Мечтает ли ИИ о клиентской поддержке

Прежде чат-боты обрабатывали клиентские запросы, но знали только конкретные команды и не могли решать широкий спектр задач.  Иллюстрация сгенерирована нейросетью Kandinsky 3.0

Сейчас искусственный интеллект задействуют едва ли не в каждой бизнес-отрасли. Если речь идет о финансах, то ИИ пригодится для оценки рисков и выявления мошенничества, в производстве он нужен для предиктивного обслуживания и оптимизации цепочек поставок, в маркетинге – для сегментации и таргетинга клиентов.

Что важнее, GenAI (генеративный искусственный интеллект, тип системы ИИ, которая может в ответ на подсказки генерировать изображения, текст и другие медиаданные) используют для диагностики и персонализации лечения в сфере здравоохранения. И, конечно, в более узких направлениях, в том числе когда предполагается прямое взаимодействие с клиентом.

Прежде чат-боты обрабатывали клиентские запросы, но знали только конкретные команды, которым их обучили, и не могли решать широкий спектр задач. Сейчас им на смену пришли AI-боты (англ. artificial intelligence – «искусственный интеллект»), которые постоянно обучаются на обращениях пользователей – и поэтому умеют гораздо больше. Бывают разные варианты применения искусственного интеллекта: для анализа данных используют алгоритмы машинного обучения, для общения с клиентами. Чат-боты на базе ИИ, для рутинных задач, роботизированная автоматизация процессов (RPA), для предиктивной аналитики – продвинутый AI. В разработке и настройке таких программ участвуют узконаправленные специалисты: Data scientists, инженеры ИИ и эксперты по машинному обучению.

Если говорить про работу клиентской поддержки, то тут AI задействуется на каждом этапе, будь то звонок в кол-центр или общение в чате. Искусственный интеллект способен записать разговор, расшифровать аудио и «сделать выводы», то есть обучиться. Это может сократить время общения с поддержкой примерно на 45%, а в будущем даже исключить помощь живых операторов. Для сравнения: раньше чат-боты предлагали заготовленные варианты ответов, из которых нужно было выбирать подходящий, или же сразу переводили звонок на живого оператора. Теперь диалог в чате ведет ИИ-оператор: он изучает проблему и старается предоставить более персонализированный ответ, так что иногда до живого общения дело не доходит вовсе.

Аналогично со звонками: раньше на них отвечали боты, у которых был список заготовленных решений. После ряда неудачных попыток разобраться в запросе клиента бот переводил звонок на живого оператора. Теперь же ИИ-боты анализируют большой объем данных, собранный во время взаимодействия с пользователями, обучаются и выстраивают полноценные сценарии с подходящими ответами.

Например, пока вы ожидаете на линии, бот помогает выбрать направление проблемы, после чего ответ переводится на «оператора». Далее – оператором тоже выступает обученный ИИ: он отвечает, как живой сотрудник службы поддержки, говорит человеческим голосом и использует скрипт для удовлетворения запроса клиента. В случае, если даже обученный AI не может решить проблему, по окончании разговора перезвонит живой оператор.

Наконец, искусственный интеллект подключается и на этапе общения клиента с живым сотрудником: он генерирует сценарий для оператора, что помогает решить проблему примерно на 20% быстрее. При этом живой сотрудник тоже может вносить изменения в систему, чтобы оптимизировать процесс.

Есть запросы, с которыми искусственный интеллект справляется самостоятельно: это зависит от специфики обращений и направления индустрии. К примеру, банковскому клиенту ИИ поможет отфильтровать повторяющиеся транзакции, чтобы выявить ненужные подписки. А вот решить проблему с «подозрительными» списаниями средств не поможет. В истории с онлайн-покупками он способен помочь в оформлении возврата товара, а в некоторых случаях, при недорогостоящей покупке, оформить возврат средств сразу (например, если вы заказали зубную пасту, а вам привезли испорченный товар).

Как только внедряется GenAI, параллельно запускаются специальные сервисы, чтобы отслеживать, как искусственный интеллект помогает решать запросы пользователей. Статистика говорит, что сервисы поддержки клиентов, дополненные искусственным интеллектом, позволяют решать вопросы онлайн на 20–30% чаще, чем те, где этого нет.

В случае, когда звонок переводится на операторов, AI позволяет генерировать более эффективный скрипт решения проблем. Это снижает время взаимодействия с клиентом до полного решения проблемы на 10–15%. AI-технологии, ведущие сбор данных на всем клиентском пути, позволяют оптимизировать базы знаний сотрудников кол-центров на 10%. Кроме того, это улучшает специфический показатель after-call work (ACW, задачи, которые необходимо выполнить после завершения разговора с клиентом) на 50–60%.

То есть подобные технологии не только помогают бизнесу становиться лучше и привлекательнее для пользователей, но и клиентам экономят время на решении проблем и, как следствие, формируют более позитивный опыт взаимодействия со службой поддержки. Хорошим показателем в данном случае будет NPS (Net Promoter Score, метрика для оценки лояльности клиента). После внедрения AI в сервисы поддержки клиентов уровень этого показателя вырос в среднем на 28%.

Технология GenAI, безусловно, будет развиваться, в телефонной трубке все чаще будет звучать «живой» голос ИИ, к которому все уже привыкли, и предлагать решение всех проблем на свете в одном коротком звонке. И тут, конечно, есть свои риски, уже не связанные с пользовательским опытом.

Спрос на сотрудников кол-центров может вскоре снизиться, потому что многие функции будут автоматизированы за счет внедрения искусственного интеллекта. Тогда многим крупным компаниям придется переориентировать рабочую силу – и обучать сотрудников дополнительным навыкам, чтобы они могли работать с усовершенствованными системами ИИ. Это значит, что нужно будет уделять внимание не только интеграции GenAI, но и поддержке работников через обучение и развитие новых компетенций. n