Een versie van dit bericht werd oorspronkelijk geschreven door Mark Smith, Zendesk content marketing manager, en verscheen oorspronkelijk op het blog van Zendesk. Leer hoe je een Zendesk + Guru-integratie kunt gebruiken om een gecentraliseerde Zendesk-kennisbank te maken.
Ondanks alle doom and gloom over AI die menselijke banen vervangt (er zijn meer dan 44,5 miljoen resultaten op Google voor "AI replacing jobs"), komt de meest directe toepassing van kunstmatige intelligentie in het beter maken van mensen beter in hun werk - hen niet vervangen. Een gebied waarin AI het menselijke personeelsbestand kan versterken, is in menselijke klantenservice-interacties. Als een klant geïrriteerd is en snel een antwoord nodig heeft, is het geen goed idee om een AI-aangedreven chatbot tussen hen en een empathische menselijke vertegenwoordiger te plaatsen. In plaats daarvan kan AI door de menselijke vertegenwoordiger worden gebruikt om de antwoorden te krijgen die ze nodig hebben om het probleem van de klant sneller op te lossen.
Een op AI aangedreven kennisbank creëert betere ervaringen voor zowel vertegenwoordigers als klanten door:
Kenniskaarten centraliseren van verschillende bronnen en de kwaliteit en nauwkeurigheid van reacties van vertegenwoordigers verbeteren
Helping keep content accurate and relevant
Nieuwe agenten snel op snelheid brengen met doorlopende training en contextuele coaching
1. AI kan kennis centraliseren uit verschillende bronnen en de kwaliteit en nauwkeurigheid van de antwoorden van vertegenwoordigers verbeteren
Wanneer een vertegenwoordiger alle kennis heeft die ze nodig hebben om klantvragen direct bij de hand te hebben, kunnen ze minder tijd besteden aan het zoeken naar een nauwkeurig antwoord en die tijdsbesparing doorgeven aan hun klanten. Een klant zal niet weten of een vertegenwoordiger wordt geholpen door AI of niet, maar ze zullen wel het verschil kennen tussen een onmiddellijk antwoord en een 'Ik kom daarop terug.' Wanneer vertegenwoordigers proactief kennis krijgen aangeboden door een AI-systeem, hoeven ze niet te zoeken naar de antwoorden die ze nodig hebben.
Een klant zal ook het verschil kennen tussen 'Laat me dat antwoord voor je vinden' en 'Laat me je doorverwijzen naar mijn collega die dat antwoord voor je heeft.' Wanneer AI een kennisbank kan operationeel maken en informatie van verschillende afdelingen direct beschikbaar kan stellen, hoeven vertegenwoordigers klanten niet van de ene naar de andere afdeling door te verwijzen wanneer een vraag buiten hun bereik ligt. Klanten maakt het niet uit met welke afdeling ze spreken, ze weten alleen dat ze met jouw bedrijf spreken en ze verwachten een antwoord. Het gebruik van AI om kennis vanuit een organisatie te unificeren en activeren helpt vertegenwoordigers sneller antwoorden te geven en bespaart klanten de frustratie van het wachten of het herhalen van hun vraag aan meerdere vertegenwoordigers.
Volgens Kate Leggett bij Forrester [2019-06-25T00:00:00.000Z] wijzen deze wendingen in een gesprek - wanneer een vertegenwoordiger geen klant in de wacht hoeft te zetten of naar een andere afdeling hoeft door te verwijzen om een antwoord te vinden - op waar een bedrijf daadwerkelijk kan groeien en de klantrelatie kan koesteren: 'Een agent moet worden gemachtigd met alle juiste gegevens en kennis om een vraag van een klant zo snel mogelijk te kunnen beantwoorden. Omdat klanten zeggen dat het waarderen van hun tijd het belangrijkste is. En dat is een heel lastig voorstel. En als je het goed doet, zijn dit de zeldzame momenten waarop je de relatie die je met klanten hebt kunt koesteren en laten groeien."
2. AI helpt om content accuraat en relevant te houden
Naast het aanbieden van inhoud aan vertegenwoordigers zodat ze snel klantproblemen kunnen oplossen, kan AI ervoor zorgen dat de kennisbank van een bedrijf daadwerkelijk relevant blijft - en studies hebben aangetoond dat bedrijven met een flexibele aanpak bij het bijwerken van inhoud hogere zelfbedieningsratio's en betere zoekresultaten hebben. In deze tijd van complexe producten en diensten kan het beheren van een helpcentrum verrassend moeilijk zijn, maar ondersteuningsteams kunnen vertrouwen op AI om dat proces soepel te laten verlopen.
Bijvoorbeeld, AI kan inhoud markeren voor herziening op regelmatige tijdstippen, machine learning inzetten om artikelen te identificeren die bijgewerkte titels, nieuwe inhoud en betere zoeklabels nodig hebben. Misschien wel het krachtigste kenmerk van een door AI aangedreven kennisbank is het vermogen om nieuwe inhoud voor te stellen op basis van wat klanten vragen in ondersteuningsverzoeken. Dat stelt interne experts in staat zich te richten op wat klanten het meest zal beïnvloeden - en op hun beurt kunnen agenten zich concentreren op service van topkwaliteit.
3. Het pushen van kennis naar agenten in context met AI helpt hen sneller ingewerkt te raken en te leren terwijl ze aan het werk zijn
Gezien alle kennis die ondersteuningsmedewerkers moeten weten of toegang toe moeten hebben om klantvragen te beantwoorden, kan het voor nieuwe medewerkers weken duren om op snelheid te komen en comfortabel te worden in het navigeren door een uitgebreide kennisbank. Terwijl een ervaren medewerker mogelijk precies weet welk stukje kennis ze nodig heeft om een klant door te verwijzen naar een specifieke vraag, zal een nieuwere medewerker kostbare tijd moeten besteden aan het zoeken naar die kennis terwijl de klant in de wacht staat.
Als een kennisbank wordt versterkt met AI, kunnen die medewerkers kennis krijgen in plaats van er naar te moeten zoeken. Op basis van de context van een lopend gesprek kunnen AI-oplossingen zoals Guru's AI Suggest relevante kennis naar boven brengen voor medewerkers om uit te kiezen, waardoor de noodzaak om te zoeken volledig wordt geëlimineerd. Door alle medewerkers, ongeacht hun ervaringsniveau, te helpen om toegang te krijgen tot dezelfde kennis in dezelfde tijdsperiode, maakt AI het speelveld gelijk en stelt zelfs de nieuwste medewerkers in staat om vragen net zo snel te beantwoorden als hun ervaren collega's.
Het krijgen van kennis op het moment helpt ook bij contextuele coaching. Gordon Ritter en Jake Saper, partners bij Emergence Capital, hebben dit concept uitgebreid onderzocht en een these ontwikkeld rond wat zij coachingnetwerken noemen, die machine learning gebruiken om werknemers te coachen over hoe ze hun werk beter kunnen doen terwijl ze het doen.
In plaats van te vertrouwen op het trainen van een medewerker voor of na een klantinteractie, ("Hier is de kennis die je nodig hebt voor dit specifieke geval" of "Hier is de kennis die je had moeten gebruiken voor dit specifieke geval"), kan AI medewerkers coachen terwijl dat specifieke geval nog plaatsvindt.
Op dat moment, als een medewerker het antwoord op een specifieke vraag niet weet en niet over een op AI gebaseerde kennisbank beschikt om het juiste antwoord voor te stellen, moet hij met behulp van wat hij heeft het beste proberen om de vraag te beantwoorden. Zelfs de meest uitgebreide training helpt niet in die situatie als de medewerker zich niet herinnert waarop hij is getraind. En training achteraf zal hen helpen beter te reageren wanneer die vraag de volgende keer komt, maar doet niets voor de huidige interactie waar ze hulp bij nodig hebben. Het is die just-in-time training die voortkomt uit in-context coaching die medewerkers het beste laat leren. En de klant lijdt ook niet als gevolg van een leercurve.
AI wordt ook slimmer na verloop van tijd en heeft de mogelijkheid om de creativiteit van individuen vast te leggen, te leren van en te benutten om de collectieve organisatie slimmer te maken. Volgens Emergence Capital:
"Het sleutelingrediënt van coachingnetwerken is software die gegevens verzamelt van een gedistribueerd netwerk van werknemers en de beste technieken identificeert om zaken voor elkaar te krijgen".
Stel je voor dat een medewerker door een klant een complexe beveiligingsvraag wordt gesteld en zijn op AI gebaseerde kennisbank hem mogelijk relevante kennis aanreikt om die vraag te beantwoorden. De medewerker kan een stuk van die kennis gebruiken, maar wat gebeurt er als hij dan nog steeds zoekt en een ander stuk kennis naar boven haalt om te gebruiken om de vraag van de klant te beantwoorden? Zonder enige AI betrokkenheid zou dat leermoment in een vacuüm plaatsvinden. Met AI kan het systeem de creativiteit en het succes van de acties van die ene medewerker vastleggen, en de volgende keer dat een medewerker een soortgelijke beveiligingsvraag ontvangt, kan de AI die medewerker de aanvullende kennis aanreiken die het de eerste medewerker niet heeft gegeven, wat het verschil heeft gemaakt.
"Wat zo cool is aan coachingnetwerken is dat je door sensorgegevens daadwerkelijk kunt begrijpen wat een medewerker zegt en wat het werkelijke resultaat is, en wat de creatieve handeling is die de medewerker heeft gedaan om een deal te sluiten. Je kunt die creativiteit vastleggen en delen met iedereen in het netwerk. Dus het concept hier is echt, echt krachtig. Door één persoon ergens ter wereld zijn werk te laten doen, en alleen door zijn werk te doen, kan hij onbedoeld iedereen in het netwerk trainen. "Het beste van Empower 2019", Emergence Capital'
AI zorgt voor betere ervaringen voor agenten en klanten.
Het gebruiken van AI om frontline medewerkers te helpen hun werk beter te doen, is een win-winsituatie: klanten zijn blijer wanneer ze snel en efficiënt de hulp krijgen die ze nodig hebben, en medewerkers voelen zich zelfverzekerder en empowered wanneer ze snel kunnen aanhaken en optimaal kunnen presteren.
Een versie van dit bericht werd oorspronkelijk geschreven door Mark Smith, Zendesk content marketing manager, en verscheen oorspronkelijk op het blog van Zendesk. Leer hoe je een Zendesk + Guru-integratie kunt gebruiken om een gecentraliseerde Zendesk-kennisbank te maken.
Ondanks alle doom and gloom over AI die menselijke banen vervangt (er zijn meer dan 44,5 miljoen resultaten op Google voor "AI replacing jobs"), komt de meest directe toepassing van kunstmatige intelligentie in het beter maken van mensen beter in hun werk - hen niet vervangen. Een gebied waarin AI het menselijke personeelsbestand kan versterken, is in menselijke klantenservice-interacties. Als een klant geïrriteerd is en snel een antwoord nodig heeft, is het geen goed idee om een AI-aangedreven chatbot tussen hen en een empathische menselijke vertegenwoordiger te plaatsen. In plaats daarvan kan AI door de menselijke vertegenwoordiger worden gebruikt om de antwoorden te krijgen die ze nodig hebben om het probleem van de klant sneller op te lossen.
Een op AI aangedreven kennisbank creëert betere ervaringen voor zowel vertegenwoordigers als klanten door:
Kenniskaarten centraliseren van verschillende bronnen en de kwaliteit en nauwkeurigheid van reacties van vertegenwoordigers verbeteren
Helping keep content accurate and relevant
Nieuwe agenten snel op snelheid brengen met doorlopende training en contextuele coaching
1. AI kan kennis centraliseren uit verschillende bronnen en de kwaliteit en nauwkeurigheid van de antwoorden van vertegenwoordigers verbeteren
Wanneer een vertegenwoordiger alle kennis heeft die ze nodig hebben om klantvragen direct bij de hand te hebben, kunnen ze minder tijd besteden aan het zoeken naar een nauwkeurig antwoord en die tijdsbesparing doorgeven aan hun klanten. Een klant zal niet weten of een vertegenwoordiger wordt geholpen door AI of niet, maar ze zullen wel het verschil kennen tussen een onmiddellijk antwoord en een 'Ik kom daarop terug.' Wanneer vertegenwoordigers proactief kennis krijgen aangeboden door een AI-systeem, hoeven ze niet te zoeken naar de antwoorden die ze nodig hebben.
Een klant zal ook het verschil kennen tussen 'Laat me dat antwoord voor je vinden' en 'Laat me je doorverwijzen naar mijn collega die dat antwoord voor je heeft.' Wanneer AI een kennisbank kan operationeel maken en informatie van verschillende afdelingen direct beschikbaar kan stellen, hoeven vertegenwoordigers klanten niet van de ene naar de andere afdeling door te verwijzen wanneer een vraag buiten hun bereik ligt. Klanten maakt het niet uit met welke afdeling ze spreken, ze weten alleen dat ze met jouw bedrijf spreken en ze verwachten een antwoord. Het gebruik van AI om kennis vanuit een organisatie te unificeren en activeren helpt vertegenwoordigers sneller antwoorden te geven en bespaart klanten de frustratie van het wachten of het herhalen van hun vraag aan meerdere vertegenwoordigers.
Volgens Kate Leggett bij Forrester [2019-06-25T00:00:00.000Z] wijzen deze wendingen in een gesprek - wanneer een vertegenwoordiger geen klant in de wacht hoeft te zetten of naar een andere afdeling hoeft door te verwijzen om een antwoord te vinden - op waar een bedrijf daadwerkelijk kan groeien en de klantrelatie kan koesteren: 'Een agent moet worden gemachtigd met alle juiste gegevens en kennis om een vraag van een klant zo snel mogelijk te kunnen beantwoorden. Omdat klanten zeggen dat het waarderen van hun tijd het belangrijkste is. En dat is een heel lastig voorstel. En als je het goed doet, zijn dit de zeldzame momenten waarop je de relatie die je met klanten hebt kunt koesteren en laten groeien."
2. AI helpt om content accuraat en relevant te houden
Naast het aanbieden van inhoud aan vertegenwoordigers zodat ze snel klantproblemen kunnen oplossen, kan AI ervoor zorgen dat de kennisbank van een bedrijf daadwerkelijk relevant blijft - en studies hebben aangetoond dat bedrijven met een flexibele aanpak bij het bijwerken van inhoud hogere zelfbedieningsratio's en betere zoekresultaten hebben. In deze tijd van complexe producten en diensten kan het beheren van een helpcentrum verrassend moeilijk zijn, maar ondersteuningsteams kunnen vertrouwen op AI om dat proces soepel te laten verlopen.
Bijvoorbeeld, AI kan inhoud markeren voor herziening op regelmatige tijdstippen, machine learning inzetten om artikelen te identificeren die bijgewerkte titels, nieuwe inhoud en betere zoeklabels nodig hebben. Misschien wel het krachtigste kenmerk van een door AI aangedreven kennisbank is het vermogen om nieuwe inhoud voor te stellen op basis van wat klanten vragen in ondersteuningsverzoeken. Dat stelt interne experts in staat zich te richten op wat klanten het meest zal beïnvloeden - en op hun beurt kunnen agenten zich concentreren op service van topkwaliteit.
3. Het pushen van kennis naar agenten in context met AI helpt hen sneller ingewerkt te raken en te leren terwijl ze aan het werk zijn
Gezien alle kennis die ondersteuningsmedewerkers moeten weten of toegang toe moeten hebben om klantvragen te beantwoorden, kan het voor nieuwe medewerkers weken duren om op snelheid te komen en comfortabel te worden in het navigeren door een uitgebreide kennisbank. Terwijl een ervaren medewerker mogelijk precies weet welk stukje kennis ze nodig heeft om een klant door te verwijzen naar een specifieke vraag, zal een nieuwere medewerker kostbare tijd moeten besteden aan het zoeken naar die kennis terwijl de klant in de wacht staat.
Als een kennisbank wordt versterkt met AI, kunnen die medewerkers kennis krijgen in plaats van er naar te moeten zoeken. Op basis van de context van een lopend gesprek kunnen AI-oplossingen zoals Guru's AI Suggest relevante kennis naar boven brengen voor medewerkers om uit te kiezen, waardoor de noodzaak om te zoeken volledig wordt geëlimineerd. Door alle medewerkers, ongeacht hun ervaringsniveau, te helpen om toegang te krijgen tot dezelfde kennis in dezelfde tijdsperiode, maakt AI het speelveld gelijk en stelt zelfs de nieuwste medewerkers in staat om vragen net zo snel te beantwoorden als hun ervaren collega's.
Het krijgen van kennis op het moment helpt ook bij contextuele coaching. Gordon Ritter en Jake Saper, partners bij Emergence Capital, hebben dit concept uitgebreid onderzocht en een these ontwikkeld rond wat zij coachingnetwerken noemen, die machine learning gebruiken om werknemers te coachen over hoe ze hun werk beter kunnen doen terwijl ze het doen.
In plaats van te vertrouwen op het trainen van een medewerker voor of na een klantinteractie, ("Hier is de kennis die je nodig hebt voor dit specifieke geval" of "Hier is de kennis die je had moeten gebruiken voor dit specifieke geval"), kan AI medewerkers coachen terwijl dat specifieke geval nog plaatsvindt.
Op dat moment, als een medewerker het antwoord op een specifieke vraag niet weet en niet over een op AI gebaseerde kennisbank beschikt om het juiste antwoord voor te stellen, moet hij met behulp van wat hij heeft het beste proberen om de vraag te beantwoorden. Zelfs de meest uitgebreide training helpt niet in die situatie als de medewerker zich niet herinnert waarop hij is getraind. En training achteraf zal hen helpen beter te reageren wanneer die vraag de volgende keer komt, maar doet niets voor de huidige interactie waar ze hulp bij nodig hebben. Het is die just-in-time training die voortkomt uit in-context coaching die medewerkers het beste laat leren. En de klant lijdt ook niet als gevolg van een leercurve.
AI wordt ook slimmer na verloop van tijd en heeft de mogelijkheid om de creativiteit van individuen vast te leggen, te leren van en te benutten om de collectieve organisatie slimmer te maken. Volgens Emergence Capital:
"Het sleutelingrediënt van coachingnetwerken is software die gegevens verzamelt van een gedistribueerd netwerk van werknemers en de beste technieken identificeert om zaken voor elkaar te krijgen".
Stel je voor dat een medewerker door een klant een complexe beveiligingsvraag wordt gesteld en zijn op AI gebaseerde kennisbank hem mogelijk relevante kennis aanreikt om die vraag te beantwoorden. De medewerker kan een stuk van die kennis gebruiken, maar wat gebeurt er als hij dan nog steeds zoekt en een ander stuk kennis naar boven haalt om te gebruiken om de vraag van de klant te beantwoorden? Zonder enige AI betrokkenheid zou dat leermoment in een vacuüm plaatsvinden. Met AI kan het systeem de creativiteit en het succes van de acties van die ene medewerker vastleggen, en de volgende keer dat een medewerker een soortgelijke beveiligingsvraag ontvangt, kan de AI die medewerker de aanvullende kennis aanreiken die het de eerste medewerker niet heeft gegeven, wat het verschil heeft gemaakt.
"Wat zo cool is aan coachingnetwerken is dat je door sensorgegevens daadwerkelijk kunt begrijpen wat een medewerker zegt en wat het werkelijke resultaat is, en wat de creatieve handeling is die de medewerker heeft gedaan om een deal te sluiten. Je kunt die creativiteit vastleggen en delen met iedereen in het netwerk. Dus het concept hier is echt, echt krachtig. Door één persoon ergens ter wereld zijn werk te laten doen, en alleen door zijn werk te doen, kan hij onbedoeld iedereen in het netwerk trainen. "Het beste van Empower 2019", Emergence Capital'
AI zorgt voor betere ervaringen voor agenten en klanten.
Het gebruiken van AI om frontline medewerkers te helpen hun werk beter te doen, is een win-winsituatie: klanten zijn blijer wanneer ze snel en efficiënt de hulp krijgen die ze nodig hebben, en medewerkers voelen zich zelfverzekerder en empowered wanneer ze snel kunnen aanhaken en optimaal kunnen presteren.
Ervaar de kracht van het Guru-platform uit de eerste hand - maak onze interactieve producttour
