Useimmat tukitiimit ovat ottaneet tekoälyn käyttöön jossain työnkulkunsa vaiheessa. Chatbot käsittelee
ensilinjan kyselyt, tietopankki tarjoaa agenteille viitemateriaalia, esihenkilö tarkistaa laadunvarmistusta varten muutamia kymmeniä keskusteluja viikoittain, ja raportointikoontinäyttö kertoo johtajille, mitä viime kuussa tapahtui. Kukin työkalu hoitaa oman tehtävänsä riittävän hyvin, mutta suurin osa niistä ei keskustele keskenään millään merkityksellisellä tavalla.
Chatbot ei tiedä, mitä laadunvarmistusprosessissa havaittiin viime viikolla. Ei ole tietoa siitä, mitkä artikkelit ovat vanhentuneita tai johtavat tietopankissa asiakkaita harhaan. Raportointitaso voi kertoa, että CSAT-arvo laski, mutta se ei pysty selittämään miksi.
Säännellyillä toimialoilla, kuten korkeakoulutuksessa, pankkialalla, terveydenhuollossa ja
iGaming-alalla, tämä katkos on merkittävä. Vaatimukset vaatimustenmukaisuuden suhteen ovat tiukat, volyymi on suuri, ja väärän vastauksen hinta on paljon enemmän kuin turhautunut asiakas.
Comm100:n tekoälypaketti suunniteltiin ajatuksella, ettei näiden työkalujen pitäisi toimia siiloissa. Kuusi tekoälytuotetta, joista kukin on rakennettu palvelusyklin tiettyä vaihetta varten, syöttävät kaikki tietoa toisilleen siinä, mitä Comm100 kutsuu tekoälyn pyöräksi.
Mikä on Comm100:n tekoälyn pyörä?
Tukipyynnöt etenevät ennakoitavaa polkua pitkin. Asiakas esittää kysymyksen, agentti (ihminen tai tekoäly) ratkaisee sen, vuorovaikutus päätetään, minkä jälkeen joku arvioi vuorovaikutuksen ja soveltaa siitä saatuja oppeja.
Useimmissa organisaatioissa viimeinen vaihe jää harvoin toteutumatta. Arvioinnit ovat pintapuolisia, opit päätyvät harvoin osaksi koulutusta tai dokumentaatiota, ja sykli alkaa uudelleen ilman todellista parannusta.
Comm100:n tekoälyn pyörä rakennettiin vuosikymmenten tukitoimintoja koskevan tutkimuksen pohjalta, ja siinä koko sykli käsitellään suljettuna kehänä, jossa jokainen vaihe tuottaa tietoa seuraavan vaiheen parantamiseksi.
Tekoäly käsittelee keskusteluja, arvioi niitä, poimii niistä oivalluksia, päivittää tietämystä havaintojensa perusteella, kouluttaa agentteja todellisten tilanteiden avulla ja syöttää kaiken tämän takaisin seuraavaan vuorovaikutukseen.
Järjestelmä paranee ajan mittaan mitattavasti, koska kehittäminen on rakennettu osaksi sitä, miten
alusta toimii, eikä siksi, että joku muisti ajoittaa neljännesvuosittaisen tarkastelun.
Vaihe 1: asiakaskyselyiden ratkaiseminen AI Agentin avulla
Kaikkien tukitoimintojen ilmeisin pullonkaula on etuovi, jonne asiakkaat saapuvat kysymyksineen ja jossa jonkun on vastattava heille. Korkeakoulutuksessa tämä voi tarkoittaa esimerkiksi taloudellista tukea koskevien kysymysten tulvaa joka syyskuu.
Nopeatempoisessa iGaming-maailmassa tilin vahvistamista koskevat kyselyt voivat lisääntyä uuden markkinan avaamisen jälkeen. Toimialakohtainen ilmiö vaihtelee, mutta taustalla oleva paine on aina sama: liian monet toistuvat kysymykset kuluttavat liian suuren osan agenttien kapasiteetista.
Comm100 AI Agent käsittelee rutiininomaiset ja ennakoitavat keskustelut, jotka eivät vaadi ihmisen harkintaa, kuten salasanan palautukset, tilan tarkistukset ja selkeitä vastauksia koskevat käytäntökysymykset.
Se erottuu tavallisesta chatbotista vastausten muodostamistavan ansiosta: vastaukset perustuvat vahvistettuihin ja hyväksyttyihin lähteisiin avoimien kielimallien sijaan. Toimialoilla, joilla väärä vastaus voi aiheuttaa vaatimustenmukaisuusongelman, tällä tietopohjaisuudella on todellinen merkitys.
Kun AI Agent ei tiedä vastausta, se kertoo sen ja siirtää asian ihmiselle sen sijaan, että
improvisoisi itsevarmalta kuulostavan mutta epätarkan vastauksen.
Kaudenvaihtelusta kärsiville tukitiimeille (kuten suurten urheilutapahtumien, esimerkiksi Super Bowlin, avoimen
ilmoittautumisen ajanjaksojen ja tuotelanseerausten aikana) AI Agent ratkaisee myös skaalautuvuusongelman, joka on
perinteisesti edellyttänyt määräaikaisten työntekijöiden palkkaamista ja kouluttamista.
Tekoäly käsittelee kasvavat volyymit ilman perehdytysaikaa. Tämä on erittäin tärkeää silloin, kun kolme kuukautta kestävä ruuhkahuippu edellyttäisi muuten viikkojen perehdytystä agenteille, jotka eivät ehkä jatka kiireisen kauden jälkeen.
Want to learn more about Comm100?
Vaihe 2: agenttien työn nopeuttaminen AI Copilotin avulla
Comm100:n tekoälykopilotti työskentelee agenttien rinnalla reaaliajassa tuoden esiin asiaankuuluvaa tietämystä,
ehdottaen vastauksia ja hoitaen keskustelun jälkeisiä tehtäviä, kuten yhteenvedon laatimisen ja tunnisteiden lisäämisen.
Se ratkaisee myös yhden tukityön hiljaisemmista tuottavuuden jarruista: jälkityöt. Keskustelujen
luokittelu, yhteenvetojen kirjoittaminen ja CRM-kenttien täyttäminen eivät näy asiakasrajapinnan mittareissa, mutta ne vievät aikaa, jonka agentit voisivat käyttää varsinaisiin keskusteluihin odottavien asiakkaiden kanssa.
Monimutkaiset ongelmat, poikkeustapaukset ja ihmisen harkintaa edellyttävät tilanteet muodostavat edelleen
merkittävän osan tukimäärästä, ja nämä keskustelut päätyvät agenteille, joiden on vastattava
nopeasti ja tarkasti.
Säänneltyjen toimialojen agentit käyttävät usein yllättävän paljon aikaa tiiviiden
käytäntöasiakirjojen läpikäyntiin ennen kuin he voivat edes alkaa laatia vastausta, ja tämä hakemiseen kuluva aika kasvaa nopeasti, kun useita keskusteluja käsitellään samanaikaisesti.
Flywheelissä AI Copilot käyttää samoja tietolähteitä kuin AI Agent, mikä
tarkoittaa, että agentit ja tekoäly työskentelevät aina täysin samojen tietojen pohjalta. Voit myös lisätä
sisäiset dokumentit AI Copilotin tietolähteeksi, mikä antaa sille arkipäiväisissä keskusteluissa enemmän kontekstia kuin AI Agentilla on. Kun AI Knowledge (lisää tästä jäljempänä) päivittää artikkelia, sekä tekoäly- että ihmisagentit näkevät muutoksen välittömästi ilman viivettä tai versioiden yhteensopimattomuutta.
Vaihe 3: Jokaisen keskustelun lukeminen AI Insightsin avulla
Comm100 ymmärsi, että ratkaisujen rakentamisen lisäksi tarvitaan myös niiden päälle
monitorointikerros, joka tarjoaa todella hyödyllisiä mittareita. Useimpien tukiorganisaatioiden esihenkilöillä on käytettävissään enemmän
dataa kuin he pystyvät realistisesti käsittelemään.
Heillä on tietoa volyymeistä, CSAT-pisteistä, vastausajoista ja ratkaisuprosenteista, mutta hyvin vähän
selkeyttä siitä, mikä saa nämä luvut nousemaan tai laskemaan. Taustalla olevat syyt löytyvät yleensä keskustelulitteraateista, eikä kenelläkään ole aikaa lukea tuhansia keskusteluja joka kuukausi.
Comm100 AI Insights lukee jokaisen keskustelun muutaman keskustelun otoksen sijaan, seuraa mielialaa reaaliajassa ja tunnistaa, mitkä aiheet aiheuttavat eniten kitkaa. Yksi sen käytännöllisimmistä ominaisuuksista on Spotlights, jonka avulla esihenkilöt voivat määrittää luonnollisella kielellä tarkalleen, mitä he haluavat seurata.
Pankkitiimi voisi luoda Spotlights-seurannan jokaiselle keskustelulle, jossa mainitaan luvattomia
maksutapahtumia, kun taas yliopisto voisi seurata tiettyyn ilmoittautumisen määräaikaan liittyviä mainintoja. Tekoäly
nostaa nämä vuorovaikutustilanteet automaattisesti esiin ja muuttaa epämääräiset huolenaiheet
konkreettiseksi näytöksi, jonka perusteella esihenkilöt voivat toimia samana päivänä.
Flywheelissä Insightsin tiedot syötetään suoraan muihin työkaluihin. Jos mieliala-analyysi paljastaa, että asiakkaat ovat jatkuvasti ymmällään tietystä käytännöstä, esihenkilöt voivat käyttää tätä signaalina tietämyskannan päivittämiseen AI Knowledgen avulla.
Jos tietyt aiheet aiheuttavat paljon eskalointeja, nämä tiedot auttavat määrittämään, miten AI Agent
tulisi jatkossa määrittää käsittelemään niitä.
Tämän työkalun suurin hyöty on se, miten helposti se auttaa esihenkilöitä ymmärtämään paremmin
kunkin jäsenen suoriutumista. Luonnollista kieltä käyttämällä he voivat tunnistaa kunkin agentin toimintamalleja, kitkakohtia tai kehitysalueita ja hyödyntää näitä tietoja paremmassa valmennuksessa toisen Comm100-työkalun avulla.
Vaihe 4: Tietojen pitäminen täsmällisinä AI Knowledgen avulla
Comm100 tarjoaa myös dynaamisen tietämyskannan, mutta sen tekoälypohjainen tiedonhallintakerros on erinomainen työkalu, joka kuvastaa hyvin yrityksen vankkaa kokemusta tukialalla.
Jokaisella tietämyskannalla on rajallinen käyttöikä. Sinä päivänä, kun artikkeli julkaistaan, se alkaa
etääntyä todellisuudesta tuotteiden muuttuessa, käytäntöjen päivittyessä ja uusien kysymysten ilmaantuessa – kysymysten, joita kukaan ei osannut ennakoida alkuperäistä sisältöä kirjoitettaessa.
Perinteisesti yritykset tekevät määräajoin tarkastuksia, joissa joku käy artikkelit läpi ja
päivittää vanhentuneet tiedot, mutta käytännössä tarkastuksia ei koskaan saada ajoissa toteutettua. Tämän korjaamiseksi yritys kehitti Comm100 AI Knowledge-ratkaisun.
Se valvoo jatkuvasti sisällön laatua, merkitsee ongelmat, kuten kirjoitusvirheet, vanhentuneet viittaukset tai puuttuvat
vaiheet, ja louhii todellisia keskusteluja tunnistaakseen kysymykset, joita tietämyskanta ei vielä kata.
Kun se löytää puutteen, se luonnostelee ratkaisun. Kun se löytää epätarkkuuden, se ehdottaa muutosta.
Esihenkilöt hallitsevat jokaisen tarkastuksen laajuutta ja voivat seurata jokaista muutosta analyysi-
koontinäytön kautta, joten mitään ei julkaista ilman ihmisen tarkistusta. Sen sijaan että tiimit joutuisivat käymään
tietämyskannan artikkeleita manuaalisesti läpi, ne voivat antaa tekoälyn päivittää ne puolestaan.
Tässä flywheelin toimintakehä tulee näkyvimmin esiin. AI Insightsin analysoimat keskustelut
paljastavat tietopuutteita, AI Knowledge täyttää nämä aukot, AI Agent ja AI Copilot
käyttävät päivitettyä sisältöä välittömästi seuraavissa vuorovaikutustilanteissa, ja tulevat keskustelut paranevat tämän seurauksena.
Seuraava analyysikierros vahvistaa, toimiko parannus, ja sykli jatkuu.
Vaihe 5: Laadun arviointi 100 %:ssa vuorovaikutustilanteista AI QA:n avulla
Laadunvarmistus tarkoittaa useimmissa tukiorganisaatioissa sitä, että esihenkilö tarkistaa muutaman
keskustelun viikossa ja toivoo, että otos kuvaa sitä, mitä tuhansissa vuorovaikutustilanteissa todella tapahtuu.
Jo pelkkä matematiikka tekee tästä lähestymistavasta epäluotettavan. Pelialan tai pankkialan kaltaisilla toimialoilla, joilla sääntelyn noudattamisesta ei voida tinkiä, on vakava ongelma, jos vaatimustenmukaisuuden puute havaitaan vasta viikkoja sen jälkeen, kun se alkoi vaikuttaa asiakkaisiin.
Comm100 AI Quality Assurance arvioi jokaisen vuorovaikutustilanteen, sekä ihmisen että tekoälyn, mukautettavien
kriteerien perusteella. Se pisteyttää keskustelut esimerkiksi täsmällisyyden, sävyn, vaatimustenmukaisuuden
noudattamisen ja ratkaisun kattavuuden perusteella sekä merkitsee ongelmat niiden ilmetessä sen sijaan, että nostaisi ne esiin kuukausiraportissa, joka on jo vanhentunut siihen mennessä, kun joku lukee sen.
Tiimit voivat myös määrittää oman otantatiheytensä ja valita, tarkistetaanko jokainen keskustelu vai
määritetty prosenttiosuus niistä. Näin laadunvarmistuksen kattavuus skaalautuu volyymin mukaan ilman, että tekoälykrediittejä kulutetaan tarpeettomasti.
Kehityskierteessä QA-pisteitä voidaan hyödyntää kahteen suuntaan. Niiden avulla voidaan tuottaa tietoa tekoälynäkymiin, jolloin esihenkilöt saavat konkreettista dataa siitä, missä heidän tiiminsä menestyy ja missä tarvitaan valmennusta.
Ne yhdistyvät myös tekoälykoulutukseen ja varmistavat, että uudet agentit saavat kohdennettua koulutusta juuri niillä alueilla, joilla tiimillä on eniten parantamisen varaa.
Vaihe 6: Agenttien perehdyttäminen nopeammin tekoälykoulutuksen avulla
Comm100 tekoälykoulutus luo realistisia simulaatioita todellisten keskustelutietojen avulla, joten uudet agentit voivat harjoitella työssään aidosti kohtaamiensa tilanteiden käsittelyä ja saada välitöntä tekoälypalautetta suorituksestaan.
Tämä lähestymistapa voi lyhentää perehdytysaikaa merkittävästi ja samalla vahvistaa itseluottamusta,
koska agentit ovat jo käsitelleet haastavimpien vuorovaikutustilanteidensa realistisia versioita ennen kuin he aloittavat työskentelyn oikeiden asiakkaiden kanssa.
Säännellyillä toimialoilla agenttien perehdyttäminen on tunnetusti hidasta. Luotto-osuuskunnan uusi työntekijä saattaa käyttää viikkoja sääntöjenmukaisuusprotokollien opetteluun ennen kuin hän saa käsitellä oikeaa keskustelua, ja korkeakoulutuksessa taloudellisen tuen, opiskelijarekisterin prosessien ja opintoneuvonnan erityispiirteiden kouluttamiseen voi kulua aivan yhtä kauan. Perinteinen perehdytys perustuu vahvasti luokkahuoneopetukseen ja käsikirjoitettuihin rooliharjoituksiin, jotka eivät vastaa todellisten asiakaskeskustelujen todellista monimutkaisuutta.
Tekoälykoulutus sulkee kehityskierteen hyödyntämällä kaikkia muita kokonaisuuden työkaluja. Laadunvarmistus tunnistaa,
missä agenteilla on vaikeuksia, näkymät paljastavat, mitkä aiheet aiheuttavat eniten kitkaa, ja tietämys tarjoaa koulutusskenaarioiden lähdemateriaalin.
Kun juuri koulutettu agentti alkaa käsitellä oikeita keskusteluja, hänen vuorovaikutustilanteensa palaavat suoraan järjestelmään ja luovat jatkuvan kehityksen kierteen, joka vahvistuu ajan mittaan.
Miksi työkalujen väliset yhteydet ovat tärkeitä
Jokaisen Comm100 AI -tuotteen yksittäiset ominaisuudet ovat arvokkaita sellaisenaan, ja mikä tahansa niistä voisi parantaa tukitoimintoa erikseen käytettynä. Todelliset hyödyt syntyvät kuitenkin siitä kumuloituvasta vaikutuksesta, joka saadaan, kun niitä käytetään yhdessä.
Kun tekoälytietämys tunnistaa vanhentuneen artikkelin ja päivittää sen, tekoälyagentti alkaa
automaattisesti tarjota aiempaa osuvampia vastauksia. Sama tieto välitetään ihmisagenteille tekoälyavustajan kautta.
Tekoälypohjainen laadunvarmistus vahvistaa, toimiiko uusi lähestymistapa, ja tekoälykoulutus hyödyntää
skenaariota valmistaakseen seuraavan agenttien ryhmän.
Koko tämä tapahtumasarja voi toteutua vähäisellä puuttumisella jokaisessa siirtymävaiheessa ilman, että tarvitsee odottaa neljännesvuosittaista tarkastelua tai toivoa, että yhden tiimin tekemä havainto jotenkin päätyy toisen tiimin työnkulkuun.
Organisaatioille, jotka käyttävät Comm100 Live Chatia ja laajempaa monikanava-alustaa, kehityskierre tarkoittaa, että jokainen keskustelu, käsitteli sen tekoäly tai ihmisagentti, auttaa tekemään seuraavasta keskustelusta paremman.
Säännellyillä toimialoilla, joilla tarkkuus, sääntöjenmukaisuus ja johdonmukaisuus eivät ole valinnaisia, itseään kehittävä yhdistetty tekoälyjärjestelmä ratkaisee, skaalautuuko tukitoiminto hallitusti vai muuttuuko se vain äänekkäämmäksi kasvaessaan.
