İletişim merkezi alanındaki her yapay zeka satıcısının öne çıkan bir özelliği vardır.
Çoğu, daha iyi işlem süreleri, daha iyi müşteri memnuniyeti ve temsilcilerin manuel görevlerin angaryasından kurtularak gerçekten ihtiyaç duyulan görüşmelere odaklanabilmelerinin bir kombinasyonuyla övünür.
Daha az konuşulan şey, canlıya geçiş ile en önemli sonuçlar arasındaki süreçtir.
Bir ekip yeni araçlarla ilk kez gerçek koşullar altında (gerçek müşteriler, gerçek çağrı hacimleri ve gerçek uç örneklerle) çalıştığında, uygulamanın kalitesi aslında belirlenir. Ve nadiren tarla kadar temiz görünür.
Audrey Boussac, Diabolocom proje yönetimi başkanıAI uygulama döngüsü boyunca iletişim merkezleriyle çalışma deneyimine sahiptir; konfigürasyondan sorunlu noktalara ve ekibin AI'den şüphe etmeyi bırakıp onun üzerinde çalışmaya başladığı noktaya kadar her şeyi kapsar.
Boussac, “Birçok insan yapay zeka ile çalışmaktan heyecan duyuyor çünkü harika görünüyor, çünkü herkes onun hakkında konuşuyor” diyor Boussac.
“Ancak alakalı ve etkili bir şeye sahip olduğunuzdan emin olmanın biraz zaman alabileceğini anladıklarında bu heyecan azalıyor.
“Yapay zeka sadece sihirli bir düğme değil; sadece bir şeye tıklarsınız ve sonucu alırsınız.”
Her yapay zeka ürünü değerini aynı zaman çizelgesinde ortaya çıkarmaz
İletişim merkezi yöneticilerinin yapay zeka performansını değerlendirirken yaptığı en yaygın hatalardan biri, tamamen farklı zaman ölçeklerinde çalışan araçlara tek bir ölçüm penceresi uygulamaktır.
Boussac, temsilcileri canlı konuşmalarda canlı transkripsiyonla destekleyen türden gerçek zamanlı araçların etkilerini genellikle hızlı bir şekilde gösterdiğini açıklıyor:
“Onunla çalışmaya başladığınız ilk günden itibaren memur üzerindeki etkisini göreceksiniz.”
Daha kısa aramalar ve gelişmiş doğruluk gibi şeyler, temelin sağlam olup olmadığını nispeten hızlı bir şekilde bilmenizi sağlayacak kadar hızlı bir şekilde ortaya çıkar.
Öte yandan kalite izleme farklı bir hikaye. Yapılandırma daha karmaşıktır, kalibrasyon daha uzun sürer ve erken sonuçların okunması daha zordur.
Boussac, “İyi gittiğinde bunu fark etmek kolaydır; çünkü insan kadar doğru bir şey elde edersiniz” diye açıklıyor.
Denetçilerin daha önce haftada birkaç çağrıyı manuel olarak incelediği kuruluşlar artık tüm operasyonlarını görebilir.
Mesajlaşmada bir adım değişiklik bu, ancak ikinci haftada açıklanmayacak. Liderler böyle bir uygulamayı kısa bir süre içinde değerlendirip işe yaramadığı sonucuna vardıklarında, genellikle yanlış şeyleri yanlış zamanda ölçüyor oluyorlar.
Canlı yayına geçmeden önceki netlik her şeyi değiştirir
Ürün türünün yanı sıra, bir uygulamanın ne kadar hızlı sonuç verdiğini belirleyen en büyük değişken, kuruluşun iş başlamadan önce ne istediğini ne kadar net bildiğidir.
“Yapay zekayı sadece yapay zekayı uygulamak adına uygulamak istediğiniz şey değil. Yapay zekayı uygulamak çünkü bir taahhüdünüz var, çünkü nereye gitmek istediğiniz açık, asıl faydayı alacağınız yer burası.”
Özetle Boussac, belirli bir amacı olan kuruluşların daha hızlı hareket ettiğini savunuyor. Boş bir sayfadan başlayanların her şeyi gerçek zamanlı olarak çözmesi gerekiyor, bu da zaman çizelgesini tüketiyor ve hızlı galibiyet bekleyen takımların sabrını sınaıyor.
Bu, müşterilerin değerlendirmek istediklerini yapay zekanın çalışabileceği terimlere çevirmesi gereken kalite izlemede en belirgindir.
'Sesteki gülümseme' gibi bir kriter, bir insan denetçi için sezgiseldir ve etkili bir şekilde yapılandırılması gerçekten zordur.
Boussac, “Ne kadar zamana yatırım yapmak istediğinize bağlı olarak iki hafta veya birkaç ay sürebilir” diyor.
Hedef odaklı yapay zeka neden başlangıç noktasını değiştiriyor?
Uygulamadan sonuçlara giden yolu sürekli olarak kısaltan faktörlerden biri, faaliyet gösterdiği ortam için oluşturulmuş yapay zeka ile çalışmaktır.
Diabolocom'un modelleri şirket içinde geliştirilmiş ve özellikle iletişim merkezi kullanım durumları için eğitilmiştir; insan sorgularının tüm kapsamını ele almak üzere tasarlanmış genel amaçlı LLM'lere uyarlanmamıştır.
Boussac'a göre fark, müşterilerin sistemin onlara söylediklerine güvenmeye başlama hızında açıkça görülüyor.
“Genel yapay zekaya değil, iletişim merkezleri için yapay zekaya yatırım yapıyoruz ve bu çok spesifik bir konu” diyor.
“Bu, müşteri hizmetleriyle iletişime geçtiklerinde insanlara yanıt vermek için özel olarak eğitilmiş ve müşterinin güvenini kazanmaya daha uygun bir modelle çalıştığınız anlamına geliyor.”
Birçok müşteri, diğer tedarikçilerden karşılaştıkları türden genel bir model bekleyerek gelir. Teknolojinin onların kelime dağarcığı, konuşma koşulları ve gerçek iş akışları için tasarlandığını keşfetmek, uygulama dinamiğini erkenden değiştirme eğilimindedir; sınırlamaları aşmaktan, bu koşullar için başlangıçtan itibaren tasarlanmış bir şeyle çalışmaya doğru hareket eder.
Yapay zekanın gerçekte sunduğu iyi şeyler ve bunu nasıl biliyorsunuz?
Canlıya geçiş sonrası dahili yatırım getirisi oluşturmaya gelince Boussac, uygulamanın neyi başarmayı amaçladığına göre uyarlanmış tutarlı bir dizi göstergeye dikkat çekiyor.
Temsilci odaklı araçlar için en net sinyaller verimlilikle ilgilidir: daha hızlı işlem süreleri, daha yüksek çağrı yeterlilik oranları ve daha az aktarım. Müşteri tarafında ise özellikler NPS, ilk çağrıdaki çözünürlük ve deneyimin genel kalitesidir.
“Daha kısa bir sohbete sahip oluyorsunuz, daha fazla insanı ulaşılabilir hale getiriyorsunuz çünkü daha kısa sohbetler oluyor” diye açıklıyor.
Sorgusunun tam içeriğine zaten sahip olan bir temsilciye ulaşan bir müşteri, doğru kişiye ulaşmadan önce kendisini üç kez tekrarlamak zorunda kalan birinden temel olarak farklı bir deneyimdir.
Kalite izleme başka bir boyut katıyor. Boussac, denetçilerin on çağrı yerine bin çağrıyı inceleyebildiğinde rollerinin değiştiğini açıklıyor:
“Eskiden konuşmaları dinlemek için saatler harcayan ve genellikle ondan azını analiz eden kişi, artık bin kişiyi analiz edebilir. Ayrıca, sorunun tam olarak nerede olduğunu bildiği için insanları eğitmeye de zaman ayırabilir.”
Küçük bir örnek yerine tam bir operasyonel resme dayanan daha iyi koçluk, doğrudan temsilci performansından ve müşteri memnuniyeti puanlarından kaynaklanır.
Şu anda yapay zekadan en güçlü sonuçları alan iletişim merkezleri her zaman en hızlı gelişen veya en çok harcama yapanlar olmuyor; net bir amaçla işe giren, çevreleri için tasarlanmış araçları seçen ve sürece ihtiyaç duyduğu alanı veren onlardır.
Bu koşullar karşılandığında yatırım getirisi gelir.
Diabolocom'un yapay zeka yaklaşımının ardındaki araştırma ve kalite temelleri hakkında daha fazla bilgi edinmek için bu serideki önceki makaleyi okuyun: 'İletişim Merkezi yapay zekanızın yatırım getirisi sağlamamasının gerçek nedeni'ile ilgili Makine öğrenimi araştırma mühendisi, Théo Deschamps-Berger.
Bu da mümkün video röportajımızı izleyin ile ilgili Yapay Zeka Ürün Başkanı Rémi Guinier özelleştirilebilir, şekillendirilebilir yapay zekanın operasyonel kontrolü nasıl sağladığına dair.
Diabolocom'un yapay zeka yetenekleri ve iletişim merkezi çözümleri hakkında daha fazla bilgiyi şu adreste bulabilirsiniz: diabolocom.com.
Bir yanıt yazın