Rewolucja, jaką blisko dwa lata temu wywołał na rynku otwarty dostęp do chatu GPT, zmieniła zasady gry w wielu branżach. Gdy świat dowiedział się o tym, jakie możliwości oferuje AI, nie umknęło to uwadze biznesu. W tym również firm retailowych, które mają wiele punktów interakcji z klientem.
To, co dla wielu okazało się gamechangerem, dla nas jednak nie było nowością, bo proces zmian w contact center LPP z wykorzystaniem AI rozpoczął się na długo przed tym boomem. Od kilku lat wykorzystujemy możliwości sztucznej inteligencji w wielu procesach okołosprzedażowych: począwszy od analizy danych, przez tworzenie mechanizmów rekomendacji, aż po obsługę klienta.
Omnichannel rodzi wyzwania dla obsługi klienta
Rozwijamy sieć sprzedaży stacjonarnej na blisko trzydziestu rynkach. Wspieramy ją poprzez szerokozasięgowy e-commerce i coraz bardziej istotne sprzedażowo aplikacje mobilne. Wraz z popularyzacją tych kanałów rośnie także skala obsługi zapytań kierowanych przez klientów. Oprócz rosnących wolumenów dochodzi zatem:
- konieczność obsługi kupujących w niemal trzydziestu językach;
- wyzwanie związane ze sprzedażą wielokanałową, np. w kontekście metod płatności czy dostawy.
Wychodząc naprzeciw zmianom w wybieranych przez klientów kanałach komunikacji, ale też ich rosnącym oczekiwaniom co do samej jakości obsługi, wykorzystujemy chatboty i mailboty. Odpowiadają one na najczęściej pojawiające się zapytania niezależnie od kanału, języka czy sposobu ich zaadresowania.
Przyglądamy się efektom ich implementacji i widzimy pole do dalszego rozwoju technologii opartych na algorytmach sztucznej inteligencji. Jest to zresztą zgodne z prognozami dla konwersacyjnego AI. Podczas gdy globalnie w 2023 roku AI odpowiadała za około 3 proc. interakcji w contact centers – już w 2027 skala jego wykorzystania w tym obszarze ma wzrosnąć do 14 proc. (Gartner, Forecast analysis, Contact center, Worldwide; 2023).
Dlaczego konwersacyjny model AI znajduje szerokie zastosowanie w obsłudze klienta?
Jest tak w dużej mierze dlatego, że znaczna część zapytań jest tu powtarzalna. Najczęściej klienci pytają o status zamówienia, korektę danych adresowych czy możliwość dokonania zwrotu itd. Stanowi to około 80 proc. wszystkich tematów kierowanych do obsługi klienta. W naszym przypadku wirtualny asystent skrzynki mailowej, którego cały czas rozwijamy, poprzez analizę i kategoryzację wiadomości z pełnym sukcesem rozwiązuje samodzielnie około 50 proc. zapytań klientów. Odpowiada na co najmniej 100 pytań w minutę. Asystent mailowy bazuje na danych z zamówienia. Dzięki temu dysponuje kompleksową wiedzą o jego zawartości czy etapie realizacji.
AI wsparciem konsultantów
Kiedyś otwarcie na nowy rynek sprzedażowy e-commerce wymagało po stronie contact center zorganizowania osobnego pionu, który obsługiwał czasem jeden kraj lub rynki zbliżone do siebie kulturowo i językowo. Wyobraźmy sobie jednak sytuację, gdy – przykładowo – zrobiliśmy świetną promocję w Rumunii, a tym samym ruch w contact center w tym kraju rośnie kilkukrotnie. Z kolei w tym samym czasie w Niemczech mamy dość spokojną sytuację, która nie wymaga nadzwyczajnego zaangażowania zespołu.
W idealnym świecie team niemiecki mógłby wspomóc koleżanki i kolegów z Rumunii, ale pojawia się bariera językowa. Tu właśnie rozwiązaniem okazuje się AI, a dokładniej duże modele językowe, które potrafią sprawnie przełączać się pomiędzy obsługą klienta z Niemiec na tego w Rumunii. Zapewne od razu nasuwa się pytanie…
Czym LLM (large language model) różni się od klasycznych narzędzi do tłumaczeń? Przecież to nic nowego!
Oczywiście, istnieją narzędzia do tłumaczeń dostępne od ręki w internecie od ponad piętnastu lat. Zauważmy jednak, że korespondencja z wykorzystaniem tradycyjnego translatora jest poprawna, ale sam tekst brzmi nieco sztucznie, gdyż treść tłumaczona jest 1:1.
Sztuczna inteligencja podchodzi do tematu trochę inaczej. Wystarczy odpowiednio sformułować prompt, czyli kierowane do niej zadanie. Zamiast podać prosty prompt: „Przetłumacz proszę ten tekst z języka X na Y”, możemy zbriefować robota bardziej szczegółowo. Powinniśmy powiedzieć mu więcej na temat zadania, które musi wykonać, osadzając go chociażby w konkretnej roli, np.: „Jesteś pracownikiem BOK firmy odzieżowej i tłumaczysz maile klientów”. Tym sformułowaniem narzucamy wirtualnemu asystentowi określony pakiet kompetencji. Dzięki temu on już wie, że „wiosenna parka” to nie para kanarków, a „bojówki” to nie organizacje zbrojne.
Poświęcając czas na precyzyjne promptowanie asystenta, uczymy go właściwych scenariuszy komunikacyjnych. W dłuższej perspektywie możemy efektywniej zarządzać zespołami i skrócić czas odpowiedzi bez utraty jakości.
Wirtualny asystent zalicza onboarding
Tym, czego jeszcze nie zrobi za nas translator, ale AI już tak, jest próba zrozumienia klienta. Duże modele językowe świetnie radzą sobie w analizowaniu intencji rozmówcy, a jest to możliwe w dużej mierze dzięki odpowiedniemu onboardingowi. Przygotowanie wirtualnego asystenta do pracy rozpoczynamy od przeszkolenia na ogromnej ilości danych wejściowych. Dzięki nim sztuczna inteligencja jest w stanie rozpoznawać potrzeby i problemy klientów na podobnym poziomie jak konsultant. Z tą różnicą, że robi to w ułamku sekundy – czyli kilkadziesiąt razy szybciej niż człowiek.
Właściwie jedynym ograniczeniem dla nas są zasoby chmury, które de facto są nieskończone. Dlatego sztuczna inteligencja świetnie radzi sobie zarówno wtedy, gdy dostaje dziesięć wiadomości dziennie, jak i wtedy, gdy otrzyma ich milion.
Czy to oznacza, że AI jest nieomylne i może w pełni zastąpić w pracy konsultanta? Oczywiście, że nie
Roboty popełniają błędy i potrzebują wsparcia człowieka. W naszym contact center, jeśli klient nie uzyska satysfakcjonującej odpowiedzi od wirtualnego asystenta lub zwróci uwagę na jego pomyłkę, sprawa od razu przekierowywana jest do konsultanta. Wtedy to pracownik naszego zespołu przejmuje korespondencję. Ma wgląd do historii rozmowy i wie, jak została ona przeprowadzona oraz gdzie potrzebna jest jego pomoc.
Na podobnej zasadzie działają nasze infolinie. Dzwoniąc, klient może porozmawiać z konsultantem lub sprawdzić informacje szybciej, jeśli skorzysta z voicebota. Tym samym zachowujemy wysoki poziom automatyzacji, ale w kwestii jakości i utrzymania standardów bazujemy na naszym zespole. Margines błędu rzecz jasna istnieje, ale możemy zagwarantować, że klient zawsze zostanie odpowiednio obsłużony.
Gdzie jeszcze poza tzw. pierwszym frontem kontaktu z klientem można wykorzystać AI?
My wykorzystujemy ją również w optymalizacji procesów w tle, które usprawniają działanie contact center. Roboty odpowiadają za automatyzację działań powtarzalnych, takich jak gromadzenie danych, ich analiza czy raportowanie. Sztuczna inteligencja wspomaga konsultantów, zbierając informacje od klienta i dostarczając ich komplet pracownikowi contact center. Na tej podstawie może on sprawniej podjąć decyzję.
AI potrafi też przeprowadzić klienta przez cały proces reklamacyjny czy zgromadzić dokumentację zdjęciową. Wdrożone przez nas roboty automatyzują także proces przygotowania i dystrybucji raportów z pracy CC. Dzisiaj AI potrafi przeanalizować każdy raport, wyciągnąć z niego najważniejsze dane i przesłać do zainteresowanych osób.
Za każdym robotem stoi człowiek
Mogę zabrzmieć jak bohater filmów sci-fi, które przyszłość pokazują w krzywym zwierciadle, ale ja wirtualnego asystenta pracującego w naszym BOK traktuję tak jak każdego innego pracownika. Przynajmniej w wymiarze czysto organizacyjnym. Bo tak naprawdę jest on takim samym konsultantem jak człowiek. Analizujemy jego produktywność, poprawność udzielanych odpowiedzi, pozwalamy klientom ocenić jego pracę poprzez ankiety satysfakcji.
Co prawda nie korzysta on z tych samych benefitów pracowniczych, co nasi konsultanci, ale – jak każdemu – zdarza mu się zachorować. Mówimy tu np. o sytuacji, gdy dochodzi do awarii systemu i robot okazuje się nieosiągalny. To kolejna, bardzo prawdopodobna sytuacja, w której obok kontrolowania jakości obsługi bardzo ważny pozostaje czynnik ludzki. Z perspektywy funkcjonowania contact center najważniejsze, aby sprawa klienta została załatwiona szybko i poprawnie. Dlatego istotne jest, aby za każdym robotem AI stał człowiek, który będzie się nim opiekował i zarządzał – tak samo jak supervisor kieruje pracą konsultantów.
Praca z robotem to proces ciągłego doskonalenia
Nie wystarczy robota uruchomić i zostawić samemu sobie. Potrzebuje on onboardingu, ewaluacji. Zespół szkoleń i kontroli jakości cały czas przygląda się jego pracy i poprawności udzielanych odpowiedzi. Tak samo jak konsultant dostaje feedback po wykonanej pracy, również AI otrzymuje informację zwrotną, zwłaszcza kiedy popełni błąd. Chodzi o to, aby wirtualny konsultant mógł wyciągnąć lekcję na przyszłość.
Prompterzy z przyszłością w CC
Rewolucja w contact center rozpoczęła się oczywiście na długo przed chatem GPT. Mimo to nie ulega wątpliwości, że dziś obserwujemy proces dynamicznych zmian w tej branży, który zasługuje na miano rewolucji. Rola człowieka w tym procesie jest kluczowa. To od nas, osób, które wprowadzają tę technologię do biznesu i pracują z nią na co dzień zależy, czy potrafimy wykorzystać AI pod kątem rozwoju własnych kompetencji oraz optymalizacji procesów w naszej firmie.
W niektórych obszarach, gdzie zadania są rutynowe i powtarzalne, AI może zautomatyzować część wykonywanych zadań. Z drugiej strony warto zauważyć, że algorytmy stwarzają ryzyko powtarzalnych schematów. To rolą zespołu pozostaje kontrola jakości i tworzenie wartości dodanej. Zamiast wykonywać generyczne zadania, konsultanci mogą dziś skupić się na bardziej kreatywnych i strategicznych aspektach pracy. W naszej pracy nie brakuje sytuacji, w których potrzebna jest ludzka empatia, kreatywność i decyzyjność. A tych cech jeszcze długo nie da się zastąpić przez sztuczną inteligencję.
Autor będzie prelegentem IV Forum Loyalty Planet 360°, które odbędzie się 17–18 kwietnia 2024 roku w Warszawie. Marketing przy Kawie jest patronem medialnym wydarzenia (zobacz szczegóły).