Mit dem Aufkommen von Dingen wie Chatbots, künstlicher Intelligenz (KI), interaktiver Sprachansage und maschinellem Lernen unterbrechen neuartige Technologien weiterhin die Kontaktcenter-Branche. Diese Fortschritte schüren oft die Angst, dass die Automatisierung eines Tages Menschen ersetzen wird. Um den Hype zu zerschlagen und die echten Möglichkeiten rund um KI zu erkunden, habe ich mich mit Customer Contact Central zusammengetan, um über KI in cloudbasierten Lösungen zu diskutieren. Greifen Sie auf das aufgezeichnete Webinar hier zu oder lesen Sie unten eine Zusammenfassung, wie Kundenserviceteams realistisch über KI nachdenken sollten, einschließlich fünf Fragen, die sie Anbietern stellen sollten, wenn sie KI-Lösungen bewerten.

Realität vs. Hype in der künstlichen Intelligenz

Was meinen wir genau mit künstlicher Intelligenz? Es gibt viele spezialisierte Bereiche innerhalb der breiteren Kategorie der KI, und wir sehen oft Verwirrung darüber, was jeder Bereich tatsächlich umfasst. Zunächst einmal ist KI ein Teilbereich der Informatik. Es konzentriert sich darauf, simulierte menschliche Intelligenz in Maschinen zu integrieren. Unter dem Schirm der KI kommen maschinelles Lernen (ML), natürliche Sprachverarbeitung (NLP) und tiefes Lernen (DL) zum Tragen.

Maschinelles Lernen bezieht sich auf Techniken, die Maschinen dazu bringen, aus Daten zu lernen und diese Erkenntnisse dann zu nutzen, um dem Endbenutzer einen Mehrwert zu bieten. NLP beinhaltet, Maschinen dazu zu bringen, die Bedeutung natürlicher Sprache zu „verstehen“, einschließlich der Absicht der Wörter, die Menschen verwenden, um miteinander zu kommunizieren. Tiefes Lernen bezieht sich auf Algorithmen, die sich an der Struktur des menschlichen biologischen Gehirns orientieren. DL hat in letzter Zeit viel Aufregung ausgelöst, da es das nächstgelegene maschinelle Äquivalent zur Simulation des tatsächlichen Arbeitsweise des Gehirns ist.

Jetzt, wo wir KI definiert haben, wo stehen wir mit dieser Technologie?

KI war schon lange „Das nächste große Ding“. Seit der Einführung des Rechnens war das ultimative Ziel immer, eine Technologie zu schaffen, die so anspruchsvoll ist, dass sie als gleichwertig zu Menschen agiert. KI hat so viele Höhen und Tiefen erlebt, dass wir diese Trends als „Jahreszeiten“ bezeichnen. Wenn es gut läuft, nennen wir es einen ‚KI-Frühling‘. Und wenn es nicht so gut läuft, ist es ein ‚KI-Winter‘. Im Moment befinden wir uns in einem KI-Frühling.

Nach dem letzten großen Technologiewechsel – Cloud-Computing – sind die Daten und die Rechenleistung, die erforderlich sind, um KI zum Laufen zu bringen, jetzt zugänglicher und erschwinglicher als je zuvor. Früher fiel es den Unternehmen zu, ihre eigenen Umgebungen für die Speicherung der riesigen Datenmengen und der notwendigen Rechenleistung für die Ermöglichung von KI aufzubauen, aber die Fortschritte im Cloud-Computing haben es ermöglicht, KI einfacher zu betreiben. Jetzt sehen wir die großen Akteure im Cloud-Computing – Amazon, Google, Microsoft – die nicht nur die tatsächliche Rechenleistung und Daten des Cloud-Computing bereitstellen, sondern auch KI-Dienste. Unternehmen können diese Technologien nun nutzen und nutzen, um KI-gesteuerte Lösungen zusammenzuführen.

Verbesserte Benutzererfahrung (UX) für Unternehmen und benutzerfreundliche Schnittstellen haben ebenfalls das Wachstum von KI exponentiell erhöht. Je einfacher eine Software zu benutzen ist, desto mehr Daten generiert sie. Und je mehr Daten genutzt werden können, um KI zu trainieren, desto besser die Lösung. Unternehmenssoftware hat kürzlich eine Konsumierung durchgemacht: Die Software, die wir bei der Arbeit nutzen, wird ebenso angenehm, wie die Software, die wir in unserem Privatleben nutzen. Die Idee, dass UX ein zentraler Fokus in Unternehmenssoftware ist, hat dazu beigetragen, diese Technologie voranzutreiben und viel Aufregung zu erzeugen.

Mit der Aufregung kommt der Hype

Angesichts des ganzen Hypes um KI ist es wichtig, einzugrenzen, was mit dieser Technologie überhaupt möglich ist. Gartner veröffentlicht, was sie einen „Hype-Zyklus“ nennen, der Technologietrends skizziert, um zu zeigen, welche aufkommenden Technologien am stärksten gehyped werden. Der Hype wächst, während Lösungen den Hype-Zyklus durchlaufen, erreicht dann seinen Höhepunkt bei „Gipfel der übertriebenen Erwartungen“ und sinkt dann wieder, wenn die Technologie unweigerlich den Hype verliert und in das „Tal der Ernüchterung“ eintritt. Das Endziel ist es, den Zyklus zu überwinden und den „Hang der Erkenntnis“ zu erklimmen, um in das „Produktivitätsplateau“ zu gelangen.

Einige Technologien fallen aus dem Zyklus und erreichen niemals die letzte Kurve, aber viele tun es. Das obige Beispiel ist die neueste Iteration des Hype-Zyklus und hat die viel gehypte tiefe Lerntechnologie an der Spitze. Im Jahr 2009 stand das Cloud-Computing an der Spitze des Zyklus. Wir sahen damals dasselbe Verhalten wie heute, daher ist es interessant, das mit den heute am meisten gehypten Technologien zu vergleichen.

Wenn eine Technologie übertrieben angekündigt wird, sehen wir alle möglichen verrückten Artikel, die darüber geschrieben werden, und düstere Filme, die darüber gedreht werden. Zwischen Shows wie Westworld und Artikeln, die behaupten, dass KI bald bessere Romane als Menschen schreiben wird, ist die Art und Weise, wie KI in Medien und Popkultur dargestellt wird, oft verwirrend und spielt in die Ängste hinein, was schief gehen könnte, wenn sie außer Kontrolle gerät. Es gibt eine sehr reale und verbreitete Angst, dass KI eine Bedrohung für die Menschheit darstellt.

Eine häufige Manifestation dieser Angst ist, dass Kundenserviceteams sich fragen, ob sie ihre Arbeitsplätze an Maschinen verlieren werden. Die ganze Diskussion über KI, die Menschen ersetzt, und das Automatisieren von Prozessen verpasst die wirkliche Gelegenheit, wie KI transformierend sein kann.

Die echte Chance für KI in Kontaktzentren

Viele Technologien, die am Arbeitsplatz übernommen werden, wurden traditionell angewendet, um Geld zu sparen. Als Unternehmen erstellen wir Fälle, um Technologie auf der Grundlage potenzieller Kosteneinsparungen zu kaufen. Aber im Fall von KI basieren viele dieser Fälle stattdessen auf potenziellen Umsatzsteigerungen. Unternehmen fragen nicht, wie KI ihnen helfen kann, Geld zu sparen, sondern wie KI ihnen Geld einbringen kann. Wie kann KI Kundenservicemitarbeitern helfen, mehr Kunden von kostenlosen Plänen zu bezahlten Plänen zu konvertieren? Wie kann KI den Kunden helfen, Produkte besser zu verstehen, damit sie erneuert werden?

Es ist eine wirklich interessante Umformulierung, dieser Wandel von Kosteneinsparungen zu Umsatzgenerierung. Das gleitet nahtlos in den Kundenservicebereich, der einen ähnlichen Wechsel von Kostenstelle zu einer Umsatzstelle vollzieht.

Der Kundenservice wandelt sich von einer Kostenstelle zu einer Umsatzstelle

Kundenserviceteams haben die langfristigsten Beziehungen zu Kunden, lange nachdem der Vertrieb den Deal abgeschlossen und weitergezogen ist. Wie können wir ihnen also helfen, bessere Gespräche und bessere Beziehungen zu diesen Kunden zu führen? Trotz dieser engen Beziehungen bezieht sich ein überproportionaler Teil des Gesprächs über KI auf Lösungen, die den Kundenservicemitarbeiter daran hindern, direkt mit den Kunden zu sprechen, anstatt sie näher zusammenzubringen.

4 Arten von KI für CX

Abwehr bezieht sich auf das Abfangen von Kunden, die mit einfachen, wiederholbaren Fragen Kontakt aufnehmen und diese zu beantworten, bevor sie sie überhaupt stellen müssen. Die Technik verhindert, dass eine Interaktion mit einem Supportmitarbeiter tatsächlich stattfindet. Dies ist ein Ansatz zur Kostensenkung, keine Umsatzgenerierung.

Bots simulieren menschliche Erfahrungen im Kundenservice. Es ist jedoch wichtig, auf die Kundenerfahrung zu achten. Ich denke, dass die besten Bot-Designs klarstellen, dass es sich um einen Bot am anderen Ende der Leitung handelt. Gute Bots versuchen nicht, Menschen zu simulieren; sie ergänzen Wartezeiten und bieten Mehrwert.

Prozessierung oder Workflow-KI tendieren dazu, agentengesichtend zu sein. Diese Lösungen sprechen über die Identifizierung und Linderung häufiger Schmerzpunkte. Als Mensch ist es schwierig, festzustellen, wo Kunden oft steckenbleiben, da dies das Indizieren aller Tickets, deren Kategorisierung, die Identifizierung von Themen, Trends und Stimmungen umfasst. Maschinen sind besser geeignet als Menschen, um zu gruppieren und zu analysieren, sodass die Prozessierung-KI in der Regel zu diesem Thema kommt.

Coaching KI ist ebenfalls agentengesichtend, nicht endkundengesichtend. Diese Art von KI zielt darauf ab, Menschen zu helfen und sie zu ermächtigen, in ihren Jobs besser zu werden. Sie soll den Agenten helfen, bessere Gespräche mit Kunden zu führen, damit sie mehr Zeit damit verbringen können, erstklassige Erfahrungen zu schaffen, anstatt nach Antworten auf Fragen zu suchen. Coaching ist die Art, wie wir bei Guru über KI denken und sie bereitstellen. Menschen zu ermächtigen ist eine großartige Möglichkeit, langfristigen Wert für Kundenserviceteams zu schaffen. Diese KI-Technologie konzentriert sich zu 100 % darauf, jemandem zu helfen, besser zu werden, anstatt ihn zu ersetzen.

Die 5 wichtigsten Fragen, die Sie Ihren KI-Anbietern stellen sollten

Wenn Sie eine neue KI-Lösung in Betracht ziehen, ist es wichtig sicherzustellen, dass die Initiative, über die Sie nachdenken, darauf ausgerichtet ist, Sie für den Erfolg optimal vorzubereiten. Hier sind fünf Überlegungen, die Sie im Auge behalten sollten, sowie Fragen, die Sie während der Evaluierungsphase an Anbieter stellen können.

1. Welche Kennzahlen sollten wir von Ihrer Lösung erwarten?

Vorsicht vor dem „Alleskönner“. Ein Fehler, den einige KI-Systeme machen, besteht darin, zu versuchen, zu viel zu tun. Heutige KI-Systeme können nur so viel leisten, weshalb es unglaublich wichtig ist, dass sie sich super darauf konzentrieren, spezifische Probleme zu lösen. Die Trainingsdaten, die ein KI-System verwendet, um seine Vorschläge zu unterbreiten, sind direkt mit seinem Erfolg korreliert. Wenn Sie versuchen, drei oder vier Geschäftsprobleme mit einem KI-System und einem Satz von Trainingsdaten zu lösen, sollten Sie mit mittelmäßigen Ergebnissen rechnen.

Die Frage, die Sie stellen sollten, um das Herz dieses Problems zu erfassen, lautet: „Welche Kennzahlen sollten wir von Ihrer Lösung erwarten?” Sie müssen das endgültige Ergebnis ergründen und sicherstellen, dass es an die Kennzahlen gebunden ist, die Sie zur Leistungsmessung verwenden. Hier wollen Sie eine spezifische Antwort; seien Sie vorsichtig bei jeder Lösung, die behauptet, sieben oder acht Dinge auf einmal zu lösen. Wenn eine Lösung sich speziell auf ein bestimmtes Ergebnis konzentriert, erhöht das Ihre Erfolgschancen erheblich. Investieren Sie in KI-Produkte, die sich auf die Lösung klarer Probleme konzentrieren und Zugang zu wertvollen Daten haben, von denen sie trainieren können.

2. Was werden unsere Kunden erleben?

Ermächtigen Sie Ihre Agenten und Ihre Kunden. Egal, welches KI-System Sie in Betracht ziehen, konzentrieren Sie sich sehr auf die Erfahrung des Endkunden. Forrester hat einen Bericht, der die Risiken beleuchtet, denen Unternehmen ausgesetzt sind, wenn sie aggressiv Kundenverkehr (Chat, Telefonanrufe) auf KI-Systeme anstatt auf Menschen lenken, um Geld zu sparen. Wenn dies zu aggressiv geschieht, leidet die Kundenzufriedenheit. Sie möchten, dass KI Ihnen hilft, Geld zu sparen und Umsatz zu generieren, aber Sie möchten das sicherlich nicht auf Kosten der Kundenzufriedenheit tun.

Indem Sie fragen: „Was werden unsere Kunden erleben?”, können Sie bestimmen, ob eine Lösung im Einklang mit der Art und Weise steht, wie Sie über die Bereitstellung einer großartigen Kundenerfahrung nachdenken. Was Ihr Endkunde sehen wird, wenn er mit einem System interagiert, sollte Ihre Hauptsorge sein.

3. Wie lernt und verbessert sich Ihre KI-Lösung im Laufe der Zeit?

Achten Sie auf die „Geheimsauce“. Transparenz ist wichtig. Anbieter sollten klar und direkt darüber sein, welche Daten sie sammeln und warum. KI-Systeme basieren auf Daten, die Sie ihm zuführen, daher ist es äußerst wichtig, dass jeder KI-Anbieter Ihnen genau sagt, welche Daten er verwenden wird, um sich selbst zu trainieren, wie diese Daten gespeichert werden und wie lange sie gespeichert bleiben.

Indem Sie fragen: „Wie lernt Ihre KI-Lösung und verbessert sich im Laufe der Zeit?” bekommen Sie einen Hinweis darauf, welche Datensätze Ihr KI-Anbieter von Ihnen benötigt, um das zu tun, was sie tun soll.

4. Wie werden wir unser Wissen aktuell und genau halten?

KI ohne aktuelles Wissen wird in Kontaktzentren scheitern. Das hängt mit dem Alleskönner-Konzept zusammen. Wenn Sie über das Wissen nachdenken, das in Ihrer Umgebung vorhanden ist, ist es die Zusammenfassung des Know-hows Ihrer Experten, Ihrer Produkte, Ihrer Systeme und Prozesse und wie all diese Dinge zusammenarbeiten. Jede KI, die dieses Know-how nutzt, muss sicherstellen, dass dieses Wissen genau und aktuell bleibt.

Es gibt ein Konzept in der KI, das als geschlossener Zyklus bezeichnet wird. Im Laufe der Zeit wird das Wissen, das Ihre KI-Systeme trainiert, sich ändern, da sich Ihre Produkte ändern; die Technologie, auf die Ihre Produkte angewiesen sind, wird sich ändern; und neue Wettbewerber werden auf den Markt kommen und Sie werden sich anpassen müssen; und mit wachsender Anzahl wird sich die Art und Weise, wie Sie Support leisten, ändern. Bei all diesen unvermeidlichen Änderungen möchten Sie nicht, dass ein KI-System keinen guten geschlossenen Zyklus hat, um sein Lernen weiterzuentwickeln. Sie werden Beispiele dafür sehen, wenn KI-Systeme beginnen, im Laufe der Zeit qualitativ minderwertige Informationen zurückzugeben. Wenn das System die Ausgabequalität verringert, ist das ein Anzeichen dafür, dass es nicht lernt und sich nicht mit Ihrer Organisation weiterentwickelt.

Das Problem ist, dass Sie dies möglicherweise erst nach einigen Monaten bemerken, wenn das Wissen zu degradiert. Eine großartige Frage, die Sie im Voraus stellen sollten, ist: „Wie werden wir unser Wissen aktuell und genau halten?”

5. Wie wird Ihre Lösung unsere Agenten besser in ihrem Job machen?

KI sollte Menschen stärken, nicht sie ersetzen. Stellen Sie sicher, dass Sie fragen: “Wie wird Ihre Lösung unsere Agenten besser in ihrem Job machen?” um herauszufinden, was die unmittelbaren Auswirkungen dieser KI-Lösung auf Ihr Unternehmen sein werden. Im Laufe der Zeit wird es tiefgreifende Möglichkeiten geben, Aufgaben zu automatisieren, aber im Moment ist es wichtig, eine Antwort auf diese Frage zu bekommen, die nicht wie Lippenbekenntnis klingt. Begriffe wie “Automatisierung” und “virtueller Agent” deuten in der Regel auf KI-Lösungen mit weniger kurzfristigen praktischen Anwendungen hin.

Denn erneut, es ist noch relativ früh. KI hat langfristig tiefgreifende Fähigkeiten und Auswirkungen, aber es ist noch ein langer Weg, bis sie Dinge wie Empathie versteht. Wenn Sie ein KI-System direkt vor Ihre Kunden stellen, wenn sie verärgert sind, wird eine Maschine die Situation nicht verbessern. Das sind die Arten von Fragen, die sicherstellen, dass Sie über das Ergebnis des Produkts auf die bestmögliche Weise nachdenken.

Abschließende Gedanken

Wie die Cloud-Computing-Technologie zuvor, ist KI transformativ, nicht nur für Unternehmen, sondern für alle Menschen. Obwohl die Aufregung groß ist und viele Menschen ihre Fähigkeiten falsch darstellen, gibt es heute reale Gewinne zu erzielen, wenn Sie sich auf die richtigen Ergebnisse konzentrieren. Anstatt KI als „Automatisierung unserer Tätigkeiten“ und letztlich als Schaffung einer überlegenen Maschinenklasse zu betrachten, was wäre, wenn wir stattdessen über KI sprechen, die uns beim Wachstum hilft? KI, die uns hilft, sowohl persönlich als auch beruflich besser zu werden? Das ist der Mindshift, den wir vollziehen müssen, der sehr spannend sein wird, was mit dieser Technologie möglich ist.

Für weitere Informationen zur Nutzung von KI zur Stärkung von Menschen in Ihrem Contact Center und in Ihrer gesamten Organisation (und Gurus Antworten auf diese fünf Fragen), kontaktieren Sie info@getguru.com.