AI w obsłudze klienta: gdzie pomaga, a gdzie szkodzi

Kiedy mówię o AI w obsłudze klienta, większość osób wyobraża sobie okienko na stronie, które odpowiada ogólnikami i nie pozwala dodzwonić się do człowieka. Takie wdrożenia istnieją i słusznie irytują. Tymczasem największy pożytek z AI w obsłudze klienta jest zwykle tam, gdzie klient w ogóle go nie widzi - po stronie zespołu, który odpowiada szybciej i bardziej konkretnie.

Przy każdym zastosowaniu podaję poziom ryzyka według podziału z tekstu o sprawdzaniu odpowiedzi AI: zielony to materiał roboczy, żółty to treść dla klienta czytana przez człowieka, czerwony to liczby, terminy i zobowiązania sprawdzane przy źródle.

1. Baza wiedzy dla zespołu

Ryzyko: zielony

Pracownik pyta narzędzie o procedurę, warunki gwarancji albo zasady zwrotu, a narzędzie odpowiada na podstawie firmowych dokumentów i wskazuje, skąd wzięło odpowiedź.

Warunek: aktualne dokumenty w jednym miejscu. Jeśli regulamin istnieje w trzech wersjach, narzędzie zacytuje każdą z nich. Porządkowanie dokumentów jest tu połową pracy - i daje korzyść nawet bez AI.

2. Podsumowanie historii klienta przed odpowiedzią

Ryzyko: zielony

Zanim pracownik odpisze, dostaje krótkie streszczenie: o co klient pytał wcześniej, co mu obiecano, co jest otwarte.

Warunek: historia kontaktu zapisana w jednym systemie, a nie w prywatnych skrzynkach poszczególnych osób.

3. Szkic odpowiedzi na zgłoszenie

Ryzyko: żółty

Narzędzie przygotowuje pierwszą wersję odpowiedzi na podstawie treści zgłoszenia, bazy wiedzy i wzorów dobrych odpowiedzi. Pracownik czyta, poprawia i wysyła.

Warunek: kilkanaście-kilkadziesiąt dobrych odpowiedzi z przeszłości jako wzór tonu i zasady, czego w odpowiedziach nie obiecujemy.

Co mierzyć: czas do pierwszej merytorycznej odpowiedzi i liczbę poprawek w szkicu.

4. Porządkowanie i przypisywanie zgłoszeń

Ryzyko: żółty

Przychodzące wiadomości zostają opisane - czego dotyczą, jak pilne są - i trafiają do właściwej osoby.

Warunek: spisane kategorie zgłoszeń i zasady, kto czym się zajmuje. Jeśli dziś każdy przydziela zgłoszenia „na wyczucie”, najpierw trzeba ustalić zasady, a dopiero potem je automatyzować.

5. Wykrywanie powtarzających się problemów

Ryzyko: zielony

Raz w miesiącu narzędzie przegląda zgłoszenia i zestawia tematy, które wracają najczęściej. To informacja dla firmy: które pytania warto wyjaśnić na stronie, w instrukcji albo w samym produkcie.

Warunek: eksport zgłoszeń bez danych osobowych albo narzędzie w wersji firmowej, która ma to uregulowane w umowie.

6. Automat odpowiadający klientom

Ryzyko: czerwony, jeśli odpowiada o terminach, cenach i warunkach

To zastosowanie, od którego firmy najczęściej chcą zacząć, a które powinno być na końcu listy.

Warunki:

• uporządkowana, aktualna baza odpowiedzi - automat nie wie więcej niż dokumenty, na których pracuje,
• ograniczony zakres - automat odpowiada na określone rodzaje pytań, a resztę przekazuje dalej,
• łatwe i widoczne przejście do człowieka,
• test na prawdziwych pytaniach klientów przed udostępnieniem,
• regularny przegląd rozmów po starcie.

Klient powinien też wiedzieć, że rozmawia z automatem. To uczciwe wobec klienta, a AI Act przewiduje dla systemów rozmawiających z ludźmi obowiązki informacyjne.

Czego nie oddawać automatowi

Niezależnie od jakości narzędzia kilka spraw zostaje przy człowieku:

• reklamacje i sytuacje konfliktowe - przynajmniej pierwsza odpowiedź,
• decyzje o zwrotach, rabatach i wyjątkach od zasad,
• klienci w trudnej sytuacji - zdrowotnej, finansowej, osobistej,
• sprawy, w których pomyłka ma skutki prawne.

Narzędzie może w tych sprawach przygotować szkic albo zebrać historię. Decyzję i odpowiedź podpisuje człowiek.

Co mierzyć

• czas do pierwszej merytorycznej odpowiedzi,
• liczbę ponownych kontaktów w tej samej sprawie,
• liczbę poprawek w szkicach,
• przy automacie - jak często rozmowa kończy się przekazaniem do człowieka i o co wtedy chodziło.

Szerzej o tym, jak zmierzyć punkt wyjścia i wynik, piszę w tekście o mierzeniu efektu wdrożenia AI.

Od czego zacząć

Jeśli miałbym wskazać pierwszy krok, to baza wiedzy dla zespołu albo podsumowanie historii klienta. Niskie ryzyko, korzyść widoczna od razu, a przy okazji porządkują się dokumenty, które przydadzą się przy każdym kolejnym zastosowaniu. Automat dla klientów ma sens dopiero wtedy, gdy te fundamenty działają.

Wybrane zastosowanie buduję i sprawdzam na prawdziwych zgłoszeniach w ramach wdrożeń AI.