Założyciel i lider CX mówi, że sztuczna inteligencja skierowana do klientów zawodzi, gdy firmy ignorują otaczającą ją podróż klienta
Jaco van den Heever
Dyrektor generalny Sand Dollar Design
Jaco van den Heever wyjaśnia, dlaczego sztuczna inteligencja poprawia doświadczenia klienta, gdy zmniejsza tarcia w podróży klienta, usprawnia przepływy pracy pracowników i pozostawia osąd ludziom.
Key Takeaways
Główny pogląd: Skuteczne doświadczenie klienta wykorzystuje sztuczną inteligencję do zmniejszania wysiłku i usprawniania podróży klienta, a nie tylko do dodawania technologii do dopracowanych interfejsów.
Ludzki osąd: Sztuczna inteligencja może analizować wzorce i przygotowywać kontekst, ale to ludzie muszą odpowiadać za empatię, etykę, ustalanie priorytetów i podejmowanie wrażliwych decyzji.
Wcześniejsze testowanie: Tworzenie prototypów wspomagane przez sztuczną inteligencję pozwala zespołom wcześniej testować realistyczne doświadczenia związane z produktem, poprawiając jakość informacji zwrotnych przed rozpoczęciem kosztownego procesu tworzenia.
Najpierw kontekst: Silny kontekst, uporządkowane informacje i jasne ograniczenia poprawiają wyniki sztucznej inteligencji bardziej niezawodnie niż samo formułowanie poleceń.
Doświadczenie pracownika: Wspomagane przez sztuczną inteligencję doświadczenie klienta poprawia się, gdy wewnętrzne przepływy pracy pomagają pracownikom uzyskiwać dostęp do kontekstu, ograniczać administrację i szybciej obsługiwać klientów.
Jaco van den Heever jest seryjnym założycielem firm i ma doświadczenie w cyfrowej obsłudze klienta. Obecnie jest dyrektorem generalnym Sand Dollar Design, zdalnej firmy konsultingowej zajmującej się strategią UX, projektowaniem produktów i tworzeniem rozwiązań AI.
Spotkaliśmy się z Jaco, aby dowiedzieć się, jak wykorzystuje AI do usprawniania procesów związanych z CX — oraz jak zastosowanie AI w EX może poprawić CX.
CX to coś więcej niż dopracowany interfejs
Nazywam się Jaco van den Heever, jestem założycielem i dyrektorem generalnym Sand Dollar Design. Od ponad 20 lat pracuję na styku cyfrowej obsługi klienta, strategii produktu, UX i technologii. Zanim założyłem Sand Dollar Design, kierowałem pracami nad produktami cyfrowymi i wielokanałowymi w aplikacjach mobilnych, witrynach internetowych i platformach usługowych. Ukształtowało to moje spojrzenie na CX: nie chodzi wyłącznie o dopracowany interfejs, ale o to, czy produkt, usługa i model operacyjny działają z myślą o użytkownikach.
W Sand Dollar Design pomagamy startupom, małym i średnim przedsiębiorstwom oraz zespołom korporacyjnym ulepszać produkty cyfrowe i ścieżki klienta poprzez strategię UX, badania UX, projektowanie produktów oraz, coraz częściej, tworzenie MVP i produktów z wykorzystaniem AI.
Nasze kanały obejmują witryny internetowe, aplikacje mobilne, portale klientów, platformy B2B, narzędzia wewnętrzne, pulpity nawigacyjne i systemy przepływu pracy. Naszymi klientami są zazwyczaj założyciele firm, liderzy ds. produktów, zespoły ds. innowacji, zespoły ds. transformacji cyfrowej oraz liderzy przedsiębiorstw, którzy chcą ograniczyć tarcia, zwiększyć wykorzystanie produktów i podejmować lepsze decyzje dotyczące produktów przed zaangażowaniem znacznych zasobów w ich tworzenie.
Działamy globalnie, mając doświadczenie w Republice Południowej Afryki, Stanach Zjednoczonych, Wielkiej Brytanii i Europie. Realizowaliśmy projekty w złożonych sektorach, w tym w usługach finansowych, ochronie zdrowia, telekomunikacji, handlu B2B i oprogramowaniu dla przedsiębiorstw.
More Articles
Jak można wykorzystać AI do uproszczenia ścieżki klienta
Wprowadzam AI znacznie wcześniej na ścieżkę klienta, szczególnie podczas wdrażania użytkowników i odkrywania produktu.
Dobrym przykładem jest GigExecs, platforma, którą współtworzyłem dla doświadczonych specjalistów poszukujących pracy w niepełnym wymiarze, pracy tymczasowej i projektowej. Dostrzegliśmy punkt tarcia: starsi stażem specjaliści często mają bogate doświadczenie, ale przekształcenie go w jasny, możliwy do wyszukania i przekonujący profil wymaga wysiłku. Użytkownicy albo nadmiernie się rozpisują, albo nie doceniają własnych kompetencji, albo odkładają ukończenie procesu wdrażania, ponieważ pusta strona wydaje się kolejnym zadaniem do wykonania. Wpływało to na ich doświadczenia.
Dlatego zaprojektowaliśmy to doświadczenie wokół tworzenia profili wspomaganego przez AI. Zamiast oczekiwać od użytkowników ręcznego napisania wszystkiego od podstaw, proces wspomagany przez AI interpretuje CV, profil na LinkedInie lub dane wprowadzone w formie rozmowy, a następnie przekształca je w klarowniejsze przedstawienie kompetencji, treść profilu i uporządkowane dane.
Najważniejsza zmiana nie polegała po prostu na „dodaniu AI”. Chodziło o przeprojektowanie ścieżki tak, aby wartość można było osiągnąć przy mniejszym wysiłku.
Zmieniło to moje szersze spojrzenie na AI w CX. Coraz częściej szukam punktów na ścieżce, w których użytkownicy utknęli, czują się niepewnie, są przeciążeni lub muszą przełożyć swoje potrzeby na język systemu. To często najlepsze miejsca do zastosowania AI.
Rezultatem jest bardziej praktyczne spojrzenie na AI w obsłudze klienta. Mniej interesuje mnie AI jako warstwa będąca nowinką, a bardziej jako sposób na ograniczenie wysiłku, zwiększenie trafności i ułatwienie ludziom przechodzenia przez cyfrową ścieżkę z większą pewnością siebie.
Jakie zadania związane z CX powinny być wykonywane przez AI
Obecnie polegam na AI, aby wspierała lub napędzała kilka działań związanych z CX:
- Syntezowanie badań użytkowników
- Identyfikowanie powtarzających się punktów tarcia
- Ustalanie priorytetów problemów na podstawie danych z działu wsparcia lub opinii
- Tworzenie pierwszych wersji treści
- Przyspieszanie prototypowania
- Tworzenie bardziej spersonalizowanych wariantów ścieżki klienta
Syntezowanie badań użytkowników szczególnie się wyróżnia. W typowym projekcie badawczym gromadzimy duże ilości danych jakościowych: notatki z wywiadów, transkrypcje, odpowiedzi z ankiet, wyniki badań użyteczności, opinie interesariuszy i obserwacje ścieżek klienta. W przeszłości synteza była procesem manualnym. Nadal przeprowadzamy analizę przez ludzi, ale AI pomaga nam teraz znacznie szybciej znajdować wzorce. Pomaga grupować tematy, dostrzegać powtarzające się punkty tarcia, porównywać opinie różnych typów użytkowników i identyfikować sygnały wymagające dalszego zbadania. Oznacza to, że poświęcamy mniej czasu na porządkowanie danych, a więcej na zadawanie trudniejszych pytań: co to oznacza, co klient powinien zrobić dalej i które decyzje dotyczące produktu wymagają zmiany?
Które zadania związane z CX powinny wykonywać ludzie
Do zadań, które wyraźnie pozostawiam ludziom, należą te wymagające osądu, zaufania i odpowiedzialności.
Na przykład projektowanie ścieżki klienta nadal wymaga ludzkiego osądu, ponieważ wiąże się z kompromisami między potrzebami klientów, celami biznesowymi, realiami operacyjnymi i ograniczeniami technicznymi. Odzyskiwanie zaufania klienta również powinno pozostawać prowadzone przez człowieka, gdy pojawia się frustracja, ryzyko finansowe, wrażliwość medyczna, wpływ na reputację lub kontekst emocjonalny. AI może wskazać problem i przygotować kontekst, ale to człowiek powinien zdecydować, jak zareagować.
To samo dotyczy strategii produktu i ustalania priorytetów. AI może pomóc nam szybciej dostrzegać wzorce, ale nie powinno decydować o tym, co jest najważniejsze. Nadal wymaga to zrozumienia klienta, modelu biznesowego, obietnicy marki i konsekwencji popełnienia błędu.
Moje zdanie jest więc proste: AI powinno zmniejszać wysiłek, poprawiać kontekst i przyspieszać zdobywanie wiedzy. Ludzie powinni podejmować decyzje, w których najważniejsze są empatia, etyka, zaufanie i osąd biznesowy.
Jaco States
…moje zdanie jest więc proste: AI powinno zmniejszać wysiłek, poprawiać kontekst i przyspieszać zdobywanie wiedzy. Ludzie powinni podejmować decyzje, w których najważniejsze są empatia, etyka, zaufanie i osąd biznesowy.
Jak prototypowanie z wykorzystaniem AI poprawia jakość opinii użytkowników
Jedną z dużych zalet AI można dostrzec w prototypowaniu. Wcześniej typowy proces obejmował przejście od makiet do projektów o wysokiej szczegółowości, następnie do klikalnych prototypów, a później przekazanie ich deweloperom. Teraz, dzięki tworzeniu produktów z wykorzystaniem AI, często możemy znacznie wcześniej udostępnić użytkownikom działający prototyp. Taki prototyp może obejmować rzeczywiste interakcje, realistyczne dane i wystarczającą logikę funkcjonalną, aby użytkownicy mogli reagować na niego jak na coś bliższego gotowemu produktowi.
Poprawia to jakość opinii. Ludzie zachowują się inaczej, gdy korzystają z czegoś, co wydaje się rzeczywiste. Oznacza to, że możemy lepiej zrozumieć rzeczywiste działanie produktu, zanim zakończymy pełną budowę.
Minusem jest jednak to, że AI może również tworzyć fałszywe poczucie pewności. Zespoły mogą budować szybciej, niż są w stanie myśleć. Kod nadal wymaga przeglądu. Decyzje dotyczące produktu nadal wymagają dowodów. Synteza badań nadal wymaga ludzkiego osądu. Dopracowany prototyp może sprawić, że słaby pomysł będzie wyglądał na lepszy, niż jest w rzeczywistości.
Najlepszym rezultatem nie było więc „AI zastąpiło zespół”. Zamiast tego AI skróciło dystans między wnioskami, prototypem, testowaniem i iteracją.
Dlaczego chatboty obsługujące klientów nie spełniają oczekiwań
Moim największym rozczarowaniem są chatboty obsługujące klientów w dużych organizacjach korporacyjnych, zwłaszcza w usługach finansowych, ubezpieczeniach, bankowości i fintechu.
Dzisiejsze możliwości AI znacznie przewyższają to, czego doświadcza wielu klientów.
Teoretycznie klienci powinni móc prowadzić naturalną rozmowę z cyfrowym asystentem. Powinien on rozumieć intencje, pamiętać kontekst, zadawać przydatne pytania uzupełniające, uzyskiwać dostęp do właściwych informacji, jasno wyjaśniać dostępne opcje i przekazywać sprawę człowiekowi, gdy problem staje się wrażliwy lub złożony.
W praktyce wiele korporacyjnych chatbotów nadal przypomina stare drzewa decyzyjne z nową etykietą. Bot zmusza klientów do wyboru jednej z wąskiego zestawu opcji, przestaje działać, gdy pytanie staje się choć trochę nietypowe, a użytkownicy często próbują wydostać się z rozmowy z botem, zamiast uzyskać dzięki niemu pomoc.
Problemem zazwyczaj nie jest sam model, lecz otoczenie, w którym działa. Dane są rozproszone. Integracje są niekompletne. Zasady eskalacji są słabe. Firmy nie projektują bota z myślą o rzeczywistej ścieżce klienta. A w regulowanych branżach obawy dotyczące ryzyka i zgodności często prowadzą firmy do wdrażania rozwiązań bezpieczniejszych, ale znacznie mniej użytecznych.
Tworzy to dziwną lukę. Klienci słyszą wiele o AI, ale potem korzystają z systemów, które wcale nie wydają się inteligentne.
Narzędzia, z których każdy zespół CX powinien rozważyć korzystanie
Zespoły CX mogą skorzystać z następujących narzędzi:
- ChatGPT i Codex do analizy i planowania
- Claude Cowork do obsługi złożonych zadań i budowania repozytoriów wiedzy
- Cursor do tworzenia produktów opartych na AI i automatyzacji
- Qualtrics do zbierania opinii klientów
Dlaczego liderzy CX muszą najpierw inwestować w kontekst
Jakość wyników AI zależy w takim samym stopniu od kontekstu, który przekazujesz AI, jak od samego modelu.
Początkowo łatwo pomyśleć, że umiejętność sprowadza się po prostu do „napisania dobrego promptu”. To ma znaczenie, ale stanowi tylko część całości. Nauczyłem się, że AI działa znacznie lepiej, gdy przekazujesz mu uporządkowany kontekst: cel, problem klienta, zasady biznesowe, ton komunikacji, ograniczenia, przykłady, źródła danych oraz opis tego, jak powinna wyglądać dobra odpowiedź.
To zmieniło sposób, w jaki obecnie konfiguruję pracę z AI. Korzystam z bardziej uporządkowanych promptów, plików markdown, folderów projektowych i wielokrotnego użytku dokumentów kontekstowych, dzięki czemu AI nie zaczyna za każdym razem od zera. Zapewnia to większą spójność pracy i sprawia, że wyniki są znacznie bardziej użyteczne.
Moja rada jest taka, aby traktować pierwszy pilotaż AI mniej jak jednorazowy eksperyment, a bardziej jak początek nowego systemu operacyjnego określającego sposób pracy zespołu. Im lepiej uporządkujesz kontekst, tym lepszym rzeczywistym partnerem AI stanie się w ramach przepływu pracy.
Dlaczego doświadczenie pracowników wspomagane przez AI przynosi korzyści CX
Więcej liderów powinno przeprojektować doświadczenie pracowników, zwłaszcza wewnętrzne systemy i przepływy pracy, na których polegają pracownicy, aby obsługiwać klientów.
Wiele problemów CX nie zaczyna się w punkcie kontaktu z klientem. Powstają za kulisami, gdzie pracownicy próbują zapewnić dobre doświadczenie, jednocześnie zmagając się z rozproszonymi systemami, ręcznymi procesami, brakującymi danymi i źle zaprojektowanymi przepływami pracy.
AI stwarza możliwość naprawienia tego stanu rzeczy.
Jeśli AI może pomóc pracownikom połączyć informacje z różnych systemów, szybciej zrozumieć kontekst klienta, podsumować historię, rekomendować kolejne kroki i ograniczyć pracę administracyjną, doświadczenie klienta poprawia się niemal natychmiast.
Dlatego uważam, że EX jest jednym z najważniejszych obszarów rozwoju CX wspomaganego przez AI.
Dlaczego celem nigdy nie powinno być samo dodanie AI do przepływów pracy CX
Moja rada dla liderów CX jest taka, aby korzystali z AI — ale nie porzucali podstaw dobrego doświadczenia klienta.
AI to potężna nowa warstwa technologii. Może pomóc zespołom działać szybciej, analizować większe ilości danych, personalizować ścieżki, szybciej tworzyć prototypy i wspierać klientów w sposób, który wcześniej był niepraktyczny. Jednak podstawowy proces rozwiązywania problemów w sposób skoncentrowany na użytkowniku pozostaje niezmieniony.
Nadal musisz rozumieć klienta. Nadal musisz zdefiniować właściwy problem. Nadal musisz uzgodnić cele biznesowe, technologię i potrzeby ludzi. Nadal musisz testować założenia przed skalowaniem rozwiązania.
Moja rada dla liderów CX brzmi: zaakceptujcie AI — ale nie porzucajcie podstaw dobrego doświadczenia klienta…Celem nie powinno być dodawanie AI wszędzie, lecz sprawienie, aby ścieżka klienta była łatwiejsza, bardziej przejrzysta i użyteczna. Wymaga to projektowania, badań, danych i ludzkiego osądu, a nie tylko technologii.
Zagrożenie polega na tym, że zespoły wykorzystują AI do szybszego budowania, nie pytając najpierw, czy budują właściwą rzecz. Może to powodować więcej szumu, większą automatyzację i większą złożoność dla klientów.
Celem nie powinno być dodawanie AI wszędzie, lecz sprawienie, aby ścieżka klienta była łatwiejsza, bardziej przejrzysta i użyteczna. Wymaga to projektowania, badań, danych i ludzkiego osądu, a nie tylko technologii.
Śledź jego działalność
Możesz śledzić działalność Jaco van den Heevera na LinkedIn, X oraz na jego osobistej stronie internetowej. Możesz też odwiedzić stronę Sand Dollar Design w jego witrynie oraz profil na LinkedIn:
Na The CX Lead pojawią się kolejne wywiady z ekspertami!
