Grundare och CX-ledare säger att kundorienterad AI misslyckas när företag ignorerar resan runt den
Jaco van den Heever
Verkställande direktör för Sand Dollar Design
Jaco van den Heever förklarar varför AI förbättrar kundupplevelsen när den minskar friktion i kundresan, stärker medarbetarnas arbetsflöden och överlåter bedömningen till människor.
Key Takeaways
Grundsyn: En effektiv kundupplevelse använder AI för att minska ansträngningen och förbättra kundresan, inte bara för att tillföra teknik till välpolerade gränssnitt.
Mänskligt omdöme: AI kan analysera mönster och förbereda kontext, men människor måste ansvara för empati, etik, prioriteringar och känsliga beslut.
Tidigare testning: AI-aktiverad prototyputveckling gör det möjligt för team att tidigare testa realistiska produktrupplevelser, vilket förbättrar återkopplingen innan kostsam utveckling påbörjas.
Kontext först: Stark kontext, strukturerad information och tydliga begränsningar förbättrar AI:s resultat mer tillförlitligt än enbart formuleringen av instruktionen.
Medarbetarupplevelse: En AI-förstärkt kundupplevelse förbättras när interna arbetsflöden hjälper medarbetare att få tillgång till kontext, minska administrationen och betjäna kunder snabbare.
Jaco van den Heever är en serieentreprenör med bakgrund inom digital kundupplevelse. Han är för närvarande vd för Sand Dollar Design, en konsultverksamhet inom UX-strategi, produktdesign och AI-utveckling på distans.
Vi satte oss ner med Jaco för att lära oss hur han använder AI för att förstärka CX-arbetsflöden – och hur tillämpningen av AI på EX kan förbättra CX.
CX handlar om mer än finputsning av frontend
Jag heter Jaco van den Heever och är grundare och vd för Sand Dollar Design. Jag har arbetat i mer än 20 år i skärningspunkten mellan digital kundupplevelse, produktstrategi, UX och teknik. Innan jag startade Sand Dollar Design ledde jag arbete med digitala produkter och produkter för flera kanaler inom mobilappar, webbplatser och tjänsteplattformar. Det formade min syn på CX: Det handlar inte bara om finputsning av frontend, utan om huruvida produkten, tjänsten och verksamhetsmodellen fungerar för användarna.
På Sand Dollar Design hjälper vi startupföretag, små och medelstora företag samt företagsgrupper att förbättra digitala produkter och kundresor genom UX-strategi, UX-research, produktdesign och i allt högre grad AI-stödd MVP- och produktutveckling.
Våra kanaler omfattar webbplatser, mobilappar, kundportaler, B2B-plattformar, interna verktyg, instrumentpaneler och arbetsflödessystem. Våra kunder är vanligtvis grundare, produktansvariga, innovationsteam, team för digital omvandling och företagsledare som behöver minska friktion, förbättra användningen och fatta bättre produktbeslut innan de satsar stort på utveckling.
Vi arbetar globalt och har erfarenhet från Sydafrika, USA, Storbritannien och Europa. Vi har levererat arbete inom komplexa sektorer, bland annat finansiella tjänster, sjukvård, telekom, B2B-handel och företagsprogramvara.
More Articles
Så kan AI användas för att förenkla kundresan
Jag flyttar in AI mycket tidigare i kundresan, särskilt under introduktionen och produktupptäckten.
Ett bra exempel är GigExecs, en plattform som jag var med och grundade för erfarna yrkespersoner som söker deltids-, interims- och projektbaserat arbete. Vi såg en friktionspunkt: erfarna yrkespersoner har ofta djup kompetens, men det kräver arbete att omvandla den till en tydlig, sökbar och övertygande profil. Antingen förklarar människor för mycket, underskattar sig själva eller skjuter upp att slutföra introduktionsflödet eftersom den tomma sidan känns som arbete. Det påverkade deras upplevelse.
Därför utformade vi upplevelsen kring skapande av profiler med AI-stöd. I stället för att förvänta oss att användarna manuellt ska skriva allt från grunden tolkar det AI-stödda flödet ett CV, en LinkedIn-profil eller indata i samtalsform och omvandlar den sedan till tydligare positionering, profilinnehåll och strukturerade data.
Den viktiga förändringen var inte att bara ”lägga till AI”. Det handlade om att utforma om kundresan kring en mindre arbetskrävande väg till värde.
Det förändrade min syn på AI inom CX mer generellt. Jag letar allt oftare efter punkter i kundresan där användarna fastnar, känner sig osäkra, blir överbelastade eller måste översätta sina behov till ett systems språk. Det här är ofta de bästa platserna för AI att hjälpa till.
Resultatet är en mer praktisk syn på AI i kundupplevelsen. Jag är mindre intresserad av AI som ett gimmicklager och mer intresserad av AI som ett sätt att minska ansträngningen, förbättra relevansen och hjälpa människor att ta sig genom en digital kundresa med större självförtroende.
Vilka CX-uppgifter bör utföras av AI?
Jag förlitar mig nu på AI för att informera om eller driva flera CX-aktiviteter:
- Sammanställa användarundersökningar
- Identifiera återkommande friktionspunkter
- Prioritera problem utifrån support- eller feedbackdata
- Skapa innehåll i första utkast
- Snabba upp prototyparbetet
- Skapa mer personligt anpassade resealternativ
Sammanställningen av användarundersökningar sticker ut. I ett typiskt forskningsprojekt samlar vi in stora mängder kvalitativa data: intervjunoteringar, transkriberingar, enkätsvar, användbarhetsresultat, synpunkter från intressenter och observationer av kundresor. Tidigare var sammanställningen en manuell process. Vi gör fortfarande mänskliga analyser, men AI hjälper oss nu att hitta mönster mycket snabbare. Det hjälper oss att gruppera teman, upptäcka återkommande friktionspunkter, jämföra feedback mellan olika användartyper och identifiera signaler för vidare undersökning. Det innebär att vi lägger mindre tid på att organisera data och mer tid på att ställa svårare frågor: vad betyder detta, vad bör kunden göra härnäst och vilka produktbeslut behöver ändras?
Vilka CX-uppgifter bör utföras av människor
De aktiviteter som jag uttryckligen låter människor ansvara för är de som kräver omdöme, förtroende och ansvarstagande.
Utformningen av kundresor kräver till exempel fortfarande mänskligt omdöme eftersom den innebär avvägningar mellan kundernas behov, verksamhetens mål, den operativa verkligheten och tekniska begränsningar. Även återställning av tjänster bör fortsatt ledas av människor när det finns frustration, ekonomisk risk, medicinsk känslighet, påverkan på anseendet eller en känslomässig kontext. AI kan synliggöra problemet och förbereda sammanhanget, men en person bör avgöra hur man ska svara.
Detsamma gäller produktstrategi och prioritering. AI kan hjälpa oss att se mönster snabbare, men det bör inte avgöra vad som är viktigast. Det kräver fortfarande förståelse för kunden, affärsmodellen, varumärkeslöftet och konsekvenserna av att fatta fel beslut.
Min syn är därför enkel: AI bör minska arbetsinsatsen, förbättra sammanhanget och påskynda lärandet. Människor bör ansvara för de beslut där empati, etik, förtroende och kommersiellt omdöme är viktigast.
Jaco States
…min syn är enkel: AI bör minska arbetsinsatsen, förbättra sammanhanget och påskynda lärandet. Människor bör ansvara för de beslut där empati, etik, förtroende och kommersiellt omdöme är viktigast.
Hur AI-prototyper förbättrar kvaliteten på användarfeedback
En stor fördel med AI syns inom prototyparbete. Tidigare gick en typisk process från skisser till detaljrika designer, därefter klickbara prototyper och sedan överlämning till utvecklare. Nu kan vi, genom AI-stödd produktutveckling, ofta låta användare testa en fungerande prototyp mycket tidigare. Prototypen kan innehålla verkliga interaktioner, realistiska data och tillräckligt med funktionell logik för att användarna ska kunna reagera på den som på något som ligger närmare den färdiga produkten.
Det förbättrar kvaliteten på feedbacken. Människor beter sig annorlunda när de använder något som känns verkligt. Det innebär att vi bättre kan förstå hur produkten faktiskt fungerar innan vi slutför hela utvecklingen.
Men nackdelen är att AI också kan skapa falsk trygghet. Team kan bygga snabbare än de hinner tänka. Kod kräver fortfarande granskning. Produktbeslut kräver fortfarande belägg. Sammanställning av undersökningar kräver fortfarande mänskligt omdöme. En välpolerad prototyp kan få en svag idé att verka starkare än den faktiskt är.
Det bästa resultatet har därför inte varit att ”AI ersatte teamet”. I stället har AI minskat avståndet mellan insikt, prototyp, testning och iteration.
Varför kundvända chattbotar inte lever upp till förväntningarna
Min tydligaste besvikelse gäller kundvända chattbotar i stora företagsmiljöer, särskilt inom finansiella tjänster, försäkring, bank och fintech.
Dagens AI-kapacitet överträffar vida vad många kunder får uppleva.
I teorin bör kunder kunna ha ett naturligt samtal med en digital assistent. Den bör förstå avsikten, komma ihåg sammanhanget, ställa användbara följdfrågor, få tillgång till rätt information, förklara alternativen tydligt och lämna över till en människa när ett ärende blir känsligt eller komplext.
I praktiken känns många företagschattbotar fortfarande som gamla beslutsträd med en ny etikett. Boten tvingar in kunderna i ett snävt urval av alternativ, den misslyckas så fort en fråga blir något ovanlig och användarna försöker ofta ta sig förbi boten i stället för att få hjälp av den.
Problemet ligger vanligtvis inte i själva modellen, utan i den omgivande upplevelsen. Data är fragmenterad. Integreringarna är ofullständiga. Eskaleringsreglerna är svaga. Företagen har inte utformat boten utifrån den verkliga kundresan. Och i reglerade branscher leder risk- och efterlevnadsfrågor ofta till att företag implementerar något säkrare, men mycket mindre användbart.
Detta skapar ett märkligt gap. Kunderna hör mycket om AI, men interagerar sedan med system som inte alls känns intelligenta.
Verktyg som alla CX-team bör överväga att använda
CX-team kan dra nytta av följande verktyg:
- ChatGPT och Codex för analys och planering
- Claude Cowork för stöd vid komplexa uppgifter och uppbyggnad av kunskapsarkiv
- Cursor för AI-produktutveckling och automatisering
- Qualtrics för kundfeedback
Varför CX-ledare måste investera i kontext först
Kvaliteten på AI:s resultat beror lika mycket på den kontext du ger AI:n som på själva modellen.
Till en början är det lätt att tro att färdigheten helt enkelt handlar om att ”skriva en bra instruktion”. Det spelar roll, men det är bara en del av det hela. Jag har lärt mig att AI presterar mycket bättre när du ger den strukturerad kontext: målet, kundens problem, affärsreglerna, tonen, begränsningarna, exemplen, datakällorna och hur ett bra svar bör se ut.
Det förändrade hur jag nu lägger upp AI-arbete. Jag använder mer strukturerade instruktioner, markdownfiler, projektmappar och återanvändbara kontextdokument så att AI:n inte behöver börja från noll varje gång. Det ger arbetet större konsekvens och gör resultatet mycket mer användbart.
Mitt råd är att se ditt första AI-pilotprojekt mindre som ett engångsexperiment och mer som början på ett nytt operativsystem för hur teamet arbetar. Ju bättre du strukturerar kontexten, desto bättre blir AI:n som en verklig partner i arbetsflödet.
Varför AI-förstärkt EX gynnar CX
Fler ledare bör utforma om medarbetarupplevelsen, särskilt de interna system och arbetsflöden som personalen förlitar sig på för att hjälpa kunder.
Många CX-problem börjar inte vid den kundinriktade kontaktpunkten. De börjar bakom kulisserna, där medarbetare försöker leverera en bra upplevelse samtidigt som de hanterar fragmenterade system, manuella processer, saknade data och dåligt utformade arbetsflöden.
AI skapar en möjlighet att åtgärda det.
Om AI kan hjälpa medarbetare att sammanföra information från olika system, förstå kundens kontext snabbare, sammanfatta historik, rekommendera nästa steg och minska det administrativa arbetet förbättras kundupplevelsen nästan omedelbart.
Det är därför jag anser att EX är en av de viktigaste möjligheterna för AI-förstärkt CX.
Varför målet aldrig bara bör vara att lägga till AI i CX-arbetsflöden
Mitt råd till CX-ledare är att välkomna AI – men inte överge grunderna i en bra kundupplevelse.
AI är ett kraftfullt nytt teknologiskt lager. Det kan hjälpa team att arbeta snabbare, analysera mer data, personalisera kundresor, ta fram prototyper tidigare och ge kunder stöd på sätt som tidigare varit opraktiska. Men den grundläggande processen att lösa problem på ett användarcentrerat sätt förblir oförändrad.
Du behöver fortfarande förstå kunden. Du behöver fortfarande definiera rätt problem. Du behöver fortfarande få affärsmål, teknik och mänskliga behov att samspela. Du behöver fortfarande testa antaganden innan du skalar upp en lösning.
Mitt råd till CX-ledare är att omfamna AI — men inte överge grunderna i en god kundupplevelse… Målet bör inte vara att lägga till AI överallt, utan att göra kundresan enklare, tydligare och mer användbar för kunden. Det kräver design, användarundersökningar, data och mänskligt omdöme, inte bara teknik.
Faran är att team använder AI för att bygga snabbare utan att först fråga sig om de bygger rätt sak. Det kan skapa mer brus, mer automatisering och större komplexitet för kunderna.
Målet bör inte vara att lägga till AI överallt, utan att göra kundresan enklare, tydligare och mer användbar för kunden. Det kräver design, undersökningar, data och mänskligt omdöme, inte bara teknik.
Följ med
Du kan följa Jaco van den Heevers arbete på LinkedIn, X och hans personliga webbplats. Du kan också läsa mer om Sand Dollar Design på deras webbplats och LinkedIn:
Fler expertintervjuer kommer på The CX Lead!
