Zastosowanie modeli sztucznej inteligencji w obszarze procesów biznesowych to kolejny krok w transformacji cyfrowej, który bez wątpienia czeka nas w kolejnych latach, szczególnie w świetle przekształceń na rynku związanych z pandemią koronawirusa.
Już w tej chwili dysponujemy w rzeczywistości biznesowej narzędziami zdolnymi do przetwarzania danych w sposób inteligentny i wykrywania wzorców podobnych znaczeniowo, które w tych danych występują. I takie narzędzia są coraz bardziej poszukiwane i pożądane, szczególnie przez firmy, które chociażby poprzez obsługę klienta i obsługę zgłoszeń zbierają wielkie ilości danych i nie są w stanie ich przetworzyć tak szybko, żeby utrzymać wysokie standardy obsługi.
Obecny kryzys w niektórych branżach spowodował wielki wzrost w przepływie danych między klientami a firmami, którego ciężar spadł na biura obsługi klienta, nieprzygotowane do obsługi zwiększonej liczby zapytań w krótkim czasie.
W jaki sposób sztuczna inteligencja mogłaby wesprzeć te procesy obsługi klienta? Zanim odpowiemy na to pytanie – kilka słów o powstawaniu tego narzędzia.
Geneza powstania narzędzi wykorzystujących sztuczną inteligencję
Historię warto zacząć od przybliżenia terminów Natural Language Understanding (NLU) i Natural Language Programming (NLP – nie mylić z neurolingwistycznym programowaniem!) z obszaru szeroko rozumianej sztucznej inteligencji (SI). Niezależnie od tego, na jakiej zasadzie działania się opierają, ich funkcja jest prosta i polega na zrozumieniu/przeprocesowaniu tego, co pisze/mówi człowiek językiem naturalnym (naturalnym dla niego, wypowiadanym swobodnie) i przetłumaczeniu na język zrozumiały przez maszyny (programy komputerowe). Za współczesnego założyciela tej dziedziny nauki uważa się genialnego matematyka – Alana Turinga, który w artykule opublikowanym w 1950 roku zbudował podstawowe założenia dla SI i NLP, wraz ze słynnym “testem Turinga”.
Pierwsze próby stworzenia narzędzi spełniających te założenia nie miały szans wyjść poza fazę prototypu. Głównym powodem był brak technologii i mocy obliczeniowej ówczesnych komputerów. Przełomem okazał się dynamiczny rozwój internetu i usług cyfrowych.
Dzisiejsi giganci technologiczni, jak Google, Amazon czy Facebook, zawdzięczają swoją pozycję temu, że potrafili wykorzystać gromadzone informacje o użytkownikach do zdobywania wiedzy o ich potrzebach jako potencjalnych klientów. Jednym z kluczowych narzędzi, które im to umożliwiły, to właśnie rozwijane przez nich biblioteki klasy NLU/NLP.
Rosnące oczekiwania klienta wobec firm – jak na nie odpowiedzieć?
Nowy rynek i nowy rodzaj usług wykreował też nowe potrzeby klientów. Użytkownicy internetu bowiem przyzwyczaili się do możliwości i ogromu informacji, jakie daje im stały dostęp do sieci. W konsekwencji wzrosła ich świadomość jako konsumentów, ale również oczekiwania, które można by streścić tak:
- wysoka jakość obsługi jako decydujący czynnik wyboru usługodawcy
- wysoka jakość obsługi = szybkość obsługi
- szybkość obsługi, niezależnie od złożoności problemu, oraz precyzyjna informacja o tym, na jakim etapie znajduje się przetwarzanie zapytania czy zgłoszenia
- personalizacja obsługi: nawet w relacjach B2B klient chce być traktowany wyjątkowo i indywidualnie
Wyzwanie dla klientów korporacyjnych: szybkość i jakość obsługi klientów przy rosnącej liczbie zgłoszeń
Oczekiwania i przyzwyczajenia klientów, które wyrosły na obcowaniu z usługami internetowymi, przeniosły się również na pozostałych dostawców, nawet usług tradycyjnych, i stały się standardem rynkowym.
Większość konsumentów ocenia to zjawisko pozytywnie, ponieważ w jego wyniku rozwinęli się ci dostawcy, którzy najlepiej odpowiadali na potrzeby klientów. Wyzwania, z jakimi ci dostawcy muszą się zmierzyć, to spadająca efektywność tradycyjnych metod obsługi przy wykładniczo rosnącej liczbie interakcji i zgłoszeń. Z tym związany jest szereg praktycznych problemów:
- przy ogromnej liczba zgłoszeń, trudności zaczynają się już na etapie klasyfikacji: ręczna klasyfikacja znacznie wydłuża czas obsługi
- procesy przyjmowania zgłoszeń są w niskim stopniu zautomatyzowane – często ograniczają się do automatycznej odpowiedzi o potwierdzeniu przyjęcia zgłoszenia
- w razie zwiększenia liczby zgłoszeń (szczególne sytuacje, awarie) – system zostaje przeciążony i cierpi na tym jakość i szybkość obsługi, a to moment krytyczny, w którym klient może zadecydować o zmianie usługodawcy
- inwestycja w poprawę szybkości przyjmowania zgłoszeń – duże koszty (zwiększenie liczby pracowników, szkolenia, stanowiska pracy), często – konieczność outsourcingu – duże koszty i zmniejszona kontrola nad procesami obsługi
Stąd ogromne zainteresowanie narzędziami wcześniej zarezerwowanymi wyłącznie dla największych graczy na rynku. Narzędziami potrafiącymi częściowo zastąpić pracownika i zautomatyzować powtarzalne czynności.
Wcześniej te czynności wymagały ingerencji człowieka, jego wiedzy i decyzji, na przykład o tym, czy mail, który wpłynął, to reklamacja, czy prośba o dokupienie usługi. Obecnie rozwiązania, które są w stanie zastąpić konsultanta w rutynowych czynnościach i przekierować jego uwagę na bardziej złożone problemy, są dostępne niemal dla wszystkich. Technologie oparte o SI stają się coraz bardziej powszechne i tańsze w implementacji.
Dzięki edukacji w tym zakresie coraz więcej korporacji i dużych przedsiębiorstw zauważa, jak duże ilości danych gromadzi i podejmuje wyzwanie ich przetwarzania z wykorzystaniem nowych technologii
Sztuczna inteligencja a rozwiązanie problemu – Focus AI
Focus AI jest właśnie przykładem takiej technologii. To gotowy do użycia komponent który, umieszczony między Twoim firmowym serwerem poczty a systemem Focus Contact Center, pozwala na analizę treści wiadomości i ich klasyfikację według wskazanych przez Ciebie kategorii.
Focus AI pozwala również na wskazywanie w treści fraz istotnych znaczeniowo, takich jak imię i nazwisko, numer PESEL czy adres. Dzięki temu bot może nie tylko rozpoznać z precyzją równą ludzkiej intencję osoby, która do nas pisze, ale również może uzupełnić pola formatki wymaganymi informacjami, które potrafi samodzielnie odnaleźć w treści.
Taki model działania Focus AI połączonego z systemem do obsługi zgłoszeń Focus Desk pozwala na zaawansowaną automatyzację działań związanych z przyjmowaniem zgłoszeń i jakością oraz szybkością ich obsługi.
Trzy modele działania Focus AI w obsłudze zgłoszeń
interpretacja treści zgłoszeń mailowych w celu stworzenia szablonów odpowiedzi na różne typy zgłoszeń, zależnie od zawartych w nich treści i ich automatyczna klasyfikacja
automatyzacja odpowiedzi na pewien typ zgłoszeń – wejście w samodzielny, automatyczny dialog z pulą zgłoszeń za pomocą szablonów, które nie wymagają interwencji konsultanta
uzupełnienie luk w procesie obsługi poprzez analizę przekroju zgłoszeń i wyeliminowanie najczęściej pojawiających się problemów, o których być może nawet nie miałeś pojęcia
Korzyści związane z wdrożeniem Focus AI
- Zwiększenie poziomu automatyzacji procesu obsługi zgłoszeń – mniej interwencji konsultantów: 40% pracy wcześniej wykonywanej manualnie – zautomatyzowana.
- Znaczne przyspieszenie obsługi zgłoszeń poprzez skrócenie procesu i wyeliminowanie konieczności bezpośredniej obsługi pewnej puli zapytań i tym samym: zwiększenie jakości obsługi.
- Personalizacja obsługi: uwolnienie sił konsultantów dzięki automatyzacji procesów i przekierowanie ich działań na obszary, które wymagają niestandardowych interwencji.
- Zastąpienie pracowników botem na pewnych etapach procesów, takich jak klasyfikacja zgłoszeń, pozwala, w zależności od ilości wpływających treści, uwolnić od kilku do nawet kilkudziesięciu etatów do innych, bardziej wartościowych zadań. Jednocześnie skracając czas reakcji/odpowiedzi z godzin do minut.
- W modelu asystowanym Focus AI zmniejsza czas potrzebny na obsługę zapytania nawet kilkakrotnie. Jest to możliwe dzięki temu, że konsultant dostaje już wstępnie przetworzoną treść wraz z wypełnionymi polami skryptu i propozycją szablonu odpowiedzi. Nie musi szukać informacji, ani budować treści odpowiedzi samodzielnie, co zwiększa jego komfort pracy i szybkość odpowiedzi.
- Focus AI, dzięki modelom analitycznym, pozwala również uzyskać wiedzę na temat potencjalnych błędów i zatorów w procesach. Taka wiedza stanowi klucz do zrozumienia dynamiki różnych procesów i daje możliwość podjęcia działań optymalizacyjnych – uproszczenia i zwiększenia efektywności procesów.
Kryzys związany z koronawirusem przeminie, a dobre rozwiązania, zwłaszcza te związane z technologiami cyfrowymi, zostaną z nami na dłużej. Oszczędność czasu i pieniędzy związana z szybką klasyfikacją treści i automatyzacją czynności na podstawie konkretnych danych jest nie do przecenienia w firmach, których wizytówką jest obsługa klienta, nie tylko w czasach kryzysu, ale także na ścieżce do rozwoju.
Współautorem artykułu jest:
Łukasz Kobiec, CEO Itimatica
Wsparciem obsługi klienta i sprzedaży zajmuje się od początku swojego życia zawodowego, czyli od ponad 16 lat. Zaczynał od pracy w Contact Center, praca „na słuchawce” okazała się szkołą życia, która przerodziła się w pasję. Dzięki niej mógł piąć się w górę i zdobywać kolejne szczeble kariery. W swojej pracy zawodowej zajmuje się współpracą z menadżerami zarządzającymi zespołami BOK/sprzedaży, wspiera ich w budowaniu rozwiązań (solution selling), analizie biznesowej, consultingu. Spółki technologiczne, z którymi współpracuje, wykorzystują jego kompetencje i doświadczenie do budowy strategii handlowych, produktów lub usług, pozyskiwania nowego biznesu lub kanałów sprzedaży.W 2016 i 2017 roku, branżowy portal ccnews.pl uznał go za jedną z 25 najbardziej wpływowych osób w branży.
