Fra supportfunktion til vækstmotor: Fremtiden for kunstig intelligens og kundeservice

I forbindelse med Salgsstyrke

Når det kommer til at forestille sig fremtiden, bliver kundeservice ofte malet i et dystopisk lys. Tag sci-fi-filmen fra 2002 Mindretalsrapport . Tom Cruises John Anderton går ind i Gap, et identitetsgenkendelsessystem scanner ham, og et hologram spørger om et nyligt køb.

Der er noget foruroligende i denne vignet - et uopfordret ikke-menneske ser ud til at vide alt om dig (eller, som i filmen, tager dig fejl af en anden). Men sandheden er, at kunder i dag forventer denne form for elegant, personlig service. Deres forhold til detailhandlere, banker, sundhedsfaciliteter – og stort set alle organisationer, de har forretning med – ændrer sig. I en digital økonomi, der altid er tændt, vil de forbinde, når de vil, hvordan de vil. Kunder vil have deres produktspørgsmål besvaret, kontoproblemer behandlet, og sundhedsaftaler omlagt hurtigt og uden besvær.

De begynder at få det. I dag, når kunder ringer til en virksomhed for at få detaljer om deres produkter, bliver samtalen styret af en chatbot. De besvarer et par simple spørgsmål, og chatbotten styrer dem i den rigtige retning. Hvis den ikke kan besvare en forespørgsel, træder en menneskelig agent ind for at hjælpe. Kundeoplevelsen er hurtig og personlig, og kunderne er gladere. På bagsiden er midler mere effektive og produktive. Se den virkelige fremtid for kundeservice.

Software til kunstig intelligens (AI) og Customer Relationship Management (CRM) baner vejen til den fremtid. Sammen kan teknologierne automatisere rutineopgaver, frigøre menneskelige agenter og give dem datadrevet indsigt for at hjælpe med at løse kundeproblemer hurtigt. De hjælper detailhandlere, banker, offentlige myndigheder og flere med at gentænke målene for deres kundeservicecentre, hvilket giver deres teams mulighed for at udvikle sig fra en supportfunktion til en vækstmotor.

I dag muliggør fremskridt inden for kunstig intelligens og maskinlæring et dybere niveau af kundeengagement og service end nogensinde før.

Men der er stadig hårde udfordringer. Målet for organisationer er at tilbyde den samme kundeservice på tværs af alle kanaler – telefon, chat, e-mail, sociale medier – men i de fleste organisationer i dag er teknologien der ikke helt endnu. AI-teknologier skal være i stand til at forstå menneskelig tale og følelsesmæssige nuancer på et dybere niveau for at løse komplekse kundeproblemer. Og i mangel af universelle standarder, der styrer den etiske brug af kunstig intelligens, er organisationer nødt til at opbygge et sæt vejledende principper, der sætter kundernes behov først – og etablerer den form for tillid mellem mennesker og maskiner, der får det hele til at tikke.

Automatiser eller stagnere

I en februar post Gartner forudser, at i 2022 vil 70 % af kundeinteraktionerne involvere nye teknologier såsom maskinlæringsapplikationer (ML), chatbots og mobilbeskeder, op fra 15 % i 2018.

I dag muliggør fremskridt inden for kunstig intelligens og maskinlæring et dybere niveau af kundeengagement og service end nogensinde før. Kraftige og oplærbare algoritmer kan parse gennem enorme mængder data og lære mønstre for at automatisere og assistere kundeserviceprocesser. Denne teknologi ændrer kundeservices ansigt og hjælper organisationer med at forstå kundernes behov – ofte før de overhovedet gør – ved at levere den service, de har brug for på det rigtige tidspunkt, siger Jayesh Govindarajan, vicepræsident for AI og maskinlæring hos Salesforce.

AI bliver brugt i næsten alle aspekter af kundeservice, startende med automatisk triaging af kundesager til agenter med de rigtige færdighedssæt og efterfulgt af assisterende AI, der træder ind for at fremkomme med information og svar, der hjælper agenter med at løse sager hurtigere og med præcision, siger Govindarajan. Der er endda AI, der kan bruge kontekst i en samtale til at forudsige et svar. Hvis jeg siger 'jeg er sulten - det er tid til at få fat i noget ...', siger Govindarajan, den ved, at jeg nok kommer til at sige 'frokost', fordi det er midt på eftermiddagen.

Corona-pandemien i 2020 fremskynder overgangen til digital-first-service. Menneskelige interaktioner bliver mere og mere virtuelle: Folk udfører flere af deres daglige opgaver over internettet, handler online og møder og samarbejder gennem virtuelle platforme. Organisationer erkender det hurtige skift og besvarer udfordringen ved at bruge chatbots og andre AI-værktøjer til at indsamle information, klassificere og rute kundesager og løse rutinemæssige problemer.

Tendensen udspiller sig på tværs af alle brancher, med den største udbredelse inden for detailhandel, finansielle tjenester, sundhedspleje og regering, ifølge Govindarajan. Når folk har brug for hjælp til at returnere et produkt eller forny et kørekort, bliver processen i stigende grad automatiseret. Alene detailautomationsmarkedet blev vurderet til 12,45 milliarder dollars i 2019 og forventes at nå 24,6 milliarder dollars i 2025, ifølge forskning af Mordor Intelligence .

En sådan vidtrækkende adoption er mulig, fordi sprogmodeller, motorerne bag naturlig sprogbehandling, kan trænes til at lære et specifikt sprog. I detailhandelen kunne et konversations-AI-system for eksempel lære strukturen og indholdet af et produktkatalog, siger Govindarajan. Samtalens ordforråd er domænespecifikt, i dette tilfælde detailhandel. Og med mere brug vil sprogmodellerne lære det ordforråd, der anvendes i hver branche.

Menneske-maskine alliancen

Efterhånden som dette nye niveau af kundeservice udvikler sig, er det på vej i to generelle retninger. På den ene side er der en fuldautomatisk oplevelse: en kunde interagerer med en organisation – styret af chatbots eller andre automatiserede stemmemeddelelser – uden hjælp fra en menneskelig agent. For eksempel kan Einstein, Salesforces AI-drevne CRM-system, automatisere gentagne funktioner og opgaver såsom at stille en kunde spørgsmål for at bestemme arten af ​​et opkald og dirigere opkaldet til den rigtige afdeling.

Vi ved præcis, hvordan strukturen i en samtale ser ud, siger Govindarajan. Du kommer til at se en hilsen, indsamle nogle oplysninger og løse et problem. Det er praktisk at automatisere disse typer samtaler. Jo mere modellen bruges, jo mere kan algoritmerne lære og forbedre. EN undersøgelse udført af Salesforce fandt ud af, at 82 % af kundeserviceorganisationer, der bruger kunstig intelligens, oplevede en stigning i første kontaktopløsning, hvilket betyder, at problemet er løst, før kunden afslutter interaktionen.

Men AI-assisterede svar har begrænsninger. Når et spørgsmål er mere komplekst eller mindre forudsigeligt, kræves menneskelig involvering – tænk på en turist, der forklarer et problem på et andet sprog, eller en person, der kæmper for at følge monteringsvejledningen til en loftventilator. I disse scenarier er empati afgørende. Et menneske skal være i løkken for at arbejde direkte med kunden. Så en agent træder ind, henviser til CRM-systemet for at få opdaterede kundedata for at få den nødvendige kontekst og hjælper kunden med at løse problemet.

Du kan tænke på agentens rolle som at træne systemet - agenter retter maskingenererede svar og foretager opfølgende handlinger, siger Govindarajan. Mens systemet hjælper agenten til det rigtige svar ved hjælp af maskinlæringsmodeller, der er trænet i tidligere lignende, succesfuldt løste sager og på kundens tidligere interaktioner med virksomheden.

Agenten er også i stand til at opdyrke et bedre forhold til kunden ved at overlade samtalen med databaseret indsigt, hvilket gør den mere personlig.

Overvinde teknologi, etiske udfordringer

Alt dette tegner et spændende billede af fremtiden for kundeservice - men der er forhindringer at springe over. Kunder interagerer i stigende grad med virksomheder via online og offline kanaler. Salesforce research fandt ud af, at 64 % af kunderne bruger forskellige enheder til at starte og afslutte transaktioner. Det betyder, at organisationer skal adoptere og implementere teknologier, der kan give den beundrede enkelt visning af kunden – en aggregeret samling af kundedata. At have denne visning vil hjælpe med at aktivere multimodal kommunikation - hvilket betyder, at kunder får den samme oplevelse, uanset om de er på en mobiltelefon, sms'er eller e-mailer. Yderligere skal maskinlæringsalgoritmer blive mere effektive; konversations-AI skal udvikles for mere præcist at detektere stemmemønstre, følelser og hensigter; og organisationer skal sikre, at dataene i deres algoritmer er nøjagtige og relevante.

Udfordringerne rækker ud over kun teknologi. Efterhånden som kontaktcentre vedtager AI, skal de fokusere på at udvikle tillid mellem teknologien og deres medarbejdere og kunder. For eksempel skal en chatbot fortælle kunderne, at det er en maskine og ikke et menneske; kunder skal vide, hvad bottens begrænsninger er, især i tilfælde, hvor følsomme oplysninger udveksles, som i sundhedsvæsenet eller økonomi. Organisationer, der bruger kunstig intelligens, skal også være opmærksomme på, hvem der ejer kundernes data, og hvordan de håndterer databeskyttelse.

Organisationer skal tage dette ansvar alvorligt og forpligte sig til at levere de værktøjer, kunder og personale har brug for til at udvikle og bruge AI sikkert, præcist og etisk . I et forskningsnotat fra 2019 , Gartner rådgiver data- og analyseledere: Opnå aftale med interessenter om relevante AI-etiske retningslinjer. Start med at se på de fem mest almindelige retningslinjer, som andre har brugt: være menneskecentreret, være retfærdig, tilbyde forklaring, være sikker og ansvarlig.

I en verden, hvor det er stadig vigtigere at opbygge stærke relationer mellem organisationer og offentligheden, giver service den største mulighed for at løfte kundeoplevelser og gå efter vækst. Værdien ved at gøre det bliver mere og mere tydelig, siger Govindarajan. Når du implementerer AI-systemer og gør det godt, falder omkostningerne ved at håndtere sager, og hastigheden på at løse dem stiger. Og det skaber værdi for alle.

Dette indhold blev produceret af Insights, den tilpassede indholdsarm af MIT Technology Review. Det er ikke skrevet af MIT Technology Reviews redaktion.

skjule