En version av detta inlägg, medförfattad av Mark Smith, Zendesks innehållsmarknadsföringschef, dök ursprungligen upp på Zendesks blogg. Lär dig hur du använder en Zendesk + Guru-integration för att skapa en centraliserad Zendesk kunskapsbas.

Trots all den ond och elände om AI som ersätter mänskliga jobb (det finns över 44,5 miljoner resultat på Google för "AI ersätter jobb"), kommer den mest omedelbara tillämpningen av artificiell intelligens i att göra människor bättre på sina jobb – inte ersätta dem. Ett område där AI kan komplettera den mänskliga arbetskraften är i mänskliga kundtjänstinteraktioner. När en kund är upprörd och behöver ett snabbt svar, är det inte den bästa idén att sätta en AI-driven chattbot mellan dem och en empatisk mänsklig representant. Istället kan AI användas av den mänskliga representanten för att få de svar de behöver för att lösa kundens problem snabbare.

En AI-driven kunskapsbas skapar bättre upplevelser för både representanter och kunder genom:

1. Centralisering av kunskap från olika källor och förbättring av kvaliteten och noggrannheten hos representantsvar
2. Hjälper till att hålla innehållet korrekt och relevant
3. Snabba upp introduktionen av nya agenter med löpande träning och kontextuell coaching

1. AI kan centralisera kunskap från olika källor och förbättra kvaliteten och noggrannheten hos svar från representanter

När en representant har all kunskap de behöver för att svara på kundfrågor direkt vid sina fingertoppar kan de spendera mindre tid på att söka efter ett korrekt svar och vidarebefordra den tidsbesparingen till sina kunder. En kund kommer inte att veta om en representant får hjälp av AI eller inte, men de kommer att märka skillnaden mellan ett omedelbart svar och ett "Jag återkommer till dig om det." När representanter proaktivt får kunskap från ett AI-system behöver de inte leta efter de svar de behöver.

En kund kommer också att märka skillnaden mellan "Låt mig hitta svaret åt dig" och "Låt mig koppla dig till min kollega som kommer att ha svaret åt dig." När AI kan operationalisera en kunskapsbas och göra information från olika avdelningar tillgänglig direkt, behöver inte representanter skicka kunder från avdelning till avdelning när en fråga ligger utanför deras fokus. Kunder bryr sig inte om vilken avdelning de talar med, de vet bara att de talar med ditt företag och förväntar sig ett svar. Att använda AI för att förena och aktivera kunskap från hela organisationen hjälper representanter att leverera snabbare svar och sparar kunderna frustrationen att behöva vänta eller upprepa sin fråga för flera representanter.

Enligt Kate Leggett på Forrester, dessa inflectionspunkter i ett samtal – när en representant inte behöver sätta kunden på väntan eller koppla dem till en annan avdelning för att hitta ett svar – är där ett företag faktiskt kan växa och vårda kundrelationen: “En agent måste vara bemyndigad med alla rätta data och kunskap för att kunna svara på en kunds fråga så snabbt som möjligt. Återigen, eftersom kunder säger att att värdera deras tid är det viktigaste. Och det är ett riktigt svårt förslag. Och om du gör rätt, det är de sällsynta ögonblicken när du kan vårda och odla relationen du har med kunderna.

2. AI hjälper till att hålla innehållet korrekt och relevant

Utöver att serva innehåll till representanter så att de snabbt kan lösa kundproblem kan AI säkerställa att ett företags kunskapsbas faktiskt förblir relevant — och studier har visat att företag med en agil strategi för att uppdatera innehåll har högre självbetjäningsförhållanden och bättre sökresultat. I denna era av komplexa produkter och tjänster kan kurationen av en hjälpcentral vara överraskande svår, men supportteam kan luta sig mot AI för att få den processen att flyta smidigt.

Till exempel kan AI flagga innehåll för granskning med regelbundna intervall, utnyttja maskininlärning för att identifiera artiklar som behöver uppdaterade titlar, nytt innehåll och bättre sökmärken. Ändå är kanske den mest kraftfulla funktionen hos en AI-driven kunskapsbas dess förmåga att föreslå nytt innehåll baserat på vad kunderna frågar efter i supportförfrågningar. Det ger interna ämnesexperter möjlighet att fokusera sina bidrag på vad som kommer att påverka kunderna mest – och i sin tur gör det möjligt för agenter att fokusera på vit handske service.

3. Att trycka kunskap till agenter i sammanhang med AI hjälper dem att komma igång snabbare och lära sig medan de arbetar

Med tanke på all kunskap supportrepresentanter behöver känna till eller ha tillgång till för att svara på kundfrågor kan det ta nya representanter veckor att komma igång och känna sig bekväma med att navigera en omfattande kunskapsbas. Medan en erfaren representant kan veta exakt vilken kunskap hon behöver skicka en kund för att svara på en specifik fråga kommer en nyare representant att behöva spendera värdefull tid på att söka efter den kunskapen medan kunden sitter i telefonkö.

När ett kunskapsdatabas är förbättrad med AI kan dessa representanter bli **servade** kunskap istället för att behöva söka efter den. Baserat på sammanhanget i en pågående konversation kan AI-lösningar som Gurus **AI-förslag** yta relevanta kunskaper för representanter att välja från, vilket eliminerar behovet av att söka överhuvudtaget. Genom att hjälpa alla representanter, oavsett erfarenhetsnivå, att få tillgång till samma kunskap inom samma tidsram, jämnar AI spelplanen och ger även de nyaste representanterna möjlighet att svara på frågor lika snabbt som deras veteran kollegor.

Att bli erbjuden kunskap i stunden hjälper också med kontextuell coaching. Gordon Ritter och Jake Saper, partners på Emergence Capital, har utforskat detta koncept ingående och utvecklat en tes kring vad de kallar **coachingnätverk**, som använder maskininlärning för att coacha arbetare om hur de ska göra sina jobb bättre **när de utför dem**.

Istället för att förlita sig på att träna en representant före eller efter en kundinteraktion, ("Här är den kunskap du kommer att behöva för detta specifika fall" eller "Här är den kunskap du borde ha använt för detta specifika fall"), kan AI coacha representanter **medan det specifika fallet fortfarande inträffar**.

I stunden, om en representant inte vet svaret på en specifik fråga och inte har en AI-driven kunskapsbas som kan föreslå det korrekta svaret, måste de göra det bästa de kan med det de har för att svara på frågan. Inte ens den mest omfattande träningen hjälper i den situationen om representanten inte kan komma ihåg vad de har tränats på. Och efter-the-fact-träning kommer att hjälpa dem att svara bättre nästa gång den frågan uppstår, men gör ingenting för den aktuella interaktionen de behöver hjälp med. Det är den just-in-time-träningen som kommer från in-context coaching som hjälper representanter att lära sig bäst. Och kunden lider inte som ett resultat av en inlärningskurva.

AI blir också smartare över tiden och har förmågan att fånga, lära av och utnyttja individernas kreativitet för att göra den samlade organisationen smartare. Enligt Emergence Capital:

Den viktigaste ingrediensen i coachingnätverk är programvara som samlar data från ett distribuerat nätverk av arbetare och identifierar de bästa teknikerna för att få saker gjorda.

Föreställ dig att en representant ställs inför en komplicerad säkerhetsfråga av en kund och hans AI-drivna kunskapsbas serverar honom potentiellt relevant kunskap för att svara på den frågan. Representanten kan använda en del av den kunskapen, men vad händer om han sedan ändå söker och hämtar upp en **annan** bit kunskap att använda för att besvara kundens fråga? Utan någon AI inblandad skulle den lärande stunden ske i ett vakuum. Med AI kan systemet fånga kreativiteten och framgången av den ena representantens handlingar, och nästa gång en representant får en liknande säkerhetsfråga, kan AI servera den representanten den ytterligare kunskap **den inte** serverade den första representanten som slutade göra skillnaden.

"Det som är coolt med coachingnätverk är att eftersom du har sensordata kan du faktiskt förstå vad en representant säger och vad är det faktiska resultatet, och vad är den kreativa sak representanten har gjort för att få affären att sluta.", Du kan fånga kreativiteten och sprida den till alla andra i nätverket. Så konceptet här är verkligen, riktigt kraftfullt. Av en person var som helst i världen som gör sitt jobb, och bara genom att göra sitt jobb, kan de oavsiktligt träna allihop i nätverket." –Jake Saper, Emergence Capital'

AI möjliggör bättre upplevelser för agenter och kunder lika

Genom att använda AI för att hjälpa frontlinjerepresentanter att göra sina jobb bättre är en win-win: kunderna är mer nöjda när de får den hjälp de behöver snabbt och effektivt, och representanterna känner sig mer självsäkra och är bättre rustade när de kan komma igång snabbt och prestera till det bästa av sin förmåga.