Teknisk kundupplevelsechef säger att CX-ledare fokuserar för mycket på AI-resultat medan kundupplevelsen förtvinar

Oremeyi Akah är CCO på Interswitch, ett panafrikanskt företag inom betalningsinfrastruktur som betjänar både B2B- och B2C-segment.

Vi satte oss ner med Oremeyi för att höra om de imponerande resultat hon ser från AI-integrationen i hela sin CX-organisation. Under samtalet berättade hon också var CX-organisationer gör fel i sina AI-integrationer.

Från servicefunktion till strategisk funktion

Jag heter Oremeyi Akah och är Chief Customer Officer på Interswitch Group — ett panafrikanskt företag inom betalningsinfrastruktur som är verksamt på 23 afrikanska marknader och kopplar samman individer, företag och myndigheter med digitala finansiella tjänster.

Den kundorganisation jag leder täcker hela spektrumet av Interswitchs kommersiella relationer — från stora finansinstitut och fintechföretag genom vår funktion för hantering av nyckelkunder, till handlare, fakturautställare och slutkonsumenter som interagerar via digitala kanaler, kontaktcenter och personliga möten. Vi betjänar både B2B- och B2C-segment.

Vårt CX-uppdrag sträcker sig från strategiska kundrelationer med hög personlig närvaro med banker som Stanbic IBTC och Providus till upplevelsen hos miljontals vanliga nigerianer som genomför transaktioner med Verve-kort, Quickteller och vår växlingsinfrastruktur.

Mitt team hanterar relationer i skärningspunkten mellan intäkter, förtroende och nationell finansiell inkludering — vilket gör kundupplevelsen inte bara till en servicefunktion, utan till en strategisk funktion.

Hur AI radikalt utökar vad CX-team kan göra

För ett år sedan granskade vi, med ett team på 15 personer, manuellt endast 10 % av kundkontakterna i våra B2B- och B2C-kanaler. Det innebar att vi inte kunde se 90 % av våra kunders upplevelser — varje klagomål, varje friktionspunkt och varje signal om regulatorisk risk. Vi fattade beslut om kundupplevelsen utifrån en mycket ofullständig bild.

Sedan implementerade vi ett AI-drivet system för kvalitetssäkring, vilket förändrade allt. Nu analyserar vi 100 % av kundkontakterna. Vi granskar varje interaktion, kategoriserar den i förväg efter allvarlighetsgrad och flaggar regulatoriska risker, återkommande felmönster eller områden som kräver särskild uppmärksamhet.

Tre saker förändrades som ett resultat.

1. Vår täckning gick från 10 % till 100 % — utan att vi behövde utöka personalstyrkan. Det motsvarar ett tiofaldigt lyft i insyn med samma resurser.
2. Vi gick från reaktiva till proaktiva arbetssätt. Tidigare upptäckte vi problem först när kunderna eskalerade dem. Nu hittar vi dem innan de eskalerar — och inom betalningsinfrastruktur är denna skillnad oerhört viktig, både för kundernas förtroende och för vår regulatoriska ställning.
3. Det förändrade vad vårt team på 15 personer gör. Teamet gick från att granska ett urval av kontakter till att agera utifrån insikter. Nu fokuserar de mänskligt omdöme där det behövs som mest: på de interaktioner med högst allvarlighetsgrad och störst risk som systemet identifierar.

Det här är vad AI-aktiverad CX innebär i praktiken — inte att ersätta människor, utan att radikalt utöka vad samma människor kan se och göra.

Ett AI-arbetsflöde från verkligheten för hantering av kundinteraktioner

Så här ser arbetsflödet ut.

Vår AI-drivna plattform för kvalitetssäkring, Gladly, tar automatiskt emot varje kundinteraktion — oavsett om den sker via röst, e-post, chatt eller andra digitala kanaler.

Först förstår AI samtalet. Den klassificerar problemet, bedömer känsloläget, fastställer allvarlighetsgraden, identifierar potentiella regulatoriska risker eller anseenderisker, upptäcker återkommande felmönster och förutser den lämpligaste hänvisningen samt den sannolika lösningsvägen baserat på liknande historiska ärenden.

Därefter delar sig arbetsflödet beroende på komplexiteten.

För okomplicerade problem hänvisar AI ärendet till rätt team, med relevant kontext redan sammanställd för snabbare lösning.

För fall med högre risk eller högt värde — särskilt sådana som rör våra bankpartner eller frågor med regulatoriska konsekvenser — eskalerar vi omedelbart ärendet med en rekommenderad prioritet. Därefter tar mänsklig expertis över. Våra specialister granskar AI:ns rekommendationer, tillämpar sitt omdöme, tar hänsyn till den övergripande kundrelationen och fastställer lämpligt svar och lämplig återställning av tjänsten.

Arbetsflödet slutar inte när ärendet stängs.

AI sammanställer kontinuerligt insikter från varje interaktion och identifierar återkommande problem, nya operativa brister och kundtrender som enskilda ärenden aldrig skulle avslöja. Dessa insikter förs direkt in i våra initiativ för operationell excellens, produktförbättringar, processomformning och ledningspaneler, så att vi kan hantera grundorsaker i stället för att bara lösa enskilda klagomål.

Varför både AI och mänsklig kontakt behövs

Överlag hanterar AI arbete i stor skala — arbete som kräver bredd, snabbhet och mönsterigenkänning över miljontals datapunkter. Konkret omfattar detta fullständig kontaktanalys, förhandskategorisering av allvarlighetsgrad, prioritering av frågor, flaggning av regulatoriska risker och identifiering av återkommande felmönster innan de blir kriser. Det ger också ett tidigt varningslager för eskalering — systemet talar om för oss vad som behöver mänsklig uppmärksamhet och hur brådskande det är.

Tre uppgifter förblir mänskliga, och det är avsiktligt.

1. Eskaleringso mdöme: AI talar om för oss vad vi ska titta på; människor avgör vad som ska göras, särskilt när relationens betydelse eller regulatorisk känslighet är hög.
2. Återställning av tjänsten: Ingen modell hanterar detta — särskilt inte på B2B-sidan, där ett samtal med en bank på nivå 1 är ett relationsögonblick, inte bara ett ärende.
3. Att förstå den verkliga kundupplevelsen: Det här är det jag bryr mig mest om. Den verkliga kundupplevelsen kan inte reduceras till enbart data. Vi investerar i etnografiskt och upplevelsebaserat kundengagemang. Vi sitter med kunder, ser hur de interagerar med våra produkter och lyssnar på vad de säger när ingen genomför en enkät. Den här typen av insikt — den ofiltrerade, spontana och beteendemässiga sanningen — ligger till grund för våra viktigaste beslut om utformningen av kundresor. AI kan identifiera vad som gick fel i stor skala. En människa i rummet förstår varför.

AI utvidgar det vi kan se. Människor avgör vad det betyder och vad som ska göras åt det. Båda behövs. Ingen av dem är tillräcklig på egen hand.

Hur AI förbättrar hanteringen av förfrågningar och kundnöjdheten

Oremeyis tankar

Kvalitativt har vi förändrat teamets kultur från brandkårsutryckningar till intelligensdriven styrning. Det är svårare att kvantifiera men lättare att känna — i hur vi genomför granskningar, hur vi samarbetar med kunder och hur vi talar om kunden i ledningssamtal.

Siffrorna berättar en övertygande historia.

Som jag nämnde tog vårt AI-drivna QA-system oss från att granska 10 % till 100 % av alla kundkontakter med samma team på 15 personer — en tiofaldig ökning av synligheten utan någon extra kostnad för personalstyrkan.

Vår AI-drivna självbetjäning minskade också den manuella hanteringen av förfrågningar med över 54 %, och framför allt handlar det inte bara om att avstyra ärenden — den prioriterar förfrågningar intelligent baserat på kundvolym och trenddata, så att människor tar itu med rätt saker först.

Den efterföljande effekten på upplevelsen har varit mätbar: CSAT ökade med 60 %. Handläggningstiderna förbättrades avsevärt. Och kanske den siffra jag är mest stolt över — medarbetarnöjdheten ökade med över 70 %. När teamet slutar drunkna i volym och börjar utföra meningsfullt arbete märks det i hur de möter kunderna.

Kvalitativt har vi förändrat teamets kultur från brandkårsutryckningar till intelligensdriven styrning. Det är svårare att kvantifiera men lättare att känna — i hur vi genomför granskningar, hur vi samarbetar med kunder och hur vi talar om kunden i ledningssamtal.

Varför CX-ledare måste fokusera på överlämning och eskalering

Det mesta av energin vid en redesign fokuseras på frontend – chatboten, personaliseringsmotorn och automatiseringen av repetitiva kontakter. Detta arbete är nödvändigt och till stor del redan påbörjat. Men den koppling som avgör om AI hjälper eller skadar relationen behandlas ofta som en funktion som ska konfigureras senare, trots att det är det system som i högst grad avgör förtroendet.

Forskningen pekar åt samma håll från flera håll. En CX-studie från 2025 visade att 79 % av de svarande föredrar en människa framför en AI-agent vid komplexa frågor – så eskaleringsvägen är inte valfri; det valfria är om den är smidig. Kostnaden för att göra fel är nu kvantifierad: 48 % av kunderna skulle överge ett varumärke om de behövde förklara sitt problem igen efter att ha överförts till en människa, och 40 % skulle lämna om de behövde verifiera sin identitet på nytt. Misslyckandet handlar inte om långsamhet – det handlar om att en dålig överlämning raderar allt kunden redan har berättat, och det förtroende som AI byggt upp försvinner precis när insatserna ökar.

Två resultat gör detta värt styrelsens uppmärksamhet. För det första medger branschen i det tysta att den har automatiserat för mycket: Gartner förutspår att hälften av de företag som minskar personalen inom kundservice på grund av AI kommer att återanställa för liknande arbete under andra yrkestitlar senast 2027. För det andra är den strategiska slutsatsen tydlig – de varumärken som sannolikt vinner förtroende med AI-agenter är inte de som tävlar om att eliminera mänsklig interaktion, utan de som utformar tydliga eskaleringar, bibehållen kontext och ärlig information.

Varför AI inte minskar behovet av mänsklig kontakt

Två områden utvecklades inte som vi hade förväntat oss, men båda lärde oss något viktigt.

Det första: Vi trodde att AI avsevärt kunde minska behovet av mänsklig kontakt. Det gjorde den inte – inte på det sätt vi hoppades. Volymen minskade, ja. Men behovet av genuin mänsklig interaktion gjorde det inte. När vi reflekterar över det borde det inte ha överraskat oss. Vi arbetar med pengar – människors pengar, företags pengar – och när något går fel eller insatserna känns höga vill människor prata med en person. Inte en bot, inte en portal. En mänsklig röst som förstår, tar ansvar och agerar. AI kan hantera stora volymer. Den kan inte återskapa närvaro. Vi är trots allt människor.

Det andra: intelligens i produktdesign. Vi förväntade oss att AI-baserade data skulle berätta för oss hur kunder ville att produkter skulle utformas. Det kunde den inte – åtminstone inte fullt ut. Beteendedata berättar vad människor gör. Den berättar inte vad de önskar fanns eller vad som frustrerar dem på en nivå som de ännu inte har kunnat formulera. För att förstå det gick vi tillbaka till grunderna – satt med kunder, hade riktiga samtal och genomförde det etnografiska arbetet. Den insikt som förändrade vårt produkttänkande kom från de rummen, inte från instrumentpanelerna.

AI är exceptionellt bra på skala och mönster. Den är inte bra på nyanser, känslor eller fantasi. Dessa förblir envist och ofrånkomligen mänskliga – och kanske är det precis så det ska vara.

Varför CX-ledare måste lära sig att mäta resultat

Vårt första pilotprojekt fungerade. Modellen presterade, instrumentpanelerna lyste upp och demonstrationerna för intressenterna föll väl ut. Jag förstod inte att inget av detta besvarade den enda fråga som C-ledningen skulle ställa sex månader senare: "Vad gav detta för avkastning, och hur vet ni det?"

Jag hade optimerat för att bevisa kapacitet. Jag borde ha optimerat för att bevisa värde genom att fastställa en baslinje för det mått vi avsåg att förändra, isolera AI:s bidrag från andra förändringar och i förväg komma överens med ekonomiavdelningen om hur framgång skulle mätas. Det hade vi inte gjort, så när investeringsunderlaget skulle tas fram rekonstruerade jag baslinjen i efterhand och försvarade en attribution som jag inte kunde bevisa på ett tydligt sätt.

Den svårare lärdomen gäller C-ledningen, inte leverantören eller verktyget. En imponerande demonstration är lätt att köpa och svår att motivera. När du väl äger budgetposten är entusiasm inte leveransen – det är en siffra som du kan stå för inför styrelsen. De flesta AI-pilotprojekt imponerar. Betydligt färre är utrustade för att bevisa att de har tjänat in sin kostnad, och du måste bygga in den mätningen från dag ett, eftersom den inte kan läggas till i efterhand.

Så det jag skulle säga till alla som lanserar sitt första pilotprojekt är detta: Bestäm hur du ska bevisa avkastningen innan du bygger något, och betrakta det imponerande resultatet med misstänksamhet tills siffran håller för granskning.

Hur de omätbara delarna av CX långsamt fallerar

Oremeyis tankar

Den praktiska slutsatsen är att de ledare som kommer att lyckas kommer att göra det omätbara mätbart i stället för att automatisera bort det eller försvara det med tro. Jag förlitar mig för närvarande på tro när det gäller en del av detta, och jag tycker inte att tro är tillräckligt.

Det här är vad jag oroar mig för. Vi automatiserar den lättmätta halvan av kundupplevelsen och låter i tysthet den svårmätta halvan förtvina — och siffrorna kommer att säga att vi vinner tills vi har förlorat något som vi inte kan bygga upp igen.

AI är utmärkt på de delar av CX som syns i instrumentpaneler: avlastning, hanteringstid, kostnad per kontakt och lösningshastighet. Därför optimerar vi dessa, eftersom en styrelse kan förstå dem. Men det som bygger en varaktig relation — varför en kund känner sig trygg, vad som skapar förlåtelse efter ett misslyckande, känslan av att någon tar ansvar för kundens resultat — finns inte i datan, och vi kan inte automatisera det.

Min oro är alltså inte att AI kommer att utföra mätbart arbete dåligt. Det är att det genom att göra mätbart arbete så billigt och synligt långsamt omdefinierar ”bra CX” till endast det mätbara arbetet. Den omätta halvan misslyckas inte högljutt; den tunnas bara ut medan varje mätvärde på väggen fortsätter att förbättras.

Det jag inte har löst — och det här är den ärliga versionen — är att jag inte tydligt kan skilja min egen partiskhet från den verkliga risken. Det är bekvämt för någon vars karriär bygger på mänskligt omdöme och empati att tro att dessa saker inte går att ersätta. Jag gissar på hur mycket av min övertygelse som är genuin framförhållning jämfört med yrkesmässigt egenintresse.

En del av ståndpunkten att ”AI inte kan känna empati” är förmodligen en tröstberättelse som CX-ledare berättar för sig själva, och gränsen för vad tekniken klarar flyttas snabbare än den berättelsen utgår från. Det som verkligen upptar mina tankar är därför tvådelat: jag tror att vi skyddar CX:s omätta halva för dåligt, och jag är misstänksam mot hur mycket jag vill att det ska vara sant.

Den praktiska slutsatsen är att de ledare som kommer att lyckas kommer att göra det omätbara mätbart — mäta förtroende, ansvarstagande och återhämtning efter misslyckanden direkt — i stället för att automatisera bort det eller försvara det med tro. Jag förlitar mig för närvarande på tro när det gäller en del av detta, och jag tycker inte att tro är tillräckligt.

Tre råd till CX-ledare som implementerar AI

Övergripande är detta mitt råd till CX-ledare:

1. Var realistisk. Var medkännande. Bruset kring AI inom kundupplevelse är enormt — och mycket av det är hajp som jagar hajp. Skär igenom det genom att utgå från en fråga: ”Gör det här livet bättre för min kund?” Inte bättre i en instrumentpanel. Bättre i kundens vardag. Om svaret är ja, satsa på det. Om det bara är imponerande, låt det vara. Kunder minns inte din teknikstack. De minns hur du fick dem att känna. Det har inte förändrats, och AI förändrar inte det.
2. Fortsätt lära dig — obevekligt. Det här landskapet förändras snabbare än någon av oss utbildades för. De ledare som har bäst förutsättningar att hjälpa sina kunder om fem år är de som är tillräckligt nyfikna för att erkänna att de inte har förstått allt i dag. Läs. Ställ frågor. Prata med kollegor i olika branscher och geografiska områden. Sitt ner med dina kunder. I samma ögonblick som du slutar lära dig i den här miljön börjar du hamna efter — i tysthet och sedan plötsligt.
3. Var inte rädd för att experimentera. Alla initiativ kommer inte att lyckas. Några av våra största insikter kom från initiativ som inte fungerade som planerat. Det är inte ett misslyckande — det är kunskap, dyrt förvärvad. Skapa en kultur där ditt team känner sig tryggt nog att försöka, lära sig och justera. Organisationer som kommer att leda inom CX har inte den mest sofistikerade AI:n — de har de modigaste och mest nyfikna teamen bakom den.

Sträva efter att vinna för människors skull, inte för presentationens.

Följ med

Du kan följa Oremeyi Akahs arbete på LinkedIn.

Fler expertintervjuer kommer på The CX Lead!