Teknologichef for kundeoplevelse siger, at CX-ledere er for fokuserede på resultater fra AI, mens kundeoplevelsen forringes

Oremeyi Akah er CCO hos Interswitch, en panafrikansk betalingsinfrastrukturvirksomhed, der betjener både B2B- og B2C-segmenter.

Vi satte os ned med Oremeyi for at høre om de imponerende resultater, hun ser fra AI-integration på tværs af sin CX-organisation. Undervejs fortalte hun os, hvor CX-organisationer går galt i deres AI-integrationer.

Fra servicefunktion til strategisk funktion

Jeg hedder Oremeyi Akah og er kundedirektør hos Interswitch Group — en panafrikansk betalingsinfrastrukturvirksomhed, der opererer på tværs af 23 afrikanske markeder og forbinder enkeltpersoner, virksomheder og regeringer med digitale finansielle tjenester.

Den kundeorganisation, jeg leder, spænder over hele spektret af Interswitchs kommercielle relationer — fra store finansielle institutioner og fintechvirksomheder gennem vores funktion for nøglekontostyring til forhandlere, fakturautstedere og slutforbrugere, der interagerer via digitale kanaler, kontaktcentre og personlige kanaler. Vi betjener både B2B- og B2C-segmenter.

Vores CX-mandat spænder fra strategiske kontorelationer med tæt kontakt til banker som Stanbic IBTC og Providus til oplevelsen hos millioner af almindelige nigerianere, der foretager transaktioner med Verve-kort, Quickteller og vores betalingsinfrastruktur.

Mit team håndterer relationer i krydsfeltet mellem omsætning, tillid og national finansiel inklusion — hvilket gør kundeoplevelsen til mere end blot en servicefunktion; den er en strategisk funktion.

Sådan udvider AI radikalt, hvad CX-teams kan gøre

For et år siden gennemgik vi manuelt med et team på 15 personer kun 10 % af kundekontakterne på tværs af vores B2B- og B2C-kanaler. Det betød, at vi ikke kunne se 90 % af vores kunders oplevelser — hver klage, hvert friktionspunkt og hvert signal om regulatorisk risiko. Vi traf beslutninger om kundeoplevelsen baseret på et meget ufuldstændigt billede.

Derefter implementerede vi et AI-drevet kvalitetssikringssystem, som ændrede dette fuldstændigt. Nu analyserer vi 100 % af kundekontakterne. Vi gennemgår hver eneste interaktion, forhåndskategoriserer den efter alvorlighedsgrad og markerer regulatoriske risici, gentagne fejlmønstre eller områder, der kræver kritisk opmærksomhed.

Som følge heraf ændrede tre ting sig.

1. Vores dækning steg fra 10 % til 100 % — uden at øge bemandingen. Det repræsenterer et ti gange større indblik med de samme ressourcer.
2. Vi gik fra reaktive til proaktive indsatser. Tidligere fandt vi kun problemer, når kunderne eskalerede dem. Nu finder vi dem, før de eskalerer — og inden for betalingsinfrastruktur er denne forskel enormt vigtig, både for kundernes tillid og for vores regulatoriske position.
3. Det ændrede, hvad vores team på 15 personer laver. Teamet gik fra at udtage stikprøver af kontakter til at handle på baggrund af indsigt. De fokuserer nu deres menneskelige dømmekraft dér, hvor den betyder mest: på de interaktioner med den højeste alvorlighedsgrad og risiko, som systemet identificerer.

Det er sådan, AI-understøttet CX ser ud i praksis — ikke at erstatte mennesker, men at udvide radikalt, hvad de samme mennesker kan se og gøre.

En AI-arbejdsgang fra den virkelige verden til håndtering af kundeinteraktioner

Her er arbejdsgangen.

Vores AI-drevne kvalitetssikringsplatform, Gladly, indsamler automatisk alle kundeinteraktioner — uanset om de foregår via tale, e-mail, chat eller andre digitale kanaler.

Først forstår AI'en samtalen. Den klassificerer problemet, vurderer stemningen, fastslår alvorlighedsgraden, identificerer potentielle regulatoriske risici eller omdømmerisici, registrerer gentagne fejlmønstre og forudsiger den mest passende videresendelse samt den sandsynlige løsningsvej baseret på lignende historiske sager.

Arbejdsgangen deles derefter op efter kompleksitet.

Ved enkle problemer sender AI sagen til det rette team med den relevante kontekst allerede samlet, så problemet kan løses hurtigere.

For sager med højere risiko eller høj værdi — især sager, der involverer vores bankpartnere eller problemstillinger med lovgivningsmæssige konsekvenser — eskalerer vi straks sagen med en anbefalet prioritet. Derefter tager menneskelig ekspertise over. Vores specialister gennemgår AI's anbefalinger, udviser dømmekraft, tager den bredere kunderelation i betragtning og fastlægger det rette svar og den rette genoprettelse af servicen.

Arbejdsgangen slutter ikke, når sagen er afsluttet.

AI samler løbende indsigter på tværs af alle interaktioner og identificerer tilbagevendende problemområder, nye driftsmæssige fejl og kundetendenser, som enkeltsager aldrig ville kunne afsløre. Disse indsigter indgår direkte i vores initiativer inden for operationel ekspertise, produktforbedringer, procesomlægning og ledelsesdashboards, så vi kan håndtere de grundlæggende årsager i stedet for blot at løse individuelle klager.

Hvorfor både AI og menneskelig kontakt er nødvendig

Overordnet håndterer AI arbejde i stor skala — arbejde, der kræver bredde, hastighed og mønstergenkendelse på tværs af millioner af datapunkter. Det omfatter specifikt komplet kontaktanalyse, forhåndskategorisering efter alvor, prioritering af problemstillinger, markering af lovgivningsmæssig risiko og identificering af gentagne fejlmønstre, før de udvikler sig til kriser. Det fungerer også som et tidligt varslingslag for eskalering — systemet fortæller os, hvad der kræver menneskelig opmærksomhed, og hvor hastende det er.

Tre opgaver forbliver menneskelige, og det er helt bevidst.

1. Eskaleringens vurdering: AI fortæller os, hvad vi skal se på; mennesker beslutter, hvad der skal gøres, især når relationens betydning eller den lovgivningsmæssige følsomhed er høj.
2. Genoprettelse af servicen: Ingen model kan håndtere dette — især ikke på B2B-området, hvor en samtale med en bank på niveau 1 er et relationsøjeblik, ikke blot en sag.
3. Forståelse af den reelle kundeoplevelse: Dette er det, jeg går mest op i. Den reelle kundeoplevelse kan ikke reduceres til data alene. Vi investerer i etnografisk og fordybende kundeinddragelse. Vi sidder sammen med kunder, ser, hvordan de interagerer med vores produkter, og lytter til, hvad de siger, når ingen gennemfører en undersøgelse. Denne form for indsigt — den ufiltrerede, uopfordrede sandhed om adfærd — danner grundlag for vores vigtigste beslutninger om udformning af kunderejsen. AI kan identificere, hvad der gik galt i stor skala. Et menneske i rummet forstår hvorfor.

AI udvider det, vi kan se. Mennesker afgør, hvad det betyder, og hvad der skal gøres ved det. Begge dele er nødvendige. Ingen af delene er tilstrækkelig alene.

Hvordan AI forbedrer håndteringen af henvendelser og tilfredsheden

Oremeyis tanker

Kvalitativt har vi ændret teamets kultur fra brandslukning til indsigtsbaseret ledelse. Det er sværere at kvantificere, men lettere at mærke — i måden, vi gennemfører evalueringer på, hvordan vi samarbejder med kunder og konti, og hvordan vi taler om kunden i ledelsessamtaler.

Tallene fortæller en overbevisende historie.

Som jeg nævnte, gik vores AI-drevne kvalitetssikringssystem fra at gennemgå 10 % til 100 % af alle kundekontakter med det samme team på 15 personer — en 10x større synlighed uden yderligere omkostninger til medarbejdere.

Vores AI-drevne selvbetjeningsportal reducerede også den manuelle håndtering af henvendelser med over 54 %, og afgørende er det, at den ikke blot afleder henvendelser — den prioriterer dem intelligent baseret på kundemængde og tendensdata, så mennesker tager fat på de rigtige ting først.

Den efterfølgende effekt på oplevelsen har kunnet måles: CSAT voksede med 60 %. Behandlingstiderne blev markant forbedret. Og måske er det det tal, jeg er mest stolt af — medarbejdertilfredsheden steg med over 70 %. Når dit team holder op med at drukne i mængden og begynder at udføre meningsfuldt arbejde, kan det mærkes på den måde, de møder kunderne på.

Kvalitativt har vi ændret teamets kultur fra brandslukning til indsigtbaseret ledelse. Det er sværere at kvantificere, men lettere at mærke — i måden, vi gennemfører evalueringer på, hvordan vi samarbejder med kunder og konti, og hvordan vi taler om kunden i ledelsessamtaler.

Hvorfor CX-ledere skal fokusere på overdragelse og eskalering

Det meste af energien ved redesign fokuserer på frontend’en – chatbotten, personaliseringsmotoren og automatiseringen af gentagne henvendelser. Dette arbejde er nødvendigt og allerede i vid udstrækning i gang. Men det forbindelsespunkt, der afgør, om AI hjælper eller skader relationen, behandles ofte som en funktion, der kan konfigureres senere, selv om det er det system, der i høj grad bestemmer tilliden.

Forskning peger samstemmende på dette fra flere vinkler. En CX-undersøgelse fra 2025 viste, at 79 % af respondenterne foretrækker et menneske frem for en AI-agent ved komplekse problemer – så eskaleringsvejen er ikke valgfri; det valgfri er, om den foregår problemfrit. Omkostningen ved at gøre det forkert er nu kvantificeret: 48 % af kunderne ville forlade et brand, hvis de skulle forklare deres problem igen efter at være blevet viderestillet til et menneske, og 40 % ville forlade det, hvis de skulle bekræfte deres identitet igen. Fejlen handler ikke om langsommelighed – den består i, at en dårlig overdragelse udsletter alt det, kunden allerede har fortalt jer, og den tillid, AI’en har opbygget, forsvinder netop som indsatsen stiger.

To resultater gør dette relevant på bestyrelsesniveau. For det første indrømmer branchen stille og roligt, at den har automatiseret for meget: Gartner forudser, at halvdelen af de virksomheder, der reducerer antallet af medarbejdere i kundeservice på grund af AI, inden 2027 vil genansætte medarbejdere til lignende arbejde under andre stillingsbetegnelser. For det andet er den strategiske konklusion tydelig – de brands, der med størst sandsynlighed opnår tillid med AI-agenter, er ikke dem, der forsøger at eliminere menneskelig kontakt hurtigst, men dem, der designer med henblik på tydelig eskalering, bevarelse af kontekst og ærlig oplysning.

Hvorfor AI ikke reducerer behovet for menneskelig kontakt

To områder udviklede sig ikke, som vi havde forventet, men begge lærte os noget vigtigt.

Det første: Vi troede, at AI i væsentlig grad kunne reducere behovet for menneskelig kontakt. Det kunne den ikke – ikke på den måde, vi håbede. Mængden af henvendelser faldt, ja. Men behovet for ægte menneskelig interaktion gjorde ikke. Når jeg ser tilbage, burde det ikke have overrasket os. Vi arbejder med penge – menneskers penge, virksomheders penge – og når noget går galt, eller indsatsen føles høj, vil folk tale med et menneske. Ikke en bot, ikke en portal. En menneskelig stemme, der forstår, tager ansvar og handler. AI kan håndtere store mængder henvendelser. Den kan ikke efterligne nærvær. Vi er trods alt mennesker.

Det andet: intelligens i produktdesign. Vi forventede, at AI-baserede data ville fortælle os, hvordan kunderne ønskede, at produkterne skulle udformes. Det kunne de ikke – i hvert fald ikke fuldt ud. Adfærdsdata fortæller dig, hvad folk gør. De fortæller dig ikke, hvad de ville ønske fandtes, eller hvad der frustrerer dem på et niveau, de endnu ikke har formuleret. Derfor vendte vi tilbage til det grundlæggende – vi satte os sammen med kunder, havde rigtige samtaler og udførte det etnografiske arbejde. Den indsigt, der ændrede vores måde at tænke produkt på, kom fra disse rum, ikke fra dashboards.

AI er fremragende til skala og mønstre. Den er ikke god til nuancer, følelser eller fantasi. Det forbliver stædigt og uigenkaldeligt menneskeligt – og måske er det præcis, som det bør være.

Hvorfor CX-ledere skal lære at måle resultater

Vores første pilotprojekt virkede. Modellen præsterede, dashboards lyste op, og demonstrationerne for interessenterne gik godt. Jeg forstod ikke, at intet af dette besvarede det eneste spørgsmål, som den øverste ledelse ville stille seks måneder senere: "Hvad gav dette tilbage, og hvordan ved du det?"

Jeg havde optimeret efter at bevise kapacitet. Jeg burde have optimeret efter at bevise værdi ved at etablere et udgangspunkt for den måling, vi ville påvirke, isolere AI’s bidrag fra andre ændringer og på forhånd aftale med økonomiafdelingen, hvordan succes skulle måles. Det havde vi ikke gjort, så da investeringsgrundlaget skulle på plads, rekonstruerede jeg udgangspunktet bagefter og forsvarede en tilskrivning, som jeg ikke klart kunne bevise.

Den sværere lektie handler om den øverste ledelse, ikke leverandøren eller værktøjet. En flot demonstration er let at købe og svær at retfærdiggøre. Når du ejer budgetposten, er begejstring ikke leverancen – det er et tal, du kan stå inde for foran bestyrelsen. De fleste AI-pilotprojekter imponerer. Langt færre er udstyret med målinger, der kan bevise, at de har tjent deres omkostning hjem, og du skal indbygge disse målinger fra dag ét, fordi du ikke kan tilføje dem bagefter.

Så det, jeg ville sige til enhver, der lancerer sit første pilotprojekt, er dette: Beslut, hvordan du vil bevise afkastet, før du bygger noget, og forhold dig skeptisk til det flotte resultat, indtil tallet holder.

Hvordan de umålelige dele af CX langsomt svigter

Oremeyis tanker

Den praktiske konklusion er, at de ledere, der får succes, vil gøre det, der ikke bliver målt, målbart i stedet for at automatisere det væk eller forsvare det ud fra tro. Jeg er i øjeblikket afhængig af tro for en del af det, og jeg synes ikke, at tro er tilstrækkeligt.

Her er det, jeg er bekymret for. Vi automatiserer den halvdel af kundeoplevelsen, der er billig at måle, og lader stille og roligt den halvdel, der er dyr at måle, forfalde — og tallene vil fortælle os, at vi vinder, indtil vi har mistet noget, vi ikke kan genopbygge.

AI er fremragende til de dele af kundeoplevelsen, der dukker op i dashboards: afværgning, håndteringstid, omkostning pr. kontakt og løsningshastighed. Derfor optimerer vi disse områder, fordi en bestyrelse kan forstå dem. Men det, der opbygger en holdbar relation — hvorfor en kunde føler sig tryg, hvad der skaber tilgivelse efter en fejl, og følelsen af, at nogen tager ansvar for kundens resultat — findes ikke i dataene, og vi kan ikke automatisere det.

Så min bekymring er ikke, at AI vil udføre målbart arbejde dårligt. Det er, at det ved at gøre målbart arbejde så billigt og synligt langsomt omdefinerer "god kundeoplevelse" til kun at være det målbare arbejde. Den halvdel, der ikke bliver målt, fejler ikke højlydt; den bliver bare gradvist mindre, mens alle målene på væggen bliver ved med at forbedres.

Den del, jeg ikke har afklaret — og dette er den ærlige version — er, at jeg ikke rent kan adskille min egen forudindtagethed fra den reelle risiko. Det er bekvemt for en person, hvis karriere afhænger af menneskelig dømmekraft og empati, at tro, at disse ting ikke kan erstattes. Jeg gætter på, hvor meget af min overbevisning der er ægte forudseenhed, og hvor meget der er professionel egeninteresse.

En del af synspunktet om, at "AI ikke kan udvise empati", er sandsynligvis en trøstefortælling, som CX-ledere fortæller sig selv, og grænsen for, hvad teknologien kan, flytter sig hurtigere, end den fortælling antager. Så det, der reelt fylder hos mig, går i to retninger: Jeg mener, at vi beskytter den umålte halvdel af kundeoplevelsen for dårligt, og jeg er mistænksom over for, hvor meget jeg ønsker, at det skal være sandt.

Den praktiske konklusion er, at de ledere, der får succes, vil gøre det, der ikke bliver målt, målbart — måle tillid, ansvar og genoprettelse efter fejl direkte — i stedet for at automatisere det væk eller forsvare det ud fra tro. Jeg er i øjeblikket afhængig af tro for en del af det, og jeg synes ikke, at tro er tilstrækkeligt.

Tre råd til CX-ledere, der implementerer AI

Overordnet set er mit råd til CX-ledere:

1. Vær ægte. Vær medfølende. Støjen omkring AI i kundeoplevelsen er enorm — og meget af den er hype, der jagter mere hype. Skær igennem den ved at tage udgangspunkt i ét spørgsmål: "Gør dette livet bedre for min kunde?" Ikke bedre på et dashboard. Bedre i kundens hverdag. Hvis svaret er ja, så gå videre med det. Hvis det bare er imponerende, så lad det ligge. Kunder husker ikke din teknologistak. De husker, hvordan du fik dem til at føle. Det har ikke ændret sig, og AI ændrer ikke på det.
2. Bliv ved med at lære — ubarmhjertigt. Dette landskab bevæger sig hurtigere, end nogen af os blev uddannet til at håndtere. De ledere, der er bedst positioneret til at betjene deres kunder om fem år, er dem, der er nysgerrige nok til i dag at indrømme, at de ikke har regnet det hele ud. Læs. Stil spørgsmål. Tal med dine kolleger på tværs af brancher og geografier. Vær sammen med dine kunder. I det øjeblik du holder op med at lære i dette miljø, begynder du at sakke bagud — stille og roligt og derefter pludseligt.
3. Vær ikke bange for at eksperimentere. Ikke alle initiativer vil lykkes. Nogle af vores største indsigter kom fra initiativer, der ikke fungerede som planlagt. Det er ikke fiasko — det er viden, der er dyrt erhvervet. Skab en kultur, hvor dit team føler sig trygt ved at prøve, lære og tilpasse sig. Organisationer, der vil føre an inden for kundeoplevelse, har ikke den mest sofistikerede AI — de har de modigste og mest nysgerrige teams bag den.

Stræb efter at vinde for mennesker, ikke for præsentationens skyld.

Følg med

Du kan følge Oremeyi Akahs arbejde på LinkedIn.

Der kommer flere ekspertinterviews på The CX Lead!