Asiakaskokemuksesta vastaava johtaja kertoo tekoälyn muuttavan asiakaskokemuksen organisaatiokaavioita — ja siksi hän siirtyy “palvelutiimimalliin”

Sofia Barbosa on BMC Softwaren asiakasjohtaja. BMC Software on B2B-yritys, joka palvelee asiakkaita, joilla on monimutkaisia IT-ympäristöjä.

Haastattelimme Sofiaa saadaksemme tietää, miten hän ottaa tekoälyä käyttöön ja miten se muuttaa hänen asiakaskokemusorganisaationsa rakennetta. Tässä hänen vastauksensa.

Koko myynnin jälkeisen asiakaselinkaaren johtaminen

Olen Sofia Barbosa, BMC Softwaren asiakasjohtaja. Johdan asiakasorganisaatiota, joka kokoaa yhteen asiantuntijapalvelut, tuen, asiakasmenestyksen hallinnan, koulutuksen ja asiakkaan äänen.

Nämä toiminnot kattavat yhdessä koko myynnin jälkeisen asiakaselinkaaren käyttöönotosta ja valmiuksien kehittämisestä jatkuvaan menestykseen, käyttöönoton laajentamiseen ja suositteluun.

Palvelemme B2B-asiakkaita, jotka käyttävät maailman monimutkaisimpiin kuuluvia IT-ympäristöjä. Tämä tarkoittaa, että tiimimme työskentelevät monenlaisissa kanavissa ja erilaisilla sitouttamismalleilla aina tiiviistä strategisista asiakassuhteista laajamittaiseen itsepalvelutukeen.

Miksi tekoäly muuttaa asiakaskokemusorganisaatioiden rakenteita

Useimmat nykyiset asiakaskokemusorganisaatioiden rakenteet heijastavat vuosikymmenten aikana kertynyttä monimutkaisuutta: erikoistuneita tiimejä, kapeita siirtymäkohtia ja prosesseja, joissa oletetaan ihmisten hoitavan työn jokaisen vaiheen. Tekoäly kumoaa tämän oletuksen, mutta monet johtajat yrittävät edelleen sovittaa tekoälyä olemassa olevaan rakenteeseen sen sijaan, että kysyisivät, miltä rakenteen pitäisi näyttää, jos se suunniteltaisiin alusta alkaen tekoäly lähtökohtana.

Neuvoni on unohtaa tietoisesti nykytila ja keskittyä tavoitetilaan. Tämä tarkoittaa, että vastustetaan tarvetta kysyä: ”Miten tekoäly sopii nykyisiin tiimeihimme ja prosesseihimme?” Sen sijaan kannattaa kysyä: ”Jos rakentaisimme tämän organisaation tänään tyhjästä ja käytettävissämme olisi tekoälyominaisuuksia, miltä se näyttäisi?”

Useimmissa tapauksissa vastaus on yksinkertaisempi kuin nykyinen rakenne: vähemmän siiloja, vähemmän siirtymäkohtia ja rooleja, jotka määritellään tulosten eikä kapeiden toiminnallisten tehtävien perusteella.

Tämä on vaikeaa, koska se tarkoittaa vuosien aikana rakennetuista rakenteista, nimikkeistä ja prosesseista luopumista. Johtajat, jotka suunnittelevat organisaation tavoitetilan ympärille sen sijaan, että mukauttaisivat nykytilaa jälkikäteen, luovat kuitenkin rakenteita, jotka ovat sekä yksinkertaisempia että suorituskykyisempiä kuin alkuperäiset.

Miten tekoäly mahdollistaa palvelutiimimallin

Sofia jakaa

Vastuu siirtyy kysymyksestä “mikä tiimi omistaa tämän” kysymykseen “mikä palvelutiimi omistaa tämän asiakkaan kokemuksen alusta loppuun,” mikä vähentää vähitellen syyttelyä ja helpottaa sen näkemistä, missä tekoäly todella auttaa ja missä aukkojen täyttäminen edellyttää edelleen ihmisen seurantaa.

Viime vuoden aikana otimme käyttöön palvelutiimimallin. Kyseessä on jatkuva uudelleenjärjestely, jonka tavoitteena on purkaa palvelujen, tuen, asiakasmenestyksen hallinnan ja koulutuksen välisiä siiloja sekä integroida tekoälyagentit samaan yhtenäiseen organisaatiorakenteeseen sen sijaan, että niitä kohdeltaisiin erillisenä, jälkikäteen lisättynä työkaluna.

Vauhdittajana toimivat tekoälyagentit, jotka ottivat hoitaakseen yhä suuremman osan rutiininomaisista vuorovaikutustilanteista. Ymmärsimme, että jos tekoäly toimisi olemassa olevan tiimirakenteen ulkopuolella, se loisi uuden siilon eli uuden aukon siirtymäkohtaan sen sijaan, että se sulkisi nykyisiä aukkoja. Siksi pyrimme sijoittamaan tekoälyagentit, tuen, asiakasmenestyksen hallinnan, palvelut ja koulutuksen yhteisen johdon alaisuuteen niin, että kaikilla on yhteinen näkyvyys tilihistoriaan, avoimiin ongelmiin ja asiayhteyteen.

Tämän seurauksena asiakkaiden ei palvelutiimimallin jo muotoutuvilla alueilla enää tarvitse selittää tilannettaan uudelleen eri kanavissa. Asiayhteys kulkee heidän mukanaan riippumatta siitä, vastaako ensin tekoäly vai ihminen.

Tekoälyagentit tuovat myös reaaliaikaisesti esiin malleja, kuten yleisiä kysymyksiä ja kitkakohtia. Näin voimme päivittää koulutusta ja dokumentaatiota ennakoivasti emmekä vasta ongelmien ilmettyä.

Vastuu siirtyy kysymyksestä ”mikä tiimi omistaa tämän” kysymykseen ”mikä palvelutiimi omistaa tämän asiakkaan kokemuksen alusta loppuun”, mikä vähentää vähitellen syyttelyä ja helpottaa sen näkemistä, missä tekoäly todella auttaa ja missä aukkojen täyttäminen edellyttää edelleen ihmisen seurantaa.

Alusta loppuun ulottuva tekoälyprosessi käyttäjien kouluttamiseen

Yksi nykyisin käyttämistämme päästä päähän ulottuvista tekoälypohjaisista työnkuluista keskittyy sisällön ja koulutuksen luomiseen, ja laajennamme sitä nyt käyttöönottoagentilla.

Työnkulku alkaa raakasyötteistä: asiakasvuorovaikutuksesta, tukipyynnöistä, tuotteen käyttötiedoista ja tapausmuistiinpanoista. Tekoäly yhdistää nämä tiedot tunnistaakseen yleiset kysymykset, kitkakohdat ja puutteet ominaisuuksien käyttöönotossa eri asiakkuuksissa.

Tämän jälkeen tekoäly laatii asiaankuuluvan sisällön: koulutusmoduuleja, dokumentaation päivityksiä, asiakastarinoita tai lokalisoituja/käännettyjä materiaaleja sen mukaan, millaisia puutteita analyysi tuo esiin. Ihminen tarkistaa ja viimeistelee tämän luonnoksen ennen sen julkaisemista tai lisäämistä koulutus- ja valmennuskirjastoomme.

Tähän käytettävät työkalut ovat Salesforce Service Cloud, Microsoft Copilot Studio, Easygenerator, EasyCoach ja tuotteen telemetriatyökalut.

Olemme myös ottamassa käyttöön uudempaa osaa: sisäisesti Copilot Studion rinnalle rakennetun käyttöönottoagentin. Se sulkee kierron siten, että sen sijaan että vain loisimme koulutussisältöä ja odottaisimme asiakkaiden löytävän ja käyttävän sitä, agentti tunnistaa ennakoivasti tilanteet, joissa asiakas tai käyttäjä ei ota ominaisuutta tai työnkulkua käyttöön odotetulla tavalla, ja tuo asiaankuuluvan koulutuksen tai ohjeistuksen suoraan heidän saatavilleen tarpeen hetkellä.

Päästä päähän ulottuva työnkulku näyttää tältä: datasignaalit → tekoälyn luoma sisältö/koulutus → ihmisen tarkistus ja viimeistely → julkaisu → käyttöönottoagentti yhdistää oikean sisällön oikeaan asiakkaaseen oikealla hetkellä heidän todellisten käyttöpuutteidensa perusteella.

Olemme vasta alkuvaiheessa käyttöönottoagentin käyttöönotossa, mutta tavoitteemme on muuttaa sisällön luominen yksisuuntaisesta tiedottamisesta suljetun kierron järjestelmäksi, jossa tekoäly ohjaa sekä sisällön luomista että sen toimittamista.

Miten tekoäly tehostaa CX:ää

Tulostemme perusteella tekoäly on tuonut merkittäviä hyötyjä mittakaavassa ja tuotoksissa. Olemme suunnilleen kolminkertaistaneet asiakastarinoiden määrän ja nähneet vastaavia harppauksia dokumentaation automatisoinnissa, koulutus- ja oppimiskurssien luomisessa, videosisällössä ja automaattisessa kääntämisessä.

Manuaalinen työ muodosti aiemmin pullonkaulan esimerkiksi asiakastarinoiden kirjoittamisessa, sisällön lokalisoinnissa ja koulutusmoduulien rakentamisessa. Tekoäly laatii nyt luonnokset murto-osassa aiemmasta ajasta, mikä vapauttaa tiimit tuottamaan enemmän sisältöä useammille asiakkuuksille ja useammilla kielillä kuin aiemmin oli mahdollista.

Tekoälyn ja ihmisten työnjako CX:ssä

Kaiken kaikkiaan tekoäly ohjaa nyt useita CX-toimintoja: työjonon priorisointia, tapausten analysointia, käyttöönoton suunnittelua, asiakastarinoiden luomista ja saavutetun arvon arviointeja. Kullakin näistä alueista tekoäly yhdistää tietoja, tuo esiin tapausten välisiä malleja, ilmoittaa riskialttiista asiakkuuksista ja laatii alustavat tuotokset, kun taas ihmiset tarkistavat, viimeistelevät ja täydentävät niitä harkinnallaan ennen kuin mikään päätyy asiakkaalle.

Nimenomaisesti ihmisille kuuluvat toiminnot edellyttävät suhdekontekstia tai strategista harkintaa: vaikuttajien suhteiden hallintaa, keskeisten sidosryhmien kanssa hoidettavia eskalaatioita ja arvon toteutumista koskevia keskusteluja, joissa suosituksen taustalla oleva ”miksi” on yhtä tärkeä kuin itse suositus. Tekoäly ei pysty jäljittelemään luottamusta, sävyä ja asiakkuuden elettyä historiaa näillä alueilla.

Työnjako on selkeä: tekoäly lyhentää analyysiin ja luonnosten laatimiseen kuluvaa aikaa eli työtä, joka aiemmin vaati tuntikausien manuaalista tapausten, käyttötietojen tai muistiinpanojen läpikäyntiä. Kun siirrämme tämän tekoälyn hoidettavaksi, vapautamme tiimiemme aikaa keskittyä enemmän arvoa tuottaviin toimintoihin.

Miksi tekoälypilottien on oltava skaalautuvia heti ensimmäisestä päivästä lähtien

Kohtaamani haasteet ovat liittyneet vähemmän itse tekoälyyn ja enemmän skaalautumiseen konseptin toimivuuden todistamisesta tuotantoon. Monet näistä käyttötapauksista toimivat hyvin pilotti- tai pienimuotoisissa ympäristöissä, mutta havaitsimme, että niiden siirtäminen tuotantovalmiiksi ja toistettaviksi prosesseiksi — joissa on asianmukaiset laadunvalvontatoimet, integraatio olemassa oleviin työnkulkuihin ja yhdenmukaisuus tiimien välillä — oli vaikeampaa kuin alustava kokeilu antoi ymmärtää.

Kuilu sen välillä, että ”tämä toimii demossa”, ja sen, että ”tämä on luotettavasti osa päivittäistä toimintaamme”, on ollut suurin kitkakohta.

Tekoälyn kohdalla kokeilu on oikea lähtökohta, ja eteenpäin siirtyminen odottamatta täydellistä varmuutta on ratkaisevan tärkeää. Kehottaisin kuitenkin nyt aloittavia tiimejä suunnittelemaan skaalautuvuutta ja tuotantokäyttöä varten alusta alkaen, vaikka ne olisivat vielä kokeiluvaiheessa.

Näin ette jää jumiin POC-malliin, jossa toteutetaan pilotti toisensa jälkeen ja todistetaan konseptin toimivuus rakentamatta taustalla olevia prosesseja, integraatioita ja laadunvalvontaa, joita sen vieminen tuotantoon edellyttää. Jos tätä etenemisreittiä ei mietitä ajoissa, lopputuloksena on onnistuneiden pilottien hautausmaa: hankkeita, joista ei koskaan tullut todellista operatiivista kyvykkyyttä.

Neuvoni on siis säilyttää kokeilumielinen ajattelutapa, mutta yhdistää siihen heti alusta alkaen selkeä ymmärrys siitä, mitä tuotantovalmius edellyttää. Näin piloteilla on todellinen etenemisreitti sen sijaan, että ne päätyisivät umpikujaan.

Sofia jakaa

Tekoälyn kohdalla kokeilu on oikea lähtökohta, ja eteenpäin siirtyminen odottamatta täydellistä varmuutta on ratkaisevan tärkeää…Neuvoni on siis säilyttää kokeilumielinen ajattelutapa, mutta yhdistää siihen heti alusta alkaen selkeä ymmärrys siitä, mitä tuotantovalmius edellyttää. Näin piloteilla on todellinen etenemisreitti sen sijaan, että ne päätyisivät umpikujaan.

Miksi tekoäly ei voi korvata ihmisen strategiaa CX:ssä

Oletus siitä, että tekoäly voisi laajentaa strategisten asiakkuuksien kattavuutta samalla tavalla kuin se laajensi sisällöntuotantoa tai dokumentointia, ei ole pitänyt paikkaansa. Tiivistä ja paljon panoksia vaativaa vuorovaikutusta edellyttävät suhteet perustuvat edelleen pohjimmiltaan ihmisiin, ja tekoälyn rooli on niitä tukeva eikä johtava.

Sen sijaan tekoäly on tehostanut tätä prosessia. Se auttaa valmistautumaan strategisiin keskusteluihin nopeammin, tuo olennaiset tiedot ja taustat esiin ennen tapaamisia sekä laatii materiaaleja, joita ihmiset muokkaavat ja esittelevät. Se vauhdittaa ihmisten johtamaa strategiaa, mutta ei korvaa sitä.

Miten tekoäly on muuttanut eri sukupolvien kanavamieltymyksiä

Yksi pitkään vallinneista oletuksista, joita tekoäly pakotti meidät arvioimaan uudelleen, liittyi eri sukupolvien kanavamieltymyksiin: ajatukseen, että nuoremmat asiakkaat valitsevat oletusarvoisesti chatin tai itsepalvelun, kun taas vanhemmat asiakkaat käyttävät puhelinta tai sähköpostia, ja että kokemukset tulisi suunnitella tiukasti näiden sukupolvijaottelujen mukaisesti.

Olemme havainneet, että tekoäly on hämärtänyt näitä rajoja odotettua enemmän, mutta ei ole poistanut niitä kokonaan. Kaikissa sukupolvissa asiakkaat hakeutuvat yhä useammin siihen kanavaan, joka ratkaisee heidän ongelmansa nopeimmin.

Nuorempi asiakas saattaa esimerkiksi tarttua puhelimeen monimutkaisessa asiassa, kun taas vanhempi asiakas voi käyttää mielellään tekoälypohjaista chattia yksinkertaisen asian hoitamiseen. Aiemmin olisimme olettaneet päinvastaista. Ratkaisun nopeus ja laatu painavat nykyään usein enemmän kuin itse kanava.

Olemme kuitenkin havainneet myös, että tietyillä asiakkailla – usein, joskaan ei yksinomaan, vanhemmissa sukupolvissa – tarve ihmisläheiseen palveluun ei ole kadonnut. Tämä pätee erityisesti monimutkaisissa ongelmissa, arkaluonteisissa tilanteissa tai suhteisiin perustuvissa keskusteluissa, joissa varmuuden ja luottamuksen merkitys on yhtä suuri kuin itse vastauksen. Tekoäly ei ole korvannut tätä tarvetta. Jos jotain, se on tehnyt tilanteet, joissa ihmisten välinen vuorovaikutus on todella tärkeää, näkyvämmiksi, koska tekoäly hoitaa nyt suuremman osan rutiininomaisesta asioinnista.

Sen sijaan että olisimme siis luopuneet sukupolvien huomioimisesta kokonaan, olemme siirtyneet ”sukupolven mukaan suunnittelusta” ”tarpeen mukaan suunnitteluun”. Käytämme tekoälyä suuren volyymin ja nopeasti ratkaistavien asioiden hoitamiseen kaikkien asiakkaiden kohdalla, mutta säilytämme ja asetamme etusijalle ihmisten johtamat, henkilökohtaista palvelua tarjoavat toimintatavat monimutkaisissa tai emotionaalisesti merkittävissä tilanteissa riippumatta siitä, kuka apua pyytää.

Miksi CX-johtajien on erottauduttava omistamansa datan avulla

Neuvoni CX-johtajille on keskittyä erottautumiseen oman datanne avulla. Yleiset tekoälyominaisuudet ovat muuttumassa perusvaatimuksiksi; kaikilla toimittajilla ja kilpailijoilla on pääsy samankaltaisiin taustalla oleviin malleihin ja työkaluihin. Todellinen erottautuminen perustuu hallussanne olevaan ainutlaatuiseen dataan: asiakasvuorovaikutuksiin, käyttötapoihin, tukihistoriaan, saavutettuihin tuloksiin sekä organisaation tietämykseen, joka on ainutlaatuista liiketoiminnallenne ja asiakassuhteillenne.

Edelle tulevat johtajat, jotka pitävät tätä dataa strategisena voimavarana ja hyödyntävät sitä aktiivisesti tekoälyhankkeissaan sen sijaan, että luottaisivat valmisratkaisuna tarjottavaan tekoälyyn, joka tuottaa samanlaisia yleisiä tuloksia kuin muutkin saavat. Tämä tarkoittaa investoimista datan laatuun, saatavuuteen ja integrointiin jo nyt, jotta tekoälytyökalut toimivat asiakassuhteiden kokonaiskontekstin eivätkä yleisten mallien pohjalta.

Älkää kilpailko sillä, että teillä on tekoälyä. Kilpailkaa sillä, kuinka hyvin perustatte tekoälyn dataan ja tietoon, joka on vain teidän hallussanne.

Seuraa Sofiaa

Voit seurata Sofia Barbosan työtä LinkedInissä.

Lisää asiantuntijahaastatteluja on tulossa The CX Leadiin!