Versi dari pos ini, yang ditulis bersama oleh Mark Smith, manajer pemasaran konten Zendesk, pertama kali muncul di blog Zendesk. Pelajari cara menggunakan integrasi Zendesk + Guru untuk membuat basis pengetahuan Zendesk yang terpusat.

Meskipun semua keruntuhan dan keputusasaan tentang AI menggantikan pekerjaan manusia (ada lebih dari 44.5 juta hasil di Google untuk "AI menggantikan pekerjaan"), penerapan terdekat dari kecerdasan buatan terletak pada membuat manusia lebih baik dalam pekerjaan mereka - bukan menggantikan mereka. Salah satu bidang di mana AI dapat menggantikan angkatan kerja manusia adalah dalam interaksi layanan pelanggan manusia ke manusia. Ketika seorang pelanggan gelisah dan membutuhkan jawaban dengan cepat, menempatkan chatbot berkecerdasan buatan di antara mereka dan seorang perwakilan manusia yang empatis bukanlah ide terbaik. Sebaliknya, AI dapat digunakan oleh perwakilan manusia untuk mendapatkan jawaban yang mereka butuhkan untuk memecahkan masalah pelanggan lebih cepat.

Basis pengetahuan berkecerdasan buatan menciptakan pengalaman yang lebih baik bagi kedua perwakilan dan pelanggan dengan:

1. Mengcentralisasi pengetahuan dari sumber-sumber yang berbeda dan meningkatkan kualitas dan akurasi respons perwakilan
2. Membantu menjaga konten agar akurat dan relevan
3. Membantu agen baru cepat beradaptasi dengan pelatihan berkelanjutan dan pembinaan kontekstual

1. AI dapat mengcentralisasi pengetahuan dari sumber-sumber yang berbeda dan meningkatkan kualitas serta keakuratan respons perwakilan

Ketika seorang perwakilan memiliki seluruh pengetahuan yang mereka butuhkan untuk menjawab pertanyaan pelanggan yang diberikan tepat di ujung jari mereka, mereka dapat menghabiskan waktu lebih sedikit mencari jawaban yang akurat dan meneruskan penghematan waktu tersebut kepada pelanggan. Seorang pelanggan tidak akan tahu apakah seorang perwakilan dibantu oleh AI atau tidak, tetapi mereka akan mengetahui perbedaan antara jawaban langsung dan "Saya akan kembali kepada Anda mengenai hal itu." Ketika perwakilan dilayani pengetahuan secara proaktif oleh sistem AI, mereka tidak perlu mencari jawaban yang mereka butuhkan.

Seorang pelanggan juga akan mengetahui perbedaan antara “Biarkan saya menemukan jawaban itu untuk Anda,” dan “Biarkan saya mentransfer Anda kepada rekansaya yang akan memiliki jawaban tersebut untuk Anda.” Ketika AI dapat mengoperasikan basis pengetahuan dan membuat informasi dari departemen-departemen yang berbeda tersedia secara instan, perwakilan tidak perlu memindahkan pelanggan dari departemen ke departemen ketika pertanyaan berada di luar cakupan mereka. Pelanggan tidak peduli dengan departemen mana yang mereka ajak bicara, mereka hanya tahu bahwa mereka sedang berbicara dengan perusahaan Anda dan mereka mengharapkan sebuah jawaban. Menggunakan AI untuk menggabungkan dan mengaktifkan pengetahuan dari seluruh organisasi membantu perwakilan memberikan jawaban lebih cepat dan menghemat frustrasi pelanggan karena harus menunggu atau mengulangi pertanyaan mereka kepada beberapa perwakilan.

Menurut Kate Leggett di Forrester, momen-momen ini dalam panggilan - ketika seorang perwakilan tidak harus menempatkan pelanggan dalam posisi menunggu atau mentransfer mereka ke departemen lain untuk menemukan jawaban - adalah saat di mana sebuah perusahaan sebenarnya dapat tumbuh dan merawat hubungan dengan pelanggan: “Seorang agen harus diberdayakan dengan semua data dan pengetahuan yang tepat untuk dapat menjawab pertanyaan pelanggan secepat mungkin. Sekali lagi, karena pelanggan mengatakan bahwa menghargai waktu mereka adalah hal yang paling penting. Dan itu merupakan proposisi yang sangat sulit. Dan jika Anda melakukannya dengan benar, ini adalah momen-momen langka di mana Anda dapat merawat dan tumbuhkan hubungan yang Anda miliki dengan pelanggan.

2. AI membantu menjaga konten agar akurat dan relevan

Di luar menyajikan konten kepada perwakilan sehingga mereka dapat dengan cepat menyelesaikan masalah pelanggan, AI dapat memastikan bahwa basis pengetahuan perusahaan sebenarnya tetap relevan —dan studi telah menunjukkan bahwa perusahaan dengan pendekatan yang fleksibel terhadap pembaruan konten memiliki rasio layanan mandiri yang lebih tinggi dan hasil pencarian yang lebih baik. Di era produk dan layanan yang kompleks ini, menyusun pusat bantuan dapat menjadi hal yang mengejutkan sulit, tetapi tim dukungan dapat bergantung pada AI untuk membuat proses tersebut berjalan dengan lancar.

Sebagai contoh, AI dapat menandai konten untuk ditinjau dalam interval teratur, memanfaatkan pembelajaran mesin untuk mengidentifikasi artikel-artikel yang membutuhkan judul yang diperbarui, konten baru, dan label pencarian yang lebih baik. Namun mungkin fitur paling kuat dari basis pengetahuan yang didukung AI adalah kemampuannya untuk menyarankan konten baru berdasarkan apa yang pelanggan minta dalam permintaan dukungan. Hal ini memberdayakan para ahli subjek internal untuk fokus pada kontribusi mereka pada apa yang akan berdampak bagi pelanggan paling banyak — dan pada gilirannya, ini membebaskan agen untuk fokus pada layanan premium.

3. Mendorong pengetahuan kepada agen dalam konteks dengan AI membantu mereka beradaptasi lebih cepat dan belajar sambil bekerja

Dengan seluruh pengetahuan yang dibutuhkan oleh tim dukungan untuk mengetahui atau diakses agar dapat menjawab pertanyaan pelanggan, dibutuhkan waktu berminggu-minggu bagi tim dukungan baru untuk merampungkan dan merasa nyaman dalam menavigasi basis pengetahuan yang bervolume besar. Sementara seorang tim dukungan yang berpengalaman mungkin mengetahui dengan pasti pengetahuan mana yang harus mereka kirimkan kepada pelanggan untuk menjawab pertanyaan tertentu, seorang tim dukungan yang lebih baru akan harus menghabiskan waktu berharga untuk mencari pengetahuan itu sementara pelanggan menunggu di telepon.

Ketika basis pengetahuan diperluas dengan AI, para agen dapat "disajikan" pengetahuan daripada harus mencarinya. Berdasarkan konteks percakapan yang sedang berlangsung, solusi AI seperti AI Suggest dari Guru dapat menampilkan pengetahuan relevan bagi para agen untuk dipilih, menghilangkan kebutuhan untuk mencari sama sekali. Dengan membantu semua agen, tanpa memandang tingkat pengalaman, mengakses pengetahuan yang sama dalam kerangka waktu yang sama, AI menyamakan kondisinya dan memberdayakan bahkan para agen terbaru untuk menjawab pertanyaan sama cepatnya dengan rekan veteran mereka.

Dengan mendapatkan pengetahuan pada saat itu juga membantu dengan pelatihan kontekstual. Gordon Ritter dan Jake Saper, mitra di Emergence Capital, telah menjelajahi konsep ini secara mendalam dan mengembangkan sebuah tesis seputar apa yang mereka sebut sebagai jaringan pelatihan, yang menggunakan pembelajaran mesin untuk melatih pekerja tentang cara melakukan pekerjaan mereka lebih baik ketika mereka melakukannya.

Alih-alih bergantung pada pelatihan sebelum atau setelah interaksi dengan pelanggan, ("Inilah pengetahuan yang akan Anda perlukan untuk kasus penggunaan tertentu" atau "Inilah pengetahuan yang seharusnya Anda gunakan untuk kasus penggunaan tertentu"), AI dapat melatih agen sementara kasus penggunaan itu masih berlangsung.

Pada saat itu, jika seorang agen tidak tahu jawaban untuk pertanyaan tertentu dan tidak memiliki basis pengetahuan yang didukung AI untuk menyarankan jawaban yang benar, mereka harus melakukan yang terbaik dengan apa yang mereka miliki untuk menjawab pertanyaan itu. Bahkan pelatihan terluas pun tidak akan membantu dalam situasi tersebut jika agen tidak bisa mengingat apa yang telah mereka pelajari. Dan pelatihan setelah kejadian akan membantu mereka merespons lebih baik saat pertanyaan itu muncul di waktu berikutnya, tetapi tidak ada gunanya dalam interaksi saat ini yang mereka butuhkan bantuan. Adalah pelatihan just-in-time yang berasal dari pelatihan dalam konteks yang membantu agen belajar dengan baik. Dan, pelanggan tidak menderita akibat kurva pembelajaran.

AI juga menjadi lebih cerdas dari waktu ke waktu dan memiliki kemampuan untuk menangkap, belajar dari, dan memanfaatkan kreativitas individu untuk menjadikan organisasi kolektif menjadi lebih cerdas. Menurut Emergence Capital:

"Bahan kunci dari jaringan pelatihan adalah perangkat lunak yang mengumpulkan data dari jaringan terdistribusi pekerja dan mengidentifikasi teknik terbaik untuk menyelesaikan tugas."

Bayangkan seorang agen ditanyai pertanyaan keamanan yang rumit oleh seorang pelanggan dan basis pengetahuan yang didukung AI-nya memberikan pengetahuan yang potensial relevan untuk menjawab pertanyaan tersebut. Agen tersebut mungkin menggunakan sebagian dari pengetahuan tersebut, tetapi bagaimana jika kemudian dia masih mencari dan menemukan potongan pengetahuan "lain" untuk digunakan sebagai jawaban pertanyaan pelanggan? Tanpa AI yang terlibat, momen pembelajaran itu akan terjadi dalam ruang hampa. Dengan AI, sistem dapat menangkap kreativitas dan kesuksesan tindakan seorang agen, dan saat seorang agen menerima pertanyaan keamanan serupa selanjutnya, AI dapat memberikan agen tersebut pengetahuan tambahan yang tidak "diberikan" kepada agen pertama yang akhirnya membuat perbedaan.

"Yang menarik tentang jaringan pelatihan adalah karena Anda memiliki data sensor, Anda benar-benar dapat memahami apa yang diucapkan seorang agen dan apa hasil yang sebenarnya, dan apa tindakan kreatif yang dilakukan agen untuk membuat penutupan terjadi. Anda dapat menangkap kreativitas itu, dan Anda dapat menyebarkannya kepada semua orang lain dalam jaringan. Jadi konsep di sini benar-benar sangat powerful. Dengan seseorang di mana saja di dunia menjalankan pekerjaan mereka, dan hanya dengan menjalankan pekerjaan mereka, mereka secara tidak sengaja melatih semua orang lain dalam jaringan. -- Jake Saper, Emergence Capital'

AI memberdayakan pengalaman yang lebih baik bagi agen dan pelanggan sama

Memanfaatkan AI untuk membantu agen garis depan melakukan pekerjaan mereka lebih baik adalah hasil yang menguntungkan: pelanggan merasa lebih senang saat mereka mendapatkan bantuan yang mereka butuhkan dengan cepat dan efisien, dan agen merasa lebih percaya diri dan diberdayakan saat mereka dapat onboarding dengan cepat dan melakukan sebaik mungkin.