Обща пощенска кутия - info@, klantenservice@, planning@ - получава писма през целия ден. Някой чете тези писма, определя за какво става дума и ги препраща към правилния обработващ служител или отдел. Често това става чрез имейл система, свързана с тикет система. Въпросът не е дали AI може да чете писма - това умее вече отдавна - а дали AI може самостоятелно да извършва категоризацията и препращането, или човек трябва да продължи да следи процеса.
Тази задача получава висок резултат по обем: пощенска кутия с десетки или стотици писма на ден е точно вид повтаряща се работа, към която е насочена автоматизацията. Високите обеми правят рентабилно да се обучи система или да се съставят правила, дори ако не всяко писмо се обработва идеално.
Структурираността на задачата обаче е ниска (2 от 5). Имейлът е свободен текст, написан от клиент, доставчик или колега, който не се придържа към фиксиран формат. Едно писмо е оплакване, представено като въпрос, друго е запитване за оферта с три подвъпроса в него, трето е спам, който случайно звучи релевантно. Докато формуляр с фиксирани полета е лесен за класифициране, при свободен текст AI моделът първо трябва да разпознае намерението, преди да може да категоризира. Това е възможно, но грешките се случват по-често, отколкото при структурирани данни.
Контактът с клиенти също получава нисък резултат (2 от 5), и това е причина за предпазливост: много от тези писма идват от клиенти или партньори. Неправилно препратено писмо от разгневен клиент, който чака два дни за отговор, струва повече от времето, което триажът трябваше да спести. Колкото по-висок е контактът с клиенти, толкова по-внимателен трябва да сте с пълната автоматизация - това е модел, който виждате и при задачи в отдела по човешки ресурси, където комуникацията, свързана с лични данни, често изисква малко повече надзор от очакваното (вижте коя работа може AI да поеме в отдела по човешки ресурси).
Да приемем, че постъпва писмо с тема "въпрос относно фактура 2024-1187". Правило за класификация или обучен модел разпознава модела (номер на фактура, ключова дума "въпрос") и препраща писмото към финансовата администрация. В повечето случаи това работи и е показателен пример за разпознаване на текст, което AI може да извърши днес.
Но да приемем, че същото писмо започва с "вече ми се обаждаха три пъти и все още не съм получил помощ, това е последният път, когато..." и само след това споменава фактурата. Модел, който се насочва само по ключови думи или категории на намерение, може да пропусне неотложността и нуждата от ескалация. Тук се намесва пространството за преценка (3 от 5): да се прецени колко неотложно или чувствително е нещо, е по-малко еднозначно от простото разпознаване на тема.
Резултатът силно зависи от това какво постъпва в пощенската кутия. Пощенска кутия, която получава основно автоматизирани потвърждения, статуси на поръчки и стандартни въпроси, има много по-висока структурираност от оценената тук. Помислете за пощенска кутия, свързана с онлайн магазин с ограничен брой повтарящи се типове въпроси - там класификацията може да работи почти безпогрешно, и резултатът е по-близо до категория 1.
Обратно: пощенска кутия на адвокатска кантора или отдел за оплаквания, където всяко писмо може да е юридически или емоционално чувствително, има по-нисък резултат за контакт с клиенти и по-високи разходи за грешки от средното тук. Там резултатът се измества към категория 3, човешка работа с AI като помощно средство за предварително сортиране.
Това е точно причината, поради която специфичен за задачата анализ казва повече от общо твърдение за "триаж на имейли". Едно и също наименование на задача може при една компания да бъде до голяма степен автоматизируема, а при друга да остане предимно човешка работа, в зависимост от вида на писмата, чувствителността на подателите и последствията от пропуск.
За средна обща пощенска кутия със смесено съдържание триажът на имейли попада в категория 2: частично автоматизируем, с човешки надзор. AI може, въз основа на правила за класификация или обучен модел, да направи първоначално разпределение и да препрати повечето рутинни съобщения директно. При съмнение - неясна тема, емоционален тон, непознат подател - системата трябва да ескалира към човек, който одобрява или коригира. Пълно поемане (категория 1) е реалистично само при пощенски кутии със силно предвидимо, повтарящо се съдържание и нисък контакт с клиенти. Чиста човешка работа (категория 3) е налице при пощенски кутии, където почти всяко писмо е чувствително, юридически обременено или критично за отношенията.
Това разделение впрочем не засяга решения за персонала: дали и как организацията преразпределя освободените часове, остава извън обхвата на тази оценка и следва собствени законови изисквания. Подобни съображения между обем и чувствителност се срещат и при задачите по планиране, където можете да прочетете коя работа може AI да поеме при планирането (/welk-werk-kan-ai-overnemen-op-de-planning), или при документни процеси, както е показано на страницата за процеса на подписване на документи.
Дали триажът във вашата собствена пощенска кутия е по-близо до категория 1 или категория 3, зависи от вида писма, които постъпват, и кои са подателите - това не можете да прочетете само от наименованието на задачата. Безплатният бърз анализ на ftetoai.com дава, с дванадесет въпроса, без регистрация, първоначална индикация коя част от часовете във вашия функционален профил може днес да бъде поета от AI. Пълният работен анализ, който изчислява на ниво задача, все още е в процес на изграждане; затова все още не го предлагаме тук, но бързият анализ вече дава честна отправна точка.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.