En delt indbakke - info@, kundeservice@, planlægning@ - modtager mail hele dagen. Nogen læser mailen, bestemmer hvad den handler om og sender den videre til den rette behandler eller afdeling. Dette sker ofte via et e-mailsystem koblet til et ticketsystem. Spørgsmålet er ikke om AI kan læse mail - det kan den allerede for længst - men om AI kan udføre kategoriseringen og videresendelsen selvstændigt, eller om et menneske skal blive ved med at kigge med.
Denne opgave scorer højt på volumen: en indbakke med titusinder eller hundreder af mails om dagen er præcis den type gentagne arbejde, som automatisering fokuserer på. Høje volumer gør det rentabelt at træne et system eller opstille regler, selv hvis ikke hver mail behandles perfekt.
Opgavens strukturgrad er dog lav (2 af 5). En e-mail er fri tekst, skrevet af en kunde, leverandør eller kollega, der ikke følger et fast format. Den ene mail er en klage forklædt som et spørgsmål, den anden er en tilbudsanmodning med tre tilføjede spørgsmål, den tredje er spam, der tilfældigvis lyder relevant. Hvor en formular med faste felter er let at klassificere, skal en AI-model ved fri tekst først genkende hensigten, før den kan kategorisere. Det kan den, men det går oftere galt end ved struktureret input.
Kundekontakt scorer også lavt (2 af 5), og det er en grund til forsigtighed: mange af disse mails kommer fra kunder eller partnere. En forkert videresendt mail fra en vred kunde, der venter to dage på et svar, koster mere end den tid, triagen skulle have sparet. Jo højere kundekontakten er, desto mere forsigtig skal man være med fuld automatisering - det er et mønster, De også ser ved opgaver på HR-afdelingen, hvor personfølsom kommunikation ofte kræver lidt mere tilsyn end forventet (se hvilket arbejde kan AI overtage på HR-afdelingen).
Lad os sige: en mail kommer ind med emnet "spørgsmål om faktura 2024-1187". En klassificeringsregel eller en trænet model genkender mønstret (fakturanummer, søgeordet "spørgsmål") og sender mailen videre til finansadministrationen. Det går i de fleste tilfælde godt og er et skoleeksempel på tekstgenkendelse, som AI kan klare i dag.
Men lad os sige, at samme mail begynder med "jeg er allerede blevet ringet op tre gange og stadig ikke hjulpet, dette er nu sidste gang jeg..." og først derefter nævner fakturaen. En model, der kun styrer efter søgeord eller hensigtskategorier, kan overse hastigheden og eskaleringsbehovet. Her kommer skønsrummet (3 af 5) ind i billedet: at vurdere hvor akut eller følsomt noget er, er mindre entydigt end blot at genkende et emne.
Resultatet afhænger stærkt af, hvad der kommer ind i indbakken. En indbakke, der primært modtager automatiserede bekræftelser, bestillingsstatusser og standardspørgsmål, har en langt højere strukturgrad end den, der bedømmes her. Tænk på en indbakke koblet til en webshop med et begrænset antal tilbagevendende spørgsmålstyper - der kan klassificering fungere næsten fejlfrit, og resultatet ligger tættere på kategori 1.
Omvendt: en indbakke hos et advokatkontor eller en klageafdeling, hvor hver mail kan være juridisk eller emotionelt følsom, har en lavere kundekontaktscore og højere fejlomkostninger end gennemsnittet her. Der forskydes resultatet mod kategori 3, menneskeligt arbejde med AI som hjælpemiddel til forsortering.
Det er præcis derfor, at en opgavespecifik scan siger mere end en generel udtalelse om "e-mailtriage". Samme opgavenavn kan hos en virksomhed være stort set automatiserbart og hos en anden primært forblive menneskeligt arbejde, afhængigt af mailtypen, afsendernes følsomhed og konsekvenserne af en fejl.
For en gennemsnitlig delt indbakke med blandet indhold falder e-mailtriage i kategori 2: delvist automatiserbar, med menneskeligt tilsyn. AI kan på baggrund af klassificeringsregler eller en trænet model foretage en første opdeling og sende de fleste rutinemeddelelser direkte videre. Ved tvivl - et uklart emne, en emotionel tone, en ukendt afsender - skal systemet eskalere til et menneske, der godkender eller korrigerer. Fuld overtagelse (kategori 1) er kun realistisk ved indbakker med stærkt forudsigeligt, gentagende indhold og lav kundekontakt. Rent menneskeligt arbejde (kategori 3) er tilfældet ved indbakker, hvor stort set hver mail er følsom, juridisk belastet eller relationskritisk.
Denne opdeling berører for øvrigt ikke personalebeslutninger: om og hvordan en organisation omfordeler de frigjorte timer, ligger uden for denne bedømmelse og har sine egne lovmæssige krav. Sammenlignelige afvejninger mellem volumen og følsomhed gør sig også gældende ved planlægningsopgaver, hvor De kan læse hvilket arbejde kan AI overtage på planlægningen (/welk-werk-kan-ai-overnemen-op-de-planning), eller ved dokumentprocesser som beskrevet på siden om underskriftsprocessen for dokumenter.
Om triagen i Deres egen indbakke falder tættere på kategori 1 eller kategori 3, afhænger af hvilken type mail der kommer ind og hvem afsenderne er - det kan De ikke aflæse af et opgavenavn alene. Den gratis quickscan fra ftetoai.com giver med tolv spørgsmål, uden konto, en første indikation af, hvilken del af timerne i Deres funktionsprofil AI kan overtage i dag. Den fulde arbejdsscan, der beregner på opgaveniveau, er stadig under opbygning; den tilbyder vi derfor endnu ikke her, men quickscanen giver allerede et ærligt udgangspunkt.
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.