Lederen af kundesuccesområdet gennemgår arbejdsgangene, der sparer tid og giver gladere kunder

Ajay Balamurugadas er chef for kundesucces og strategi hos PostQode, et AI-baseret produkt til softwareudvikling.

Vi talte med Ajay for at forstå, hvordan han bruger AI til at skabe gladere kunder. Her er, hvad han fortalte os.

Autonome AI-agenter i softwareudvikling

Mit navn er Ajay Balamurugadas, og jeg er en erfaren leder inden for kvalitetsteknik. I de seneste to år har jeg været chef for kundesucces og strategi hos PostQode, en produktvirksomhed, der bringer autonome AI-agenter ind i alle faser af softwareudviklingens livscyklus.

Vores kunder omfatter startups, større virksomheder og servicevirksomheder, der betjener deres egne kunder.

Sådan skaber AI gladere kunder

I løbet af det seneste år har vi foretaget to konkrete ændringer i den måde, vi leverer kundeoplevelser ved hjælp af AI på.

For det første bruger vi AI i stor udstrækning til kundeundersøgelser. I stedet for udelukkende at være afhængige af manuel analyse af møder, feedback og dokumenter bruger vi AI til at opsummere samtaler, identificere tilbagevendende problemområder og udlede forventninger. AI undersøger også kundens virksomhed, dens forretningsaktiviteter, konkurrenter og mulige løsninger og fremhæver forskellene mellem det, kunderne siger, og det, de faktisk har brug for.

AI-understøttet analyse og opsummering har reduceret den tid, der bruges på kunde- og markedsundersøgelser, fra næsten en hel arbejdsdag til typisk 1-2 timer.

For det andet har vi indført AI-drevet fejlfindingssupport til analyse og løsning af problemer. AI hjælper med at analysere logfiler, fejlmønstre, testresultater og historiske problemer for hurtigt at indsnævre de mulige grundårsager og foreslå de næste skridt. Det har forbedret svartiderne, reduceret den indsats, der kræves til undersøgelser, og gjort det muligt for teams at løse kundeproblemer hurtigere og med bedre kontekst.

AI genererer og vedligeholder også dokumentation såsom onboardingvejledninger, ofte stillede spørgsmål om fejlfinding og sammenligningsdokumenter — hvilket igen reducerer den tid og indsats, det kræver at udarbejde disse, fra dage til timer.

Og vigtigst af alt har alt dette ført til gladere kunder.

Sådan kan AI udvide arbejdsgange for CX-undersøgelser

Ajay deler

Vi beder AI om at foreslå positioneringsstrategier, værdiforslag, relevante anvendelsesområder og skræddersyede måder at præsentere løsningen på… Det hjælper teamet med at forberede svar på forhånd og forbedre kvaliteten af kundesamtalerne.

Her er den CX-undersøgelsesarbejdsgang, vi bruger, før den første kundesamtale overhovedet finder sted.

Vi begynder med research ved hjælp af Perplexity AI for at forstå den potentielle kundes virksomhed, brancheområde, konkurrenter, markedspositionering og seneste aktiviteter. Det hjælper os med at opbygge en stærk kontekstuel forståelse, før vi tager kontakt til kunden.

Derefter bruger vi Claude eller ChatGPT til at kombinere denne research med detaljerede oplysninger om vores organisation og identificere, hvordan vores platform bedst kan hjælpe den specifikke potentielle kunde. Vi beder AI om at foreslå positioneringsstrategier, værdiforslag, relevante anvendelsesområder og skræddersyede måder at præsentere løsningen på.

Vi bruger derefter ChatGPT eller Gemini til at simulere sandsynlige kundeindsigelser, bekymringer og spørgsmål. Det hjælper teamet med at forberede svar på forhånd og forbedre kvaliteten af kundesamtalerne.

Under kundemøder optager og transskriberer vi samtalerne. Vi bruger ChatGPT til at opsummere diskussioner, generere strukturerede mødereferater, identificere handlingspunkter og registrere kundens forventninger og risici.

Efter mødet bruger vi Claude og ChatGPT til at generere understøttende materialer såsom løsningsdokumenter, onboardingvejledninger, sammenligningsdokumenter, diagrammer, arbejdsgange og fejlfindingsmaterialer.

Hvorfor relationer og nuancer ikke kan overlades til AI

Men vi bruger ikke AI til alt.

Relationsopbygning og følelsesmæssig forbindelse er fortsat udpræget menneskelige. Vi mener, at tillid, empati og langsigtede relationer ikke kan outsources til AI. Mennesker håndterer personlige interaktioner direkte, såsom at følge op på kundernes mål, forstå deres fremskridt, ønske dem tillykke ved særlige lejligheder og opretholde en ægte menneskelig forbindelse.

AI understøtter relationen, men mennesker opbygger og vedligeholder den.

Derudover findes afgørende kundekontekst i mange tilfælde på tværs af e-mails, CRM-systemer, mødenotater, optagelser af samtaler, supportsager og interne drøftelser, hvilket får AI til at levere utilstrækkelige resultater. På disse områder, hvor den kontekstuelle kontinuitet mangler, er menneskelig indgriben stadig nødvendig for at fortolke nuancer, validere anbefalinger og forbinde oplysninger på tværs af kilder.

Hvorfor beredskabsprocesser er nødvendige med AI

Integrationen af AI i kundeoplevelsesaktiviteter resulterede således i betydelige besparelser i tid og kræfter, forbedret ensartethed samt omdannelse af aktiviteter, der tidligere var afhængige af enkeltpersoner, til mere skalerbare og gentagelige processer.

Men der er også opstået udfordringer. En bekymring er effekten af, at noget er “for godt til at være sandt”, hvor AI-genererede resultater nogle gange virker meget sikre, selv når der kræves en dybere validering. Det betyder, at menneskelig gennemgang og dømmekraft fortsat er vigtig ved kritiske beslutninger og anbefalinger, der retter sig mod kunder.

En anden udfordring er operationel afhængighed. Når teams først er blevet vant til AI-understøttede arbejdsgange, har de svært ved at opretholde samme hastighed og ensartethed under nedetid for AI eller manglende adgang til værktøjer. Dette understreger vigtigheden af at have beredskabsprocesser og sikre, at teams stadig bevarer en grundlæggende domæneforståelse og evnen til at træffe beslutninger.

Hvorfor CX-ledere skal kende de ønskede resultater, før de vælger værktøjer

Det er vigtigt at forstå det præcise ønskede resultat klart, før man vælger værktøjer eller modeller.

Vi antog oprindeligt, at en enkelt model effektivt kunne håndtere alle typer opgaver, men lærte hurtigt, at forskellige modeller fungerer bedre til forskellige anvendelsesområder. Nogle er bedre til research, nogle til ræsonnement, nogle til struktureret dokumentation, og andre til opsummering eller samtaleopgaver. Valget af den rigtige model til den rigtige aktivitet kan forbedre kvaliteten markant og reducere omkostninger og arbejdsindsats.

En anden vigtig lektie: Gå ikke til større problemer som én massiv AI-opgave. Ved at opdele komplekse arbejdsgange i mindre, veldefinerede opgaver og koordinere dem trin for trin opnår man langt bedre og mere pålidelige resultater.

Sådan vejleder du teams i effektiv brug af AI

Ajay deler

Vi sikrer en effektiv anvendelse ved at fremme fælles læring om og brug af AI på tværs af teamet…Derudover deler vi løbende opdagelser, eksempler, artikler, prompts og vellykkede arbejdsgange internt, så viden hurtigt spredes i organisationen i stedet for at forblive hos nogle få enkeltpersoner.

Vi sikrer en effektiv anvendelse ved at fremme fælles læring om og brug af AI på tværs af teamet. Vi uddanner regelmæssigt teammedlemmer i forskellige AI-værktøjer, anvendelsesområder, tilgange til promptskrivning og arbejdsgange, der er relevante for kundeoplevelsesaktiviteter.

Derudover deler vi løbende opdagelser, eksempler, artikler, prompts og vellykkede arbejdsgange internt, så viden hurtigt spredes i hele organisationen i stedet for at forblive hos nogle få personer. Vi gennemgår også resultater sammen, hjælper teammedlemmer med at forbedre konteksten og kvaliteten af deres prompts og demonstrerer artefakter, der er skabt på forskellige stadier af kundeengagement.

Denne løbende cyklus af træning, deling, gennemgang og demonstration hjælper teamet med at opbygge selvtillid og bruge AI mere effektivt og konsekvent i virkelige kundescenarier.

Hvordan AI ændrer, hvor ekspertise skal anvendes inden for CX

Traditionelt har opgaver som dybdegående kundeundersøgelser, konkurrentanalyse, dokumentationsudarbejdelse, opsummering af møder eller forberedelse af løsninger været afhængige af specifikke eksperter med mange års domæneviden og erfaring. AI kan nu fremskynde og understøtte mange af disse aktiviteter mere bredt, så flere teammedlemmer kan bidrage effektivt med den rette vejledning og kontekst.

Det eliminerer ikke behovet for ekspertise, men ændrer måden, vi anvender den på. I stedet for at bruge det meste af deres tid på informationsindsamling og gentagen forberedelse kan specialister fokusere mere på strategi, relationer, beslutningstagning og kundeudbytte.

Sådan bør CX-ledere forholde sig til AI

Jeg anbefaler CX-ledere at betragte AI som en assistent, ikke en erstatning. Kvaliteten af resultaterne afhænger i høj grad af kvaliteten af den kontekst, du giver. Bliv ved med at tilføre AI relevant forretningskontekst, kundehistorik, arbejdsgange og endda “kontekst om konteksten”, så den kan generere mere præcise og meningsfulde resultater.

Forstå også, at forskellige AI-værktøjer egner sig til forskellige anvendelsesområder. Brug tid på at lære styrkerne og begrænsningerne ved forskellige værktøjer inden for research, support, analyse, dokumentation, automatisering og personalisering.

Frem for alt bør du eksperimentere løbende. De organisationer, der får mest værdi ud af AI, er dem, der aktivt afprøver idéer, finjusterer arbejdsgange, lærer af fejl og tilpasser sig hurtigt. Implementering af AI er ikke en engangsimplementering — det er en kapacitet i udvikling, som forbedres gennem brug, feedback og iteration.

Følg med

Du kan følge Ajay Balamurugadas' arbejde på LinkedIn.

Der kommer flere ekspertinterviews på The CX Lead!