Le responsable de l’ingénierie informatique dévoile les flux de travail qui font gagner du temps et rendent les clients plus heureux

Ajay Balamurugadas est responsable de la réussite client et de la stratégie chez PostQode, un produit de développement logiciel natif de l'IA.

Nous avons échangé avec Ajay pour comprendre comment il utilise l'IA pour créer des clients plus satisfaits. Voici ce qu'il nous a expliqué.

Agents d'IA autonomes dans le développement logiciel

Je m'appelle Ajay Balamurugadas et je suis un responsable expérimenté de l'ingénierie qualité. Depuis deux ans, je suis responsable de la réussite client et de la stratégie chez PostQode, une entreprise qui propose des agents d'IA autonomes à chaque étape du cycle de vie du développement logiciel.

Nos clients comprennent des startups, des grandes entreprises et des sociétés de services qui servent leurs propres clients.

Comment l'IA crée des clients plus satisfaits

Au cours de l'année écoulée, nous avons apporté deux changements concrets à la manière dont nous fournissons l'expérience client grâce à l'IA.

Tout d'abord, nous utilisons largement l'IA pour les études clients. Au lieu de nous appuyer uniquement sur l'analyse manuelle des réunions, des retours et des documents, nous utilisons l'IA pour résumer les conversations, identifier les difficultés récurrentes et extraire les attentes. L'IA étudie également l'entreprise du client, ses activités commerciales, ses concurrents et les solutions possibles, en mettant en évidence les écarts entre ce que les clients disent et ce dont ils ont réellement besoin.

L'analyse et la synthèse assistées par l'IA ont réduit le temps consacré aux études clients et de marché, qui est passé de presque une journée de travail complète à généralement 1-2 heures.

Ensuite, nous avons mis en place une assistance au dépannage pilotée par l'IA pour analyser et résoudre les problèmes. L'IA aide à analyser les journaux, les schémas d'erreur, les résultats des tests et les problèmes historiques afin de restreindre rapidement les causes profondes possibles et de suggérer les prochaines étapes. Cela a amélioré les temps de réponse, réduit les efforts d'investigation et permis aux équipes de résoudre les problèmes des clients plus rapidement et avec un meilleur contexte.

L'IA génère et tient également à jour la documentation, notamment les guides d'intégration, les FAQ de dépannage et les documents comparatifs — réduisant une fois encore le temps et les efforts nécessaires à leur création, de plusieurs jours à quelques heures.

Et surtout, tout cela a permis d'avoir des clients plus satisfaits.

Comment l'IA peut améliorer les flux de travail des études CX

Ajay partage

Nous demandons à l’IA de suggérer des stratégies de positionnement, des propositions de valeur, des cas d’utilisation pertinents et des manières personnalisées de présenter la solution… Cela aide l’équipe à préparer ses réponses à l’avance et à améliorer la qualité des échanges avec les clients.

Voici le flux de travail de l'étude CX que nous utilisons avant même la première conversation avec un client.

Nous commençons par effectuer des recherches avec Perplexity AI afin de comprendre l'entreprise du prospect, son secteur d'activité, ses concurrents, son positionnement sur le marché et ses activités récentes. Cela nous aide à acquérir une solide compréhension du contexte avant d'échanger avec le client.

Ensuite, nous utilisons Claude ou ChatGPT pour combiner ces recherches avec des informations détaillées sur notre organisation et déterminer comment notre plateforme peut au mieux aider ce prospect spécifique. Nous demandons à l'IA de suggérer des stratégies de positionnement, des propositions de valeur, des cas d'utilisation pertinents et des manières personnalisées de présenter la solution.

Nous utilisons ensuite ChatGPT ou Gemini pour simuler les objections, préoccupations et questions probables des clients. Cela aide l'équipe à préparer ses réponses à l'avance et à améliorer la qualité des échanges avec les clients.

Pendant les réunions avec les clients, nous enregistrons et transcrivons les appels. Nous utilisons ChatGPT pour résumer les discussions, générer des comptes rendus structurés, identifier les actions à mener et consigner les attentes et les risques du client.

Après la réunion, nous utilisons Claude et ChatGPT pour générer des supports tels que des documents de solution, des guides d'intégration, des documents comparatifs, des diagrammes, des flux de travail et des supports de dépannage.

Pourquoi les relations et les nuances ne peuvent pas être confiées à l'IA

Mais nous n’utilisons pas l’IA pour tout.

L’établissement de relations et la connexion émotionnelle restent explicitement humains. Nous pensons que la confiance, l’empathie et les relations à long terme ne peuvent pas être confiées à l’IA. Les personnes prennent directement en charge les interactions personnelles, comme le suivi des objectifs des clients, la compréhension de leurs progrès, le fait de leur souhaiter le meilleur lors d’occasions spéciales et le maintien d’une véritable connexion humaine.

L’IA soutient la relation, mais ce sont les humains qui la créent et l’entretiennent.

De plus, dans de nombreux cas, le contexte essentiel concernant les clients se trouve réparti entre les e-mails, les systèmes CRM, les notes de réunion, les enregistrements d’appels, les tickets d’assistance et les discussions internes, ce qui entraîne des performances insuffisantes de l’IA. Dans ces domaines où la continuité contextuelle fait défaut, l’intervention humaine reste nécessaire pour interpréter les nuances, valider les recommandations et relier les informations provenant de différentes sources.

Pourquoi les processus de secours sont nécessaires avec l’IA

Ainsi, l’intégration de l’IA dans les activités liées à l’expérience client a permis de réaliser des économies considérables de temps et d’efforts, d’améliorer la cohérence et de transformer des activités auparavant dépendantes d’une seule personne en processus plus évolutifs et reproductibles.

Mais des difficultés sont également apparues. L’une d’elles est l’effet « trop beau pour être vrai » : les résultats générés par l’IA semblent parfois extrêmement sûrs d’eux, même lorsqu’une validation plus approfondie est nécessaire. Cela signifie que l’examen humain et le jugement restent importants pour les décisions critiques et les recommandations destinées aux clients.

Un autre défi concerne la dépendance opérationnelle. Une fois que les équipes se sont habituées aux flux de travail assistés par l’IA, elles éprouvent des difficultés à maintenir le même niveau de rapidité et de cohérence lorsque l’IA est indisponible ou que l’outil ne fonctionne pas. Cela souligne l’importance de disposer de processus de secours et de veiller à ce que les équipes conservent une compréhension fondamentale du domaine ainsi que leur capacité à prendre des décisions.

Pourquoi les responsables CX doivent connaître les résultats souhaités avant de choisir leurs outils

Il est important de bien comprendre le résultat exact souhaité avant de choisir des outils ou des modèles.

Nous avons d’abord supposé qu’un seul modèle pourrait gérer efficacement tous les types de tâches, mais nous avons rapidement appris que différents modèles étaient plus performants pour différents cas d’utilisation. Certains sont plus efficaces pour la recherche, d’autres pour le raisonnement, d’autres encore pour la documentation structurée, la synthèse ou les tâches conversationnelles. Choisir le modèle adapté à l’activité concernée peut considérablement améliorer la qualité et réduire les coûts et les efforts.

Autre leçon importante : ne considérez pas les problèmes de grande ampleur comme une seule tâche d’IA gigantesque. Décomposer les flux de travail complexes en tâches plus petites et bien définies, puis les orchestrer étape par étape, produit des résultats bien meilleurs et plus fiables.

Comment guider les équipes vers une utilisation efficace de l’IA

Ajay partage

Nous favorisons une adoption efficace en encourageant l’apprentissage et l’utilisation collaboratifs de l’IA au sein de l’équipe… De plus, nous partageons régulièrement en interne nos découvertes, exemples, articles, invites et flux de travail réussis afin que les connaissances se diffusent rapidement dans toute l’organisation au lieu de rester entre les mains de quelques personnes.

Nous favorisons une adoption efficace en encourageant l’apprentissage et l’utilisation collaboratifs de l’IA au sein de l’équipe. Nous formons régulièrement les membres de l’équipe aux différents outils d’IA, cas d’utilisation, méthodes de formulation des invites et flux de travail pertinents pour les activités liées à l’expérience client.

De plus, nous partageons continuellement en interne les découvertes, les exemples, les articles, les invites et les flux de travail réussis afin que les connaissances se diffusent rapidement dans toute l’organisation au lieu de rester entre les mains de quelques personnes. Nous examinons également les résultats ensemble, aidons les membres de l’équipe à améliorer la qualité du contexte et des invites, et présentons les livrables créés à différentes étapes de l’engagement client.

Ce cycle continu de formation, de partage, d’examen et de démonstration aide l’équipe à prendre confiance et à utiliser l’IA de manière plus efficace et plus cohérente dans des situations réelles avec les clients.

Comment l’IA redéfinit les domaines dans lesquels l’expertise doit être appliquée dans l’expérience client

Traditionnellement, des tâches telles que la recherche approfondie sur les clients, l’analyse concurrentielle, la création de documentation, la synthèse de réunions ou la préparation de solutions dépendaient d’experts précis possédant des années de connaissances et d’expérience dans leur domaine. L’IA peut désormais accélérer et soutenir bon nombre de ces activités de manière plus large, permettant à davantage de membres de l’équipe de contribuer efficacement avec les conseils et le contexte appropriés.

Cela ne supprime pas le besoin d’expertise, mais change la manière dont nous l’appliquons. Au lieu de consacrer la majeure partie de leur temps à la collecte d’informations et à la préparation répétitive, les spécialistes peuvent davantage se concentrer sur la stratégie, les relations, la prise de décision et les résultats pour les clients.

Comment les responsables de l’expérience client doivent-ils aborder l’IA ?

Je conseille aux responsables de l’expérience client de considérer l’IA comme un assistant, et non comme un remplacement. La qualité des résultats dépend fortement de la qualité du contexte que vous fournissez. Continuez à alimenter l’IA avec le contexte métier pertinent, l’historique client, les flux de travail et même le « contexte du contexte », afin qu’elle puisse générer des résultats plus précis et plus pertinents.

Comprenez également que différents outils d’IA conviennent à différents cas d’utilisation. Prenez le temps d’apprendre les points forts et les limites des divers outils dans les domaines de la recherche, de l’assistance, de l’analyse, de la documentation, de l’automatisation et de la personnalisation.

Plus important encore, expérimentez en continu. Les organisations qui tirent le plus de valeur de l’IA sont celles qui testent activement des idées, perfectionnent leurs flux de travail, tirent les leçons de leurs échecs et s’adaptent rapidement. L’adoption de l’IA n’est pas une mise en œuvre ponctuelle — c’est une capacité évolutive qui s’améliore avec l’utilisation, les retours et les itérations.

Suivez-nous

Vous pouvez suivre le travail d’Ajay Balamurugadas sur LinkedIn.

D’autres entretiens avec des experts sont à venir sur The CX Lead !