AI Crunch Voice | Umělá inteligence se rychle stává nedílnou součástí moderního podnikání, a to platí i pro oblast zákaznické podpory. Zákazníci totiž očekávají okamžité a efektivní řešení svých požadavků. Tomáš Lysek, spoluzakladatel a CEO Coworkers.ai, v rozhovoru odhaluje, jak může AI transformovat zákaznickou zkušenost, přinášet personalizaci a zvyšovat efektivitu operátorů. Přibližuje také hlavní výzvy při implementaci chatbotů a voicebotů a sdílí úspěšné příběhy z praxe, které ukazují, jak AI může výrazně zlepšit kvalitu služeb.
Tomáši, podle nedávného průzkumu agentury MNForce má 96 % lidí špatnou zkušenost se zákaznickou podporou. Jaké jsou podle vás hlavní důvody této alarmující statistiky?
Tuto statistiku jsme zkoumali společně s agenturou MNForce a zjistili jsme, že zákazníci chtějí vyřešit požadavek hned. A cokoliv, co je brzdí od vyřešení požadavku, je frustruje. Ono se není čemu divit: několika minutové procházení stromem „stiskněte jedničku pokud X“, dlouhé čekání ve frontě nebo krátká otevírací doba (v případě státní správy jen 2x týdně) je něco, co v dnešní „internetové době“, kdy mám jakékoliv informace na pár kliků, prostě do oči bijící.
Třetina zákazníků roboty kategoricky odmítá. Jak plánujete změnit toto vnímání a přesvědčit skeptiky o výhodách automatizované komunikace?
Spousta zákazníků pod roboty stále považuje i zmíněné tlačítkové stromy „Pokud chcete X, stiskněte jedničku …“ následované několikaminutovým čekáním. Jedinou možností, jak skeptiky přesvědčit, je jim pomoci. Je to možná i o nastavení očekávání. Lidi nemají rádi změnu a pokud čekají, že budou ťukat jedničky a robot jim řekne „Dobrý den, s čím vám mohu pomoci“ jsou zaskočení. Přitom stačí si připravit krátkou větu, tu jednoduše robotovi říct – stejně jako by říkali paní na vrátnici – a robot buď odpoví anebo hned přepojí na operátora. Žádné zdlouhavé procházení stromem a v případě, kdy robot informace zná, tak ani žádná čekací doba ve frontě.
Můžete nám přiblížit, jaké konkrétní služby Coworkers.ai nabízí v oblasti zákaznické podpory a jak v nich využíváte umělou inteligenci?
Nabízíme roboty pro chatový, telefonní a emailový kanál. Zákazníkům vždy doporučíme, které scénáře jsou nejlepší na implementaci, naimplementujeme první, zaučíme ho do naší platformy. Dále jim pak nabízíme podporu a návrhy vylepšení. Používáme různé technologie umělé inteligence – přepis řeči na text, textu na řeč, porozumění pomocí NLP nebo LLM a GPT.
Mluvíte o implementaci. Jaké jsou hlavní výzvy při nasazení chatbotů a voicebotů do zákaznické podpory a jak je vaše společnost řeší?
Největší výzvou je úvodní analýza komunikace. Společnosti za námi často přijdou a řeknou „Chceme automatizovat těchto pět častých dotazů“. My je zautomatizujeme a následně společně zjistíme, že na tyto dotazy se zákazníci ptají například v 1 % případů. Vyvinuli jsme proto pomocí umělé inteligence nástroj, kdy na vstupu dáme veškerou komunikaci společnosti a na druhé nám vypadnou hierarchicky typy dotazů a jejich počty. Díky této analýze se poté můžeme zaměřit pouze na ty dotazy a případy, které dávají smysl. Tuto analýzu děláme zdarma jako součást každé instalace.
Můžete uvést příklad úspěšné implementace robotů v zákaznické podpoře, kde se výrazně zlepšila kvalita služeb?
Jako prvního zákazníka mohu zmínit Generali Českou pojišťovnu. Místo tlačítkového automatu na příchozí lince je robot, který pomocí hlasu přepojí a autorizuje zákazníka nebo rovnou odpoví na zákaznický dotaz. Snížila se přepojovatelnost mezi operátory (zákazník vybral špatnou volbu) a doba kdy zákazník prochází stromem.
Jako druhého zákazníka mohu zmínit Českou poštu, kdy většina konverzací je na téma „kde je moje zásilka / balíček“. Díky robotovi dokážeme odpovědět zákazníkovi ihned, bez front a 24/7.
Jakou roli hraje personalizace v automatizované komunikaci a jak ji lze efektivně implementovat do chatbotů a voicebotů?
Představte si, že uděláte na eshopu objednávku a chcete ji změnit nebo zrušit. Zavoláte poté na infolinku (nebo si otevřete chatbota) a ozve se vám „Dobrý den Vašku, vidím, že jste před chvíli vytvořil objednávku. Přejete si ji změnit?“. Jak vyplynulo z dotazníku společnosti MNForce – zákazníci chtějí vyřešit požadavek co nejrychleji, nejlépe hned. A proto personalizace je v komunikaci velmi důležitá. Do robotů ji lze implementovat poměrně jednoduše. Je nutné v rámci úvodní analýzy identifikovat scénáře a ptát se „Co zákazník udělal před tímto scénářem“. Poté pomocí integrací na systémy společnosti je robot schopen predikovat proč zákazník volal, jak se jmenuje a použít tyto informace k uvedenému příkladu.
Jak řešíte situace, kdy AI asistent narazí na dotaz nebo problém, který nedokáže vyřešit? Máte vytvořený nějaký systém pro plynulé předání komunikace lidskému operátorovi?
Vždy se snažíme, aby v tomto případě byl zákazník přepojený na operátora. Operátor poté dostane přepis konverzace a může plynule navázat na robota. Pokud operátor není dostupný – např. po pracovní době – zakládáme buď zpětné volání operátorem, nebo si uložíme požadavek a vyzveme zákazníka, aby zavolal druhý den – poté se mu ozve „Dobrý den Vašku, přeješ si řešit požadavek XY“ a ihned směrujeme na operátora.
Je patrné, že roboti mohou operátorům práci ulehčit. Jak konkrétně ovlivní zavedení robotů práci lidských operátorů a jejich pracovní spokojenost?
Díky robotům operátoři řeší jenom tu komunikaci, která dává smysl. Pro některé společnosti je například 10 dotazů typu „kde je moje objednávka“ mnohem méně hodnotnější než jeden dotaz „Mohu tento produkt kombinovat s tímto produktem?“. Operátoři tedy neřeší neustále se opakující se a jednoduché dotazy. Řeší pouze to, co je důležité. Operátor také může zákazníka dostat již autorizovaného a se základními informacemi „Chce XY, ptá se na produkt Z“, čímž se zrychlí odbavení. Po konci hovoru taky nemusí operátor zapisovat o čem byl hovor a jak dopadl – vše může poslouchat robot a automaticky uložit. Operátoři poté nemusí řešit opakující se dotazy, čímž se může snížit míra fluktuace operátorů.
Zmínil jste, že ne každá komunikace má stejnou hodnotu pro firmu. Jak určujete, které typy komunikace by měly být automatizovány a které by měly zůstat v rukou lidských operátorů?
Faktory jsou dva. Jak kvalitně zvládne robot daný typ komunikace a jestli není lepší pro zákazníka, kdyby tento typ řešil operátor. Otevřeně přiznáváme, že umělá inteligence není všemocná a má stále mezery. Pokud si myslíme, že zákazníkům nebude pomáhat, tak ji firmám nedoporučujeme. V rámci úvodní analýzy komunikací navrhujeme pouze ty scénáře, které robot zvládne. Nevhodné jsou například složité doporučování produktů nebo případy s velkou doménovou znalostí, kdy operátor je spíš specialista.
Mnoho firem se obává, že zavedení robotů do zákaznické podpory může působit neosobně. Jak pracujete na tom, aby interakce s roboty byly pro zákazníky příjemné a "lidské"?
Stavbou scénáře se snažíme, aby komunikace byla jednoduchá a stručná – prostě taková, jako kdyby ji mluvil operátor. Často se setkáváme, že naši zákazníci chtějí do robota dostat několika minutové hlášky, které jsou zvyklí dávat do tlačítkových automatů. Vždy se domluvíme na zjednodušení tak, aby byla konverzace příjemná. Dále velmi pomáhá zmíněná personalizace. Existují i další pokročilé techniky jako – doptání doplňující otázky, rozmluvení zákazníka nebo prediktivní analýza.
Tomáši, na závěr nám řekněte, jak vidíte budoucnost umělé inteligence v oblasti zákaznické podpory?
Myslím si, že bude přibývat stále více konverzací, které zautomatuzují roboti. Před pěti lety jsme si ani nedokázali představit, že by nějaký robot „jenom“ načetl webové stránky a dokázal z nich odpovídat na časté dotazy s 98% úspěšností – tohle se nám například podařilo se Seznamem na nápovědě Sklik-u. Za dalších pět let bude podle mě AI v zákaznické podpoře na takové úrovni, že ji běžný zákazník ani nepozná. Přeji si taky, ale tady mnohem dřív, aby se zákazníci naučili komunikovat s roboty a viděli v nich přidanou hodnotu.
Tento rozhovor je součástí série AI Crunch Voice a vznikl ve spolupráci se společností Coworkers.ai.
