Chef för kundframgång bryter ner arbetsflödena som sparar tid och ger nöjdare kunder

Ajay Balamurugadas är chef för kundframgång och strategi på PostQode, en AI-nativ produkt för mjukvaruutveckling.

Vi pratade med Ajay för att förstå hur han använder AI för att skapa nöjdare kunder. Här är vad han berättade.

Autonoma AI-agenter inom mjukvaruutveckling

Jag heter Ajay Balamurugadas och är en erfaren ledare inom kvalitetsutveckling. Under de senaste två åren har jag varit chef för kundframgång och strategi på PostQode, ett produktföretag som för in autonoma AI-agenter i alla delar av mjukvaruutvecklingens livscykel.

Bland våra kunder finns nystartade företag, större företag och tjänsteföretag som själva betjänar kunder.

Hur AI skapar nöjdare kunder

Under det senaste året har vi gjort två konkreta förändringar i hur vi levererar kundupplevelser med hjälp av AI.

För det första använder vi AI i stor utsträckning för kundundersökningar. I stället för att enbart förlita oss på manuell analys av möten, feedback och dokument använder vi AI för att sammanfatta samtal, identifiera återkommande problem och ta fram förväntningar. AI undersöker också kundens företag, deras affärsverksamhet, konkurrenter och möjliga lösningar, och synliggör skillnaderna mellan vad kunder säger och vad de faktiskt behöver.

AI-stödd analys och sammanfattning har minskat tiden för kund- och marknadsundersökningar från nästan en hel arbetsdag till vanligtvis 1-2 timmar.

För det andra har vi infört AI-drivet stöd för felsökning vid analys och lösning av problem. AI hjälper till att analysera loggar, felmönster, testresultat och historiska problem för att snabbt begränsa antalet möjliga grundorsaker och föreslå nästa steg. Detta har förbättrat svarstiderna, minskat utredningsarbetet och gjort det möjligt för teamen att lösa kundproblem snabbare och med bättre sammanhang.

AI genererar och underhåller också dokumentation, till exempel introduktionsguider, vanliga frågor om felsökning och jämförelsedokument – vilket återigen minskar tiden och arbetet som krävs för att skapa detta från dagar till timmar.

Och viktigast av allt är att allt detta har lett till nöjdare kunder.

Hur AI kan förstärka arbetsflöden för CX-undersökningar

Ajay delar med sig

Vi ber AI föreslå positioneringsstrategier, värdeerbjudanden, relevanta användningsområden och skräddarsydda sätt att presentera lösningen … Detta hjälper teamet att förbereda svar i förväg och förbättra kvaliteten på kundsamtalen.

Här är det CX-undersökningsarbetsflöde vi använder innan det första kundsamtalet ens äger rum.

Vi börjar med att använda Perplexity AI för att förstå prospektets företag, branschområde, konkurrenter, marknadspositionering och senaste aktiviteter. Detta hjälper oss att bygga upp en stark kontextuell förståelse innan vi tar kontakt med kunden.

Därefter använder vi Claude eller ChatGPT för att kombinera den undersökningen med detaljerad information om vår organisation och identifiera hur vår plattform bäst kan hjälpa det specifika prospektet. Vi ber AI föreslå positioneringsstrategier, värdeerbjudanden, relevanta användningsområden och skräddarsydda sätt att presentera lösningen.

Vi använder sedan ChatGPT eller Gemini för att simulera sannolika kundinvändningar, farhågor och frågor. Detta hjälper teamet att förbereda svar i förväg och förbättra kvaliteten på kundsamtalen.

Under kundmöten spelar vi in och transkriberar samtal. Vi använder ChatGPT för att sammanfatta diskussioner, skapa strukturerade mötesanteckningar, identifiera åtgärdspunkter och fånga upp kundernas förväntningar och risker.

Efter mötet använder vi Claude och ChatGPT för att skapa stödmaterial som lösningsdokument, introduktionsguider, jämförelsedokument, diagram, arbetsflöden och felsökningsmaterial.

Varför relationer och nyanser inte kan läggas ut på AI

Men vi använder inte AI till allt.

Att bygga relationer och skapa emotionella band är fortfarande uttryckligen mänskligt. Vi anser att förtroende, empati och långsiktiga relationer inte kan läggas ut på AI. Människor hanterar personliga interaktioner direkt, till exempel att följa upp kundernas mål, förstå deras framsteg, önska dem lycka till vid särskilda tillfällen och upprätthålla genuina mänskliga relationer.

AI stödjer relationen, men människor bygger och upprätthåller den.

Varför reservprocesser behövs med AI

Integrering av AI i aktiviteter inom kundupplevelsen ledde till betydande besparingar i tid och arbete, förbättrad konsekvens samt att aktiviteter som tidigare var beroende av enskilda personer omvandlades till mer skalbara och repeterbara processer.

Men även utmaningar har uppstått. AI-genererade resultat verkar ibland mycket säkra, även när en djupare validering krävs. Det innebär att mänsklig granskning och bedömning fortfarande är viktigt vid kritiska beslut och rekommendationer som riktar sig till kunder.

Detta understryker vikten av att ha reservprocesser och säkerställa att teamen fortfarande behåller en grundläggande förståelse för verksamhetsområdet och förmågan att fatta beslut.

Varför CX-ledare måste känna till de önskade resultaten innan de väljer verktyg

Det är viktigt att tydligt förstå exakt vilket resultat man vill uppnå innan man väljer verktyg eller modeller.

Olika modeller presterar bättre för olika användningsområden. Vissa är bättre på efterforskning, andra på resonemang, vissa på strukturerad dokumentation och andra på sammanfattningar eller konversationsuppgifter. Att välja rätt modell för rätt aktivitet kan avsevärt förbättra kvaliteten och minska kostnader och arbetsinsats.

Ta dig inte an större problem som en enda massiv AI-uppgift. Att dela upp komplexa arbetsflöden i mindre, väldefinierade uppgifter och samordna dem steg för steg ger mycket bättre och mer tillförlitliga resultat.

Så vägleder du team till effektiv användning av AI

Vi säkerställer ett effektivt införande genom att främja gemensamt lärande om och användning av AI i hela teamet. Vi utbildar regelbundet teammedlemmar i olika AI-verktyg, användningsområden, metoder för att skriva promptar och arbetsflöden som är relevanta för aktiviteter inom kundupplevelsen.

Dessutom delar vi kontinuerligt upptäckter, exempel, artiklar, prompter och framgångsrika arbetsflöden internt så att kunskapen sprids snabbt i hela organisationen i stället för att stanna hos några få individer. Vi granskar också resultat tillsammans, vägleder teammedlemmar i att förbättra kvaliteten på kontext och promptar samt visar artefakter som skapats i olika skeden av kundengagemang.

Denna kontinuerliga cykel av utbildning, delning, granskning och demonstration hjälper teamet att bygga upp självförtroende och använda AI mer effektivt och konsekvent i verkliga kundsituationer.

Hur AI förändrar var expertis måste tillämpas inom CX

Traditionellt har uppgifter som djupgående kundundersökningar, konkurrensanalys, skapande av dokumentation, sammanfattning av möten eller förberedelse av lösningar varit beroende av specifika experter med många års domänkunskap och erfarenhet. AI kan nu effektivisera och stödja många av dessa aktiviteter på ett bredare plan, vilket gör det möjligt för fler teammedlemmar att bidra effektivt med rätt vägledning och kontext.

Detta eliminerar inte behovet av expertis, men förändrar hur vi tillämpar den. I stället för att lägga större delen av sin tid på informationsinsamling och repetitiva förberedelser kan specialister fokusera mer på strategi, relationer, beslutsfattande och kundresultat.

Hur CX-ledare bör förhålla sig till AI

Jag råder CX-ledare att se AI som en assistent, inte en ersättare. Kvaliteten på resultaten beror i hög grad på kvaliteten på den kontext du tillhandahåller. Fortsätt att förse AI med relevant affärskontext, kundhistorik, arbetsflöden och till och med ”kontext om kontexten”, så att den kan generera mer korrekta och meningsfulla resultat.

Förstå också att olika AI-verktyg passar för olika användningsområden. Lägg tid på att lära dig styrkorna och begränsningarna hos olika verktyg inom forskning, support, analys, dokumentation, automatisering och personalisering.

Viktigast av allt är att experimentera kontinuerligt. De organisationer som får ut störst värde av AI är de som aktivt testar idéer, förfinar arbetsflöden, lär sig av misslyckanden och anpassar sig snabbt. Att införa AI är inte en engångsimplementering — det är en förmåga under utveckling som förbättras genom användning, återkoppling och iteration.

Följ med

Du kan följa Ajay Balamurugadas arbete på LinkedIn.

Fler expertintervjuer kommer på The CX Lead!