Johtoryhmissä ja ylimmässä johdossa kiertää parhaillaan hiljainen, vaarallinen kuvitelma. Sen mukaan tekoäly on vihdoin ratkaissut asiakastuen kustannusongelman. Logiikka on yksinkertainen: automatisoi rutiinikysymykset, seuraa yhteydenottojen määrän laskua ja vähennä henkilöstöä. Jos tarkastelet makrotason koontinäyttöjä, näyttää siltä, että tämä toimii. Tehokkuus kasvaa, ja tukipyyntöjen ohjaaminen muualle saavuttaa ennätyslukemia.
Mutta jos istut tänä päivänä oikeasti tukitiimin kanssa – jos seuraat heidän sisäisten keskustelujensa tahtia ja näet työntekijän ilmeen työpäivän kello 16.00 – tiedät, että todellisuus on toinen. Asiakastuki ei kevene. Siitä tulee tiiviimpää.
Ja tämä tiiviys kohdistuu suoraan jäljelle jääviin ihmisiin.
Hiver-yrityksessä emme koskaan lähteneet rakentamaan ratkaisua Fortune 500 -yritysten paisuneelle monimutkaisuudelle, vaan ketterille ja nopeasti liikkuville tiimeille, jotka haluavat ratkaista ongelmia ilman vanhan tuotantolaitoksen ylimääräistä taakkaa. Viime vuonna alustamme auttoivat asiakkaitamme ratkaisemaan 81 miljoonaa keskustelua. Se ei ole suuryritysten mittakaavan määrä, mutta jopa tässä pk-yritysten kuplassa näemme muutoksen, joka heijastaa ja monin tavoin voimistaa suuryritysmaailmassa käynnissä olevaa kriisiä.
Toimiala on ajautumassa unissakävelijän tavoin osaamiskriisiin. Näemme ensimmäisen tason asiakastuen maailmanlaajuisen rapautumisen. Kiireessämme automatisoida helppo työ ”tekoälypohjaiset” tukialustat ovat vahingossa rikkoneet asiantuntemukseen johtavan polun.
Voit kutsua tätä ”muutokseksi”, jos haluat, mutta sanavalinta ei peitä sitä tosiasiaa, että pääsy asiakastuen asiantuntemukseen on nopeasti ja huomaamatta katoamassa. Tämä hetki eroaa aiemmista tehokkuuden tavoittelun vaiheista siinä, että taustalla oleva talous alkaa kehittyä vastakkaiseen suuntaan kuin vallitseva kertomus antaa ymmärtää.
Tämä ei ole tilapäinen johtamisen epäonnistuminen. Kyse on järjestelmätason muutoksesta.
Yli vuosisadan ajan asiakaspalvelua on ohjannut näkymätön oletus, jonka mukaan asiakastuki on putkisto-ongelma. Oletus juontaa juurensa vuoteen 1917 ja matemaatikko Agner Krarup Erlangiin. Hän kehitti Erlang-C-kaavan, jolla puhelinyhtiöt pystyivät määrittämään, kuinka monta operaattoria ne tarvitsivat tietylle puhelumäärälle. Kaava käsittelee ihmisiä kuin putkia: jos vedenpinta nousee, putkea vain levennetään. Toisin sanoen, jos puheluita tulee enemmän, lisätään yksinkertaisesti ihmisiä käsittelemään saapuvaa liikennettä.
Tuo puhelinkeskuslogiikka sykkii edelleen jokaisen nykyaikaisen tukipalvelun pinnan alla. Puhumme tekoäly ensin -tulevaisuudesta ja tehostetuista asiakastukihenkilöistä, mutta johdamme asiakastukea yhä vanhentuneilla mittareilla, kuten keskimääräisellä käsittelyajalla ja käyttöasteella. Tekoälyn piti vapauttaa meidät putkistoajattelusta. Liian usein siitä on vain tullut uusin putki, joka on liitetty muinaiseen koneeseen.
Havainnollistan tätä vielä tarkemmin.
Viime vuonna Hiverin infrastruktuuri käsitteli automaatioiden avulla 85 miljoonaa manuaalista tehtävää – salasanan palautuksia, tilapäivityksiä ja reitityssääntöjä, jotka olivat aiemmin asiakastukihenkilön työpäivän perusta. Vanhan puhelinkeskusmatematiikan logiikan mukaan 85 miljoonan työyksikön poistamisen pitäisi vapauttaa valtava määrä ihmiskapasiteettia. Ja jos tuo logiikka olisi edelleen pätevä, tämän ylijäämän pitäisi näkyä koko asiakastukitaloudessa.
Sen sijaan alalla 77 % asiakastukihenkilöistä kertoo monimutkaisuuden kasvavan, kun taas muiden raporttien mukaan 56 % asiakastukihenkilöstöstä kärsii ennätyksellisen voimakkaasta työuupumuksesta.
Matematiikka pettää, koska se unohti, etteivät nuo 85 miljoonaa helppoa tehtävää olleet pelkkää työtä – ne olivat palautumisaikaa, oppimisaikaa ja kognitiivista hengähdystilaa. Jos poistat toiston suunnittelematta uudelleen sitä ihmisten järjestelmää, joka ympäröi jäljelle jäävää työtä, tuloksena ei ole tehokkuus vaan puristuminen.
Cornell Global Call Center Project on dokumentoinut vuosien ajan, miksi tämä ”putkisto”-malli epäonnistuu. Sen vuoden 2007 raportin tutkimus osoitti ensimmäistä kertaa, että huipputason tiimit menestyvät harkintavallan turvin, mutta ala johtaa niitä edelleen määrän ehdoilla.
Asiakastukialalta kesti lähes kaksi vuosikymmentä päästä tähän keskusteluun, mutta puhumme vihdoin ”kognitiivisesta ylikuormituksesta” ja ”inhimillisestä harkinnasta” – iskulauseista, jotka muut korkean riskin järjestelmät omaksuivat paljon aiemmin ottaessaan käyttöön automaation ja laajennetun älykkyyden.
Ilmailussa autopilotti ei esimerkiksi poistanut lentäjiä, vaan muutti heidät harvinaisten ja suurten panosten poikkeustilanteiden hallinnoijiksi, joissa harkinta oli tärkeämpää kuin rutiininomainen ohjaus. Lääketieteessä diagnostinen kuvantamisohjelmisto ei korvannut radiologeja, vaan keskitti heidän huomionsa epäselviin kuviin, joissa kokemus ratkaisee lopputuloksen.
Kummassakin tapauksessa automaatio poisti toiston, mutta säilytti ne oppimisen polut, jotka synnyttävät asiantuntemusta. Asiakastuki on nyt siirtymässä samaan historialliseen vaiheeseen – vain nopeammin ja ilman, että asiantuntijoita tuottavaa polkua olisi suojattu.
Voimmeko rakentaa huomisen asiantuntijoita, jos olemme päällystäneet tämän päivän polun umpeen?
Tällä automaatiolla on toinen, vaarallisempi sivuvaikutus, jonka ala suurelta osin sivuuttaa. Poistamme tietoisesti oppipojasta mestariksi johtavat uraportaat.
Tutkimusten mukaan uudelta asiakastukihenkilöltä kestää noin 16 viikkoa saavuttaa todellinen pätevyys. Historiallisesti nämä 16 viikkoa vietettiin ensimmäisen tason asiakastuessa. Nuorempi työntekijä oppi tuotteen ja asiakkaan käyttämän erityisen kielen käsittelemällä satoja yksinkertaisia ja vähäisen riskin pyyntöjä.
Nykyään heitämme kuitenkin uudet työntekijät suoraan syvään päähän. Näemme tämän seuraukset joka päivä. Asiakas lähettää sähköpostin ja kertoo, että jokin paneelin vasemmalla puolella näyttää olevan rikki. Kokeneelle asiakastukihenkilölle kyse on selkeästä viittauksesta tiettyyn toimintomoduuliin. Mutta nuoremmalle työntekijälle, jonka ei ole annettu käsitellä niitä 1 000 yksinkertaista tukipyyntöä, jotka rakentavat tämän mielikartan, kyseessä on monitulkintainen arvoitus.
Tämä kielellinen kuilu luo valtavan asiantuntemusvelan. Meillä ei ole keinoa kasvattaa seuraavan sukupolven kokeneita asiantuntijoita, koska olemme automatisoineet kaikki lähtötason oppitunnit pois. Siksi Gartner ennustaa, että 50 % organisaatioista, jotka vähentävät henkilöstöä tekoälyn vuoksi, joutuu palkkaamaan vuoteen 2027 mennessä uudelleen työntekijöitä samoihin tehtäviin.
Organisaatiot ymmärtävät, että vaikka tekoäly osaa puhua, se ei voi korvata ”asiantuntemusta, empatiaa ja harkintakykyä”, jotka rakentuvat ainoastaan kokemuksen kautta. Olemme päällystäneet askelkivet umpeen ja ihmettelemme nyt, miksei kukaan pysty ylittämään jokea.
Jokainen ammatti perustuu näkyvään polkuun aloittelijasta asiantuntijaksi – ajanjaksoon, jolloin virheet ovat pieniä, panokset vähäisiä ja hahmontunnistus karttuu hiljalleen. Kun tämä keskialue katoaa, asiantuntemus lakkaa uusiutumasta. Välitön oire on ratkaisujen hidastuminen ja eskalointien lisääntyminen. Pitkän aikavälin seuraus on paljon vakavampi: työvoima, josta on karsittu keskitaso ja jossa kokeneiden asiantuntijoiden harkintakyvystä tulee sekä niukkaa että haurasta. Siihen mennessä, kun pula näkyy johdon koontinäytöillä, sen korjaamiseen tarvittava oppimissykli on jo rikkoutunut vuosia aiemmin.
Miten tiimit siis selviytyvät, kun kenelläkään yksittäisellä henkilöllä ei voi olla kaikkia vastauksia?
Tämä paine on käynnistänyt näkyvän selviytymismekanismin sähköpostilaatikon sisällä. Tänä vuonna Hiverin käyttäjät loivat 5 miljoonaa sisäistä muistiinpanoa suoraan asiakasviestien yhteyteen. Tämä ei ole vain yhteistyöhön liittyvä tilasto. Se on merkki siitä, että yksinäisen susiasiantuntijan aikakausi on ohi.
Vanhassa mallissa yksi henkilö vastasi yhdestä tikettipyynnöstä sen sulkemiseen asti. Mutta kun jokainen tikettipyyntö on monimutkainen poikkeustapaus, kenelläkään yksittäisellä henkilöllä ei voi olla kaikkia vastauksia. Nuo 5 miljoonaa muistiinpanoa edustavat kollektiivista yhteispalaveria. Ratkaisemalla ongelmaa yhdessä suoraan keskustelun sisällä tiimit rakentavat reaaliajassa ”yhteisiä aivoja”. Ne jakavat kognitiivista kuormaa, jotta kenenkään yksittäisen henkilön ei tarvitse kantaa monimutkaisen kriisin koko taakkaa yksin.
Mutta kollektiivinen älykkyys on vain toinen selviytymisen puoli. Toinen on taloudellinen todellisuus.
Koska olemme tehneet nopeudesta tekoälyn avulla hyödykkeen, vuosikymmenten ajan käyttämämme mittarit menettävät merkityksensä. Esille on nousemassa uusi mittari, jonka pitäisi huolestuttaa jokaista talousjohtajaa: automaation kasvavat kustannukset.
Gartnerin tuorein analyysi viittaa siihen, että ”ilmaisen” tuen unelma on päättymässä. Vuoteen 2030 mennessä yhden GenAI-ratkaisun kustannusten odotetaan ylittävän 3 dollaria; näin ne ylittävät monien ulkoistettujen ihmistyöntekijöiden kustannukset. Tuet päättyvät, ja infrastruktuurikustannukset kasvavat.
Muistatteko, kun sanoin aiemmin, että taustalla oleva talous alkaa liikkua kertomuksen vastakkaiseen suuntaan? Yli vuosikymmenen ajan automaatiota on perusteltu ensisijaisesti työvoimakustannusten arbitraasilla – oletuksella, että ohjelmisto halpenee skaalautuessaan. Mutta kun automatisoidun ratkaisun rajakustannus alkaa lähestyä ihmistyön kustannusta tai ylittää sen, strateginen kysymys muuttuu kokonaan.
Tekoälyä ei enää voida puolustaa pelkästään ihmisten korvaajana. Sen on osoitettava arvonsa ihmisten kyvykkyyden moninkertaistajana. Ero on merkittävä. Korvaaminen vähentää kustannuksia lyhyellä aikavälillä. Moninkertaistaminen määrittää kestävyyden pitkällä aikavälillä. Organisaatiot, jotka ymmärtävät tämän muutoksen varhain, lakkaavat kysymästä, miten ihmiset voidaan poistaa asiakastuesta, ja alkavat kysyä, miten jäljelle jäävistä ihmisistä voidaan tehdä huomattavasti tehokkaampia.
Ja tässä uudessa ympäristössä tehokkuutta ei enää määritä pelkkä oikeellisuus.
Viime vuonna asiakkaamme käyttivät ”Tunneanalyysi”-nimistä ominaisuutta yli 3,6 miljoonaa kertaa ymmärtääkseen tunnetilojen kontekstin tukikeskusteluissa. Tämä osoittaa, ettei oikea vastaus enää yksin riitä tai ole tehokas.
Asiakkaat saapuvat ihmisen kanssa käytävään vuorovaikutukseen tunnetilavajeen vallassa. He ovat väsyneitä ja turhautuneita boteista, joiden kanssa he juuri kamppailivat. Tässä ympäristössä asiakaspalvelijan tehtävä on muuttunut tiedon välittämisestä tunteiden palauttamiseen. Tavoitteena ei enää ole ”Ratkaisu”, vaan ”Tunnetasapaino”.
Want to learn more about Hiver?
Johdatko siis edelleen tehdasta vai oletko valmis tukemaan asiantuntijoita?
Jos tämä diagnoosi pitää paikkansa, johtopäätös johtamiselle ei ole asteittainen parantaminen vaan johtamisen uudelleensuuntaaminen. Tuen keskeinen kysymys ei enää ole ”Miten käsittelemme enemmän tikettipyyntöjä pienemmällä henkilöstömäärällä?” Se on ”Miten vahvistamme ihmisten harkintakykyä siellä, missä automaatio pysähtyy, ja samalla varmistamme, että oikeat siirrot tapahtuvat oikealla hetkellä ja että konteksti ei koskaan katoa työkalujen runsauden ja yhteisten aivojen keskellä?” Se on todellakin pitkä kysymys.
Organisaatiot, jotka jatkavat läpimenon optimointia, vaikuttavat tehokkailta aina siihen hetkeen asti, kun asiakkaiden luottamus rapautuu ja osaajien lähtö kiihtyy. Organisaatiot, jotka sen sijaan investoivat kontekstiin, yhteistyöhön ja kokemukselliseen oppimiseen, näyttävät lyhyellä aikavälillä hitaammilta mutta ovat rakenteellisesti vahvempia pitkällä aikavälillä. Näiden polkujen välinen ero määrittää asiakastuen ja asiakaskokemuksen seuraavan vuosikymmenen.
Tukijohtajat kohtaavat samanaikaisesti kolme toisiaan vahvistavaa painetta: kunkin jäljelle jäävän vuorovaikutustilanteen kasvavat kognitiiviset kustannukset, kutistuvan lähtötason osaajien virran, josta voisi kasvaa asiantuntijoita, sekä automaatiokerroksen, jonka rajalliset säästöt tasaantuvat infrastruktuuri- ja mallikustannusten kypsyessä.
Kun monimutkaisuus kasvaa tuottavuutta nopeammin, järjestelmä kiristyy. Siksi tuleva häiriö asiakastuessa ei ole asteittainen. Se tuntuu äkilliseltä, ei siksi, että voimat olisivat uusia, vaan koska ne ovat hiljalleen ylittäneet rajan, jonka jälkeen asteittainen optimointi ei enää pysty kompensoimaan rakenteellista kuormitusta.
Kohtaamamme kriisi ei johdu teknologian puutteesta, vaan sitoutumisesta 100 vuotta vanhaan johtamisfilosofiaan. Jos haluamme ratkaista osaamisvelan ja estää L1-tason rapautumisen, meidän on lopetettava agentit eristävien työkalujen rakentaminen ja alettava rakentaa ympäristöjä, jotka tunnistavat yhteisen älyn ja tukevat sitä.
Tuki ei voi enää kasvaa ohjaamalla asiakkaita muualle; voimme kasvattaa sitä vain antamalla enemmän valtaa ihmisille, jotka toimivat luottamuksen ylläpitäjinä korkean riskin tilanteissa. Seuraavaa vuosikymmentä ei voita yritys, jolla on tehokkain botti, vaan se, joka pystyy säilyttämään käytettävissään kaikkein osaavimmat, rauhallisimmat ja asiayhteyden parhaiten hallitsevat ihmiset.
