Çoğu müşteri destek ekibi, bilet hacminin büyük bir kısmının tekrarlayan işlerden oluştuğunu ezbere bilir. Şifre sıfırlamalar. "Siparişim nerede." Kimsenin bağlantısını paylaşmadığı bir yardım dokümanında tek satırlık cevabı olan faturalandırma soruları. Bu hacmi iyi yöneten ekip, mutlaka en fazla kişi sayısına sahip olan değildir — hangi biletlerin bir insana ihtiyaç duyduğunu, hangilerinin duymadığını çözmüş olan ekiptir.
Destek alanında yapay zekâ ajanlarının gerçek vaadi de budur: ekibinizin yerini almak değil, bilet hacminin tekrarlayan %40-60'lık kısmına gidecek başka bir yer sağlamak — böylece elinizdeki insanlar zamanlarını gerçekten karar gerektiren biletlere ayırabilir.
Bir yapay zekâ destek ajanı gerçekte ne yapar
Destek bağlamındaki bir yapay zekâ ajanı, senaryolu bir chatbot değildir. Bu teknolojinin işe yarayan versiyonu gelen bir mesajı okur, sistemlerinizden ilgili bağlamı çeker — sipariş durumu, hesap geçmişi, abonelik katmanı, önceki biletler — ve sorunu doğrudan çözer ya da bir insanın onaylaması için bir yanıt taslağı hazırlar.
Bu ayrım önemlidir. Senaryolu bir chatbot sabit bir soru kümesini yanıtlar ve bunun dışında sessizce başarısız olur. Gerçek verinize ve bilgi tabanınıza dayanan bir yapay zekâ ajanı, müşterilerin aynı avuç dolusu soruyu sormak için kullandığı ifade çeşitliliğinin uzun kuyruğunu ele alabilir ve neyi bilmediğini bilir.
Genellikle iyi işleyen üç örüntü var:
İyi tanımlanmış talepler için doğrudan çözüm. Sipariş durumu, kargo güncellemeleri, politika dahilindeki basit iade talepleri, hesap erişim sorunları — bunların net girdileri ve net doğru çıktıları vardır. Bir ajan bunları, ne yaptığınızı denetleyebilmeniz için günlükleme ile birlikte uçtan uca yönetebilir.
Karar gerektiren durumlar için taslak-ve-onay. Takdir yetkisi gerektiren her şey için — bir müşterinin istisna talep etmesi, bir şikâyet, belirsiz bir teknik sorun — ajan aynı bağlamı kullanarak bir yanıt taslağı hazırlar, ancak gönderilmeden önce bir insan bunu inceler. Bu, tam otomasyon konusunda temkinli olan ekipler için genellikle doğru başlangıç noktasıdır ve yine de bağlam toplamaya harcanan zamandan tasarruf sağlar.
Tam yükseltme için bağlam toplama. Bir bilet başından itibaren bir insana ihtiyaç duysa bile, ajan ilgili hesap ve sipariş geçmişini otomatik olarak bir araya getirebilir — böylece insan, etkileşimin ilk üç dakikasını sadece müşterinin kim olduğunu bulmakla geçirmez.
Henüz iyi işlemediği yerler
Sınırlar konusunda dürüst olmakta fayda var. Yapay zekâ ajanları şunlarla zorlanır:
- Bilgi tabanınızda veya geçmiş biletlerinizde hiçbir yerde temsil edilmeyen gerçekten yeni sorunlar.
- Yanlış bir cevabın gerçek bir maliyeti olduğu yüksek riskli istisnalar — politikanın çok dışında bir iade, hukuki veya güvenlikle ilgili bir soru, savunmasız bir müşteriyi ilgilendiren herhangi bir durum.
- "Doğru" cevabın, üslubu okumaya ve stratejiyi konuşma ortasında ayarlamaya bağlı olduğu çok adımlı pazarlıklar.
Yapay zekâ ajanlarından en fazla değeri elde eden ekipler, ilk günden her şeyi otomatikleştirmeye çalışanlar değildir. Bilet hacimlerini türe göre haritalandıran, iyi tanımlanmış %40-60'lık kısmı otomatikleştiren ve geri kalanını — bilinçli olarak — insanlara bırakan ekiplerdir.
Bunu devreye almak için pratik bir çerçeve
1. Önce bilet hacminizi kategorize edin. Herhangi bir şey inşa etmeden önce, son üç ayın biletlerini çekin ve türlerine göre etiketleyin. Hacminizin büyük kısmını oluşturan bir avuç kategoriyi arıyorsunuz. Bu genellikle ekiplerin beklediğinden daha açıklayıcıdır — çoğu destek kuyruğuna beş ila sekiz tekrarlayan kategori hâkimdir.
2. En güvenli kategorinizde doğrudan çözümle başlayın. En net doğru cevaba ve devreye alma sırasında ajanın ara sıra yanlış yapması durumunda en düşük maliyete sahip kategoriyi seçin — genellikle sipariş durumu veya kargo soruları. Kapsamı genişletmeden önce bunun iyi çalışmasını sağlayın.
3. Görünür yükseltmeyi yerleşik hale getirin. Ajanın verdiği her yanıt — ister doğrudan ister taslak olsun — müşterinin bir insana ulaşmasını kolaylaştırmalı ve ekibinizin ajanın ne yaptığını görmesini kolaylaştırmalıdır. Güven, sistemin otomatik olduğunu gizleyerek değil, sistemi anlaşılır kılarak inşa edilir.
4. Her şeyi ölçün. Çözüm oranını, yükseltme oranını ve — kritik olarak — ajan tarafından ele alınan biletlerdeki müşteri memnuniyetini insan tarafından ele alınanlarla karşılaştırarak izleyin. Kapsamı genişletip genişletmeyeceğinizi ya da geri çekip çekmeyeceğinizi size söyleyen veri budur.
5. Bilinçli şekilde genişletin. Aynı ölçüm disipliniyle kategorileri birer birer ekleyin. Ajana tüm kuyruğunuzu bir anda teslim eden bir düğmeye basma dürtüsüne direnin.
Açıklayıcı bir örnek
Destek kuyruğuna şifre sıfırlamaların, plan değişikliği sorularının ve temel kurulum sorun gidermelerinin hâkim olduğu — birlikte, gelen hacmin yarısından fazlasını oluşturan — orta ölçekli bir yazılım şirketi düşünün. Hesap sisteminden ve faturalandırma platformundan çekilen bağlamla bu üç kategoriye özel olarak kapsamlandırılmış bir ajanın devreye alınması, bu kategorilerdeki biletlerin büyük çoğunluğunu insan müdahalesi olmadan çözdü; kapsam dışındaki her şey ise eskisi gibi ekibe yönlendirildi. Otomatikleştirilen kategoriler için ilk yanıt süresi saatlerden saniyelere düştü ve destek ekibinin hâlâ çalıştığı biletlerdeki ortalama işlem süresi de iyileşti — çünkü artık çoğu konuşmaya "hesabınızı bir açayım" diyerek başlamıyorlardı.
Bu, tekrar tekrar gördüğümüz örüntülere dayanan bileşik bir örnektir, belirli bir müşteri sonucu değildir — ancak iyi kapsamlandırılmış bir devreye almanın genellikle neye benzediğini yansıtır.
Gerçek ön koşul veridir
Altta yatan veri dağınıksa bunların hiçbiri işe yaramaz. Sipariş durumunu çekmesi gereken bir yapay zekâ ajanının, sipariş verinizin gerçekten sorgulanabilir ve güncel olmasına ihtiyacı vardır. Bilgi tabanınıza dayanan bir ajanın, bu bilgi tabanının doğru olmasına ve üç farklı güncel olmayan dokümanla çelişmemesine ihtiyacı vardır. Gerçek bir iş birliğinde veri etkinleştirmenin ajan devreye almadan önce gelmesinin nedeni budur — ayrı bir proje olarak değil, ajanın dayandığı temel olarak.
Nereden başlamalı
Bunu kendi ekibiniz için değerlendiriyorsanız, en yüksek kaldıraçlı ilk adım bir tedarikçi ya da bir model seçmek değildir — yukarıdaki birinci adımdaki bilet kategorizasyon çalışmasıdır. Size bir öğleden sonranıza mal olur ve bir ajan inşa etmeyi haklı çıkaracak kadar büyük, iyi tanımlanmış bir kategori olup olmadığını somut olarak söyler. Varsa, net, düşük riskli bir başlangıç noktanız var demektir. Yoksa, hiçbir zaman karşılığını vermeyecek bir şeyi otomatikleştirmekten kendinizi kurtarmışsınız demektir.
Ekibinizin özel bilet hacmine bunun nasıl uyduğunu Özel Yapay Zekâ Ajanları sayfamızda keşfedin ya da müşteri destek operasyonları için buna özel olarak nasıl yaklaştığımıza bakın.