Det finnes for tiden en stille, farlig fiksjon som sirkulerer i styrerom og toppledelser. Den sier at AI endelig har løst kostnadsproblemet innen kundestøtte. Logikken er enkel: automatiser rutinespørsmålene, se volumet falle, og reduser bemanningen. Hvis du ser på oversiktene på makronivå, ser det ut til å fungere. Effektiviteten øker, og avledningen av saker når rekordhøye nivåer.
Men hvis du faktisk setter deg sammen med et kundestøtteteam i dag – hvis du ser tempoet i de interne chattene deres og uttrykket i ansiktet til en medarbeider klokken 16.00 på en arbeidsdag – vet du at virkeligheten er annerledes. Kundestøtten blir ikke mindre belastende. Den blir tettere.
Og denne tettheten lander direkte på menneskene som er igjen.
Hos Hiver har vi aldri forsøkt å bygge for den oppblåste kompleksiteten i Fortune 500; vi bygde for smidige, raskt bevegelige team som ønsker å løse problemer uten kostnadene ved en tradisjonell fabrikk. I fjor hjalp plattformene våre kundene med å løse 81 millioner samtaler. Det er ikke volumer på konsernnivå, men selv innenfor denne SMB-boblen ser vi en endring som gjenspeiler, og på mange måter forsterker, krisen som utspiller seg i næringslivet.
Bransjen går i søvne inn i en talentkrise. Vi er vitne til en global svekkelse av kundestøtte på nivå 1. I hastverket med å automatisere det enkle arbeidet har kundestøtteplattformene som er «AI-drevne», utilsiktet ødelagt veien til ekspertise.
Du kan kalle dette «transformasjon» hvis du vil, men valg av ord skjuler ikke det faktum at inngangen til ekspertise innen kundestøtte raskt og stille forsvinner. Det som gjør dette øyeblikket annerledes enn tidligere effektiviseringssykluser, er at den underliggende økonomien begynner å bevege seg i motsatt retning av den etablerte fortellingen.
Dette er ikke en midlertidig ledelsessvikt. Det er et systemskifte.
I mer enn et århundre har kundeservice vært styrt av den usynlige antakelsen om at kundestøtte er et rørleggerproblem. Denne antakelsen kan spores tilbake til 1917 og matematikeren Agner Krarup Erlang. Han utviklet Erlang-C, en formel for å fortelle telefonselskaper hvor mange operatører de trengte for et gitt antall samtaler. Formelen behandler mennesker som rør: Hvis vannstanden stiger, gjør du ganske enkelt røret bredere. Altså: Hvis du får flere samtaler, legger du ganske enkelt til flere mennesker for å håndtere det innkommende volumet.
Denne sentralbordlogikken summer fortsatt under overflaten i alle moderne kundestøttesystemer. Vi snakker om AI-første fremtider og superladede medarbeidere, men fortsetter å styre kundestøtte med foreldede måltall som gjennomsnittlig behandlingstid og kapasitetsutnyttelse. AI lovet en vei ut av rørleggerarbeidet. Altfor ofte har det ganske enkelt blitt det nyeste røret som er montert inn i en eldgammel maskin.
La meg illustrere dette nærmere.
I fjor håndterte Hivers infrastruktur 85 millioner manuelle oppgaver gjennom automatiseringer – tilbakestilling av passord, statusoppdateringer og rutingsregler som tidligere utgjorde grunnlaget for en medarbeiders arbeidsdag. Etter logikken i den gamle sentralbordmatematikken burde fjerningen av 85 millioner arbeidsenheter skape et enormt overskudd av menneskelig kapasitet. Og hvis denne logikken fortsatt var gyldig, ville dette overskuddet vært synlig i hele kundestøtteøkonomien.
I stedet oppgir 77 % av medarbeiderne på tvers av bransjen at kompleksiteten øker, mens andre rapporter sier at 56 % av arbeidsstyrken innen kundestøtte viser rekordhøye nivåer av utbrenthet.
Matematikken feiler fordi den glemte at disse 85 millioner enkle oppgavene ikke bare var arbeid – de var tid til å hente seg inn, tid til å lære og kognitivt pusterom. Fjern repetisjonen uten å redesigne menneskesystemet rundt det som gjenstår, og resultatet blir ikke effektivitet, men komprimering.
Cornell Global Call Center Project har brukt flere år på å dokumentere hvorfor denne «rørlegger»-modellen mislykkes. Forskningen i rapporten fra 2007 beviste for første gang at team med høy ytelse trives med handlingsrom, men bransjen fortsetter å styre dem etter volum.
Det har tatt kundestøttebransjen nesten to tiår å ta dette igjen, men endelig snakker vi om «kognitiv overbelastning» og «menneskelig dømmekraft» – slagord som andre systemer med høy risiko tok i bruk langt tidligere da de innførte automatisering og utvidet intelligens.
I luftfarten fjernet for eksempel ikke autopiloten pilotene; den forvandlet dem til ledere av sjeldne unntakssituasjoner med høy risiko, der dømmekraft var viktigere enn rutinemessig kontroll. Innen medisinen erstattet ikke programvare for diagnostisk bildediagnostikk radiologene; den konsentrerte oppmerksomheten deres om de tvetydige bildene der erfaring avgjør utfallet.
I hvert tilfelle fjernet automatiseringen repetisjon, men bevarte læringsveiene som skaper ekspertise. Kundestøtte går nå inn i den samme historiske fasen – bare raskere, og uten å ha beskyttet veien som skaper de nødvendige ekspertene.
Kan vi skape morgendagens eksperter hvis vi har asfaltert over veien i dag?
Det finnes en annen, farligere bieffekt av denne automatiseringen som bransjen i stor grad ignorerer. Vi sletter bevisst lærlingestigen.
Ifølge forskning tar det omtrent 16 uker før en ny medarbeider blir virkelig dyktig. Historisk sett ble disse 16 ukene tilbrakt på nivå 1. En junior medarbeider lærte produktet og kundenes spesifikke språk ved å håndtere hundrevis av enkle forespørsler med lav risiko.
Men i dag kaster vi nyansatte rett ut på dypt vann. Vi ser konsekvensene av dette hver dag. En kunde sender en e-post og sier at noe på venstre side av panelet ser ødelagt ut. For en erfaren medarbeider er dette en tydelig henvisning til en bestemt aktivitetsmodul. Men for en junior medarbeider som ikke har fått lov til å håndtere de 1 000 enkle sakene som bygger dette mentale kartet, er det en tvetydig gåte.
Dette språkgapet skaper en massiv kompetansegjeld. Vi har ingen måte å utvikle neste generasjon av erfarne medarbeidere på fordi vi har automatisert bort alle leksjonene på begynnernivå. Det er grunnen til at Gartner spår at 50 % av organisasjonene som kutter ansatte på grunn av AI, vil bli tvunget til å ansette på nytt til de samme rollene innen 2027.
De innser at selv om AI kan snakke, kan den ikke erstatte «kompetansen, empatien og dømmekraften» som bare bygges gjennom erfaring. Vi har asfaltert over trappesteinene og lurer nå på hvorfor ingen kan krysse elven.
Alle yrker er avhengige av en synlig vei fra nybegynner til ekspert, en periode der feilene er små, innsatsen er lav, og mønstergjenkjenningen gradvis bygger seg opp. Når dette mellomstadiet forsvinner, slutter ekspertisen å fornye seg selv. Det umiddelbare symptomet er tregere problemløsning og flere eskaleringer. Den langsiktige konsekvensen er langt mer alvorlig: en uthult arbeidsstyrke der senior dømmekraft både blir knapp og sårbar. Når mangelen blir synlig i ledernes oversikter, har læringssyklusen som kreves for å løse den, allerede vært brutt i årevis.
Så hvordan overlever team når ingen enkeltperson kan ha alle svarene?
Dette presset har utløst en synlig overlevelsesmekanisme i innboksen. I år opprettet Hiver-brukere 5 millioner interne notater direkte oppå kundesamtaler. Dette er ikke bare en samarbeidsstatistikk. Det er et signal om at epoken med den ensomme agenten er over.
I den gamle modellen eide én person én sak frem til den var avsluttet. Men når hver sak er et komplekst unntak, kan ingen enkeltperson ha alle svarene. Disse 5 millionene av notater representerer en kollektiv samling. Ved å samles rundt problemet inne i samtalen bygger team et «felles sinn» i sanntid. De fordeler den kognitive belastningen slik at ingen enkeltperson må bære vekten av en kompleks krise alene.
Men kollektiv intelligens er bare én side av overlevelsen. Den andre er den økonomiske virkeligheten.
Fordi vi har gjort hastighet til en standardvare gjennom AI, mister måltallene vi har brukt i flere tiår betydningen sin. Det vokser frem et nytt måltall som bør bekymre enhver CFO: de økende kostnadene ved automatisering.
Gartners nyeste analyse antyder at drømmen om «gratis» kundestøtte er over. Innen 2030 forventes kostnaden per GenAI-løsning å overstige $3; den vil dermed være høyere enn kostnaden for mange menneskelige agenter i utlandet. Subsidiene tar slutt, og infrastrukturkostnadene øker.
Husk at jeg tidligere sa at den underliggende økonomien begynner å bevege seg i motsatt retning av narrativet. I mer enn et tiår har automatisering først og fremst blitt rettferdiggjort gjennom arbeidskraftsarbitrasje – antakelsen om at programvare blir billigere etter hvert som den skaleres. Men når marginalkostnaden for en automatisert løsning begynner å nærme seg eller overstige kostnaden for menneskelig arbeidskraft, endres det strategiske spørsmålet fullstendig.
AI kan ikke lenger forsvares utelukkende som en erstatning for mennesker. Den må rettferdiggjøre seg selv som en forsterker av menneskelig kapasitet. Dette skillet er grunnleggende. Erstatning reduserer kostnadene på kort sikt. Forsterkning avgjør motstandskraften på lang sikt. Organisasjonene som forstår denne endringen tidlig, vil slutte å spørre hvordan de kan fjerne mennesker fra kundestøtten, og begynne å spørre hvordan de kan gjøre de gjenværende menneskene langt mer effektive.
Og effektivitet i dette nye landskapet defineres ikke lenger utelukkende av korrekthet.
I fjor brukte kundene våre en funksjon kalt «sentimentanalyse» mer enn 3,6 millioner ganger for å forstå den emosjonelle konteksten i kundestøttesamtaler. Dette viser oss at et korrekt svar ikke lenger er tilstrekkelig eller effektivt.
Kunder kommer inn i en menneskelig interaksjon med et emosjonelt underskudd. De er slitne og frustrerte etter botene de nettopp har kjempet med. I dette miljøet har agentens oppgave gått fra informasjonsformidling til emosjonell gjenoppretting. Målet er ikke lenger «løsning», men «emosjonell likevekt».
Want to learn more about Hiver?
Driver du fortsatt en fabrikk, eller er du klar til å støtte eksperter?
Hvis denne diagnosen er riktig, er konsekvensen for ledelsen ikke inkrementell forbedring, men en nyorientering av ledelsen. Det sentrale spørsmålet for kundestøtten er ikke lenger «Hvordan håndterer vi flere saker med færre mennesker?» Det er «Hvordan bygger vi videre på menneskelig dømmekraft der automatiseringen stopper, samtidig som vi sikrer at de riktige overleveringene skjer på riktig tidspunkt, og at konteksten aldri går tapt på grunn av verktøyspredningen og det felles sinnet?» Og det er virkelig et langt spørsmål.
Organisasjoner som fortsetter å optimalisere for gjennomstrømning, vil fremstå som effektive helt frem til kundetilliten svekkes og talentflukten akselererer. Organisasjoner som i stedet investerer i kontekst, samarbeid og erfaringsbasert læring, vil se tregere ut på kort sikt, men være strukturelt bedre på lang sikt. Forskjellen mellom disse veiene vil definere det neste tiåret for kundestøtte og kundeopplevelse.
Ledere innen kundestøtte møter samtidig tre pressfaktorer som konvergerer: de økende kognitive kostnadene ved hver gjenværende interaksjon, en krympende strøm av medarbeidere på begynnernivå som kan utvikle seg til eksperter, og et automatiseringslag der marginalbesparelsene flater ut etter hvert som infrastruktur- og modellkostnadene modnes.
Når kompleksiteten øker raskere enn produktiviteten, trekker systemet seg sammen. Derfor vil den kommende omveltningen i kundestøtten ikke bli gradvis. Den vil føles plutselig, ikke fordi kreftene er nye, men fordi de i stillhet har krysset terskelen der inkrementell optimalisering ikke lenger kan kompensere for strukturell belastning.
Krisen vi står overfor, skyldes ikke mangel på teknologi; den skyldes en tilknytning til en 100 år gammel ledelsesfilosofi. Hvis vi ønsker å løse kompetansegjelden og forhindre L1-erosjonen, må vi slutte å bygge verktøy som isolerer agenter, og begynne å bygge miljøer som anerkjenner og legger til rette for den delte hjernen.
Support kan ikke lenger skaleres ved å avvise kunder; vi kan bare skalere ved å styrke menneskene som fungerer som tillitsforvaltere i høyrisikosituasjoner. Det neste tiåret vil ikke vinnes av selskapet med den mest effektive boten, men av det som bevarer de mest kompetente, rolige og kontekstrike menneskene.
