AI för kundservice? Fyra frågor du behöver ha svar på!

AI är tveklöst en av de hetaste tekniktrenderna 2019. AI-trenden lovar automatisering, effektivisering och smarta tjänster för såväl konsumenter som företag. Kundservice är en av branscher som sägs kunna revolutioneras med hjälp av AI.

Som med alla nya och heta ämnen så råder såklart en hög grad av osäkerhet och begreppsförvirring. Vi hoppas därför att du, med hjälp av frågorna nedan, enklare ska kunna börja besvara frågan hur AI kan användas i er kundservice. På så vis blir du bättre rustad inför mötet med leverantörer av system som utlovar funktioner baserat på AI och maskininlärning.

Förstår vi begreppen?

Artificiell intelligens är ett mycket allmänt begrepp som beskriver en dators förmåga att ta intelligenta beslut på egen hand. AI befinner sig till största del fortfarande i forskningsstadiet. När leverantörer talar om att de har system för AI är det därför viktigt att förstå inom vilket delområde det systemet arbetar och vilka kompetenser och begränsningar det har. Dagens “AI-system” arbetar med den teknik som heter maskininlärning. Maskininlärning går ut på att ett datorprogram kan lära sig vissa mönster genom att studera stora mängder data. Dessa inlärda mönster kan sedan användas för att exempelvis besvara enkla frågor inom avgränsade områden, eller automatiskt kategorisera eller ta beslut baserat i olika situationer.

Vi rekommenderar att du läser den korta introduktion till AI för kundservice som Kundos produktchef Emil Stenström har skrivit.

Vad är vårt mål?

Väl införstådda med begreppen kan vi börja fokusera på våra mål.

• Är vår främsta prioritet att hålla nere antalet inkommande ärenden?
• Vill vi skapa en modern kundupplevelse och hög kundnöjdhet?
• Vill vi effektivisera enskilda och tidsödande processer inom kundservice?

Om er främsta prioritet är att hålla nere antalet inkommande ärenden blir naturligt chatbots och liknande lösningar det första man undersöker närmare. Detta är också det område där det råder störst begreppsförvirring och “hype” inom AI. Idag finns i huvudsak två typer av chatbots:

• Chatbots baserade på maskininlärning: Dessa kräver idag stora mängder befintliga kundärenden för att tränas upp till att ge korrekta svar. Och även då kan de bara svara på de allra enklaste frågorna.
• Chatbots baserade på beslutsträd: Dessa bots använder inte alls AI utan förlitar sig på inprogrammerade beslutsträd där kunden antingen väljer delområde genom att klicka sig fram eller genom att skriva enkla ord som botten översätter till rätt kategori.

Båda dessa lösningar innebär kraftiga begränsningar och kan leda till stor frustration för kunden, men kan självklart effektivisera en hårt belastad kundservice. Vi rekommenderar därför i dagsläget bara dessa lösningar om effektivisering är er enskilt högsta prioritet. Be alltid att få testa de system som leverantörerna visar för att förstå systemets förmåga och begränsningar bortanför de tillrättalagda exempel som ni får demonstrerade för er.

Dessa insikter innebär också att organisationer som prioriterar kundnöjdhet högt kanske bör avvakta ytterligare några år med alla typer av system som placerar AI mellan er och kunden.

Vilka processer vill vi förenkla?

Ytterligare ett mål kan som sagt vara att förenkla och effektivisera upprepade processer och handgrepp i er dagliga kundservice. Här har maskininlärning stor potential för att förenkla för oss människor. Man kan exempelvis tänka sig att automatiskt föreslå färdiga åtgärder för en kundservicemedarbetare: Kategorisera ärendet, vem det bör tilldelas till eller vilket standardsvar som kan vara lämpligt. Genom att erbjuda en snabb genväg för att genomföra den föreslagna åtgärden kan mängden klick och tankemöda minskas!

Det här är det område där maskininlärning har störst potential. Spana därför efter verktyg med denna typ av smarta funktioner som baseras på maskininlärning.

Vad får det kosta?

Systemen för chatbots och maskininlärning tenderar idag att vara dyra. Utöver kostnaden för själva produkten och införandet finns också ytterligare kostnader och risker förknippade med exempelvis chatbots:

• De behöver tränas: Innan en chatbot kan fungera behöver den tränas på er nuvarande data. Detta är ett arbete vid uppstarten men också ett löpande kvalitetsarbete för att korrigera och lära in nya kunskaper. Detta kräver ofta teknisk hjälp från era eller leverantörens utvecklare.
• Som vi beskrivit ovan innebär systemen ofta en extra barriär för era kunder, särskilt under en inkörningsperiod. I vilken utsträckning är ni beredda att kompromissa med er kundnöjdhet?

Har vi tillräckligt med data?

För att maskininlärning ska fungera bra krävs stora mängder data för att träna upp systemet. Hur mycket data som behövs beror på komplexiteten i uppgiften som ska utföras. Generellt behövs många tusen exempel på liknande frågor för att systemet ska uppnå en rimlig korrekthet.

Om systemet bara ska snabba upp en manuell process (exempelvis kategorisering av ärenden) gör det inte lika mycket om det blir fel ibland eftersom det är lätt för en tränad medarbetare att göra en manuell justering. I sådana fall är även en 60% korrekt algoritm en tydlig förbättring.

I direkta kundinteraktioner blir det däremot viktigare att det blir rätt och då krävs ytterligare träningsdata. Kanske kan vi enbart acceptera en felmarginal på ett par procent i en chatbots interaktion direkt med kunder?

Vår erfarenhet är att de flesta organisationer saknar riktigt stora volymer av träningsdata, men att man på sikt kan bygga upp en noggrannhet som är fullt tillräcklig för att arbeta med den typ av funktioner som underlättar medarbetarens vardag med hjälp av maskininlärning.

Vill du veta mer?

Ladda ner och titta på Kundos populära webbinarium om AI och kundservice när det passar dig. Där får du lyssna till Kundos produktchef Emil som berättar mer om begreppen AI, maskininlärning och "smarta" chattbotar - vad är det för skillnad, och hur fungerar det egentligen?