Klientu apkalpošanu bieži apkopo vienā teikumā: "tas viss taču notiek ar tērzēšanas robotiem." Praksē nodaļa sastāv no desmitiem uzdevumu, kuriem savā starpā ir maz sakara. Ienākošs zvans par novirzi piegādē prasa kaut ko citu nekā pasūtījuma ievadīšana sistēmā, un piedāvājuma sagatavošana atkal prasa kaut ko citu nekā sūdzības izskatīšana. Mūsu taksonomija šajā jomā uzskaita 82 uzdevumus. Dažus no tiem AI šodien var lielā mērā pārņemt, citi prasa darbinieku, kas apstiprina vai noraida, un daļa paliek cilvēku darbs. Šī sadalījuma pamatā esošais modelis ir izmantojamāks nekā 82 atsevišķu rindiņu saraksts.
Uzdevumiem, kurus visvieglāk pilnībā automatizēt, ir divas kopīgas iezīmes: tie notiek bieži, un atbilde vai turpmākais solis lielā mērā izriet no jau esošajiem datiem. Pasūtījuma statusa pārbaude un paziņošana par to ir labs piemērs: sistēma jau zina, kur atrodas pasūtījums, un uzdevums faktiski sastāv no šīs informācijas uzmeklēšanas un pārveidošanas klientam saprotamā veidā. Arī tiešsaistes tērzēšanas un tērzēšanas robotu sarunu vešana lielā mērā pieder šai kategorijai, jo īpaši standarta jautājumiem par darba laiku, atgriešanas politiku vai biežiem produktu jautājumiem. Pasūtījumu ievadīšana sistēmā ir trešais piemērs: ja ievade izriet no skaidra klienta pieprasījuma ar noteiktiem laukiem, ir vajadzīga maza interpretācija un mazs risks kļūdīga izvēles gadījumā.
Kopīgs šiem uzdevumiem ir tas, ka kļūda parasti ir ātri pamanāma un labojama, un ka lēmumu pieņemšanas telpa ir neliela. Ir skaidra pareizā atbilde vai skaidrs nākamais solis, un to var automatizēt bez tā, ka pastāvīgi jāpiedalās cilvēkam.
Liela daļa klientu apkalpošanas darba atrodas starpstāvoklī: AI var izpildīt lielāko daļu darba, taču darbiniekam jāapstiprina vai jānoraida rezultāts, pirms tas nonāk pie klienta vai sistēmā. Piedāvājumu sagatavošana ir spilgts piemērs. AI, pamatojoties uz klienta jautājumu, var sagatavot cenas priekšlikumu ar produktiem, pakalpojumiem un noteikumiem, taču galīgā peļņas norma, izņēmumi un klientam specifiskas vienošanās parasti prasa kāda ar klienta attiecību pārzināšanu skatienu. Pasūtījumu izmaiņu apstrāde pieder pie tās pašas kategorijas: adreses izmaiņas veikšana ir vienkārša, bet izmaiņas, kas ietekmē piegādes laiku, cenu vai krājumus vairākās sistēmās, prasa kontroles punktu.
Šeit pieder arī sūdzību reģistrēšana, taču piesardzīgākā galā: faktu fiksēšanu AI var veikt labi, bet novērtējumu, vai kas ir izolēts incidents vai signāls par sistēmisku problēmu, ir jāizvērtē darbiniekam, pirms reģistrācija tālāk izplatās organizācijā. Visos šajos gadījumos ieguvums nav tas, ka uzdevums pazūd, bet tas, ka lielākā daļa darba pāriet no izpildes uz vērtēšanu.
Sūdzību pēc satura izskatīšana ir skaidrākais piemērs darbam, kas paliek cilvēku darbs. Šeit nav runa par procedūras ievērošanu, bet par individuālas situācijas izsvēršanu, novērtējumu, kas klientam nepieciešams, lai justos sadzirdēts, un lēmuma pieņemšanu, kas neizriet no skripta. Neapmaksātu piedāvājumu uzraudzība daļēji pieder arī šeit: atgādinājuma nosūtīšanu var automatizēt, taču saruna, kas sekojas, kad klients šaubās vai kaulējas, prasa cilvēku, kas var pielāgoties situācijai. Arī sarežģītas eskalācijas sociālajos tīklos, kur neapmierināts klients publiski reaģē un uz spēles ir organizācijas tonis, nevar atstāt modelim, neradot reputācijas risku.
Šai kategorijai kopīgs ir tas, ka uzdevums balstās uz spriedumu, attiecībām vai neprognozējamību, un ka kļūdainu novērtējumu nevar viegli labot ar korekciju pēc fakta.
Ja šīs trīs kategorijas uzklāj visiem 82 uzdevumiem, nerodas skaidra robeža starp "front office paliek cilvēks" un "back office kļūst AI". Sadalījums šķērso abus: dažus front office uzdevumus, piemēram, tiešsaistes tērzēšanu, var labi automatizēt, kamēr dažiem back office uzdevumiem, piemēram, neparastas pasūtījuma izmaiņas izvērtēšanai, ir nepieciešama uzraudzība. Jautājums katram uzdevumam ir: cik prognozējams ir rezultāts, un cik liels ir kaitējums kļūdas gadījumā?
Šis modelis nav unikāls klientu apkalpošanai. Arī pie ko AI var pārņemt vairumtirdzniecībā un pie kādu darbu var AI pārņemt iepirkumā sadalījums starp trim kategorijām mazāk atrodas amata nosaukumā un vairāk atsevišķa uzdevuma raksturā. Tāpēc, kas meklē struktūru, dara labi, aplūkojot katru uzdevumu atsevišķi, nevis vispārinot pēc nodaļas vai lomas.
Pēdējs piebilde: ja šos secinājumus izmanto sarunā par personāla skaitu vai amatiem, tiem ir savas juridiskās prasības, ko šī lapa neietekmē nekādā veidā. Šis pārskats aprakstīti uzdevumi, nevis personāla lēmumi.
Lai redzētu, kā šis sadalījums izpaužas jūsu klientu apkalpošanā, nav lietderīgi minēt, pamatojoties uz amatu nosaukumiem. Attiecība starp trim kategorijām ir atkarīga no uzdevumu kopuma, ko jūsu darbinieki faktiski veic, no tam piesaistītajām sistēmām un jūsu klientu jautājumu sarežģītības. Ftetoai šim mērķim piedāvā bezmaksas ātro skenēšanu: divpadsmit jautājumi, bez konta, ar rezultātu, kas norāda, kāda daļa no stundām jūsu profilā šodien ir pārņemamas ar AI. Pilnīgā darba skenēšana, kas dziļāk iedziļinās atsevišķos uzdevumos, joprojām tiek veidota; to mēs apzināti šeit nepiedāvājam, kamēr tā nav pabeigta.
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.