Med framväxten av saker som chattbotar, artificiell intelligens (AI), interaktiv röstrespons och maskininlärning, fortsätter nya teknologier att störa kontaktcenterbranschen. Dessa framsteg ger ofta bränsle åt rädslan att automation en dag kommer att ersätta människor. För att dissekera hypen och utforska de verkliga möjligheterna kring AI har jag samarbetat med Customer Contact Central för att diskutera AI i molnbaserade lösningar. Få tillgång till det inspelade webbinariet här eller läs nedan för en sammanfattning av hur kundservicetjänster realistiskt ska tänka på AI, komplett med fem frågor att ställa till leverantörer när man utvärderar AI-lösningar.

Verklighet vs. hype kring artificiell intelligens

Så vad menar vi egentligen med artificiell intelligens? Det finns många specialiserade områden inom den bredare kategorin AI, och vi ser ofta förvirring kring vad varje område faktiskt omfattar. Först och främst är AI en delmängd av datavetenskap. Den fokuserar på att inkludera simulerad mänsklig intelligens i maskiner. Under paraplyet av AI kommer maskininlärning (ML), naturlig språkbehandling (NLP) och djupinlärning (DL).

Maskininlärning avser tekniker som gör att maskiner lär sig av data och sedan använder dessa lärdomar för att erbjuda värde tillbaka till slutanvändaren. NLP handlar om att få maskiner att "förstå" betydelsen av naturligt språk, inklusive avsikten med de ord människor använder för att kommunicera med varandra. Djupinlärning handlar om algoritmer som inspireras av strukturen av den mänskliga biologiska hjärnan. DL har genererat mycket spänning nyligen eftersom det är den närmaste maskinlikheten till simuleringen av hur hjärnan faktiskt fungerar.

Så nu när vi har definierat AI, vart står vi med denna teknologi?

AI har varit “Den Nästa Stora Saken” under lång tid. Sedan databehandlingens framväxt har det slutgiltiga målet alltid varit att skapa en teknologi tillräckligt sofistikerad för att agera som en jämlike till människor. AI har haft så många upp- och nedgångar att vi hänvisar till dessa trender som “säsonger”. När saker går bra kallar vi det en 'AI-vår'. Och när saker inte går så bra, är det en 'AI-vinter'. Just nu är vi i en AI-vår.

Efter den senaste stora teknologiska förändringen – molnteknologi – är de data och den bearbetningskraft som behövs för att få AI att fungera nu mer tillgängliga och prisvärda än någonsin. Tidigare var det upp till företag att bygga sina egna miljöer för att lagra stora mängder data och den bearbetningskraft som var nödvändig för att möjliggöra AI, men framstegen inom molnteknologi har gjort det möjligt att driva AI mer enkelt. Nu ser vi de stora aktörerna inom molnteknologi – Amazon, Google, Microsoft – alla erbjuda inte bara den faktiska bearbetningskraften och datan från molnteknologi, utan AI-tjänster också. Företag kan nu utnyttja och utnyttja dessa teknologier för att sammanställa AI-drivna lösningar.

Förbättrad företagsanvändarupplevelse (UX) och användarvänliga gränssnitt har också ökat AI-tillväxten exponentiellt. Ju lättare programvaran är att använda, desto mer data kommer den att generera. Och ju mer data som kan utnyttjas för att träna AI, desto bättre blir lösningen. Företagsprogramvara har nyligen genomgått en konsumerisering: den programvara vi använder på jobbet blir lika trevlig som den programvara vi använder i våra personliga liv. Idén om UX som en kärnfokus inom företagsprogramvara har hjälpt till att driva denna teknologi framåt och generera mycket spänning.

Med spänning kommer hype

Givet all spänning kring AI, är det viktigt att ställa rätt frågor angående vad som faktiskt är möjligt med denna teknologi. Gartner släpper det de kallar en “Hype Cycle” som plottar teknologitrender för att visa vilka framtida teknologier som är mest hypade. Hypen växer när lösningar skalar Hype Cycle, når sin topp vid Peak of Inflated Expectations, och sjunker sedan igen när teknologin oundvikligen tappar hype och går in i Trough of Disillusionment. Det slutgiltiga målet är att övervinna kurvan och klättra över Slope of Enlightenment till Plateau of Productivity.

Vissa teknologier faller bort från cykeln och når aldrig den sista kurvan, men många gör. Exemplet ovan är den senaste iterationen av Hype Cycle, och har mycket hypade djupinlärning högst upp. År 2009 befann sig molnteknologi högst upp på Cykl. Vi såg samma beteende då som vi gör nu, så det är intressant att jämföra det med dagens mest hypade teknologier.

När en teknologi är överhypad ser vi alla möjliga galna artiklar skrivna och hotande filmer gjorda om den. Mellan shower som Westworld och artiklar som hävdar att AI snart kommer att skriva bättre romaner än människor, är sättet AI framställs i media och populärkultur ofta förvirrande, och spelar in i rädslorna för vad som kan gå fel om det går fel. Det finns en mycket verklig och utbredd rädsla att AI utgör ett hot mot mänskligheten.

En vanlig manifestation av denna rädsla är kundserviceteam som undrar om de kommer att förlora sina jobb till maskiner. Allt prat om AI som ersätter människor och automatiserar bort processer missar den verkliga möjligheten hur AI kan vara transformativ.

Den verkliga möjligheten för AI i kontaktcenter.

Mycket teknologi som antas på arbetsplatsen har traditionellt tillämpats för att spara pengar. Som företag gör vi fall för att köpa teknik baserat på potentiella kostnadsbesparingar. Men när det gäller AI, görs många av dessa fall baserat på potentiella intäktsökningar istället. Företag frågar inte hur AI kan spara dem pengar, utan hur AI kan tjäna dem pengar. Hur kan AI hjälpa kundtjänstmedarbetare att konvertera fler kunder från gratisplaner till betalplaner? Hur kan AI hjälpa kunder att förstå produkter bättre så att de förnyar?

Det är en verkligen intressant omformulering, denna övergång från kostnadsbesparingar till intäktsgenerering. Det övergår smidigt till kundtjänstfältet som gör en liknande övergång från kostnadscenter till en intäktscenter.

Kundtjänst transformeras från en kostnadscenter till en intäktscenter.

Kundtjänstteam har de mest bestående relationerna med kunder, långt efter att försäljningen har stängt affären och gått vidare, så hur kan vi hjälpa dem ha bättre samtal och bättre relationer med dessa kunder? Trots dessa nära relationer tillämpas en oproportionerlig mängd av AI-konversationen på lösningar som tar bort kundtjänstagenten från att prata direkt med kunder istället för att föra dem närmare varandra.

4 typer av AI för CX

Deflektion avser att avbryta kunder som når ut med enkla, repetitiva frågor och ge svar på dem innan de ens behöver ställa dem. Tekniken avbryter en interaktion med en supportagent från att faktiskt hända. Detta är ett kostnadsbesparingsansats, inte en intäktsgenerator.

Botar simulerar mänskliga kundtjänstupplevelser. Men medveten om kundupplevelsen, tror jag att de bästa botdesignerna tydliggör att det är en bot i andra änden av linjen. Bra botar försöker inte simulera människor, de kompletterar väntetider och ger värde.

Behandling eller arbetsflödes-AI tenderar att vara agent-facing. Dessa lösningar handlar om att identifiera och lindra vanliga smärtpunkter. Som människa är det svårt att pinpointa var kunder tenderar att fastna eftersom det involverar att indexera alla biljetter, kategorisera dem, identifiera ämnen, trender och känslor. Maskiner är bättre lämpade än människor för att gruppera och analysera, så det är där processande AI vanligtvis kommer in.

Coaching AI är också agent-facing snarare än slutkunds-facing. Denna typ av AI syftar till att hjälpa och ge makt åt människor att bli bättre på sina jobb. Den syftar till att hjälpa agenter att ha bättre samtal med kunder så att de kan spendera mer tid på att skapa kvalitativa upplevelser snarare än att leta efter svaren på frågor. Coaching är sättet vi tänker på och levererar AI på Guru. Att ge makt åt människor är ett utmärkt sätt att skapa långsiktigt värde för kundtjänstteam. Denna AI-teknik är 100% fokuserad på att hjälpa någon att bli bättre istället för att automatisera bort dem.

Topp 5 frågor att ställa dina AI-leverantörer

När man överväger en ny AI-lösning är det viktigt att säkerställa att den initiativ du överväger är i linje med att bäst förbereda dig för framgång. Här är fem överväganden att ha i åtanke tillsammans med frågor du kan ställa till leverantörer under utvärderingsfasen.

1. Vilka mätvärden bör vi förvänta oss att din lösning förbättrar?

Se upp för “Jack of All Trades.” Ett misstag som vissa AI-system gör är att försöka göra för mycket. Dagens AI-system har endast kapacitet att göra så mycket, vilket gör det superviktigt att de är superfokuserade på att lösa specifika problem. Den träningsdata som ett AI-system använder för att göra sina förslag är direkt kopplad till dess framgång. Om du försöker lösa tre eller fyra affärsproblem med ett AI-system och ett set med träningsdata bör du förvänta dig mediokra resultat.

Frågan att ställa för att komma till kärnan av detta problem är “Vilka mätvärden bör vi förvänta oss att din lösning förbättrar?” Du måste reda ut det slutgiltiga utfallet och hur det kommer att knytas tillbaka till de mätvärden du använder för att mäta prestation. Du vill ha ett specifikt svar här; var vaksam på vilken lösning som påstår sig lösa sju eller åtta saker på en gång. Om en lösning specifikt fokuserar på ett visst utfall, ger det en stor möjlighet till framgång. Investera i AI-produkter som fokuserar på att lösa tydliga problem med tillgång till värdefull data för träning.

2. Vad kommer våra kunder att uppleva?

Giv makt åt dina agenter och dina kunder. Oavsett vilket AI-system du överväger, var mycket fokuserad på den slutliga kundupplevelsen. Forrester har en rapport som talar om riskerna företag står inför genom att för aggressivt styra kundtrafik (chatt, telefonsamtal) till AI-system istället för till människor i ett försök att spara pengar. Genom att göra det för aggressivt, får företag en nedgång i kundnöjdhet. Du vill ha AI som hjälper dig att spara pengar och driva intäkter, men du vill definitivt inte göra det på bekostnad av kundnöjdhet.

Genom att fråga “Vad kommer våra kunder att uppleva?”, kan du avgöra om en lösning ligger i linje med hur du tänker på att erbjuda en bra kundupplevelse. Vad din slutkund kommer att se när de interagerar med något system borde vara din huvudsakliga oro.

3. Hur lär sig din AI-lösning och förbättras över tid?

Se upp för “hemlig sås”-arna. Transparens är viktig. Leverantörer bör vara tydliga och direkta kring vilka data de samlar in och varför. AI-system byggs på data som du kommer att mata till det, så det är superviktigt att vilken AI-leverantör som helst berättar för dig exakt vilken data den kommer att använda för att träna sig själv, hur den datan lagras, och hur länge datan lagras.

Genom att fråga “Hur lär sig din AI-lösning och förbättras över tid?” kommer du att få en ledtråd till de datamängder dina AI-leverantörer kommer att behöva från dig för att fungera.

4. Hur kommer vi att hålla vår kunskap uppdaterad och korrekt?

AI utan aktuell kunskap kommer att misslyckas i kontaktcenter. Detta är relaterat till jack of all trades-konceptet. När du tänker på den kunskap som finns i din miljö, är det en sammanställning av kunskapen hos dina ämnesexperter, av dina produkter, av dina system och processer, och hur all dessa fungerar tillsammans. All AI som utnyttjar den kunskapen måste ha ett sätt att försäkra dig om att den kunskapen kommer att vara korrekt och uppdaterad.

Det finns ett koncept inom AI som kallas den slutna slingan. Över tid kommer den kunskap och de saker som tränar dina AI-system att förändras eftersom dina produkter förändras; och teknologin dina produkter är beroende av kommer att förändras; och nya konkurrenter kommer in på marknaden och du måste anpassa dig till dem; och när ditt team växer, kommer det sätt på vilket du gör support att förändras. Med all denna oundvikliga förändring, vad du inte vill är ett AI-system som inte har en bra stängd slinga för att utveckla sitt lärande. Du kommer att se exempel på detta när AI-system börjar återvända med försämrad information över tid. När systemet minskar kvaliteten på output är det en ledande indikator på att det inte lär sig och utvecklas tillsammans med din organisation.

Problemet är att du kanske inte ser detta förrän efter några månader när kunskapen börjar försämras. Så en bra fråga att ställa i början är “Hur kommer vi att hålla vår kunskap uppdaterad och korrekt?”

5. Hur kommer din lösning att göra våra agenter bättre på sina jobb?

AI bör hjälpa människor, inte ersätta dem. Se till att ställa "Hur kommer din lösning att göra våra agenter bättre på sina jobb?" för att ta reda på vilka de omedelbara effekterna av den AI-lösningen kommer att bli för ditt företag. Över tid kommer det att finnas djupgående möjligheter att automatisera uppgifter, men för nu är det viktigt att få ett svar på denna fråga som inte låter som smicker. Termer som "automation" och "virtuell agent" tenderar att indikera AI-lösningar med mindre närområden, praktiska tillämpningar.

För igen, det är fortfarande relativt tidigt. AI är djupgående i långsiktig kapacitet och påverkan, men det är fortfarande långt ifrån att förstå saker som empati. Om du placerar ett AI-system framför dina kunder direkt när de är upset, kommer en maskin inte att förbättra situationen. Detta är de typer av frågor som säkerställer att du tänker på resultatet av produkten på det bästa möjliga sättet.

Avslutande tankar

Likt molnberäkning innan den, är AI transformationell, inte bara för företag, utan för alla människor. Även om hypen är enorm, och många människor missrepresenterar dess kapabiliteter, finns det verkliga vinster att uppnå idag om du fokuserar på de rätta resultaten. Istället för att tänka på AI som "automatisera oss bort", och i slutändan skapa denna överlägsna klass av maskiner, vad om vi istället pratade om AI som hjälper oss att växa? AI hjälper oss att förbättra som människor, både personligt och professionellt? Det är den förändring av tankesätt vi behöver göra som verkligen kommer att vara spännande gällande vad som är möjligt med denna teknik.

För mer information om hur man använder AI för att stärka människor i ditt kontaktcenter och genom hela din organisation (och Gurus svar på dessa fem frågor), kontakta info@getguru.com.