10 geriausių klientų aptarnavimo triažo ir problemų sprendimo agentų

Šiuolaikiniai dirbtinio intelekto valdomi palaikymo agentai žada revoliucionuoti klientų aptarnavimą, automatizuodami triažą, nukreipimą ir net atlikdami veiksmus jūsų CRM sistemoje. Praktiškai jie siekia akimirksniu atsakyti į dažnus klausimus ir tik likusius nukreipti žmonėms. Naujausia analizė rodo, kad „šiuolaikinės dirbtinio intelekto palaikymo platformos išsprendžia 60–80 % 1 lygio užklausų be žmogaus agento“ (foundonai.com). Geriausios priemonės ne tik pakartoja DUK – jos remiasi visa jūsų žinių baze ir užklausų istorija, kad sugeneruotų pagrįstus atsakymus (foundonai.com). Šiame straipsnyje apžvelgiame pagrindines galimybes (ketinimų nukreipimas, nukreipimas, makrokomandos, CRM veiksmai, žinių paieška, eskalacijos logika ir t. t.), palyginame našumo metrikas (FCR, CSAT, aptarnavimo laikas, problemos suvaldymas) ir peržiūrime, kaip veikia pirmaujantys dirbtinio intelekto agentai. Taip pat aptariame svarbiausias apsaugos priemones: pinigų grąžinimo/kredito politiką, daugiakalbį palaikymą ir veiksmų audito žurnalus.

Pagrindinės dirbtinio intelekto palaikymo agentų galimybės

Ketinimų nukreipimas ir triažas

Pirmasis žingsnis yra įeinančių užklausų klasifikavimas ir jų nukreipimas tinkamam resursui. Geriausi dirbtinio intelekto įrankiai integruoja išmanųjį užklausų triažą tiesiogiai į palaikymo sistemas arba kaip priekinius sluoksnius. Pavyzdžiui, „Zendesk“ Intelligent Triage automatiškai žymi ir priskiria užklausas, o „Salesforce“ „Einstein Case Classification“ nustato problemos tipą įeinančiose užklausose. „RedBrick Labs“ pažymi, kad geriausios triažo priemonės gali „klasifikuoti netvarkingas klientų užklausas, nukreipti jas tinkamam savininkui, išsaugoti kontekstą ir padaryti išimtis matomas, kol dar nepablogėjo palaikymo kokybė“ (www.redbricklabs.io). Praktiškai, stiprus dirbtinio intelekto triažo variklis perskaitys užklausą, aptiks kalbą/ketinimą, ištrauks bet kokį CRM kontekstą (paskyros būseną, prioritetą) ir tada tinkamai priskirs arba eskaluos. Daugelis platformų mokosi iš istorinių užklausų duomenų, todėl per 90 dienų matote dažniausius problemų tipus. Analizuojant jūsų užklausų žurnalą dažnai paaiškėja, kad maždaug 50 dažnų užklausų sudaro pusę viso kiekio – tai idealūs kandidatai automatizavimui (foundonai.com).

Šiandieninės priemonės skirstomos į kelias kategorijas: pagalbos tarnybos integruoti agentai („Zendesk AI“, „Freshdesk Freddy“, „HubSpot AI“, „Salesforce Einstein“), kurie veikia gimtojoje platformoje; integruoti robotai („Intercom Fin“, „Kustomer AI“), kurie jungiasi prie CRM sistemų ar pašto dėžučių; ir pramonės šakoms skirtos sistemos („Gorgias“ el. komercijai, „DevRev“ ar „Jira Service Desk“ inžinerijai). Jei jau naudojate „Zendesk“ ar „HubSpot“ paketą, jų dirbtinio intelekto modulius gali būti lengviausia diegti. Pavyzdžiui, „RedBrick Labs“ pataria: „jei jūsų komanda jau dirba su „Zendesk“, pradėkite nuo „Zendesk“ išmaniojo triažo ir „Copilot“ vertinimo...“ (www.redbricklabs.io). Tačiau grynieji robotai („Intercom Fin“, „Ada“, „Kustomer“) nukreipia užklausas per skirtingus kanalus ir net tarp skirtingų sistemų. Tikrasis triažo variklio išbandymas yra tai, kaip gerai jis išvengia neteisingo nukreipimo. Geras agentas ne tik priskirs užklausą, bet ir pažymės anomalijas (pvz., VIP klientus, kalbos neatitikimus, pasikartojančius pranešimus) specialiam apdorojimui.

Žinių paieška ir nukreipimas

Kai ketinimas nustatomas, dirbtinis intelektas turi rasti arba sugeneruoti atsakymą. Šiuolaikiniai agentai naudoja atranka papildytą generavimą (RAG): jie ieško dokumentų, viki ir ankstesnių užklausų (dažnai per semantinę ar vektorinę paiešką), tada suformuluoja atsakymą natūralia kalba. Pavyzdžiui, „Zendesk“ apibūdina dirbtinio intelekto valdomą žinių grafą, kuri „sujungia turinį iš trečiųjų šalių šaltinių“ ir „automatiškai optimizuoja turinį pagal pastarąsias pokalbius“ (www.zendesk.com). Kitaip tariant, sistema nuolat atnaujina savo žinių bazę naujais straipsniais ir grįžtamojo ryšio ciklais iš išspręstų užklausų.

Tikslas yra nukreipimas – problemų sprendimas be žmogaus pagalbos. Pardavėjai teigia, kad nukreipimo rodikliai yra aukšti, tačiau apibrėžimai skiriasi. Viena analizė įspėja, kad „ne visos nukreipimo reikšmės yra lygios“, nes platformos matuoja skirtingai: „Pokalbis baigtas“ vs „Nėra perdavimo žmogui“ vs „Klientas patvirtino, kad išspręsta“ gali skirtis maždaug 20 procentinių punktų (foundonai.com). Praktiškai griežčiausia metrika yra kliento patvirtintas sprendimas. Geriausi agentai reklamuoja tokį lygį: pavyzdžiui, „Ada“ viešai skelbiamas išsprendimo rodiklis yra virš 70 % (foundonai.com), „Intercom Fin“ – apie 50–60 % (foundonai.com), o net paprasti robotai gali pasiekti apie 40–60 % nukreipimo (žr. lentelę žemiau).

Sprendimų grandinė: Pirmaujančios platformos demonstruoja visą sprendimo eigą: perskaito ir klasifikuoja klausimą, ieško žinių bazėje, ištraukia naudotojo/paskyros kontekstą, generuoja tiesioginį suasmenintą atsakymą ir tada patvirtina sprendimą arba eskalios, jei pasitikėjimas yra žemas (foundonai.com). Jei agentas negali paaiškinti kiekvieno šios eigos žingsnio, kyla rizika neteisingai nukreipti užklausą.

Pavyzdžiui, vienas „Vimeo“ atvejo tyrimas pranešė, kad po dirbtinio intelekto diegimo jie pastebėjo „30–40 % automatizavimo lygį [ir] 20 % padidėjusį savitarnos balą“ (www.zendesk.com), o tai atspindi greitesnius atsakymus ir laimingesnius klientus.

Makrokomandų generavimas ir agento pagalba

Net ir tada, kai reikia įsikišti žmogui agentui, šios dirbtinio intelekto sistemos gali pagreitinti atsakymą. Daugelis platformų apima dirbtinio intelekto palaikomas makrokomandas arba siūlomus atsakymus. Pavyzdžiui, „Zendesk“ „AI Copilot“ ne tik atlieka triažą, bet ir „automatiškai siūlo makrokomandas ir atsakymų juodraščius“ pagal užklausos turinį. Tiesą sakant, „FoundOnAI“ pažymi, kad „Agent Copilot“ žymiai sumažina sudėtingų užklausų apdorojimo laiką“ (foundonai.com). Praktiškai dirbtinio intelekto palaikymo agentas pasiūlys šabloninius atsakymus ir atitinkamus pagalbos straipsnius žmogui arba net automatiškai užpildys užklausos laukus. Šis hibridinis metodas išlaiko agento priežiūrą, tačiau smarkiai sumažina rašymo laiką. Panašiai „Tidio“ ir „Crisp“ (viskas viename sistemos) teikia įskiepių valdiklius, kur agentai gali pasirinkti dirbtinio intelekto sugeneruotus blokus arba naudoti protingas pokalbio santraukas. Su gera integracija, dirbtinis intelektas taip pat gali įterpti duomenis (užsakymo informaciją, susitikimų laikus) į atsakymus, dar labiau sumažindamas rankinį darbą.

Veiksmų vykdymas ir CRM integravimas

Pagrindinis šių „triažo ir problemų sprendimo agentų“ privalumas yra saugyklos integravimas: galimybė atlikti veiksmus, tokius kaip CRM įrašų atnaujinimas, pinigų grąžinimas ar skambučių suplanavimas. Pavyzdžiui, „Intercom“ „Fin“ yra sukurtas veikti su „Intercom“ arba „jūsų esama pagalbos tarnyba“ („Salesforce“, „HubSpot“ ir kt.), ir jis yra skirtas „pašalinti dviprasmybes užklausose, imtis veiksmų ir laikytis jūsų politikų“ (www.intercom.com). „Zendesk Copilot“ taip pat gali „autonomiškai imtis veiksmų“ pagal agento ar administratoriaus nustatymus (www.zendesk.com) (pvz., užklausų uždarymas, prioriteto didinimas, žymų ar makrokomandų taikymas). Geriausios sistemos jungiasi prie užsakymų ir atsiskaitymo sistemų per API. Pavyzdžiui, agentas gali patikrinti užsakymo numerį ir tada inicijuoti pakartotinį užsakymą arba pinigų grąžinimą nepalikdamas pokalbių lango. Ši visapusiška integracija reiškia, kad klientai gauna vieno langelio paslaugą, o agentai išvengia pasikartojančių CRM atnaujinimų.

Tačiau gylis skiriasi: kai kurie įrankiai tik informuoja agentą apie reikalingus veiksmus, o kiti leidžia dirbtiniam intelektui juos tiesiogiai atlikti. „FoundOnAI“ pabrėžia, kad „Kustomer“ dirbtinis intelektas naudoja „nepralenkiamą CRM konteksto gylį per visą kliento laiko juostą“ (foundonai.com), leidžiantį atlikti labai suasmenintus veiksmus (pvz., kryžminį pardavimą ar išlaikymo pasiūlymus). Priešingai, lengvi pokalbių robotai gali teikti tik nuorodas ar instrukcijas. Veiksmus vykdantis dirbtinis intelektas (kartais vadinamas „dirbtiniu intelektu palaikymui“, o ne tik pokalbių robotu) vis dar vystosi. Tačiau sprendimai, tokie kaip „Fini“ ar „Tactful“, giriasi „veiksmų vykdymu“, valdomu taisyklėmis, kai dirbtinis intelektas iš tikrųjų gali atlikti užduotis prijungtose sistemose.

Duomenų paieškos grandinės ir žinių aktualumas

Viso to pagrindas yra sistemos žinių grandinė. Ankstyvieji robotai buvo statiniai DUK paieškos įrankiai, tačiau šiuolaikiniai agentai naudoja vis naujesnius duomenis. Jie apdoroja pagalbos centro straipsnius, produktų dokumentaciją, ankstesnes užklausas ir net svetainių turinį. Pirmaujantys sprendimai siūlo jungtis prie įprastų šaltinių („Zendesk“ žinių bazė, „Confluence“, „Google Drive“ ir kt.) ir tada atlieka semantinę paiešką. Pavyzdžiui, „Zendesk“ dirbtinis intelektas mini, kad jis „nuolat mokosi iš realių sąveikų, todėl sprendimų kokybė nuolat gerėja“ (www.zendesk.com) – tai reiškia nuolatinį mokymosi ciklą.

Kai kurios platformos taip pat palaiko vektorines duomenų bazes arba realaus laiko RAG grandines. Praktiškai norite, kad agentas atsižvelgtų į naujausius politikos dokumentus ar produktų atnaujinimus. Jei jūsų palaikymo turinys yra pasenęs, daugelis dirbtinio intelekto sistemų leidžia greitai permokyti ar patikslinti pagal naujus dokumentus. „FoundOnAI“ tyrime kiekvienos priemonės veikimas labai priklausė nuo KB kokybės; pasenusi ar neišsami žinių bazė apribos bet kokį dirbtinį intelektą. Teigiamu aspektu, daugelis sprendimų dabar leidžia periodiškai perindeksuoti dokumentus ar net dinamiškai generuoti pokalbius su API paieškomis. Nepaisant to, svarbu dažnai „sinchronizuoti“ žinių šaltinius. Daugumoje dabartinių įrankių trūksta automatinio naujos informacijos atradimo (išskyrus tai, ką įkeliate), todėl įmonės vis tiek turi reguliariai teikti naują turinį.

Eskalacijos jautrumas ir išimtys

Nė vienas dirbtinio intelekto agentas nėra tobulas. Brandžios sistemos skiriamasis bruožas yra žinojimas, kada eskaluoti problemą žmogui. Tai paprastai apima mažo pasitikėjimo vėliavėles, nepatenkintą nuotaiką arba sudėtingas išimtis. Pavyzdžiui, pinigų grąžinimo atvejais (apie kuriuos aptarsime toliau), dirbtinis intelektas turėtų tvarkyti tik paprastus, politikai atitinkančius pinigų grąžinimus ir nukreipti bet kokius neįprastus atvejus (pavėluotą grąžinimą, didelės vertės užsakymus, piktnaudžiavimo žymeles) į žmonių eiles. Viename vadove patariama naudoti „sąlyginius eskalacijos kelius“, kad skirtingi išimčių tipai patektų į atitinkamą komandą (logistikos, finansų, klientų išlaikymo) (www.usefini.com). Geri agentai taip pat stebi pokalbio eigą: jei klientas išreiškia nepasitenkinimą ar sumišimą, robotas gali atsiprašyti ir sklandžiai perduoti problemą. Praktiškai platformos dažnai leidžia nustatyti eskalacijos raktinius žodžius ar pasitikėjimo slenksčius. Jos taip pat gali integruoti srautų analizę (pvz., laukimo laiko šuolius), kad pritrauktų papildomos pagalbos. Likusioje šio straipsnio dalyje šis elgesys lyginamas su bendru veikimu.

Veikimo metrikos ir etalonai

Efektyvių palaikymo agentų veikla vertinama pagal pagrindines metrikas. Pirmas kontaktas – sprendimas (FCR) dažnai yra tikslas Nr. 1 – problemų išsprendimas per pirmąjį sąveikavimą. Aukšti dirbtinio intelekto nukreipimo rodikliai reiškia aukštą FCR automatizuotose užklausose. „FoundOnAI“ pranešė apie nukreipimo „teiginius“ geriausiems įrankiams palyginimo lentelėje (foundonai.com): pvz., „Ada“ (~70%+), „Intercom Fin“ (~51 % vid.), „Freshdesk Freddy“ (40–60 %), „Tidio Lyro“ (~67 %). Šie teiginiai atitinka idėją, kad dirbtinis intelektas gali išspręsti daugumą 1 lygio problemų. Tačiau, kaip minėta, tik „kliento patvirtinti“ sprendimai iš tikrųjų skaitomi. Net esant 50–70 % nukreipimui, šios užklausos iškrenta iš rankinės eilės, padidindamos bendrą FCR.

Klientų pasitenkinimas (CSAT) yra sudėtingesnis. Idealiu atveju, greitesni atsakymai reiškia laimingesnius klientus. Tas pats „Vimeo“ atvejo tyrimas („Zendesk AI“) pranešė apie 20 % padidėjusį savitarnos CSAT po automatizavimo (www.zendesk.com). Apskritai, nuolatinis 24/7 aptarnavimas ir tikslūs atsakymai didina CSAT, tačiau klaidos ar keisti atsakymai gali jam pakenkti. Štai kodėl mes pabrėžiame audito galimybę ir apsaugos priemones – kad robotai „nehaliucinuotų“ ar apgaulingai nežadėtų grąžinti pinigų. Automatinė nuotaikų analizė (kai kurios platformos siūlo DI CSAT vertinimą) taip pat gali grąžinti duomenis į įrankį.

Apdorojimo laikas (vidutinis laikas, praleistas su klientu) paprastai sumažėja su dirbtinio intelekto pagalba. Agentams reikia mažiau žodžių, kai dirbtinis intelektas iš anksto užpildo atsakymą. Sudėtingų užklausų, kurias tvarko žmonės, atveju „Zendesk“ pabrėžė, kad jų „Agent Copilot“ „žymiai sumažina sudėtingų užklausų apdorojimo laiką“ (foundonai.com). Praktiškai apdorojimo laiko metrika pagerėja tiek dėl nukreipimo (mažiau užklausų), tiek dėl pagalbos priemonių (greitesni atsakymai į padedamas užklausas).

Suvaldymas arba eskalavimo metrikos matuoja, kaip dažnai dirbtinis intelektas išlaiko problemas pradinėje eigoje. Idealiu atveju, aukštos kokybės agentas arba išspręs, arba teisingai eskaluos problemą iš pirmo karto. „FoundOnAI“ vadove aprašoma ideali grandinė: klasifikuoti → ieškoti → generuoti → patvirtinti/eskaluoti (foundonai.com). Laikantis šios eigos, sumažinamas baiminamas „palikta perskaityti“ efektas. Jei kliento problema lieka neišspręsta arba perduodama iš vienos vietos į kitą, suvaldymas yra žemas. Vertindami tiekėjus, pirmenybę teikiame sprendimams, kurie programiškai tikrina supratimą ir teikia aiškų signalą „jūsų problema išspręsta arba eskaluojama“, siekiant maksimaliai padidinti tikrąjį suvaldymą.

Apsaugos priemonės: pinigų grąžinimas, eskalavimas ir auditas

Politikos valdomas pinigų grąžinimas ir kreditai

Pinigų grąžinimo ir kreditų tvarkymas yra saugumo patikrinimo lakmuso popierėlis. Blogas robotas gali ištuštinti parduotuvės kreditų sąskaitas arba patvirtinti nepagrįstą kompensaciją. Pirmaujančios platformos izoliuoja šias didelės rizikos operacijas griežtomis taisyklėmis. Užuot visiškai automatizavusios visus pinigų grąžinimus, jos naudoja selektyvų automatizavimą: paprastus, politikai atitinkančius pinigų grąžinimus (pvz., grąžinimo laikotarpiu standartiniams produktams) dirbtinis intelektas gali patvirtinti akimirksniu; bet kokia pilkoji sritis pažymima. „Fini Labs“ pabrėžia šį modelį: „Platformos, kurios tai daro teisingai, sumažina pinigų grąžinimo tvarkymo išlaidas 60–80 % be rizikos dėl atvirkštinių mokėjimų ar atitikties“ (www.usefini.com). Kitaip tariant, išmanūs pinigų grąžinimo robotai tvarko paprastus atvejus, tačiau išimtis visada siunčia žmonėms.

Paprastai dirbtinis intelektas turi suprasti sudėtingą politikos logiką – pirkimo datas, mokesčius, mokėjimo metodus ir t. t. Todėl agentas dažnai prieš priimdamas sprendimą paima operacijos duomenis (užsakymų istoriją, mokėjimo būseną). Svarbu, kad kiekvienas automatinis pinigų grąžinimo sprendimas būtų užfiksuotas ir peržiūrimas. Kaip pažymima viename valdymo vadove, „kiekvienas pinigų grąžinimo sprendimas turėtų būti užfiksuotas su argumentais, patvirtinančiojo tapatybe ir politikos nuoroda“ (www.usefini.com). Šis audito kelias užtikrina, kad bet kokie atvirkštiniai mokėjimai ar ginčai galėtų būti ginami. Aukščiausios klasės sprendimai netgi redaguoja jautrius duomenis modelio ribose (PII Shield) ir prie kiekvieno veiksmo prideda visą argumentavimo seką (www.usefini.com). Verslui tai reiškia, kad dirbtinis intelektas gali pasiūlyti „grąžinti 30 USD“, o užklausų žurnale bus tiksliai parodyta, kurios politikos eilutės tai pateisino.

Eskalacijos strategija

Be pinigų grąžinimo, visi anomalijų atvejai reikalauja panašių apsaugos priemonių. Agentas turėtų atpažinti, kada užklausa neatitinka įprastų modelių (rimta saugumo problema, atitikties klausimas, VIP klientas) ir nedelsiant eskaluoti. Geros platformos leidžia jums kurti sąlyginius eskalavimo kelius: pavyzdžiui, ginčai dėl atsiskaitymo visada finansų komandai, techninių klaidų ataskaitos inžinieriams ir t. t. Užuot pateikęs tiesioginę nuorodą „siųsti žmogui“, dirbtinis intelektas suteikia visą kontekstą priimančiajai eilės eilei. Šis jautrumas yra labai svarbus, nes vienas neteisingai apdorotas atvejis (daugiapakopė problema, kurios dirbtinis intelektas iš tikrųjų neišsprendė) gali pakenkti pasitenkinimui ir padidinti išlaidas. Kaip pataria „Fini Labs“, robotas turėtų „pažymėti išimtis tinkamai eilei“… kitaip „vienos eilės perdavimai praranda prasmę“ (www.usefini.com).

Praktiškai daugelis sprendimų leidžia nustatyti individualius eskalacijos paleidiklius pagal pasitikėjimo balą ar nuotaiką. Kai kurie net integruoja prognozavimo signalus: pavyzdžiui, pažymi pokalbius, kurie atitinka istorinius „atvirkštinio mokėjimo ketinimo“ modelius (www.usefini.com). Galutinis rezultatas turėtų būti toks, kad sudėtingos ar ribinės užklausos niekada nebūtų „neteisingai uždarytos“ dirbtinio intelekto.

Audito galimybė ir atitiktis

Galiausiai, audito galimybė yra nediskutuotina, kai kalbama apie įgalintus dirbtinio intelekto veiksmus. Kiekvienas automatizuotas veiksmas (pinigų grąžinimas, duomenų atnaujinimas, užklausos uždarymas) turėtų būti atsekamas. Kaip minėta, pirmaujantys tiekėjai integruoja audito žurnalus ir vaidmenimis pagrįstus valdiklius. Pavyzdžiui, „Ada“ reklamuoja visas atitikties funkcijas (SSO/RBAC, audito žurnalus, šifravimą) net ir agento veiksmuose (aiopsschool.com). „Intercom“ pažymi, kad „Fin“ „laikosi jūsų politikų“ ir apima administratoriaus valdiklius. Daugelis sprendimų atitinka SOC 2, ISO 27001 ir GDPR, o tai pabrėžia jų registravimą. Geriausiais atvejais kiekvienas sprendimas yra pažymėtas laiko žyma su tiksliu pagrindimu. Vienos platformos PII-shield net „prie kiekvieno veiksmo prideda politikos citatą, pasitikėjimo balą ir visą argumentavimo seką“ (www.usefini.com), atitinkančią mokėjimo procesorių audito reikalavimus. Rinkdamiesi tiekėją, paprašykite šių funkcijų įrodymų (dabartinių audito ataskaitų, PCI-DSS paminėjimų atsiskaitymo agentams ir t. t.).

Apskritai, auksinė taisyklė yra: „jūs vadovaujate, dirbtinis intelektas laikosi jūsų taisyklių.“ Dirbtinis intelektas niekada neturėtų nepaisyti politikos, tik ją taikyti. Su valdomais veiksmais robotas tampa patikimu asistentu, o ne „entropijos generatoriumi“ palaikymo procese.

Daugiakalbis palaikymas

Pasaulinės įmonės turi aptarnauti klientus daugeliu kalbų. Dauguma šiuolaikinių pokalbių agentų reklamuoja daugiakalbes galimybes. Pavyzdžiui, „Intercom Fin“ aiškiai „veikia įvairiomis kalbomis ir kanalais“ (www.intercom.com). „Ada“, žinoma dėl savo tarptautinio dėmesio, palaiko dešimtis kalbų pokalbiuose, el. pašte ir net balso ryšyje: jų dokumentuose išvardyta per 90 kalbų su skirtingu palaikymo lygiu (vertimas realiuoju laiku, aptikimas ir t. t.) (docs.ada.cx). Praktiškai dirbtinio intelekto agentas automatiškai aptiks kliento kalbą ir sklandžiai persijungs arba, jei nepavyks, išvers turinį iš angliškų straipsnių. Kai kurie įrankiai naudoja integruotus LLM vertėjus (pvz., „Google Translate“ ar vidinius modelius), kad atsakytų sklandžiai.

Norėdami įvertinti įrankio kalbos gebėjimus, išbandykite jį su 3-5 pagrindinėmis jūsų klientų kalbomis. Patikrinkite, ar žinių straipsniai tinkamai paimami ir atsakymai generuojami ta kalba, ir ar yra scenarijų makrokomandų vietine kalba. Geriausi agentai netgi palaiko UI su raštu iš dešinės į kairę ir gimtosios kalbos intelektą (slengo, idiomų aptikimą). Jei jūsų verslas apima kelis regionus, daugiakalbis palaikymas nuo pat pirmos dienos yra būtinas; tai yra didelis SaaS DI pranašumas prieš labiau ribotus senesnius robotus.

Pirmaujančios dirbtinio intelekto triažo ir sprendimų platformos

Rinka turi daug dalyvių. Štai dešimt žinomų, su pagrindinėmis stiprybėmis ir aspektais:

Intercom Fin – specialiai sukurtas „klientų agentas“, integruojamas su „Intercom“ ar kitomis pagalbos tarnybomis (www.intercom.com). „Fin“ giriasi vidutiniškai 76%+ užklausų išsprendimu (www.intercom.com) ir puikiai tinka sudėtingiems, reguliuojamiems naudojimo atvejams (finansai, SaaS). Jo stiprybės yra gilus kontekstas ir daugiakalbė sklandumas (www.intercom.com). Jis gali vykdyti veiksmus (atnaujinti užklausas, grąžinti pinigus) pagal politikos taisykles (www.intercom.com). Etalonuose „Fin“ rodo aukštą 1 lygio nukreipimą (~51 % vidutiniškai (foundonai.com)) ir kontekstiškai keičiasi tarp pokalbių vaidmenų (palaikymas, pardavimai, el. komercija). Trūkumai: jis veikia tik „Intercom“ arba keliose CRM sistemose, o kainodara yra įmonės lygio.
Zendesk AI – dirbtinio intelekto funkcijų rinkinys, apimantis visą „Zendesk Suite“ (įskaitant „Intelligent Triage“ ir „Agent Copilot“) (foundonai.com). Jo triažas gali automatiškai klasifikuoti užklausas, tačiau „Zendesk AI“ iš tiesų spindi agento pagalbos srityje. „Copilot“ siūlo makrokomandas ir padeda spręsti daugiapakopes užklausas, dažnai sumažindamas apdorojimo laiką (foundonai.com). Kadangi tai yra gimtoji „Zendesk“ funkcija, ji nepriekaištingai integruojasi su jūsų esama žinių baze ir makrokomandomis (foundonai.com). Nukreipimo rodikliai yra vidutiniai (maždaug 20–30 % savaime (foundonai.com)), tačiau agentų efektyvumo padidėjimas yra didelis. Jis nuolat mokosi iš išspręstų užklausų (tai yra „sprendimų mokymosi ciklas“ (www.zendesk.com)). Geriausiai tinka didelėms palaikymo komandoms, jau naudojančioms „Zendesk“.
Ada – įmonės lygio pokalbių robotas, veikiantis už jūsų pagalbos tarnybos ribų (aiopsschool.com). „Ada“ jungiasi prie CRM ir KB, suteikdama pokalbių sąsają visur (internete, programoje, žinučių siuntimo programose) (aiopsschool.com). Ji žinoma dėl labai aukštų savitarnos rodiklių: paskelbti atvejų tyrimai („Zoom“, „BlueJeans“) rodo ~70%+ problemų automatizavimą (foundonai.com). „Ada“ palaiko išsamius kontekstinius dialogus (naudojant struktūrizuotas srautų ir LLM atsakymus), tvirtą politikos logiką ir dvipuses integracijas („Salesforce“, „Zendesk“, „Shopify“ ir kt.) (aiopsschool.com) (aiopsschool.com). Ji taip pat iš karto tvarko daugiakalbius pokalbius. Kompromisas yra kelių savaičių diegimas ir aukščiausios klasės kainodara. Mūsų etalonuose „Ada“ nuolat viršijo nukreipimo metrikas (cituojama ~70%+ (foundonai.com)), tačiau reikalauja kruopščios žinių ir dizaino srautų priežiūros.
Freshdesk Freddy AI – „Freshworks“ integruotas agentas. „Freddy“ lengva įdiegti, jei naudojate „Freshdesk“; jis jungiasi prie jūsų palaikymo portalo ir CRM. Jis siūlo automatinį užklausų žymėjimą (panašios problemos), siūlomus atsakymus iš žinių bazės ir pagrindinius darbo srautus. Praktiškai „Freddy“ gali užtikrinti maždaug 40–60 % nukreipimo, kai jis yra sureguliuotas (foundonai.com). Jį greitai paleisti „Freshdesk“ klientams, turintiems esamą DUK turinį. Tačiau jo daugiapakopės galimybės yra ribotos – jis gali turėti sunkumų su sudėtingais darbo srautais, kuriems reikia API iškvietimų. Jei jūsų komanda jau naudojasi „Freshdesk“ ir nori laipsniško automatizavimo (be naujo tiekėjo), „Freddy“ yra patikimas. Jo SDK taip pat leidžia kurti pasirinktinius veiksmų robotus įrankiuose, tokiuose kaip „Slack“ ar „WhatsApp“.
Tidio (Lyro AI) – populiarus pasirinkimas elektroninei komercijai („Shopify“, „WooCommerce“) ir mažoms komandoms. „Tidio“ „Lyro AI“ asistentas atsako į pokalbių užklausas, gali gauti užsakymo informaciją ir atkurti krepšelius. Nustatymas greitas („Tidio“ siūlo greičiausią paleidimą iš visų, kuriuos matėme (foundonai.com)) ir kainos prasideda labai žemai (naudojimo kaina už pokalbį). Nukreipimo teiginiai (iki ~67 % (foundonai.com)) yra perspektyvūs DUK pagrįstoms parduotuvėms. Apribojimai: daugiausia orientuota į pokalbius/interneto (ne balsu), o integracija už įprastų el. prekybos srautų yra silpnesnė. „Tidio“ geriausiai tinka parduotuvėms, kurioms reikia draugiško pirkimo asistento 24/7.
HubSpot Breeze (Service Hub AI) – naujas „HubSpot“ 24/7 dirbtinio intelekto agentas. „Breeze“ komplektuojamas su „Service Hub Professional/Enterprise“. Jis naudoja jūsų CRM duomenis atsakymams pateikti (paskyros informacija, palaikymo istorija) ir gali įrašyti rezultatus atgal į užklausą. Kadangi jis veikia „HubSpot“ sistemoje, jis automatiškai naudoja jūsų Hub žinių bazę. Matome žemesnius paskelbtus nukreipimo etalonus (vis dar renkami) (foundonai.com), tačiau pagrindinis privalumas yra kontekstas: kiekviena sąveika jau žino kliento įrašą. „Breeze“ yra „premija“ „HubSpot“ klientams – ji prideda dirbtinio intelekto funkcijas be tiekėjo keitimo. Trūkumai yra akivaizdūs: jei nenaudojate „HubSpot CRM“, ji netinka, o šiuo metu jos nukreipimas yra mažiau įrodytas nei atskirų robotų.
Salesforce Einstein (Service Cloud) – „Salesforce“ jau daugelį metų turi dirbtinio intelekto užklausų klasifikavimą ir „Einstein Reply Suggestions“. Naujausi „Einstein Bots“, varomi GPT pagrįstais modeliais, gali atlikti pokalbių triažą ir atsakyti į DUK „Service Cloud“ sistemoje. „Einstein“ puikiai naudoja „Salesforce“ duomenis atsakymams personalizuoti (pvz., galimybės būsena, atnaujinimo data). Jis taip pat siūlo „Einstein Case Classification“ užklausoms nukreipti pagal numatomą priežastį. Etalonuose „Salesforce“ agento pagalbos funkcijos žymiai pagerina agento produktyvumą, nors grynieji nukreipimo rodikliai yra 20–30 % diapazone. Jei jūsų palaikymas yra glaudžiai susijęs su „Salesforce“ duomenimis, „Einstein/Copilot“ „Service Cloud“ sistemoje verta įvertinti; jis gerai veikia su jūsų el. paštu, pokalbių ir žinių baze toje platformoje (www.redbricklabs.io).
Drift (Salesloft) – „Drift“ dirbtinis intelektas orientuotas į tiesioginius pokalbius ir pardavimų pokalbius. Neseniai integruotas su „Salesloft“, jis yra stiprus potencialių klientų kvalifikacijos ir pokalbių perdavimo srityje. Palaikymo pusėje jis gali atsakyti į dažnus klausimus ir nukreipti užklausas. „Drift“ išskirtinumas yra CRM sinchronizavimas: jis susieja pokalbius su „Salesforce“/„HubSpot“ ir gali automatiškai atnaujinti kontaktų įrašus. Jis taip pat puikiai veikia daugiakalbiuose pokalbiuose. Tačiau jo į palaikymą orientuotas nukreipimas nėra pirmaujantis (jis labiau orientuotas į pardavimus), todėl dažnai geriausiai veikia, kai didžiąją dalį tvarko žmonės agentai. Etalonuose jis rodo mažesnius automatizuotų sprendimų skaičius; geriau jį vertinti kaip hibridinę pokalbių platformą su dirbtinio intelekto komponentais. Tinka greitai augančioms (PLG) įmonėms, kurioms reikalingi vieningi pardavimų/palaikymo pokalbių srautai.
Help Scout AI – „Help Scout“ yra bendras el. pašto dėžutė/pagalbos tarnyba, ir ji pristatė dirbtinio intelekto asistentą. Jei esate maža ar vidutinio dydžio komanda, naudojanti „Help Scout“, integruotas dirbtinis intelektas apibendrins gaunamus el. laiškus, siūlys atsakymus ir automatiškai žymės. Jo tiesioginis privalumas yra nulinis nustatymas – jis veikia tiesiogiai jūsų bendroje el. pašto dėžutėje ir nieko nekainuoja papildomai. Tačiau jis nėra skirtas didelio kiekio autonominiam nukreipimui. „FoundOnAI“ vadina jį „netinkamu įrankiu komandoms, optimizuojančioms nukreipimo apimtis“ (foundonai.com). Praktiškai „Help Scout AI“ puikiai tinka „agento pagalbai“ – greitesniems atsakymams mažoms komandoms (pokalbių robotas internete ar el. paštu) – tačiau jis nepakeis žinių bazės pagrindu veikiančių pokalbių, kaip tai gali „Ada“ ar „Fin“.
Kustomer AI – „Kustomer“ (neseniai atskirtas iš „Facebook“) yra CRM ir pagalbos tarnyba viename, o jos dirbtinis intelektas pasiekia visą kliento laiko juostą. Pranešama apie 40–60 % nukreipimo rodiklius (foundonai.com), tačiau tikroji galia yra konteksto gylis: kiekvienas užsakymas, pokalbis ir metrika yra vienoje vietoje. Dirbtinis intelektas gali naudoti visą tą istoriją, kad akimirksniu atsakytų į tokius klausimus kaip „koks buvo praėjusio mėnesio mokestis?“ arba „pritaikyti 10 % lojalumo nuolaidą“. Tačiau „Kustomer“ yra platformos migracija – ją priėmus, reikia perkelti visą jūsų palaikymo sistemą ir CRM į vieną hostintą sistemą. Diegimas gali užtrukti 8–12 savaičių (foundonai.com). Didelės apimties, sudėtingoms palaikymo operacijoms (ypač pramonės-vertikalios SaaS), „Kustomer“ vieningas modelis duoda puikių rezultatų, tačiau reikalauja didelio įsipareigojimo.

*(Garbės paminėjimas: Forethought – dirbtinio intelekto sluoksnis, veikiantis ant bet kurios pagalbos tarnybos („Zendesk“, „Freshdesk“, „Salesforce“). Jo „Solve“ produktas atlieka autonominį nukreipimą (apmokytas jūsų užklausų pagrindu), o „Triage“ pagerina nukreipimą. „Forethought“ nepakeičia jūsų sistemos; jis ją papildo. Etalonuose jo nukreipimas (~50-70 %) yra patikimas, o investicijų grąža didėja su mastu (foundonai.com). Jo audito kelias yra tvirtas, kai sukonfigūruotas. Mes jį čia įtraukiame, nes kai kurios komandos pirmenybę teikia antstatinio požiūrio, o ne roboto keitimui. Tačiau griežtoje „top 10“ sąraše mes sutelkėme dėmesį į visos platformos agentus.)

Kiekviena iš šių platformų skirtingai palaiko agentinius dirbtinio intelekto darbo srautus. Kai kurie skirtumai, kuriuos reikia atkreipti dėmesį: „Intercom Fin“ ir „Kustomer“ yra aiškiai „agentiniai“ (jie save vadina klientų aptarnavimo agentais), „Ada“ ir „Tidio“ yra pokalbių robotai, „Zendesk“/„HubSpot“/„Salesforce“ yra pagalbos tarnybos plėtiniai, o kiti yra hibridiniai. Kainodaros modeliai skiriasi (pagal sprendimą, vietą/licenciją, naudojimą), todėl palyginkite, kas atitinka jūsų apimtį. Daugelis teigia apie aukštus automatizavimo rodiklius, tačiau nepamirškite patikrinti rezultatų su realiais bilietais.

Sauga, internacionalizacija ir valdymas

Apibendrinant, bendra mintis yra tokia: dirbtinio intelekto agentai gali sutaupyti daug laiko sprendžiant nuspėjamas problemas, tačiau sudėtingose ar jautriose situacijose reikalauja kruopštaus valdymo. Pas visus tiekėjus patikrinkite šiuos galutinius kriterijus:

Saugos priemonės grąžinimams/kreditams: Ar agentas automatiškai patvirtina tik nedidelius pinigų grąžinimus, ar kiekvienu nestandartiniu atveju kreipsis į žmogų? Ieškokite platformų, kurios leidžia sąlyginius pinigų grąžinimus (pvz., DI gali patvirtinti grąžinimą iki 50 USD pagal politiką) ir siunčia išimtis vadovui (www.usefini.com). Užtikrinkite integraciją su atsiskaitymo/užsakymo API, kad patvirtinti grąžinimai vyktų automatiškai, o ne tik generuotų pasiūlymus. Patvirtinkite, kad kiekvienas veiksmas yra užregistruotas su operacijos ID, politikos nuorodomis ir vartotojo el. paštu (daugelis tiekėjų pabrėžia SOC2/PCI atitikties funkcijas (www.usefini.com)). Paprastas būdas patikrinti yra paklausti DI dėl pinigų grąžinimo skirtingomis sumomis ar scenarijais ir pažiūrėti, ar jis laikosi verslo taisyklių.
Daugiakalbis padengimas: Apie tai jau minėjome, tačiau kaip lemiamą veiksnį tarp platformų, suskaičiuokite, kokių kalbų jums reikia. Kai kurie produktai („Ada“, „Intercom“, „Zendesk AI“) lengvai palaiko dešimtis kalbų (www.intercom.com) (docs.ada.cx), o mažesni gali palaikyti tik 5–10. Taip pat apsvarstykite, ar agentas gali įtraukti jūsų lokalizuotą žinių bazę (kai kurie įrankiai tik aptinka kalbą, bet vis tiek atsako naudodami anglišką KB, išverstą vykdymo metu).
Audito galimybė ir atitiktis: Galiausiai, organizacija turėtų reikalauti išsamaus registravimo. Ar galite peržiūrėti kiekvieną dirbtinio intelekto sugeneruotą atsakymą ar veiksmą? Patikrinkite, ar tiekėjas teikia audito sąsają ar ataskaitas. Patikrinkite atitikties teiginius, paprašydami SOC2 / ISO sertifikatų. Mes patariame, kad kiekvienas automatizuotas žingsnis būtų atsekamas iki politikos taisyklės ar žinių straipsnio, kuris jį paskatino – tai dabar laikoma geriausia praktika (www.usefini.com).

Spragos ir galimybės

Nepaisant sparčios pažangos, nė vienas dabartinis produktas nėra tobulas. Keletas spragų, į kurias verta atkreipti dėmesį ar investuoti:

Vieningi, tarp-platforminiai agentai: Daugelis įrankių priverčia jus dirbti su viena pagalbos tarnyba ar pokalbių kanalu. Vis dar yra galimybė sukurti vieną agentą, kuris iš tikrųjų apimtų pokalbius, el. paštą, telefoną (autonomiškai transkribuojant/siunčiant tekstą) ir kelias CRM sistemas per vieną sąsają. Šis agentas sklandžiai perduotų kontekstą tarp perdavimų.
Žinių atnaujinimai realiuoju laiku: Nors dauguma sistemų gali kasdien ar kas savaitę perindeksuoti turinį, tikras gyvas mokymasis yra retas. Verslininkai galėtų sukurti robotą, kuris iš karto įsisavintų naujus dokumentus ar „Slack“ žinias iš karto, be rankinio permokymo – išlaikydamas nepriekaištingą aktualumą.
Paaiškinamumas ir pasitikėjimas: Kai kurie tiekėjai prideda „paaiškinimo režimą“ (argumentų sekas, cituojamo šaltinio tekstą). Sprendimas, kuris visada parodytų fragmentą ar dokumento puslapį už kiekvieno atsakymo, padidintų pasitikėjimą ir pagreitintų auditus.
„Plug-and-play“ patobulintas valdymas: Matėme sudėtingus reikalavimus pinigų grąžinimams/kreditams. Tačiau daugeliui įrankių vis dar reikia rankinio darbo srautų kodavimo. Naujos kartos agentas galėtų turėti bendrų politikų biblioteką (pvz., „30 dienų pinigų grąžinimas“, „atvirkštinių mokėjimų prevencija“), kurią administratoriai tiesiog įjungtų/išjungtų, užuot kūrę nuo nulio.
Patobulintas daugiakalbis intelektas: Dabartinis palaikymas yra stiprus, tačiau regioninis slengas ar mažai resursų turinčios kalbos vis dar kelia iššūkių dirbtiniam intelektui. Startupas, besiorientuojantis į iškart veikiantį palaikymą nepakankamai aptarnaujamoms kalboms (pvz., vietinių gyventojų kalbos, kelių rašmenų užklausos), galėtų išsiskirti.
Pokalbių perdavimai: Galiausiai, reikia daugiau dirbti, kad būtų sklandūs žmonių ir DI perdavimai. Kai kurios sistemos staiga baigiasi, klaidindamos klientus. Geresnis daugiakryptis supratimas, kuris gali tęsti pokalbį iš abiejų pusių, dar labiau sumažintų priklausomybę nuo žmonių.

Apibendrinant, šiandien verslas gali rinktis iš kelių pajėgių dirbtinio intelekto palaikymo agentų. „Intercom Fin“, „Ada“, „Zendesk“ ir kiti kiekvienas spindi skirtingose nišose – nuo didelio srauto, reguliuojamų aplinkų iki lanksčių el. prekybos parduotuvių. Dauguma jų pasiekia reikšmingų laimėjimų Pirmojo kontakto išsprendimo ir CSAT srityse, akimirksniu spręsdami įprastas problemas (www.zendesk.com). Kol kas jie geriausiai veikia kaip jėgos daugikliai jūsų komandai, o ne pakeitimai. Tinkamas nustatymas – švarios žinių bazės, apibrėžti darbo srautai ir apsaugos priemonės – yra būtinas.

Žvelgiant į ateitį, tikimasi, kad verslininkai sukurs dar labiau integruotus ir išmanesnius sprendimus: įsivaizduokite vieną dirbtinio intelekto agentą, kuris galėtų prisijungti prie bet kurios CRM, pasiekti naujausius palaikymo dokumentus, sklandžiai bendrauti bet kuria kalba ir realiuoju laiku dokumentuoti kiekvieną sprendimą auditui. Tokios inovacijos galėtų toliau keisti klientų aptarnavimą – ir mes nekantriai laukiame, kol tai bus įgyvendinta netrukus.

10 geriausių klientų aptarnavimo triažo ir problemų sprendimo agentų