Współdzielona skrzynka - info@, obsluga-klienta@, planowanie@ - przez cały dzień otrzymuje maile. Ktoś czyta te maile, ustala, czego dotyczą, i przekazuje je do odpowiedniej osoby lub działu. Często odbywa się to za pomocą systemu e-mailowego połączonego z systemem zgłoszeń (ticketów). Pytanie nie brzmi, czy AI może czytać maile - to już dawno umie - ale czy AI może samodzielnie zajmować się kategoryzacją i przekazywaniem, czy też człowiek musi wciąż nadzorować ten proces.
To zadanie ma wysoki wynik pod względem wolumenu: skrzynka z dziesiątkami lub setkami maili dziennie to właśnie ten rodzaj powtarzalnej pracy, na którym koncentruje się automatyzacja. Wysokie wolumeny sprawiają, że opłaca się wytrenować system lub ustalić reguły, nawet jeśli nie każdy mail jest obsługiwany bezbłędnie.
Ustrukturyzowanie zadania jest jednak niskie (2 z 5). E-mail to tekst swobodny, napisany przez klienta, dostawcę lub współpracownika, który nie trzyma się ustalonego formatu. Jeden mail to skarga zapakowana w formę pytania, inny to zapytanie o ofertę z trzema dodatkowymi pytaniami, trzeci to spam, który przypadkiem brzmi trafnie. Tam, gdzie formularz z ustalonymi polami łatwo poddaje się klasyfikacji, model AI musi przy tekście swobodnym najpierw rozpoznać intencję, zanim może przypisać kategorię. Jest to możliwe, ale zdarza się to częściej niż przy danych ustrukturyzowanych.
Kontakt z klientem również ma niski wynik (2 z 5), co jest powodem do zachowania ostrożności: wiele z tych maili pochodzi od klientów lub partnerów. Niewłaściwie przekazany mail od rozgniewanego klienta, który dwa dni czeka na odpowiedź, kosztuje więcej niż czas, jaki triage miał zaoszczędzić. Im wyższy kontakt z klientem, tym większa ostrożność jest potrzebna przy pełnej automatyzacji - to wzorzec, który można zauważyć również w zadaniach działu HR, gdzie komunikacja dotycząca danych osobowych często wymaga nieco większego nadzoru niż się oczekuje (zob. jaką pracę może przejąć AI w dziale HR).
Załóżmy, że wpływa mail z tematem "pytanie o fakturę 2024-1187". Reguła klasyfikacyjna lub wytrenowany model rozpoznaje wzorzec (numer faktury, słowo kluczowe "pytanie") i przekazuje mail do działu finansowego. W większości przypadków działa to dobrze i jest podręcznikowym przykładem rozpoznawania tekstu, które AI dziś potrafi obsłużyć.
Ale załóżmy, że ten sam mail zaczyna się od słów "już trzy razy do mnie oddzwaniano i wciąż nie otrzymałem pomocy, to już ostatni raz, kiedy..." i tylko dopiero potem wspomina o fakturze. Model, który kieruje się wyłącznie słowami kluczowymi lub kategoriami intencji, może przeoczyć pilność i potrzebę eskalacji. Tu wkracza przestrzeń oceny (3 z 5): ocena, jak pilna lub delikatna jest sprawa, jest mniej jednoznaczna niż samo rozpoznanie tematu.
Wynik w dużej mierze zależy od tego, co wpływa do skrzynki. Skrzynka, do której trafiają głównie automatyczne potwierdzenia, statusy zamówień i standardowe pytania, ma znacznie wyższe ustrukturyzowanie niż oceniane tutaj. Weźmy skrzynkę połączoną z sklepem internetowym z ograniczoną liczbą powtarzających się typów pytań - tam klasyfikacja może działać praktycznie bezbłędnie, a wynik jest bliższy kategorii 1.
Odwrotnie: skrzynka kancelarii prawnej lub działu obsługi reklamacji, gdzie każdy mail może mieć charakter prawny lub emocjonalny, ma niższy wynik kontaktu z klientem i wyższe koszty błędu niż przeciętnie tutaj. Tam wynik przesuwa się w stronę kategorii 3 - praca dla człowieka, z AI jako pomocą przy wstępnym sortowaniu.
Właśnie z tego powodu skan specyficzny dla danego zadania mówi więcej niż ogólne stwierdzenie o "triage e-maili". Ta sama nazwa zadania może w jednej firmie być w dużej mierze zautomatyzowana, a w innej pozostać głównie pracą dla człowieka, w zależności od rodzaju maili, wrażliwości nadawców i konsekwencji błędu.
Dla przeciętnej współdzielonej skrzynki z mieszaną zawartością triage e-maili wpada w kategorię 2: częściowo zautomatyzowana, z nadzorem człowieka. AI może na podstawie reguł klasyfikacyjnych lub wytrenowanego modelu dokonać pierwszego podziału i bezpośrednio przekazać większość wiadomości rutynowych. W przypadku wątpliwości - niejasny temat, emocjonalny ton, nieznany nadawca - system musi eskalować do człowieka, który zatwierdza lub poprawia. Pełne przejęcie (kategoria 1) jest realistyczne tylko przy skrzynkach z silnie przewidywalną, powtarzalną zawartością i niskim kontaktem z klientem. Praca wyłącznie dla człowieka (kategoria 3) ma miejsce przy skrzynkach, w których praktycznie każdy mail jest delikatny, prawnie obciążony lub kluczowy dla relacji.
Ta klasyfikacja nie dotyczy przy tym decyzji personalnych: czy i jak organizacja rozdzieli zwolnione godziny, wykracza poza tę ocenę i ma własne wymogi prawne. Podobne rozważania między wolumenem i wrażliwością odgrywają rolę również przy zadaniach planistycznych, gdzie można przeczytać, jaką pracę może przejąć AI w planowaniu (/welk-werk-kan-ai-overnemen-op-de-planning), lub przy procesach dokumentowych, jak widać na stronie o procesie podpisywania dokumentów.
Czy triage w Państwa własnej skrzynce wypada bliżej kategorii 1 czy kategorii 3, zależy od rodzaju maili, które wpływają, i od tego, kim są nadawcy - tego nie da się odczytać z samej nazwy zadania. Bezpłatny quickscan na ftetoai.com daje za pomocą dwunastu pytań, bez konta, pierwsze wskazanie, jaką część godzin w Państwa profilu funkcji AI może dziś przejąć. Pełny skan pracy, który liczy na poziomie zadań, jest jeszcze w budowie; nie oferujemy go więc jeszcze tutaj, ale quickscan daje już uczciwy punkt wyjścia.
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.