Teknologidirektør med ansvar for kundeopplevelse sier at CX-ledere er for opptatt av KI-resultater mens kundeopplevelsen svekkes

Oremeyi Akah er CCO hos Interswitch, et panafrikansk selskap for betalingsinfrastruktur som betjener både B2B- og B2C-segmentene.

Vi satte oss ned med Oremeyi for å høre om de imponerende resultatene hun ser fra AI-integrasjon på tvers av CX-organisasjonen sin. Underveis fortalte hun oss hvor CX-organisasjoner gjør feil i AI-integrasjonene sine.

Fra servicefunksjon til strategisk funksjon

Jeg er Oremeyi Akah, kundeopplevelsessjef i Interswitch Group — et panafrikansk selskap for betalingsinfrastruktur som opererer i 23 afrikanske markeder og knytter enkeltpersoner, bedrifter og myndigheter sammen med digitale finansielle tjenester.

Kundeorganisasjonen jeg leder, dekker hele spekteret av Interswitchs kommersielle relasjoner — fra store finansinstitusjoner og fintech-selskaper gjennom funksjonen vår for nøkkelkundeoppfølging, til forhandlere, fakturautstedere og sluttforbrukere som samhandler via digitale kanaler, kontaktsenter og fysiske kanaler. Vi betjener både B2B- og B2C-segmentene.

CX-ansvaret vårt spenner fra strategiske kunderelasjoner med tett oppfølging hos banker som Stanbic IBTC og Providus, til opplevelsen til millioner av vanlige nigerianere som gjennomfører transaksjoner med Verve-kort, Quickteller og vår betalingsinfrastruktur.

Teamet mitt håndterer relasjoner i skjæringspunktet mellom inntekter, tillit og nasjonal finansiell inkludering — noe som gjør kundeopplevelse til mer enn bare en servicefunksjon; den blir en strategisk funksjon.

Slik utvider AI radikalt det CX-team kan gjøre

For ett år siden gjennomgikk vi, med et team på 15 personer, manuelt bare 10 % av kundekontaktene på tvers av B2B- og B2C-kanalene våre. Det betydde at vi ikke kunne se 90 % av kundeopplevelsene — hver klage, hvert friksjonspunkt og hvert signal om regulatorisk risiko. Vi tok beslutninger om kundeopplevelse basert på et svært ufullstendig bilde.

Deretter implementerte vi et AI-drevet kvalitetssikringssystem som endret dette fullstendig. Nå analyserer vi 100 % av kundekontaktene. Vi gjennomgår hver eneste interaksjon, forhåndskategoriserer den etter alvorlighetsgrad og flagger regulatoriske risikoer, gjentatte feilmønstre eller områder som krever kritisk oppmerksomhet.

Tre ting endret seg som følge av dette.

1. Dekningen vår gikk fra 10 % til 100 % — uten at vi økte bemanningen. Dette representerer et tidoblet innsyn med de samme ressursene.
2. Vi gikk fra reaktiv til proaktiv. Tidligere fant vi bare problemer når kundene eskalerte dem. Nå finner vi dem før de eskalerer — og i betalingsinfrastruktur er denne forskjellen svært viktig, både for kundetillit og regulatorisk anseelse.
3. Det endret hva teamet vårt på 15 personer gjør. Teamet gikk fra å ta stikkprøver av kontakter til å handle på grunnlag av innsikt. Nå bruker de menneskelig dømmekraft der det betyr mest: på interaksjonene med høyest alvorlighetsgrad og høyest risiko som systemet avdekker.

Det er slik AI-støttet CX ser ut i praksis — ikke ved å erstatte mennesker, men ved å utvide radikalt hva de samme menneskene kan se og gjøre.

En AI-arbeidsflyt fra virkeligheten for håndtering av kundeinteraksjoner

Her er arbeidsflyten.

Den AI-drevne kvalitetssikringsplattformen vår, Gladly, tar automatisk inn hver kundeinteraksjon — enten den skjer via tale, e-post, chat eller andre digitale kanaler.

Først forstår AI-en samtalen. Den klassifiserer problemet, vurderer stemningen, fastslår alvorlighetsgraden, identifiserer potensiell regulatorisk risiko eller omdømmerisiko, oppdager gjentatte feilmønstre og forutsier den mest hensiktsmessige rutingen og sannsynlige løsningsveien basert på lignende historiske saker.

Deretter deler arbeidsflyten seg basert på kompleksitet.

For ukompliserte saker sender AI-en saken til riktig team, med relevant kontekst allerede samlet inn for raskere løsning.

For saker med høyere risiko eller høy verdi – særlig saker som involverer bankpartnerne våre eller problemstillinger med regulatoriske konsekvenser – eskalerer vi saken umiddelbart med en anbefalt prioritet. Deretter tar menneskelig ekspertise over. Spesialistene våre gjennomgår KI-ens anbefalinger, bruker skjønn, vurderer det bredere kundeforholdet og fastsetter riktig respons og tiltak for å gjenopprette tjenesten.

Arbeidsflyten avsluttes ikke når saken er lukket.

KI samler kontinuerlig innsikt på tvers av alle interaksjoner og identifiserer tilbakevendende problemområder, nye driftsfeil og kundetrender som enkeltsaker aldri ville avdekket. Denne innsikten inngår direkte i initiativene våre for operasjonell fremragendehet, produktforbedringer, prosessutforming og lederdashbord, slik at vi kan håndtere rotårsakene i stedet for bare å løse individuelle klager.

Hvorfor både KI og menneskelig kontakt er nødvendig

Overordnet håndterer KI arbeid i stor skala – arbeid som krever bredde, hurtighet og mønstergjenkjenning på tvers av millioner av datapunkter. Dette omfatter blant annet fullstendig kontaktanalyse, forhåndskategorisering etter alvorlighetsgrad, prioritering av problemer, varsling om regulatorisk risiko og identifisering av gjentakende feilmønstre før de utvikler seg til kriser. KI fungerer også som et tidlig varslingslag for eskalering – systemet forteller oss hva som trenger menneskelig oppmerksomhet, og hvor raskt.

Tre oppgaver forblir menneskelige, og det er helt bevisst.

1. Eskalering og skjønn: KI forteller oss hva vi skal se på; mennesker avgjør hva vi skal gjøre, særlig når relasjonelle hensyn eller regulatorisk følsomhet er viktig.
2. Tiltak for å gjenopprette tjenesten: Ingen modell håndterer dette – særlig ikke på B2B-siden, der en samtale med en bank på nivå 1 er et viktig relasjonsøyeblikk, ikke bare en sak.
3. Forstå den faktiske kundeopplevelsen: Dette er det jeg bryr meg mest om. Den faktiske kundeopplevelsen kan ikke reduseres til data alene. Vi investerer i etnografisk og opplevelsesbasert kundeinvolvering. Vi sitter sammen med kundene, ser hvordan de samhandler med produktene våre, og lytter til det de sier når ingen gjennomfører en undersøkelse. Denne typen innsikt – den ufiltrerte, uoppfordrede og atferdsmessige sannheten – danner grunnlaget for de viktigste beslutningene våre om utforming av kundereiser. KI kan identifisere hva som gikk galt i stor skala. Et menneske i rommet forstår hvorfor.

KI utvider det vi kan se. Mennesker avgjør hva det betyr, og hva vi skal gjøre med det. Begge deler er nødvendig. Ingen av delene er tilstrekkelig alene.

Slik forbedrer KI håndteringen av henvendelser og tilfredsheten

Oreme­yis tanker

Kvalitativt har vi endret teamkulturen fra brannslukking til intelligensbasert ledelse. Det er vanskeligere å kvantifisere, men lettere å merke – i hvordan vi gjennomfører gjennomganger, hvordan vi samarbeider med kontoene, og hvordan vi snakker om kunden i ledersamtaler.

Tallene forteller en overbevisende historie.

Som nevnt tok vårt KI-drevne kvalitetssikringssystem oss fra å gjennomgå 10 % til 100 % av alle kundekontakter med det samme teamet på 15 personer – en tidobling av innsynet uten ekstra kostnader til bemanning.

Den KI-drevne selvbetjeningsportalen vår reduserte også den manuelle håndteringen av henvendelser med over 54 %, og avgjørende nok avviser den ikke bare henvendelser – den prioriterer dem intelligent basert på kundemengde og trenddata, slik at mennesker tar tak i de riktige tingene først.

Og den videre effekten på opplevelsen har vært målbar: CSAT økte med 60 %. Behandlingstidene ble betydelig bedre. Og kanskje det tallet jeg er mest stolt av – medarbeidertilfredsheten økte med over 70 %. Når teamet ditt slutter å drukne i mengder og begynner å gjøre meningsfylt arbeid, vises det i hvordan de møter kundene.

Kvalitativt har vi endret teamkulturen fra brannslukking til intelligensbasert ledelse. Det er vanskeligere å kvantifisere, men lettere å merke – i hvordan vi gjennomfører gjennomganger, hvordan vi samarbeider med kontoene, og hvordan vi snakker om kunden i ledersamtaler.

Hvorfor kundeopplevelsesledere må fokusere på overlevering og eskalering

Mesteparten av energien ved redesign rettes mot frontenden – chatboten, personaliseringsmotoren og automatiseringen av repetitive henvendelser. Dette arbeidet er nødvendig og allerede i stor grad i gang. Men skjøten som avgjør om AI hjelper eller skader relasjonen, behandles ofte som en funksjon som skal konfigureres senere, til tross for at det er systemet som i størst grad avgjør tilliten.

Forskning peker i samme retning fra flere hold. En CX-studie fra 2025 fant at 79 % av respondentene foretrekker et menneske fremfor en AI-agent ved komplekse problemer – eskaleringsveien er altså ikke valgfri; det som er valgfritt, er om den fungerer smidig. Kostnaden ved å gjøre dette feil er nå tallfestet: 48 % av kundene ville forlatt en merkevare hvis de måtte forklare problemet sitt på nytt etter å ha blitt overført til et menneske, og 40 % ville gått sin vei hvis de måtte bekrefte identiteten sin på nytt. Feilen handler ikke om treghet – den handler om at en dårlig overlevering visker ut alt kunden allerede har fortalt deg, og tilliten AI-en bygget opp, fordamper akkurat idet innsatsen øker.

To funn gjør dette relevant på styrenivå. For det første innrømmer bransjen stille at den har automatisert for mye: Gartner anslår at halvparten av selskapene som kutter kundeservicepersonell på grunn av AI, innen 2027 vil ansette folk på nytt til lignende arbeid under andre stillingsbetegnelser. For det andre er den strategiske konklusjonen tydelig – merkevarene som mest sannsynlig vil oppnå tillit med AI-agenter, er ikke de som haster med å eliminere menneskelig kontakt, men de som utformer tydelig eskalering, bevaring av kontekst og ærlig informasjon.

Hvorfor AI ikke reduserer behovet for menneskelig kontakt

To områder utviklet seg ikke slik vi hadde forventet, men begge lærte oss noe viktig.

Det første: Vi trodde AI kunne redusere behovet for menneskelig kontakt betydelig. Det gjorde den ikke – ikke slik vi håpet. Volumet gikk ned, ja. Men behovet for ekte menneskelig samhandling gjorde ikke det. Når vi ser tilbake på det, burde det ikke ha overrasket oss. Vi arbeider med penger – menneskers penger, bedrifters penger – og når noe går galt, eller innsatsen føles høy, vil folk snakke med et menneske. Ikke en bot, ikke en portal. En menneskelig stemme som forstår, tar ansvar og handler. AI kan håndtere store mengder henvendelser. Den kan ikke gjenskape nærvær. Vi er tross alt mennesker.

Det andre: intelligens i produktdesign. Vi forventet at AI-avledede data skulle fortelle oss hvordan kundene ønsket at produktene skulle utformes. Det kunne de ikke – i hvert fall ikke fullt ut. Atferdsdata forteller deg hva folk gjør. De forteller deg ikke hva de skulle ønske fantes, eller hva som frustrerer dem på et nivå de ennå ikke har satt ord på. For å finne ut av det gikk vi tilbake til det grunnleggende – vi satt sammen med kunder, hadde reelle samtaler og gjorde etnografisk arbeid. Innsikten som endret hvordan vi tenkte om produktet, kom fra disse rommene, ikke fra dashbordene.

AI er svært god på skala og mønstre. Den er ikke god på nyanser, følelser eller fantasi. Dette forblir sta og uomtvistelig menneskelig – og kanskje er det akkurat slik det bør være.

Hvorfor CX-ledere må lære å måle resultater

Det første pilotprosjektet vårt fungerte. Modellen presterte, dashbordene lyste opp, og demonstrasjonene for interessentene traff godt. Jeg forsto ikke at ingenting av dette besvarte det eneste spørsmålet toppledelsen ville stille seks måneder senere: "Hva ga dette tilbake, og hvordan vet du det?"

Jeg hadde optimalisert for å bevise kapasitet. Jeg burde ha optimalisert for å bevise verdi ved å etablere et utgangspunkt for måltallet vi hadde til hensikt å endre, skille AI-bidraget fra andre endringer og på forhånd bli enig med økonomiavdelingen om hvordan suksess skulle måles. Det hadde vi ikke gjort, så da investeringsgrunnlaget skulle vurderes, rekonstruerte jeg utgangspunktet i etterkant og forsvarte en tilskrivning jeg ikke kunne dokumentere på en ryddig måte.

Den vanskeligste lærdommen gjelder toppledelsen, ikke leverandøren eller verktøyet. En imponerende demonstrasjon er lett å kjøpe og vanskelig å forsvare. Når du eier budsjettposten, er entusiasme ikke leveransen – det er et tall du kan stå inne for foran styret. De fleste AI-pilotprosjekter imponerer. Langt færre er utstyrt med målinger som beviser at de har tjent inn kostnadene, og du må bygge inn denne målingen fra dag én, fordi den ikke kan ettermonteres.

Så dette er det jeg ville sagt til alle som starter sitt første pilotprosjekt: Bestem deg for hvordan du skal bevise avkastningen før du bygger noe som helst, og møt det imponerende resultatet med skepsis helt til tallet holder mål.

Hvordan de umålbare delene av CX sakte svikter

Oremeyis tanker

Det praktiske som står igjen, er at lederne som vil lykkes, vil gjøre det som ikke er målt, målbart, i stedet for å automatisere det bort eller forsvare det basert på tro. Jeg baserer meg for øyeblikket på tro når det gjelder deler av dette, og jeg tror ikke tro er godt nok.

Dette er det jeg er bekymret for. Vi automatiserer den halvdelen av kundeopplevelsen som er billig å måle, og lar i stillhet den halvdelen som er dyr å måle, forfalle — og tallene vil fortelle oss at vi lykkes helt til vi har mistet noe vi ikke kan bygge opp igjen.

AI utmerker seg på de delene av kundeopplevelsen som dukker opp i dashbordene: avverging, behandlingstid, kostnad per kontakt og hastighet på problemløsningen. Derfor optimaliserer vi disse, fordi et styre lett kan forstå dem. Men det som bygger et varig forhold — hvorfor en kunde føler seg trygg, hva som gjør at kunden tilgir etter en feil, og følelsen av at noen tar ansvar for utfallet deres — finnes ikke i dataene, og vi kan ikke automatisere det.

Så bekymringen min er ikke at AI vil utføre målbart arbeid dårlig. Det er at ved å gjøre målbart arbeid så billig og synlig, omdefinerer det gradvis «god kundeopplevelse» som bare det målbare arbeidet. Den ikke-målte halvdelen svikter ikke høylytt; den blir bare gradvis mindre omfattende mens alle målene på veggen fortsetter å bli bedre.

Det jeg ikke har avklart — og dette er den ærlige versjonen — er at jeg ikke klarer å skille min egen skjevhet tydelig fra den reelle risikoen. Det er praktisk for en som har en karriere basert på menneskelig dømmekraft og empati, å tro at disse tingene ikke kan erstattes. Jeg prøver å gjette hvor mye av overbevisningen min som er ekte fremsyn, sammenlignet med profesjonell egeninteresse.

Deler av påstanden om at «AI ikke kan utvise empati» er sannsynligvis en trøstefortelling CX-ledere forteller seg selv, og grensen for hva teknologien kan klare, flytter seg raskere enn denne fortellingen antar. Så det som virkelig opptar meg, har to sider: Jeg tror vi beskytter den ikke-målte halvdelen av kundeopplevelsen for dårlig, og jeg er skeptisk til hvor sterkt jeg ønsker at dette skal være sant.

Det praktiske som står igjen, er at lederne som vil lykkes, vil gjøre det som ikke er målt, målbart — måle tillit, eierskap og gjenoppretting etter feil direkte — i stedet for å automatisere det bort eller forsvare det basert på tro. Jeg baserer meg for øyeblikket på tro når det gjelder deler av dette, og jeg tror ikke tro er godt nok.

Tre råd til CX-ledere som tar i bruk AI

Overordnet er dette mine råd til CX-ledere:

1. Vær ekte. Vær medfølende. Støyen rundt AI i kundeopplevelsen er enorm — og mye av den er haussing som jakter på mer haussing. Skjær gjennom den ved å ta utgangspunkt i ett spørsmål: «Gjør dette livet bedre for kunden min?» Ikke bedre i et dashbord. Bedre i kundens hverdag. Hvis svaret er ja, bør du gå videre med det. Hvis det bare er imponerende, bør du la det ligge. Kundene husker ikke teknologistakken din. De husker hvordan du fikk dem til å føle seg. Det har ikke endret seg, og AI endrer ikke dette.
2. Fortsett å lære — utrettelig. Dette landskapet beveger seg raskere enn noen av oss ble utdannet for. Lederne som står best rustet til å betjene kundene sine om fem år, er de som er nysgjerrige nok til å innrømme i dag at de ikke har funnet ut av alt. Les. Still spørsmål. Snakk med kolleger på tvers av bransjer og geografiske områder. Sett deg ned sammen med kundene dine. I det øyeblikket du slutter å lære i dette miljøet, begynner du å sakke akterut — stille, og så plutselig.
3. Ikke vær redd for å eksperimentere. Ikke alle initiativer vil lykkes. Noen av de største innsiktene våre kom fra initiativer som ikke fungerte som planlagt. Det er ikke nederlag — det er kunnskap, dyrt innhentet. Bygg en kultur der teamet ditt føler seg trygt nok til å prøve, lære og justere. Organisasjonene som vil lede an innen kundeopplevelse, har ikke den mest sofistikerte AI-en — de har de modigste og mest nysgjerrige teamene bak den.

Streb etter å vinne for mennesker, ikke for presentasjonens skyld.

Følg med videre

Du kan følge arbeidet til Oremeyi Akah på LinkedIn.

Flere ekspertintervjuer kommer på The CX Lead!