Kundeopplevelsessjefen sier at kundeopplevelse går fra å være en rapporteringsfunksjon til operativ infrastruktur som støtter raskere beslutningstaking

Patrícia Osorio er medgründer og CCO i Birdie, en AI-drevet plattform som hjelper organisasjoner med å strukturere og bruke kundekontekst.

Vi snakket med Patrícia for å finne ut hvordan AI endrer CX-feltet. Hun sa at det gjennomgår en grunnleggende endring fra å være en forretningsfunksjon til å bli beslutningsinfrastruktur.

Den største transformasjonen noensinne innen CX

Jeg heter Patrícia Osorio og er medgründer og kundesjef i Birdie. Jeg mener at kundeopplevelsen gjennomgår den største transformasjonen siden selskaper først begynte å måle kundetilfredshet.

I mange år har CX fokusert på å lytte — samle inn tilbakemeldinger, måle NPS, bygge oversikter og hjelpe organisasjoner med å forstå hva kundene sier. Dagens selskaper mangler ikke kundedata; de mangler en felles kontekst. Hvert team har sitt eget syn på kunden, men ingen har det fullstendige bildet.

Vi mener at CX utvikler seg fra å være en forretningsfunksjon til å bli infrastruktur. Kundekontekst blir det felles laget som alle deler av organisasjonen er avhengige av — ikke bare kundestøtteteam, men også produkt, utvikling, markedsføring, drift, økonomi og i økende grad AI-systemer.

I Birdie hjelper vi store virksomheter innen finansielle tjenester, forsikring, detaljhandel, markedsplasser og forsyning med å bygge dette kundekontekstlaget. Vi omdanner millioner av kundeinteraksjoner på tvers av alle kanaler til kontekst som hjelper organisasjoner med å prioritere bedre beslutninger, samkjøre team raskere og kontinuerlig forbedre kundeopplevelsen. Vi er et team på nesten 60 personer og betjener virksomhetskunder i Nord-Amerika, Latin-Amerika og Europa.

Dette er fremtidens CX. Det rapporterer ikke lenger om det som har skjedd. Det blir infrastrukturen som hjelper hele selskapet med å avgjøre hva det skal gjøre videre.

Hvordan AI endrer CX til infrastruktur

Alle selskaper investerer i AI-agenter, kopiloter og automatisering. Men de fleste gjør den samme feilen. De optimaliserer individuelle funksjoner i stedet for selskapet som helhet.

Kundene opplever ikke organisasjonskartene våre. De opplever den samlede effekten av hver beslutning vi tar. Derfor må kundekontekst være tilgjengelig i hele selskapet.

I fremtiden vil ikke produktteam prioritere funksjoner uten kundekontekst. Markedsføring vil ikke lansere kampanjer uten kundekontekst. Kundestøtte vil ikke veilede agenter uten kundekontekst. AI-agenter vil ikke iverksette tiltak uten kundekontekst.

Det er derfor jeg mener at kundeopplevelsen blir infrastruktur. Hver kundeinteraksjon skaper kontekst. Hver beslutning bør bruke denne konteksten, og hvert resultat bør gjøre selskapet litt smartere.

Dette er en helt annen rolle for CX enn den har hatt de siste tjue årene. Det handler ikke lenger om å produsere rapporter eller engang om å generere innsikt. Det handler om å levere kundekonteksten som hvert team — og hver AI-agent — bruker til å ta beslutninger.

For selskapene som lykkes, vil ikke være de som har mest AI. Det vil være de der hver beslutning er forankret i en felles forståelse av kunden. For meg er dette neste kapittel for kundeopplevelsen: ikke som en avdeling, men som virksomhetens beslutningsinfrastruktur.

Hvordan MCP-er endrer kundeopplevelser og engasjement

Patrícia deler

I årevis var kundeinnsikt noe du oppsøkte. Du åpnet et dashbord, kjørte en rapport, laget en presentasjon og delte den i et møte. Den var verdifull, men var grunnleggende koblet fra øyeblikket beslutningene ble tatt.

Modellkontekstprotokoller (MCP-er) har stor innvirkning på kundeopplevelsen, og det har vi tatt til oss. I årevis var kundeinnsikt noe du oppsøkte. Du åpnet et dashbord, kjørte en rapport, laget en presentasjon og delte den i et møte. Den var verdifull, men var grunnleggende koblet fra øyeblikket beslutningene ble tatt.

Det siste året har vi endret dette ved å gjøre Birdies kontekstlag for kunder direkte tilgjengelig i AI-verktøyene folk allerede bruker hver dag. Enten noen bruker ChatGPT, Claude, Gemini eller en annen AI-arbeidsflate, kan de stille spørsmål og samhandle med dataene sine.

Det høres kanskje ut som en liten endring i grensesnittet, men det er en endring i driftsmodellen. Og det endrer fullstendig hvordan kundene opplever og samhandler med produktet ditt.

AI har ansvaret for hastighet, mens mennesker har ansvaret for vurderingene

AI bør ha ansvaret for hastighet. Mennesker bør ha ansvaret for vurderingene.

AI er eksepsjonelt god til å behandle data i stor skala. Den kan klassifisere millioner av kundeinteraksjoner, oppdage nye mønstre før de blir synlige i tradisjonelle måltall, koble sammen signaler på tvers av kanaler, anslå forretningspåvirkning og sende muligheter videre til de riktige teamene. Dette er arbeid ingen menneskelig organisasjon realistisk kan utføre i bedriftsskala.

Feilen mange selskaper gjør, er å forsøke å erstatte vurderinger med AI. Mennesker er avgjørende når vurderingsevne, ansvarlighet og tillit er viktig.

Når en kunde har hatt en virkelig dårlig opplevelse, trenger de ikke bare et riktig svar — de trenger å føle seg hørt. Når et produktteam avgjør om en opplevelse skal redesignes, er det en strategisk beslutning som innebærer avveininger som går langt utover det historiske data kan anbefale. I sterkt regulerte bransjer som bank og forsikring krever beslutninger om eskalering og risiko menneskelig ansvarlighet.

Muligheten ligger derfor i å styrke vurderingsevnen med kontekst. AI bør hjelpe oss med å forstå hva som skjer, hvorfor det skjer, hvor betydningsfullt det er, og hvem som bør ta ansvar for det. Mennesker avgjør hvilken fremtid de ønsker å skape.

Hvordan AI øker organisasjonens gjennomføringstempo

Den største forbedringen av kundeopplevelsen som har kommet fra AI, har ikke vært produktivitet. Det har vært organisasjonens gjennomføringstempo.

En av kundene våre, Agibank, analyserte mer enn 2.4 millioner samtaler og over 33,000 NPS-svar hvert kvartal. AI reduserte tiden det tok å forstå disse dataene med 80% og fremskyndet beslutningstakingen med 90%, noe som bidro til en reduksjon i kundeavgang på 10% i pilotmarkedene — omtrent $60,000 i bevart månedlig verdi.

En annen kunde, Neon, identifiserte friksjon for kundene tre til fire uker før den ble synlig i tradisjonelle driftsmåltall. Tiltak basert på disse signalene førte til en forbedring på 27% i appvurderinger og en reduksjon på 53% i antallet negative Android-vurderinger.

Verdien handler ikke bare om at AI analyserer tilbakemeldinger raskere. Den forkorter tiden dramatisk mellom et kundesignal og en forretningsbeslutning. Organisasjoner går fra å diskutere om et problem finnes, til å avgjøre hvordan det skal løses.

Hvorfor AI trenger kundekontekst

Den største feilkilden er imidlertid å anta at AI automatisk skaper visdom.

AI er utrolig god til å gjenkjenne mønstre, men mønstre uten forretningskontekst kan være misvisende. Hvis taksonomien din er svak, kundeinndelingen din er dårlig, eller organisasjonen din ikke forstår årsakssammenhenger, produserer AI ganske enkelt raskere svar på feil spørsmål.

Det er derfor kundekontekst er så viktig. Kontekst gjør mønstergjenkjenning om til gode beslutninger.

Hvordan målinger av chatbotavledning gir et misvisende bilde av kundeopplevelsen

Chatbotavledning er overhypet. De siste par årene har vi målt suksess ved å spørre: «Hvor mange henvendelser forhindret chatboten?» Det er feil måltall.

Å avlede en samtale løser ikke nødvendigvis kundens problem. Noen ganger gjør det det bare vanskeligere for dem å komme i kontakt med noen som kan hjelpe.

Vi har alle opplevd det selv: Du bruker fem minutter på å gå i sirkler med en chatbot, og ender likevel med å be om en kundebehandler. Selskapet regner dette som automatisering. Kunden opplever det som friksjon.

Det egentlige målet bør ikke være å avlede henvendelser. Det bør være å fjerne friksjon.

Hvis AI proaktivt kan identifisere en mislykket betaling, løse den før kunden legger merke til det, eller finne frem riktig informasjon slik at kunden aldri trenger å kontakte kundestøtte i utgangspunktet – da er det et godt resultat. Hvis AI bare skaper et nytt lag mellom kunden og en løsning, har vi optimalisert feil ting.

Dette gjenspeiler et bredere skifte innen CX. I årevis har vi optimalisert driftsmålinger som behandlingstid, håndtering eller avledning fordi de var enkle å måle. I økende grad innser vi at målingene som betyr noe, er kundeutfall: Løste vi problemet? Fjernet vi den underliggende årsaken? Økte tilliten? Trengte kunden oss mindre fordi opplevelsen faktisk ble bedre?

Derfor handler ikke fremtiden om at AI erstatter kundestøtte. Den handler om at AI hjelper organisasjoner med kontinuerlig å identifisere og eliminere kildene til kundefriksjon på tvers av virksomheten. Når du fjerner grunnen til at kundene kontakter deg i utgangspunktet, er det da du har skapt reell verdi – ikke fordi du avledet en samtale, men fordi det ikke lenger var noe problem å løse.

Hvorfor AI-integrasjon må begynne med forretningsproblemer

AI trenger ikke en bred visjon – den trenger en helt spesifikk oppgave.

Feilen er å starte med «Hvordan kan vi bruke AI?» Det bedre spørsmålet er: «Hvilken beslutning prøver vi å ta bedre?»

Når du er tydelig på beslutningen, følger alt annet etter: dataene du trenger, konteksten du trenger, arbeidsflyten du automatiserer, og hvordan du måler suksess.

Derfor mener jeg at de beste AI-prosjektene ikke starter med teknologi. De starter med et viktig forretningsproblem.

Still de riktige spørsmålene og grip denne muligheten

Her er mine råd:

1. Bruk mindre tid på å spørre hvordan AI kan brukes, og mer tid på å spørre hvilke beslutninger AI bør forbedre. Det er et langt mer strategisk spørsmål. De fleste organisasjoner har ikke et AI-problem – de har et beslutningsproblem. De har blitt utrolig gode på å samle inn kundedata, men bruker mye lengre tid på å handle ut fra denne informasjonen.
2. Slutt å behandle kundeinnsikt som mållinjen. Formålet med kundeinnsikt er ikke å lage bedre dashbord. Det er å ta bedre beslutninger. Hvis AI hjelper deg med å analysere tilbakemeldinger dobbelt så raskt, men organisasjonen fortsatt bruker seks måneder på å handle, har ingenting meningsfullt endret seg.
3. CX-ledere har en unik mulighet akkurat nå. I årevis har folk sett på kundeopplevelse som teamet som målte tilfredshet og rapporterte hva som hadde skjedd. Det er i endring. Kundeopplevelse blir kontekstlaget som hjelper alle deler av virksomheten med å avgjøre hva de skal gjøre videre. Produktteam bruker det til å prioritere veikart. Markedsføring bruker det til å forstå budskap. Driftsavdelinger bruker det til å fjerne friksjon. Økonomiavdelinger bruker det til å måle forretningspåvirkning. AI-agenter bruker det til å ta bedre beslutninger. Det er en langt større rolle enn å måle NPS.

Fremtiden for CX handler ikke om å bli mer operasjonell – den handler om å bli grunnleggende. Organisasjonene som vil lykkes det neste tiåret, blir ikke de som har mest AI. Det blir de som lærer raskere enn alle andre fordi hver kundeinteraksjon gjør virksomheten litt smartere.

Patrícia deler

Her er mine råd: Bruk mindre tid på å spørre hvordan AI kan brukes, og mer tid på å spørre hvilke beslutninger AI bør forbedre. Slutt å behandle kundeinnsikt som mållinjen. CX-ledere har en unik mulighet akkurat nå … Fremtiden for CX handler ikke om å bli mer operasjonell – den handler om å bli grunnleggende. Organisasjonene som vil lykkes det neste tiåret, blir de som lærer raskere enn alle andre fordi hver kundeinteraksjon gjør virksomheten litt smartere.

Følg med

Du kan følge arbeidet til Patrícia Osorio på LinkedIn. Og ta en titt på Birdie.

Flere ekspertintervjuer kommer på CX-lederen!