Egy megosztott postafiók - info@, klantenservice@, planning@ - egész nap kap leveleket. Valaki elolvassa ezeket a leveleket, megállapítja, miről szólnak, és továbbküldi a megfelelő ügyintézőnek vagy osztálynak. Ez gyakran egy ticketrendszerhez kapcsolt e-mailrendszeren keresztül történik. A kérdés nem az, hogy az AI tud-e leveleket olvasni - erre már régóta képes -, hanem hogy az AI önállóan el tudja-e végezni a kategorizálást és a továbbküldést, vagy egy embernek folyamatosan figyelnie kell.
Ez a feladat magasan pontoz a volumen szempontjából: egy postafiók, amely naponta tucatnyi vagy több száz levelet kap, pontosan az a fajta ismétlődő munka, amelyre az automatizálás irányul. A magas volumen rentábilissá teszi egy rendszer betanítását vagy szabályok felállítását, még akkor is, ha nem minden levelet kezelnek tökéletesen.
A feladat strukturáltsága azonban alacsony (5-ből 2). Egy e-mail szabad szöveg, amelyet egy ügyfél, beszállító vagy kolléga ír, aki nem tartja magát egy rögzített formátumhoz. Az egyik levél kérdésbe csomagolt panasz, a másik egy ajánlatkérés három mellékkérdéssel, a harmadik pedig spam, ami véletlenül relevánsnak hangzik. Míg egy rögzített mezőkkel rendelkező űrlapot könnyű osztályozni, egy AI-modellnek szabad szövegnél előbb fel kell ismernie a szándékot, mielőtt kategorizálhatna. Ez lehetséges, de gyakrabban megy félre, mint strukturált bemenetnél.
Az ügyfélkapcsolat szintén alacsonyan pontoz (5-ből 2), és ez okot ad az óvatosságra: ezen levelek nagy része ügyfelektől vagy partnerektől érkezik. Egy rosszul továbbított levél egy dühös ügyféltől, aki két napig vár egy válaszra, többe kerül, mint amennyi időt a triázsnak meg kellett volna takarítania. Minél magasabb az ügyfélkapcsolat, annál óvatosabban kell bánni a teljes automatizálással - ez egy olyan mintázat, amelyet a HR-osztály feladatainál is visszalát, ahol a személyes adatokat érintő kommunikáció gyakran kicsit több felügyeletet igényel, mint várná (lásd milyen munkát vehet át az AI a HR-osztályon).
Tegyük fel: egy levél érkezik "kérdés a 2024-1187 számú számláról" tárggyal. Egy osztályozási szabály vagy betanított modell felismeri a mintát (számlaszám, "kérdés" kulcsszó), és továbbküldi a levelet a pénzügyi adminisztrációnak. Ez a legtöbb esetben jól működik, és iskolapéldája a szövegfelismerésnek, amit az AI ma már el tud végezni.
De tegyük fel, hogy ugyanaz a levél így kezdődik: "már háromszor felhívtak és még mindig nem segítettek, ez most az utolsó alkalom, hogy...", és csak ezután említi a számlát. Egy modell, amely csak kulcsszavak vagy szándékkategóriák alapján irányít, esetleg elmulasztja a sürgősséget és az eszkalációs igényt. Itt jön képbe a mérlegelési tér (5-ből 3): felmérni, mennyire sürgős vagy érzékeny valami, kevésbé egyértelmű, mint pusztán egy tárgyat felismerni.
Az eredmény erősen függ attól, mi érkezik a postafiókba. Egy postafiók, amely főleg automatizált visszaigazolásokat, rendelésállapotokat és standard kérdéseket kap, sokkal magasabb strukturáltsággal rendelkezik, mint az itt értékelt. Gondoljon egy postafiókra, amely egy webáruházhoz kapcsolódik, korlátozott számú visszatérő kérdéstípussal - ott az osztályozás szinte hibátlanul működhet, és az eredmény közelebb áll az 1. kategóriához.
Ez fordítva is igaz: egy ügyvédi iroda vagy egy panaszosztály postafiókja, ahol minden levél jogilag vagy érzelmileg érzékeny lehet, alacsonyabb ügyfélkapcsolat-pontszámmal és magasabb hibaköltséggel rendelkezik, mint az itt bemutatott átlag. Ott az eredmény a 3. kategória felé tolódik el, emberi munka AI segítségével az előválogatáshoz.
Ez pontosan az oka annak, hogy egy feladatspecifikus vizsgálat többet mond, mint egy általános kijelentés az "e-mail-triázsról". Ugyanaz a feladatnév az egyik vállalatnál nagyrészt automatizálható lehet, a másiknál pedig főként emberi munka marad, a levelek típusától, a feladók érzékenységétől és egy hiba következményeitől függően.
Egy átlagos, vegyes tartalmú megosztott postafiók esetében az e-mail-triázs a 2. kategóriába esik: részben automatizálható, emberi felügyelet mellett. Az AI osztályozási szabályok vagy egy betanított modell alapján elvégezheti az első besorolást, és a legtöbb rutinüzenetet közvetlenül továbbküldheti. Kétség esetén - egy homályos tárgy, érzelmi hangnem, ismeretlen feladó - a rendszernek egy emberhez kell eszkalálnia, aki jóváhagy vagy javít. A teljes átvétel (1. kategória) csak erősen kiszámítható, ismétlődő tartalmú és alacsony ügyfélkapcsolattal rendelkező postafiókoknál reális. Tisztán emberi munkáról (3. kategória) akkor van szó, amikor szinte minden levél érzékeny, jogilag terhelt vagy kapcsolatkritikus.
Ez a besorolás egyébként nem érinti a személyzeti döntéseket: hogy egy szervezet felszabaduló óráit hogyan és mennyiben osztja újra, kívül esik ezen az értékelésen, és saját jogi követelményekkel rendelkezik. Hasonló mérlegelés volumen és érzékenység között a tervezési feladatoknál is felmerül, ahol elolvashatja, milyen munkát vehet át az AI a tervezésben (/welk-werk-kan-ai-overnemen-op-de-planning), vagy a dokumentumfolyamatoknál, ahogy az a dokumentumok aláírási folyamatáról szóló oldalon is látható.
Hogy az Ön saját postafiókjában a triázs az 1. vagy inkább a 3. kategóriához áll közelebb, attól függ, milyen típusú levelek érkeznek, és kik a feladók - ezt nem lehet pusztán egy feladatnévből leolvasni. A ftetoai.com ingyenes gyorstesztje tizenkét kérdéssel, fiók nélkül ad egy első jelzést arról, hogy az Ön munkakörében lévő órák mekkora része vehető át már ma az AI által. A teljes, feladatszinten számoló munkateszt még fejlesztés alatt áll; azt tehát még nem kínáljuk itt, de a gyorsteszt máris egy tisztességes kiindulópontot ad.
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.