Leiter für Kundenerfolg schlüsselt die Workflows auf, die Zeit sparen und Kunden zufriedener machen

Ajay Balamurugadas ist Leiter für Kundenerfolg und Strategie bei PostQode, einem KI-nativen Produkt für die Softwareentwicklung.

Wir haben uns mit Ajay unterhalten, um zu verstehen, wie er KI nutzt, um zufriedenere Kunden zu schaffen. Das hat er uns erzählt.

Autonome KI-Agenten in der Softwareentwicklung

Mein Name ist Ajay Balamurugadas, und ich bin eine erfahrene Führungskraft im Bereich Qualitätssicherung. In den vergangenen zwei Jahren war ich als Leiter für Kundenerfolg und Strategie bei PostQode tätig, einem Produktunternehmen, das autonome KI-Agenten in jede Phase des Softwareentwicklungszyklus bringt.

Zu unseren Kunden gehören Start-ups, Unternehmen und Dienstleistungsunternehmen, die ihre eigenen Kunden betreuen.

Wie KI zufriedenere Kunden schafft

Im vergangenen Jahr haben wir zwei konkrete Änderungen daran vorgenommen, wie wir Kundenerlebnisse mithilfe von KI gestalten.

Erstens setzen wir KI umfassend für die Kundenforschung ein. Statt uns ausschließlich auf die manuelle Analyse von Meetings, Feedback und Dokumenten zu verlassen, nutzen wir KI, um Gespräche zusammenzufassen, wiederkehrende Problempunkte zu erkennen und Erwartungen herauszuarbeiten. Die KI recherchiert außerdem das Unternehmen des Kunden, dessen Geschäftsaktivitäten, Wettbewerber und mögliche Lösungen und zeigt Lücken zwischen den Aussagen der Kunden und ihren tatsächlichen Bedürfnissen auf.

Die KI-gestützte Analyse und Zusammenfassung hat den Zeitaufwand für Kunden- und Marktforschungsaktivitäten von nahezu einem vollständigen Arbeitstag auf in der Regel 1–2 Stunden reduziert.

Zweitens haben wir eine KI-gestützte Unterstützung bei der Fehlersuche für die Analyse und Behebung von Problemen eingeführt. Die KI hilft dabei, Protokolle, Fehlermuster, Testergebnisse und historische Probleme zu analysieren, um mögliche Grundursachen schnell einzugrenzen und nächste Schritte vorzuschlagen. Dadurch haben sich die Reaktionszeiten verbessert, der Untersuchungsaufwand ist gesunken und Teams können Kundenprobleme schneller und mit einem besseren Kontext lösen.

Die KI erstellt und pflegt außerdem Dokumentationen wie Anleitungen für die Einarbeitung, häufig gestellte Fragen zur Fehlerbehebung und Vergleichsdokumente – auch dadurch reduziert sich der Zeit- und Arbeitsaufwand für deren Erstellung von Tagen auf Stunden.

Und am wichtigsten ist, dass all dies zu zufriedeneren Kunden geführt hat.

Wie KI Arbeitsabläufe in der CX-Forschung erweitern kann

Ajay gibt Einblicke

Wir bitten die KI, Positionierungsstrategien, Wertversprechen, relevante Anwendungsfälle und maßgeschneiderte Möglichkeiten zur Präsentation der Lösung vorzuschlagen … Das hilft dem Team, Antworten im Voraus vorzubereiten und die Qualität der Kundengespräche zu verbessern.

Hier ist der CX-Forschungsablauf, den wir verwenden, bevor das erste Kundengespräch überhaupt stattfindet.

Wir beginnen mit einer Recherche mithilfe von Perplexity AI, um das Unternehmen, die Branche, die Wettbewerber, die Marktpositionierung und die aktuellen Aktivitäten des potenziellen Kunden zu verstehen. So schaffen wir ein fundiertes Kontextverständnis, bevor wir mit dem Kunden in Kontakt treten.

Anschließend nutzen wir Claude oder ChatGPT, um diese Recherche mit detaillierten Informationen über unsere Organisation zu verbinden und zu ermitteln, wie unsere Plattform den jeweiligen potenziellen Kunden am besten unterstützen kann. Wir bitten die KI, Positionierungsstrategien, Wertversprechen, relevante Anwendungsfälle und maßgeschneiderte Möglichkeiten zur Präsentation der Lösung vorzuschlagen.

Danach verwenden wir ChatGPT oder Gemini, um wahrscheinliche Einwände, Bedenken und Fragen von Kunden zu simulieren. So kann das Team Antworten im Voraus vorbereiten und die Qualität der Kundengespräche verbessern.

Während der Kundentermine zeichnen wir Gespräche auf und transkribieren sie. Wir nutzen ChatGPT, um Diskussionen zusammenzufassen, strukturierte Gesprächsprotokolle zu erstellen, Aufgaben zu identifizieren und Kundenerwartungen sowie Risiken festzuhalten.

Nach dem Meeting verwenden wir Claude und ChatGPT, um unterstützende Materialien wie Lösungsdokumente, Anleitungen für die Einarbeitung, Vergleichsdokumente, Diagramme, Arbeitsabläufe und Materialien zur Fehlerbehebung zu erstellen.

Warum Beziehungen und Feinheiten nicht an KI ausgelagert werden können

Aber wir verwenden KI nicht für alles.

Der Aufbau von Beziehungen und die emotionale Verbindung bleiben ausdrücklich menschlich. Wir sind überzeugt, dass Vertrauen, Empathie und langfristige Beziehungen nicht an KI ausgelagert werden können. Menschen kümmern sich direkt um persönliche Interaktionen, etwa indem sie sich nach den Zielen der Kunden erkundigen, deren Fortschritt nachvollziehen, ihnen zu besonderen Anlässen alles Gute wünschen und eine echte menschliche Verbindung aufrechterhalten.

KI unterstützt die Beziehung, aber Menschen bauen sie auf und erhalten sie.

Darüber hinaus befindet sich der entscheidende Kundenkontext in vielen Fällen verteilt über E-Mails, CRM-Systeme, Besprechungsnotizen, Gesprächsaufzeichnungen, Support-Tickets und interne Diskussionen, wodurch KI hinter ihren Möglichkeiten zurückbleibt. In diesen Bereichen, in denen die kontextuelle Kontinuität fehlt, ist menschliches Eingreifen weiterhin erforderlich, um Nuancen zu interpretieren, Empfehlungen zu validieren und Informationen aus verschiedenen Quellen miteinander zu verknüpfen.

Warum Ausweichprozesse bei der Nutzung von KI erforderlich sind

Die Integration von KI in Aktivitäten der Kundenerfahrung führte also zu erheblichen Zeit- und Arbeitsersparnissen, einer verbesserten Konsistenz und dazu, dass zuvor von Einzelpersonen abhängige Aktivitäten in skalierbarere und wiederholbare Prozesse umgewandelt wurden.

Es sind jedoch auch Herausforderungen entstanden. Eine Sorge ist der „zu schön, um wahr zu sein“-Effekt, bei dem von KI generierte Ergebnisse manchmal äußerst überzeugend wirken, obwohl eine eingehendere Validierung erforderlich ist. Das bedeutet, dass menschliche Prüfung und Beurteilung bei kritischen Entscheidungen und kundenorientierten Empfehlungen weiterhin wichtig sind.

Eine weitere Herausforderung ist die betriebliche Abhängigkeit. Sobald sich Teams an KI-gestützte Arbeitsabläufe gewöhnt haben, fällt es ihnen schwer, bei einem Ausfall der KI oder der Nichtverfügbarkeit eines Tools dieselbe Geschwindigkeit und Konsistenz beizubehalten. Dies unterstreicht die Bedeutung von Ausweichprozessen und die Notwendigkeit, dass Teams weiterhin über ein grundlegendes Domänenverständnis und die Fähigkeit zur Entscheidungsfindung verfügen.

Warum CX-Führungskräfte die gewünschten Ergebnisse kennen müssen, bevor sie Tools auswählen

Es ist wichtig, das genau gewünschte Ergebnis klar zu verstehen, bevor Tools oder Modelle ausgewählt werden.

Anfangs gingen wir davon aus, dass ein einziges Modell jede Art von Aufgabe effektiv bewältigen könnte. Wir lernten jedoch schnell, dass verschiedene Modelle für unterschiedliche Anwendungsfälle besser geeignet sind. Einige sind besser für Recherche geeignet, andere für Schlussfolgerungen, strukturierte Dokumentation, Zusammenfassungen oder dialogorientierte Aufgaben. Die Auswahl des richtigen Modells für die jeweilige Aktivität kann die Qualität erheblich verbessern und Kosten sowie Aufwand reduzieren.

Eine weitere wichtige Erkenntnis: Behandeln Sie größere Probleme nicht als eine einzige massive KI-Aufgabe. Wenn komplexe Arbeitsabläufe in kleinere, klar definierte Aufgaben aufgeteilt und Schritt für Schritt orchestriert werden, führt dies zu deutlich besseren und zuverlässigeren Ergebnissen.

Wie Teams zu einer effektiven Nutzung von KI angeleitet werden

Ajay teilt mit

\u003cstrong\u003eWir gewährleisten eine effektive Einführung, indem wir gemeinsames Lernen und die gemeinsame Nutzung von KI im gesamten Team fördern … Darüber hinaus teilen wir kontinuierlich Entdeckungen, Beispiele, Artikel, Prompts und erfolgreiche Arbeitsabläufe intern, damit sich Wissen schnell in der gesamten Organisation verbreitet, anstatt bei wenigen Einzelpersonen zu verbleiben.\u003c/strong\u003e

Wir gewährleisten eine effektive Einführung, indem wir gemeinsames Lernen und die gemeinsame Nutzung von KI im gesamten Team fördern. Wir schulen Teammitglieder regelmäßig in verschiedenen KI-Tools, Anwendungsfällen, Ansätzen für die Formulierung von Prompts und Arbeitsabläufen, die für Aktivitäten der Kundenerfahrung relevant sind.

Darüber hinaus teilen wir kontinuierlich intern Erkenntnisse, Beispiele, Artikel, Prompts und erfolgreiche Arbeitsabläufe, damit sich Wissen schnell in der gesamten Organisation verbreitet, anstatt bei einigen wenigen Personen zu verbleiben. Außerdem überprüfen wir gemeinsam die Ergebnisse, unterstützen Teammitglieder dabei, den Kontext und die Qualität der Prompts zu verbessern, und zeigen Artefakte, die in verschiedenen Phasen der Kundenbindung erstellt wurden.

Dieser kontinuierliche Kreislauf aus Schulung, Austausch, Überprüfung und Demonstration hilft dem Team, Vertrauen aufzubauen und KI in realen Kundenszenarien effektiver und konsistenter einzusetzen.

Wie KI verändert, wo Fachwissen im CX eingesetzt werden muss

Traditionell waren Aufgaben wie gründliche Kundenforschung, Wettbewerbsanalysen, die Erstellung von Dokumentationen, die Zusammenfassung von Meetings oder die Vorbereitung von Lösungen auf bestimmte Experten mit jahrelangem Branchenwissen und Erfahrung angewiesen. KI kann viele dieser Aktivitäten inzwischen umfassender beschleunigen und unterstützen, sodass mehr Teammitglieder mit der richtigen Anleitung und dem passenden Kontext effektiv beitragen können.

Dadurch entfällt der Bedarf an Fachwissen nicht, aber die Art und Weise, wie wir es einsetzen, verändert sich. Anstatt den Großteil ihrer Zeit mit dem Sammeln von Informationen und wiederkehrenden Vorbereitungsaufgaben zu verbringen, können sich Spezialisten stärker auf Strategie, Beziehungen, Entscheidungsfindung und Kundenergebnisse konzentrieren.

Wie CX-Führungskräfte an KI herangehen sollten

Ich rate CX-Führungskräften, KI als Assistenten und nicht als Ersatz zu betrachten. Die Qualität der Ergebnisse hängt stark von der Qualität des Kontexts ab, den Sie bereitstellen. Versorgen Sie die KI kontinuierlich mit relevantem Geschäftskontext, Informationen zur Kundengeschichte, Arbeitsabläufen und sogar mit „Kontext über den Kontext“, damit sie genauere und aussagekräftigere Ergebnisse erzeugen kann.

Verstehen Sie außerdem, dass sich verschiedene KI-Tools für unterschiedliche Anwendungsfälle eignen. Nehmen Sie sich Zeit, die Stärken und Grenzen verschiedener Tools in den Bereichen Forschung, Support, Analysen, Dokumentation, Automatisierung und Personalisierung kennenzulernen.

Am wichtigsten ist, kontinuierlich zu experimentieren. Die Organisationen, die den größten Nutzen aus KI ziehen, sind diejenigen, die aktiv Ideen testen, Arbeitsabläufe verfeinern, aus Fehlern lernen und sich schnell anpassen. Die Einführung von KI ist keine einmalige Implementierung – sie ist eine sich weiterentwickelnde Fähigkeit, die sich durch Nutzung, Feedback und Iteration verbessert.

Weiterlesen

Sie können die Arbeit von Ajay Balamurugadas auf LinkedIn verfolgen.

Weitere Experteninterviews folgen auf The CX Lead!