Kundeservice bliver ofte sammenfattet i én sætning: "det går jo alt sammen via chatbots." I praksis består afdelingen af snesevis af opgaver, der har begrænset relation til hinanden. Et indgående telefonopkald om en afvigende levering kræver noget andet end at indtaste en order, og det at udarbejde et tilbud kræver igen noget andet end at behandle en klage. Vores taksonomi tæller 82 opgaver inden for dette domæne. Nogle af disse kan AI allerede i dag stort set overtage, andre kræver en medarbejder, der godkender eller afviser, og en del forbliver menneskearbejde. Mønstret bag denne fordeling er mere nyttigt end en liste med 82 enkeltstående punkter.
De opgaver, der er mest fuldstændigt at automatisere, har to kendetegn til fælles: de er højfrekvente, og svaret eller det næste skridt kan i vid udstrækning udledes af eksisterende data. Kontrol og kommunikation af orderstatus er et godt eksempel på dette: systemet ved allerede, hvor en bestilling befinder sig, og opgaven består i praksis af at slå denne information op og videreformidle den til en kunde. Også det at føre livechat- og chatbotsamtaler falder for en stor del i denne kategori, især for standardspørgsmål om åbningstider, returpolitik eller ofte forekommende produktspørgsmål. Indtastning af ordrer i systemet er et tredje eksempel: hvis indtastningen følger af en tydelig kundeanmodning med fastlagte felter, er der behov for begrænset fortolkning og lille risiko ved et forkert valg.
Det, disse opgaver har fælles, er, at en fejl som regel hurtigt er synlig og kan rettes, og at beslutningsrummet er lille. Der findes et tydeligt rigtigt svar eller et tydeligt næste skridt, og det kan automatiseres uden, at der konstant skal holdes øje af et menneske.
En stor del af arbejdet i kundeservice befinder sig i en mellemposition: AI kan udføre størstedelen af arbejdet, men en medarbejder skal godkende eller afvise resultatet, før det når kunden eller går ind i systemet. Udarbejdelse af tilbud er et tydeligt eksempel på dette. AI kan på baggrund af kundens forespørgsel sammensætte et prisforslag med produkter, tjenester og betingelser, men den endelige margin, undtagelser og kundespecifikke aftaler kræver som regel et blik fra en person, der kender kunderelationen. Behandling af ordreændringer falder i samme kategori: at gennemføre en adresseændring er trivielt, men en ændring, der har konsekvenser for leveringstid, pris eller lagerbeholdning i flere systemer, kræver et kontrolpunkt.
Registrering af klager hører også hjemme her, men på den forsigtige side: at nedskrive fakta kan AI godt håndtere, men vurderingen af, om noget er et isoleret tilfælde eller et signal om et strukturelt problem, er noget en medarbejder skal bedømme, før registreringen lever videre i organisationen. I alle disse tilfælde er fordelen ikke, at opgaven forsvinder, men at den største del af arbejdet skifter fra udførelse til vurdering.
At behandle klager indholdsmæssigt er det tydeligste eksempel på arbejde, der forbliver menneskearbejde. Her handler det ikke om at følge en procedure, men om at afveje en individuel situation, vurdere, hvad en kunde har behov for for at føle sig hørt, og træffe en beslutning, der ikke følger af et script. Opfølgning på udestående tilbud hører delvist også hjemme her: det at sende en påmindelse kan automatiseres, men den samtale, der følger, når en kunde tvivler eller forhandler, kræver en person, der kan skifte spor. Også komplekse eskaleringer på sociale medier, hvor en utilfreds kunde reagerer offentligt og organisationens tone er på spil, kan ikke overlades til en model uden, at der opstår en risiko for omdømmet.
Det fælles kendetegn i denne kategori er, at opgaven drejer sig om vurdering, relation eller uforudsigelighed, og at en forkert vurdering ikke uden videre kan rettes med en korrektion bagefter.
Hvis man lægger disse tre kategorier ned over de 82 opgaver, opstår der ikke et skarpt skel mellem "front office forbliver menneske" og "back office bliver AI". Fordelingen går på tværs af begge dele: nogle front-office-opgaver såsom livechat kan automatiseres godt, mens nogle back-office-opgaver såsom vurdering af en usædvanlig ordreændring kræver tilsyn. Spørgsmålet er pr. opgave: hvor forudsigeligt er resultatet, og hvor stor er skaden ved en fejl?
Dette mønster er ikke unikt for kundeservice. Også ved hvad kan AI overtage i engroshandlen og ved hvilket arbejde kan AI overtage i indkøb ligger fordelingen mellem de tre kategorier mindre i jobtitlen og mere i den enkelte opgaves karakter. Den, der søger struktur, gør derfor bedst i at se på hver enkelt opgave og ikke generalisere pr. afdeling eller rolle.
En sidste bemærkning: hvis disse resultater bruges i en samtale om personaleantal eller funktioner, gælder der egne lovmæssige krav, som denne side ikke tilføjer til eller fraviger. Dette overblik beskriver opgaver, ikke personalebeslutninger.
For at se, hvordan denne fordeling falder ud for Deres egen kundeservice, er det ikke særlig nyttigt at gætte på baggrund af jobtitler. Forholdet mellem de tre kategorier afhænger af den blanding af opgaver, som Deres medarbejdere faktisk udfører, de tilhørende systemer og kompleksiteten af Deres kundeforespørgsler. Ftetoai tilbyder til dette en gratis quickscan: tolv spørgsmål, uden konto, med som resultat en indikation af, hvor stor en del af timerne i Deres profil der i dag kan overtages af AI. Den fulde arbejdsscan, der går dybere ind i individuelle opgaver, er stadig under opbygning; den tilbyder vi bevidst ikke her, før den er klar.
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.