Dengan munculnya hal-hal seperti chatbot, kecerdasan buatan (AI), respons suara interaktif, dan pembelajaran mesin, teknologi baru terus mengganggu industri pusat kontak. Kemajuan ini sering memicu rasa takut bahwa otomatisasi pada suatu hari akan menggantikan manusia. Untuk membongkar hype dan mengeksplorasi peluang nyata di sekitar AI, saya bekerja sama dengan Customer Contact Central untuk mendiskusikan AI dalam solusi berbasis cloud. Akses webinar yang direkam di sini atau baca di bawah untuk ringkasan tentang bagaimana pusat layanan pelanggan seharusnya berpikir secara realistis tentang AI, lengkap dengan lima pertanyaan untuk diajukan kepada vendor saat mengevaluasi solusi AI.

Realitas vs. hype dalam kecerdasan buatan

Jadi, apa yang sebenarnya kita maksud dengan kecerdasan buatan? Ada banyak bidang yang lebih spesifik dalam kategori AI yang lebih luas, dan kita sering melihat kebingungan tentang apa yang sebenarnya dicakup oleh setiap bidang. Pertama dan terpenting, AI adalah subset dari ilmu komputer. Ini berfokus pada menggabungkan kecerdasan manusia yang disimulasikan ke dalam mesin. Di bawah payung AI terdapat pembelajaran mesin (ML), pemrosesan bahasa alami (NLP), dan pembelajaran mendalam (DL).

Pembelajaran mesin merujuk pada teknik yang membuat mesin belajar dari data dan kemudian menggunakan pembelajaran tersebut untuk memberikan nilai kembali kepada pengguna akhir. NLP melibatkan pembuatan mesin "memahami" arti bahasa alami, termasuk maksud kata-kata yang digunakan manusia untuk berkomunikasi satu sama lain. Pembelajaran mendalam berkaitan dengan algoritma yang terinspirasi dari struktur otak biologis manusia. DL telah menghasilkan banyak kegembiraan baru-baru ini karena ini adalah padanan mesin terdekat yang mensimulasikan bagaimana otak sebenarnya bekerja.

Sekarang kita telah mendefinisikan AI, di mana kita berada dengan teknologi ini?

AI telah menjadi “Hal Besar Berikutnya” selama waktu yang lama. Sejak munculnya komputasi, tujuan akhirnya selalu menciptakan teknologi yang cukup canggih untuk bertindak sebagai rekan bagi manusia. AI telah mengalami banyak naik dan turun sehingga kita menyebut tren ini sebagai “musim”. Ketika segalanya berjalan dengan baik, kita menyebutnya ‘musim semi AI.’ Dan ketika segalanya tidak berjalan dengan baik, itu adalah ‘musim dingin AI.’ Saat ini, kita berada di musim semi AI.

Datang setelah perubahan teknologi besar terakhir – komputasi awan – data dan kekuatan pemrosesan yang dibutuhkan untuk membuat AI bekerja sekarang lebih terjangkau dan dapat diakses dari sebelumnya. Dulu perusahaan harus membangun lingkungan mereka sendiri untuk menyimpan sejumlah besar data dan kekuatan komputasi yang diperlukan untuk memfasilitasi AI, tetapi kemajuan dalam komputasi awan telah memungkinkan AI untuk dioperasikan dengan lebih mudah. Sekarang, kita melihat pemain besar dalam komputasi awan – Amazon, Google, Microsoft – semua menyediakan tidak hanya kekuatan pemrosesan dan data dari komputasi awan, tetapi juga layanan AI. Perusahaan sekarang dapat memanfaatkan dan memanfaatkan teknologi ini untuk menarik bersama solusi yang didorong oleh AI.

Peningkatan pengalaman pengguna perusahaan (UX) dan antarmuka yang mudah digunakan juga telah meningkatkan pertumbuhan AI secara eksponensial. Semakin mudah perangkat lunak digunakan, semakin banyak data yang dihasilkan. Dan semakin banyak data yang dapat dimanfaatkan untuk melatih AI, semakin baik solusinya. Perangkat lunak perusahaan baru-baru ini telah mengalami consumerisasi: perangkat lunak yang kita gunakan di tempat kerja menjadi sama menyenangkannya dengan perangkat lunak yang kita gunakan dalam kehidupan pribadi kita. Ide bahwa UX menjadi fokus utama dalam perangkat lunak perusahaan telah membantu mendorong teknologi ini ke depan dan menghasilkan banyak kegembiraan.

Dengan kegembiraan datanglah hype

Mengingat semua kegembiraan seputar AI, penting untuk menetapkan level tentang apa yang sebenarnya mungkin dengan teknologi ini. Gartner merilis apa yang mereka sebut sebagai “Hype Cycle” yang memplot tren teknologi untuk menunjukkan teknologi baru mana yang paling banyak dibicarakan. Hype tumbuh saat solusi mendaki Hype Cycle, kemudian memuncak di Puncak Harapan yang Tersanjung, dan kemudian turun lagi ketika teknologi secara tak terhindarkan kehilangan kegembiraan dan memasuki Jurang Kekecewaan. Tujuan akhirnya adalah untuk melampaui kurva dan mendaki Kemiringan Pencerahan menuju Dataran Produktivitas.

Beberapa teknologi jatuh dari Siklus dan tidak pernah mencapai kurva terakhir, tetapi banyak yang berhasil. Contoh di atas adalah iterasi terbaru dari Hype Cycle, dan memiliki pembelajaran mendalam yang banyak dibicarakan di puncaknya. Pada tahun 2009, komputasi awan berada di puncak Siklus. Kita melihat perilaku yang sama terjadi pada saat itu seperti yang kita lihat sekarang, jadi menarik untuk membandingkannya dengan teknologi yang paling banyak dibicarakan saat ini.

Ketika teknologi terlalu banyak dibicarakan, kita melihat berbagai artikel aneh ditulis dan film-film menyeramkan dibuat tentangnya. Di antara pertunjukan seperti Westworld dan artikel yang mengklaim bahwa AI akan segera menulis novel lebih baik daripada manusia, cara AI digambarkan dalam media dan budaya pop sering kali membingungkan, dan memperkuat ketakutan tentang apa yang bisa salah jika AI tidak terkendali. Ada ketakutan yang sangat nyata dan lazim bahwa AI mengancam umat manusia.

Salah satu manifestasi umum dari ketakutan ini adalah tim layanan pelanggan bertanya-tanya apakah mereka akan kehilangan pekerjaan mereka karena mesin. Semua pembicaraan tentang AI yang menggantikan manusia dan mengotomatiskan proses melewatkan peluang nyata tentang bagaimana AI dapat menjadi transformatif.

Peluang nyata untuk AI di pusat kontak

Banyak teknologi yang diadopsi di tempat kerja secara tradisional diterapkan sebagai cara untuk menghemat uang. Sebagai bisnis, kita membuat argumen untuk membeli teknologi berdasarkan potensi penghematan biaya. Tetapi dalam kasus AI, banyak dari kasus ini dibuat berdasarkan potensi peningkatan pendapatan. Bisnis tidak bertanya bagaimana AI dapat menghemat uang, tetapi bagaimana AI dapat menghasilkan uang. Bagaimana AI dapat membantu agen layanan pelanggan mengubah lebih banyak pelanggan dari rencana gratis ke rencana berbayar? Bagaimana AI dapat membantu pelanggan memahami produk dengan lebih baik sehingga mereka akan memperpanjang langganan?

Ini adalah reframing yang menarik, pergeseran dari penghematan biaya ke pembangkitan pendapatan. Itu bertransisi dengan baik ke bidang layanan pelanggan yang membuat pergeseran serupa dari pusat biaya menjadi pusat pendapatan.

Layanan Pelanggan sedang bertransformasi dari pusat biaya menjadi pusat pendapatan

Tim layanan pelanggan memiliki hubungan yang paling langgeng dengan pelanggan, lama setelah penjualan menutup transaksi dan pindah, jadi bagaimana kita dapat membantu mereka melakukan percakapan yang lebih baik dan membangun hubungan yang lebih baik dengan pelanggan tersebut? Meskipun ada hubungan dekat tersebut, sebagian besar percakapan tentang AI diterapkan pada solusi yang menghilangkan agen layanan pelanggan dari berbicara langsung dengan pelanggan alih-alih membawa mereka lebih dekat.

4 jenis AI untuk CX

Defleksi merujuk pada mencegat pelanggan yang menghubungi dengan pertanyaan sederhana, berulang dan menjawabnya sebelum mereka bahkan bertanya. Teknologi ini mencegah interaksi dengan agen dukungan untuk benar-benar terjadi. Ini adalah pendekatan penghematan biaya, bukan pembangkit pendapatan.

Bot mensimulasikan pengalaman layanan pelanggan manusia. Namun, dengan menyadari pengalaman pelanggan, saya pikir desain bot terbaik membuatnya jelas bahwa itu adalah bot di ujung lain dari saluran komunikasi. Bot yang baik tidak mencoba mensimulasikan manusia, mereka menambah antrian tunggu dan memberikan nilai.

Pemrosesan atau AI alur kerja cenderung menghadapi agen. Solusi ini berbicara tentang mengidentifikasi dan mengatasi titik sakit umum. Sebagai manusia, sulit untuk menentukan di mana pelanggan cenderung terjebak karena itu melibatkan pengindeksan semua tiket, mengkategorikannya, mengidentifikasi topik, tren, dan sentimen. Mesin lebih cocok daripada manusia untuk mengelompokkan dan menganalisis, jadi di situlah AI pemrosesan biasanya berperan.

Pembelajaran AI juga menghadapi agen dan bukan berhadapan langsung dengan pelanggan akhir. Jenis AI ini bertujuan untuk membantu dan memberdayakan manusia agar lebih baik dalam pekerjaan mereka. Ini bertujuan untuk membantu agen memiliki percakapan yang lebih baik dengan pelanggan agar mereka dapat menghabiskan lebih banyak waktu menciptakan pengalaman yang istimewa daripada menggali untuk menemukan jawaban atas pertanyaan. Pembelajaran adalah cara kami memikirkan dan menyampaikan AI di Guru. Memberdayakan manusia adalah cara yang bagus untuk menciptakan nilai jangka panjang untuk tim layanan pelanggan. Teknologi AI ini 100% fokus untuk membantu seseorang menjadi lebih baik daripada mengotomatiskan mereka.

5 pertanyaan utama untuk diajukan kepada vendor AI Anda

Saat mempertimbangkan solusi AI baru, penting untuk memastikan bahwa inisiatif yang Anda pikirkan sejalan untuk mempersiapkan Anda menuju kesuksesan. Berikut adalah lima pertimbangan yang harus diingat beserta pertanyaan yang dapat Anda ajukan kepada vendor selama fase evaluasi.

1. Metrik apa yang harus kita harapkan untuk diperbaiki oleh solusi Anda?

Waspadai "Jack of All Trades." Kesalahan yang dibuat beberapa sistem AI adalah mencoba melakukan terlalu banyak. Sistem AI saat ini hanya memiliki kapasitas untuk melakukan sejumlah tertentu, yang membuat mereka sangat penting untuk fokus pada pemecahan masalah tertentu. Data pelatihan yang digunakan sistem AI untuk membuat saran sangat berkaitan dengan keberhasilannya. Jika Anda mencoba memecahkan tiga atau empat masalah bisnis dengan satu sistem AI dan satu set data pelatihan, Anda harus mengharapkan hasil yang sedang.

Pertanyaan yang perlu diajukan untuk mendapatkan inti dari masalah ini adalah “Metrik apa yang harus kita harapkan untuk diperbaiki oleh solusi Anda?” Anda perlu mengadakan pertemuan dengan hasil akhir dan bagaimana hasil tersebut akan dikaitkan dengan metrik yang Anda gunakan untuk mengukur kinerja. Anda ingin jawaban spesifik di sini; waspadalah terhadap solusi yang mengklaim memecahkan tujuh atau delapan hal sekaligus. Jika sebuah solusi secara khusus berfokus pada hasil tertentu, itu memberi Anda kemungkinan besar untuk berhasil. Investasikan dalam produk AI yang fokus pada pemecahan masalah yang jelas dengan akses terhadap data berharga untuk pelatihan.

2. Apa yang akan dialami pelanggan kami?

Memberdayakan agen Anda dan pelanggan Anda. Apapun sistem AI yang Anda pertimbangkan, sangat penting untuk fokus pada pengalaman pelanggan akhir. Forrester memiliki laporan yang membahas tentang risiko yang dihadapi perusahaan karena terlalu agresif mendorong lalu lintas pelanggan (obrolan, panggilan telepon) ke sistem AI daripada manusia dalam perlombaan untuk menghemat uang. Dengan melakukannya secara terlalu agresif, perusahaan mengalami penurunan kepuasan pelanggan. Anda ingin AI membantu Anda menghemat uang dan menghasilkan pendapatan, tetapi Anda tentu tidak ingin itu dengan mengorbankan kepuasan pelanggan.

Dengan mengajukan pertanyaan “Apa yang akan dialami pelanggan kami?”, Anda dapat menentukan apakah solusi tersebut sejalan dengan cara Anda berpikir tentang memberikan pengalaman pelanggan yang luar biasa. Apa yang akan dilihat pelanggan akhir Anda ketika berinteraksi dengan sistem apa pun harus menjadi perhatian utama Anda.

3. Bagaimana solusi AI Anda belajar dan berkembang seiring waktu?

Waspadai orang yang mengklaim memiliki "rahasia besar." Transparansi itu penting. Vendor harus jelas dan langsung tentang data apa yang mereka kumpulkan dan mengapa. Sistem AI dibangun di atas data yang akan Anda berikan, jadi sangat penting bagi penyedia AI mana pun untuk memberi tahu Anda dengan tepat data apa yang akan digunakan untuk melatih dirinya, bagaimana data tersebut disimpan, dan berapa lama data tersebut disimpan.

Dengan mengajukan pertanyaan “Bagaimana solusi AI Anda belajar dan berkembang seiring waktu?” Anda akan mendapatkan petunjuk tentang set data apa yang dibutuhkan penyedia AI Anda dari Anda agar dapat berfungsi dengan baik.

4. Bagaimana kami akan menjaga pengetahuan kami tetap terkini dan akurat?

AI tanpa pengetahuan terkini akan gagal di pusat kontak. Ini terkait dengan konsep jack of all trades. Ketika Anda memikirkan pengetahuan yang ada di lingkungan Anda, itu adalah penggabungan pengetahuan para ahli subjek Anda, produk Anda, sistem dan proses Anda, dan bagaimana semua hal itu bekerja bersama. Setiap AI yang memanfaatkan pengetahuan itu perlu memiliki cara untuk meyakinkan Anda bahwa pengetahuan tersebut akan tetap akurat dan terbaru.

Ada konsep dalam AI yang disebut closed loop. Seiring waktu, pengetahuan dan pelatihan sistem AI Anda akan berubah karena produk Anda berubah; dan teknologi yang bergantung pada produk Anda akan berubah; dan pesaing baru akan memasuki pasar dan Anda harus beradaptasi dengan mereka; dan seiring tim Anda tumbuh, cara Anda melakukan dukungan akan berubah. Dengan semua perubahan yang tidak terhindarkan itu, apa yang tidak Anda inginkan adalah sistem AI yang tidak memiliki alur tertutup yang baik dalam mengembangkan pembelajarannya. Anda akan melihat contoh dari ini ketika sistem AI mulai mengembalikan informasi berkualitas rendah seiring waktu. Ketika sistem mengurangi kualitas output, itu adalah indikator utama bahwa tidak ada pembelajaran dan perkembangan yang sesuai dengan organisasi Anda.

Masalahnya adalah Anda mungkin tidak melihat ini sampai beberapa bulan setelah pengetahuan mulai menurun. Jadi pertanyaan bagus untuk diajukan sebelumnya adalah “Bagaimana kami akan menjaga pengetahuan kami tetap terkini dan akurat?”

5. Bagaimana solusi Anda membuat agen kami lebih baik dalam pekerjaan mereka?

AI harus memberdayakan manusia, bukan menggantikan mereka. Pastikan untuk bertanya “Bagaimana solusi Anda membuat agen kami lebih baik dalam pekerjaan mereka?” untuk mengetahui dampak langsung dari solusi AI tersebut terhadap perusahaan Anda. Seiring waktu, akan ada peluang besar untuk mengautomasi tugas, tetapi untuk saat ini, penting untuk mendapatkan jawaban atas pertanyaan yang tidak terdengar seperti janji kosong. Istilah seperti “automasi” dan “agen virtual” cenderung menunjukkan solusi AI dengan aplikasi praktis yang lebih sedikit dalam jangka dekat.

Karena sekali lagi, ini masih merupakan hari-hari awal. AI sangat mendalam dalam kemampuan dan dampaknya dalam jangka panjang, tetapi masih jauh dari memahami hal-hal seperti empati. Jika Anda menempatkan sistem AI langsung di depan pelanggan Anda ketika mereka sedang kesal, mesin tidak akan memperbaiki situasi. Inilah jenis pertanyaan yang memastikan Anda berpikir tentang hasil produk dengan cara terbaik.

Pemikiran akhir

Seperti komputasi awan sebelumnya, AI sangat transformatif bukan hanya bagi perusahaan, tetapi juga bagi semua manusia. Sementara hype sangat besar, dan banyak orang salah menggambarkan kemampuannya, ada keuntungan nyata yang dapat dicapai hari ini jika Anda fokus pada hasil yang tepat. Alih-alih berpikir tentang AI sebagai “mengotomasi kita pergi,” dan pada akhirnya menciptakan kelas mesin superi, bagaimana jika kita bicara tentang AI yang membantu kita tumbuh? AI yang membantu kita berkembang sebagai manusia, baik secara pribadi maupun profesional? Itulah perubahan pemikiran yang perlu kita lakukan yang akan sangat menarik mengenai apa yang mungkin dilakukan teknologi ini.

Untuk informasi lebih lanjut tentang menggunakan AI untuk memberdayakan manusia di pusat kontak Anda dan di seluruh organisasi Anda (dan jawaban Guru untuk lima pertanyaan ini), hubungi info@getguru.com.