพการสนับสนุนจนกว่าจะได้รับการมองเห็นเต็มรูปแบบ แล้วพวกเขาก็รู้ว่าภาพนั้นซับซ้อนกว่าที่ตัวชี้วัดของพวกเขาแสดงออกมา

ยังมีความไม่สอดคล้องกันอย่างต่อเนื่องระหว่างวิธีที่ทีมวัดประสิทธิภาพและสิ่งที่แท้จริงแล้วขับเคลื่อนผลลัพธ์ของลูกค้า ตัวชี้วัดความเร็วและการนับตั๋วเป็นเรื่องที่ติดตามได้ง่าย ดังนั้นจึงมักจะครอบงำการประเมิน แต่ตัวเลขเหล่านั้นไม่ได้บอกบริษัทว่าปัญหา củaลูกค้าได้รับการแก้ไขหรือไม่ เอเย่นต์แสดงถึงแบรนด์อย่างถูกต้องหรือไม่ หรือว่าการโต้ตอบนั้นทำให้ลูกค้ารู้สึกดีเกี่ยวกับบริษัทหรือไม่ ในสภาพแวดล้อมที่มีความเสี่ยงสูง เช่น ฟินเทคหรือสุขภาพ การไม่สอดคล้องกันระหว่างการวัดและผลลัพธ์อาจมีผลกระทบอย่างรุนแรง

มีความกังวลที่เพิ่มขึ้นว่า AI ในการบริการลูกค้าสามารถทำให้ประสบการณ์ของมนุษย์เสื่อมลงได้ คุณรับรองว่าระบบของคุณปรับปรุงคุณภาพมากกว่าการผลักดันทีมไปสู่การโต้ตอบที่มีบทบาทมากเกินไปหรือเหมือนหุ่นยนต์?

เป็นข้อกังวลที่สมเหตุสมผล แต่โดยทั่วไปแล้วมักจะมาจากระบบ QA ที่ใช้ AI สำหรับสิ่งที่ไม่ถูกต้อง หากบริษัทให้คะแนนเอเย่นต์โดยพิจารณาเพียงจากความเชื่อฟังต่อสคริปต์หรือความเร็วในการปิดตั๋ว พวกเขาจะได้รับการโต้ตอบที่เทคนิคแล้วผ่าน แต่รู้สึกว่างเปล่าหรือไม่ส่วนตัวต่อลูกค้า

วิธีการของเราคือการสร้างการให้คะแนนรอบๆ สิ่งที่ทำให้ลูกค้าออกจากการโต้ตอบโดยรู้สึกว่าได้รับการสนับสนุน เรามองหาสิ่งเช่น เอเย่นต์ฟังอย่างกระตือรือร้น แสดงความเห็นอกเห็นใจเมื่อจำเป็น และช่วยลูกค้าแก้ไขปัญหา

สิ่งเดียวกันใช้กับเอเย่นต์ AI เช่นกัน เป้าหมายคือการใช้ AI เพื่อทำให้การโต้ตอบกับลูกค้าสม่ำเสมอ ถูกต้อง และตอบสนองต่อประสบการณ์ของลูกค้าอย่างเหมาะสม เมื่อการดูแลคุณภาพถูกสร้างขึ้นรอบๆ ผลลัพธ์เหล่านั้นมากกว่าความเชื่อฟังต่อกระบวนการเพียงอย่างเดียว มันจะผลักดันการโต้ตอบไปในทิศทางที่ดีกว่า ไม่ใช่การโต้ตอบที่มีบทบาทมากเกินไป

Solidroad นั่งอยู่ที่จุดตัดกันของเอเย่นต์มนุษย์และเอเย่นต์ AI คุณเห็นความสัมพันธ์ระหว่างทั้งสองเปลี่ยนแปลงไปอย่างไร โดยเฉพาะอย่างยิ่งเมื่อ AI เริ่มจัดการการโต้ตอบแนวหน้า?

มันสำคัญที่จะเห็นเอเย่นต์มนุษย์และเอเย่นต์ AI เป็นทีม โดยแบ่งปันการทำงาน AI จัดการคำขอที่มีปริมาณมากและตรงไปตรงมาได้ดี และเอเย่นต์ AI ที่ดีที่สุดสามารถแก้ไขส่วนใหญ่ของการสนทนาเหล่านั้นได้ด้วยตัวเอง ซึ่งน่าประทับใจมาก

แต่ผลลัพธ์ของสิ่งนั้นคือการโต้ตอบที่เข้าถึงเอเย่นต์มนุษย์เป็นการโต้ตอบที่ซับซ้อนมากขึ้น การโต้ตอบที่มีความซับซ้อน การโต้ตอบที่มีความเสี่ยงสูง ซึ่งต้องการการตัดสินใจที่แท้จริง เอเย่นต์มนุษย์จะต้องเตรียมพร้อมสำหรับการสนทนาที่ยากขึ้น

นั่นคือเหตุผลที่การดูแลทั้งสองเป็นสิ่งสำคัญ AI ต้องจัดการปริมาณการทำงานได้อย่างสม่ำเสมอและถูกต้อง เอเย่นต์มนุษย์ต้องเตรียมพร้อมสำหรับการสนทนาที่ยากขึ้น และต้องมีระดับอิสระที่ครอบคลุมทั้งสองเพื่อให้บริษัทต่างๆ มีภาพที่ชัดเจนเกี่ยวกับสิ่งที่ทำงานและไม่ทำงาน นั่นคือแบบจำลองไฮบริดที่เราคิดว่าจะกำหนด CX ในอนาคต และนั่นคือสิ่งที่เรากำลังสร้าง

ระบบของคุณให้ข้อเสนอแนะและฝึกอบรมแบบเรียลไทม์ ความเร็วในการปรับปรุงประสิทธิภาพของเอเย่นต์มีความสำคัญเพียงใด และเปรียบเทียบกับกระบวนการฝึกอบรมและ QA แบบดั้งเดิม?

ความเร็วในการให้ข้อเสนอแนะมีความสำคัญมาก และการวิจัยสนับสนุนให้เห็นว่าข้อเสนอแนะมีประสิทธิภาพมากที่สุดเมื่อมันเชื่อมโยงกับสถานการณ์เฉพาะที่สร้างขึ้น กระบวนการ QA แบบดั้งเดิมทำลายการเชื่อมโยงนั้นโดยการออกแบบ เมื่อผู้จัดการตรวจสอบการสนทนาหลายวันหรือหลายสัปดาห์หลังจากที่เกิดขึ้น แล้วแบ่งปันข้อเสนอแนะในระหว่างการตรวจสอบอย่างสม่ำเสมอ โดยที่เอเย่นต์อาจมีการโต้ตอบหลายครั้งแล้วและอาจทำซ้ำข้อผิดพลาดนั้น

สิ่งที่เราพบคือการให้ข้อเสนอแนะมีประสิทธิภาพมากที่สุดเมื่อมันปรากฏทันทีหลังจากการสนทนา เรามีประสิทธิภาพมากที่สุดเมื่อมันเชื่อมโยงโดยตรงกับสิ่งที่เอเย่นต์กำลังจัดการและจับคู่กับการจำลองที่เฉพาะเจาะจงซึ่งพวกเขาสามารถวิ่งได้ทันที ในรูปแบบนี้ มันแปลเป็นการเปลี่ยนแปลงพฤติกรรมจริงๆ มากกว่า เอเย่นต์ไม่ได้เพียงแต่ได้ยินว่าพวกเขาต้องปรับปรุง แต่พวกเขากำลังฝึกฝนการปรับปรุงในบริบท ในขณะที่ยังคงใหม่

การเปรียบเทียบกับการฝึกอบรมแบบดั้งเดิมชัดเจนที่สุดคือตัวอย่างของสิ่งนี้ ข้อมูลของเราบ่งชี้ว่ามากกว่าครึ่งหนึ่งของเอเย่นต์มนุษย์กล่าวว่าส่วนที่ยากที่สุดของการฝึกอบรมคือการนำสิ่งที่พวกเขาเรียนรู้ไปใช้กับการสนทนาแบบจริง การไม่สอดคล้องกันนั้นเกิดขึ้นเพราะการเรียนรู้ในห้องเรียนและการสนับสนุนแบบสดๆ รู้สึกไม่เหมือนกัน การให้ข้อเสนอแนะอย่างต่อเนื่องและเชื่อมโยงกับสถานการณ์จะแก้ไขสิ่งนี้ได้ด้วยวิธีที่การตรวจสอบแบบง่ายๆ ไม่สามารถทำได้

คุณแสดงให้เห็นถึงการปรับปรุงที่ลดลงในการฝึกอบรมและ CSAT ที่สูงขึ้น มิติใดที่ลูกค้าให้ความสำคัญมากที่สุดเมื่อใช้แพลตฟอร์มของคุณ และคุณแสดง ROI ในต้นๆ ของความสัมพันธ์ได้อย่างไร?

มันแตกต่างกันไปตามจุดที่ลูกค้าพบปัญหา แต่สิ่งที่เกิดขึ้นบ่อยที่สุดคือการรับรองคุณภาพและการประหยัดเวลา ทีมที่ตรวจสอบตัวอย่างการโต้ตอบกับลูกค้าเพียงเล็กน้อยจะเห็นคุณค่าของการเปลี่ยนไปสู่การครอบคลุม 100% ทั้งสำหรับข้อมูลเชิงลึกที่ Solidroad เปิดเผยและสำหรับชั่วโมงที่ได้คืนให้กับทีม QA ของพวกเขา ในฐานลูกค้าของเราโดยทั่วไป เราจะเห็นการเพิ่มขึ้น 20 เท่าในการครอบคลุม QA และการลดเวลาในการตรวจสอบด้วยมือลง 90%

ในด้าน ROI เราพยายามเชื่อมโยงผลลัพธ์กับตัวชี้วัดที่สำคัญกับธุรกิจนั้นแล้ว ที่ Podium หัวข้อคือเวลาในการฝึกอบรม เอเย่นต์ใหม่ที่บรรลุมาตรฐานการแสดงผลภายใน 60 วันแทนที่จะเป็น 90 วัน และแก้ไขปัญหาได้เร็วขึ้น 33% เมื่อเข้าร่วมการสนับสนุนจริง ด้วย Crypto.com คือการลดเวลาในการจัดการและความสามารถในการมองเห็นปริมาณการสนทนา สำหรับ Ryanair คือชั่วโมงการสรรหาบุคลากรที่ประหยัดได้

รายละเอียดแตกต่างกันไป แต่รูปแบบเดียวกันคือเมื่อคุณสามารถมองเห็นสิ่งที่เกิดขึ้นจริงๆ ทั่วทั้งการโต้ตอบกับลูกค้าและดำเนินการได้อย่างรวดเร็ว การปรับปรุงจะตามมาในตัวชี้วัดที่สำคัญ

เมื่อมองไปข้างหน้า คุณเห็น Solidroad ยังคงมุ่งเน้นไปที่การฝึกอบรมและ QA หรือพัฒนาไปสู่ชั้นการกำกับดูแลที่กว้างขึ้นสำหรับการจัดการทั้งการโต้ตอบกับลูกค้าของมนุษย์และ AI?

การฝึกอบรมและ QA คือที่ที่เริ่มต้น แต่ความมุ่งมั่นคือสิ่งที่ใหญ่กว่านั้น เราคิดว่าการดูแลคุณภาพจะกลายเป็นโครงสร้างพื้นฐานที่สำคัญสำหรับบริษัทใดๆ ที่ใช้ AI ในการสนับสนุนลูกค้า ในแบบเดียวกับที่การรับรองความปลอดภัยกลายเป็นสิ่งจำเป็นเมื่อบริษัทต่างๆ ย้ายข้อมูลไปสู่คลาวด์ การรับรองคุณภาพจะกลายเป็นสิ่งจำเป็นเมื่อการสนทนาของลูกค้าย้ายไปสู่ AI

ดาวเหนือคือ “Solidroad Certified” จะมีความหมายที่แท้จริง: หลักฐานที่บริษัทต่างๆ ตอบสนองต่อลูกค้าในระดับที่สูง ไม่ว่าการโต้ตอบนั้นจะจัดการโดยมนุษย์หรือ AI

สิ่งนั้นหมายถึงการเป็นระบบที่องค์กรพึ่งพาเพื่อจัดการและปรับปรุงคุณภาพการโต้ตอบกับลูกค้าทั่วทั้งกระดาน ไม่ใช่แค่ระบุปัญหาในภายหลัง ซึ่งเป็นส่วนสำคัญของเหตุผลที่เราเพิ่งระดมทุน 25 ล้านดอลลาร์ในการระดมทุน Series A ที่นำโดย Hedosophia – มันให้เรามีระยะทางในการสร้างความมุ่งมั่นนั้น รวมถึงการขยายความสามารถของผลิตภัณฑ์และทีมเพื่อช่วยให้บริษัทต่างๆ มองเห็น 100% ของการโต้ตอบกับลูกค้า

ขอขอบคุณสำหรับสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเรียนรู้เพิ่มเติมได้ที่ Solidroad