KI for kundeservice: Forskjell på hype og faktisk nytte

Emil Stenström

Emil Stenström

Det har nok ikke gått noen forbi at Kunstig Intelligens (KI) (Artificial Intelligence AI) for tiden er en av de absolutt heteste trendene innen kundeservice. Men akkurat som på alle hete områder, fins både muligheter og fallgroper. Vi på Kundo greier ut begrepene og forsøker skille det som i dag kan brukes mot det som er misforståelser og hype.

Forskjellen på ulike typer av KI

Det første som er verdt å være tydelig med, er at KI er et veldig bredt begrep. Wikipedias definisjon av KI snakker om å herme kognitive prosesser hos mennesket. Det kan være innlæring og problemløsing. Tankene kan lett føre en til filmen Terminator og de menneskelike maskinene som går rundt og skaper problem for å oppnå egne mål. Men i praksis kan vi fortsatt ikke si til en KI: ”Sett deg på stolen, snakk med kollegaene og ta hand som kundeservicen!”. Det er mulig at vi noen gang i framtiden kommer dit, men det er fortsatt lang vei.

For å skille den ”selvstendige” KI fra de mer praktiske tillempningene, fins de engelske begrepene ”General AI” og ”Narrow AI). Med ”General AI” menes at et system kan løse mange slags oppgaver, og gjerne også komplekse problem som krever forståelse for hvordan oppgavene henger sammen. ”Narrow AI” er betydelig mer håndfast. Det handler som å løse en spesifikk oppgave på en så bra som mulig måte.

For å bli enda mer konkret bruker man snakke om Maskininnlæring. Som navnet antyder handler dette om system som først ser på hva mennesker gjør, og så forsøker lære seg et mønster ut ifra det. Ofte kreves flere tusen eksempel, sammenstilt i for eksempel et stort Excel-ark, som maskininnlæringssystemet kan mates med. System lærer seg hvordan alt er oppbygd, og kan så gi egne forslag på bakgrunn av de mønstre det har lært seg. Det kan for eksempel være hvordan en viss sak bør kategoriseres.

Hvordan kan kundeservice bruke maskininnlæring?

Med maskininnlæring begynner vi å nærme oss noe som faktisk kan brukes i kundeservice! For visst er mange av de enkle oppgavene relativt mønsterstyrte?

  • Om brukeren har glemt passordet, send dem til denne siden…
  • Om det handler som faktura, kategoriser som faktura…
  • Om brukeren spør om å avslutte kontoen, be dem fylle i denne blanketten…

Alle disse mønstre er perfekt data for et maskininnlæringssystem. Så lenge man velger et smalt nok område (Narrow AI) fungerer dagens teknikk riktig bra for dette.

Det som også er nødvendig for at maskininnlæring skal fungere, er rikelig med data. Der vi mennesker kan forstå mønster med bare noen få eksempel, behøver datamaskinene flere tusen eksempel for at det skal fungere riktig bra. Hvor finner man så mange eksempel? I kundeservicens daglige virksomhet så klart. I alle de saker som vi har beskrevet her, fins det troligvis flere eksempel i en vanlig mailinnboks, en samling chattlogger, eller hvorfor ikke i et kundeforum. Det handler bare om å formatere kundekonversasjonene på en måte som fungerer for maskininnlæring. Så er det bare å sette i gang.

Innenfor hvilke områder er maskininnlæringen fortsatt ikke tilstrekkelig?

Det absolutt tydeligste eksemplet der maskininnlæring ikke fungerer bra nok er ved direkte sosial interaksjon med kunder. Og tenker man etter er det ikke så vanskelig å forstå hvorfor. Sosial interaksjon er nemlig alt annet enn ”Narrow”. For at dette skal fungere bra, kreves tilpassing til situasjonen (svare med rett tonalitet), at man forstår tvetydigheter (stiller relevante spørsmål), at man aktivt jobber med kundens følelser (roe ned opprørte kunder) osv. Ikke rart at mange sender kundeservicemedarbeiderne på skrivekurs, øver på vanskelige konversasjoner og veileder hverandre når det blir vanskelig. Sosial interaksjon er noe av det vanskeligste som kundeservice jobber med!

Her ser vi de viktigste forskjellene mellom hva maskininnlæring er flink på, og hypen rundt ”KI-system”. Selvfølgelig går det å demonstrere en chatbot som svarer på vel utvalgte spørsmål, men går det like bra å svare på de 70% av alle spørsmål som systemet ikke er trenet for? Og om de fleste av spørsmålene faktisk ikke kan håndteres av systemet, er det da rett å sende alle kundene dit? Vi tror ikke det.

Bruk maskininnlæring på RETT måte

For at kundeservice skal ha sin verdi, må tilfredsheten blant kundene aldri glemmes bort. I vår evige jakt etter effektivitet er det lett å glemme at alle verdier må balanseres mot hverandre. Vi skal absolutt satse på å bruke maskininnlæring for å effektivisere jobben for de som arbeider med kundeservice. Men vi skal gjøre det innen de rette områdene, og gjennom å effektivisere bort de aller enkleste sakene, ikke gjennom å håndtere alle saker som om de var enkle. Når maskininnlæring brukes rett, kan medarbeiderne fokusere på de vanskelige sakene, og der det behøves mest.

Vil du vite mer?

Last ned og se Kundos populære webinar om AI og kundeservice når det passer deg. Der får du høre Kundos produktsjef Emil snakke mer om begrepene AI, maskininnlæring og smarte charboter. Hva er forskjellene? Hvordan fungerer det egentlig?

Se Kundos webinar om AI og kundeservice.