Kierownik ds. sukcesu klienta omawia przepływy pracy, które oszczędzają czas i zwiększają zadowolenie klientów

Ajay Balamurugadas jest kierownikiem ds. sukcesu klienta i strategii w PostQode, firmie oferującej produkt do tworzenia oprogramowania oparty na sztucznej inteligencji.

Porozmawialiśmy z Ajayem, aby dowiedzieć się, jak wykorzystuje AI do zwiększania zadowolenia klientów. Oto, co nam powiedział.

Autonomiczni agenci AI w tworzeniu oprogramowania

Nazywam się Ajay Balamurugadas i jestem doświadczonym liderem w dziedzinie inżynierii jakości. Od dwóch lat pełnię funkcję kierownika ds. sukcesu klienta i strategii w PostQode — firmie produktowej, która wykorzystuje autonomicznych agentów AI na każdym etapie cyklu życia tworzenia oprogramowania.

Wśród naszych klientów znajdują się startupy, przedsiębiorstwa oraz firmy usługowe obsługujące własnych klientów.

Jak AI zwiększa zadowolenie klientów

W ciągu ostatniego roku wprowadziliśmy dwie konkretne zmiany w sposobie, w jaki zapewniamy doświadczenia klientów z wykorzystaniem AI.

Po pierwsze, szeroko wykorzystujemy AI do badania klientów. Zamiast polegać wyłącznie na ręcznej analizie spotkań, opinii i dokumentów, używamy AI do podsumowywania rozmów, identyfikowania powtarzających się problemów oraz wyodrębniania oczekiwań. AI analizuje również firmę klienta, jej działalność biznesową, konkurentów i możliwe rozwiązania, wskazując różnice między tym, co klienci mówią, a tym, czego faktycznie potrzebują.

Analiza i podsumowywanie wspomagane przez AI skróciły czas przeznaczany na badania klientów i rynku z niemal całego dnia roboczego do zazwyczaj 1-2 godzin.

Po drugie, wprowadziliśmy wsparcie w rozwiązywaniu problemów oparte na AI do analizy i usuwania usterek. AI pomaga analizować dzienniki zdarzeń, wzorce błędów, wyniki testów i historyczne problemy, aby szybko zawęzić listę możliwych przyczyn źródłowych i zaproponować kolejne kroki. Usprawniło to czas reakcji, ograniczyło nakład pracy związany z analizą i umożliwiło zespołom szybsze rozwiązywanie problemów klientów przy lepszym zrozumieniu kontekstu.

AI generuje również dokumentację i zarządza nią, w tym przewodniki wdrożeniowe, często zadawane pytania dotyczące rozwiązywania problemów oraz dokumenty porównawcze — ponownie skracając czas i zmniejszając wysiłek potrzebny do ich przygotowania z dni do godzin.

A co najważniejsze, wszystko to doprowadziło do większego zadowolenia klientów.

Jak AI może usprawnić procesy badawcze CX

Ajay dzieli się

Prosimy AI o sugerowanie strategii pozycjonowania, propozycji wartości, odpowiednich przypadków użycia oraz dopasowanych sposobów przedstawienia rozwiązania… Pomaga to zespołowi wcześniej przygotować odpowiedzi i poprawić jakość rozmów z klientami.

Oto proces badania CX, który stosujemy, zanim dojdzie do pierwszej rozmowy z klientem.

Zaczynamy od wykorzystania Perplexity AI do poznania firmy potencjalnego klienta, branży, konkurentów, pozycji rynkowej i ostatnich działań. Pomaga nam to zbudować solidne zrozumienie kontekstu przed nawiązaniem kontaktu z klientem.

Następnie używamy Claude'a lub ChatGPT, aby połączyć te informacje ze szczegółowymi danymi na temat naszej organizacji i określić, jak nasza platforma może najlepiej pomóc konkretnemu potencjalnemu klientowi. Prosimy AI o sugerowanie strategii pozycjonowania, propozycji wartości, odpowiednich przypadków użycia oraz dopasowanych sposobów przedstawienia rozwiązania.

Następnie używamy ChatGPT lub Gemini do symulowania prawdopodobnych zastrzeżeń, obaw i pytań klientów. Pomaga to zespołowi wcześniej przygotować odpowiedzi i poprawić jakość rozmów z klientami.

Podczas spotkań z klientami nagrywamy i transkrybujemy rozmowy. Używamy ChatGPT do podsumowywania dyskusji, tworzenia uporządkowanych protokołów spotkań, identyfikowania zadań do wykonania oraz rejestrowania oczekiwań i zagrożeń wskazywanych przez klientów.

Po spotkaniu wykorzystujemy Claude'a i ChatGPT do tworzenia materiałów pomocniczych, takich jak dokumenty dotyczące rozwiązań, przewodniki wdrożeniowe, dokumenty porównawcze, diagramy, przepływy pracy i materiały dotyczące rozwiązywania problemów.

Dlaczego relacji i niuansów nie można powierzyć AI

Ale nie wykorzystujemy AI do wszystkiego.

Budowanie relacji i więź emocjonalna pozostają domeną człowieka. Uważamy, że zaufania, empatii i długoterminowych relacji nie można powierzyć AI. Ludzie bezpośrednio zajmują się osobistymi interakcjami, takimi jak sprawdzanie postępów klientów w realizacji celów, rozumienie ich postępów, składanie życzeń z okazji szczególnych wydarzeń oraz utrzymywanie autentycznej więzi międzyludzkiej.

AI wspiera relację, ale to ludzie ją budują i podtrzymują.

Ponadto w wielu przypadkach kluczowy kontekst dotyczący klienta znajduje się w wiadomościach e-mail, systemach CRM, notatkach ze spotkań, nagraniach rozmów, zgłoszeniach do pomocy technicznej i wewnętrznych dyskusjach, przez co AI nie zapewnia oczekiwanych rezultatów. W tych obszarach, w których brakuje ciągłości kontekstu, nadal konieczna jest interwencja człowieka w celu interpretacji niuansów, zweryfikowania rekomendacji i połączenia informacji z różnych źródeł.

Dlaczego procesy awaryjne są niezbędne w przypadku AI

Integracja AI z działaniami związanymi z obsługą klienta przyniosła zatem znaczną oszczędność czasu i wysiłku, poprawiła spójność oraz przekształciła działania wcześniej zależne od pojedynczych osób w bardziej skalowalne i powtarzalne procesy.

Pojawiły się jednak również wyzwania. Jednym z nich jest efekt „zbyt piękne, żeby było prawdziwe”, gdy wyniki generowane przez AI czasami wydają się niezwykle wiarygodne, nawet gdy wymagana jest dokładniejsza weryfikacja. Oznacza to, że ludzka weryfikacja i osąd pozostają ważne w przypadku krytycznych decyzji i rekomendacji kierowanych do klientów.

Kolejnym wyzwaniem jest zależność operacyjna. Gdy zespoły przyzwyczają się do przepływów pracy wspomaganych przez AI, trudno im utrzymać tę samą szybkość i spójność podczas przestoju AI lub niedostępności narzędzia. Podkreśla to znaczenie posiadania procesów awaryjnych i zapewnienia, że zespoły nadal zachowują podstawowe rozumienie domeny oraz zdolność do podejmowania decyzji.

Dlaczego liderzy CX muszą znać oczekiwane rezultaty przed wyborem narzędzi

Przed wyborem narzędzi lub modeli ważne jest dokładne zrozumienie pożądanego rezultatu.

Początkowo zakładaliśmy, że jeden model będzie skutecznie obsługiwać każdy rodzaj zadania, ale szybko przekonaliśmy się, że różne modele lepiej sprawdzają się w różnych zastosowaniach. Niektóre lepiej nadają się do prowadzenia badań, inne do rozumowania, jeszcze inne do tworzenia uporządkowanej dokumentacji, a pozostałe do podsumowywania lub zadań konwersacyjnych. Wybór odpowiedniego modelu do właściwego działania może znacząco poprawić jakość oraz ograniczyć koszty i nakład pracy.

Kolejna ważna lekcja: nie należy podchodzić do większych problemów jak do jednego ogromnego zadania AI. Podzielenie złożonych przepływów pracy na mniejsze, jasno zdefiniowane zadania i koordynowanie ich krok po kroku prowadzi do znacznie lepszych i bardziej niezawodnych rezultatów.

Jak kierować zespołami w skutecznym korzystaniu z AI

Ajay dzieli się

\u003cstrong\u003eZapewniamy skuteczne wdrożenie, wspierając wspólną naukę i korzystanie z AI w całym zespole… Ponadto stale dzielimy się wewnętrznie odkryciami, przykładami, artykułami, promptami i skutecznymi przepływami pracy, aby wiedza szybko rozprzestrzeniała się w całej organizacji, zamiast pozostawać w rękach kilku osób.\u003c/strong\u003e

Zapewniamy skuteczne wdrożenie, wspierając wspólną naukę i korzystanie z AI w całym zespole. Regularnie szkolimy członków zespołu w zakresie różnych narzędzi AI, zastosowań, sposobów tworzenia promptów i przepływów pracy związanych z działaniami dotyczącymi obsługi klienta.

Ponadto stale dzielimy się wewnętrznie odkryciami, przykładami, artykułami, promptami i skutecznymi przepływami pracy, aby wiedza szybko rozprzestrzeniała się w całej organizacji, zamiast pozostawać w rękach kilku osób. Wspólnie analizujemy również wyniki, pomagamy członkom zespołu ulepszać kontekst i jakość promptów oraz prezentujemy materiały tworzone na różnych etapach zaangażowania klientów.

Ten ciągły cykl szkoleń, dzielenia się wiedzą, przeglądania wyników i prezentowania materiałów pomaga zespołowi budować pewność siebie oraz skuteczniej i bardziej konsekwentnie korzystać z AI w rzeczywistych sytuacjach związanych z klientami.

Jak AI zmienia obszary, w których należy stosować wiedzę ekspercką w CX

Tradycyjnie zadania takie jak dogłębne badania klientów, analiza konkurencji, tworzenie dokumentacji, podsumowywanie spotkań czy przygotowywanie rozwiązań zależały od konkretnych ekspertów posiadających wieloletnią wiedzę i doświadczenie w danej dziedzinie. AI może obecnie szerzej przyspieszać i wspierać wiele z tych działań, umożliwiając większej liczbie członków zespołu skuteczny wkład przy odpowiednich wskazówkach i kontekście.

Nie eliminuje to potrzeby posiadania wiedzy eksperckiej, ale zmienia sposób, w jaki ją wykorzystujemy. Zamiast poświęcać większość czasu na gromadzenie informacji i powtarzalne przygotowania, specjaliści mogą w większym stopniu koncentrować się na strategii, relacjach, podejmowaniu decyzji i rezultatach osiąganych przez klientów.

Jak liderzy CX powinni podchodzić do AI

Radziłbym liderom CX traktować AI jako asystenta, a nie zastępstwo. Jakość rezultatów w dużej mierze zależy od jakości dostarczonego kontekstu. Stale dostarczaj AI istotny kontekst biznesowy, historię klienta, przepływy pracy, a nawet „kontekst dotyczący kontekstu”, aby mogło generować dokładniejsze i bardziej wartościowe wyniki.

Pamiętaj również, że różne narzędzia AI sprawdzają się w różnych przypadkach użycia. Poświęć czas na poznanie mocnych stron i ograniczeń poszczególnych narzędzi w zakresie badań, wsparcia, analityki, dokumentacji, automatyzacji i personalizacji.

Co najważniejsze, nieustannie eksperymentuj. Organizacje czerpiące największą wartość z AI to te, które aktywnie testują pomysły, udoskonalają przepływy pracy, wyciągają wnioski z porażek i szybko się dostosowują. Wdrożenie AI nie jest jednorazową implementacją — to rozwijana zdolność, która doskonali się wraz z użytkowaniem, informacjami zwrotnymi i iteracjami.

Śledź na bieżąco

Możesz śledzić działalność Ajaya Balamurugadasa na platformie LinkedIn.

Wkrótce na The CX Lead pojawią się kolejne wywiady z ekspertami!