Pracownik czegoś nie rozumie w pakiecie oprogramowania i zadaje pytanie. Żadnej awarii, żadnego zepsutego systemu, jedynie niejasność co do sposobu użytkowania. Ta praca trafia dziś do działu obsługi (servicedesk) lub do zarządzania funkcjonalnego, zazwyczaj poprzez system ticketowy, czasem telefonicznie albo po prostu przy biurku kolegi, który "i tak wszystko wie" o danym pakiecie.
Pytanie, które tu się pojawia, nie dotyczy tego, czy ta praca jest uciążliwa czy wartościowa. Pytanie brzmi: czy wzorzec tego zadania pokrywa się z tym, co AI potrafi dziś z tekstem.
Decydujące są tu trzy osie: wolumen, kontakt z klientem i ustrukturyzowanie.
Wolumen jest wysoki. Te same pytania powracają, raz za razem, od różnych osób: jak wyeksportować ten raport, gdzie znaleźć to ustawienie, dlaczego pojawia się ten komunikat o błędzie. Ten powtarzalny charakter to dokładnie to, na czym opiera się automatyzacja: zadanie, które występuje sto razy identycznie, to inne zadanie niż takie, które występuje raz i za każdym razem jest inne.
Kontakt z klientem jest ograniczony. Osoba zadająca pytanie to kolega, a nie zewnętrzny klient, z którym trzeba utrzymywać relację. Potrzeba mniej powściągliwości, aby udzielić odpowiedzi bezpośrednio i bez zbędnych ceregieli, oraz mniejsze jest ryzyko, że mniej płynna odpowiedź zostanie odebrana jako nieprofesjonalna.
Ustrukturyzowanie jest wysokie. Pytanie ma często stałą formę ("jak zrobić X w systemie Y"), a odpowiedź w większości organizacji już gdzieś istnieje: w instrukcji, bazie wiedzy, starych ticketach. AI nie musi tu wymyślać niczego nowego, lecz odnaleźć coś istniejącego i przeformułować to na sytuację pytającego.
Do tego dochodzi, że koszty błędów i zgodność z przepisami wypadają korzystnie. Błędna odpowiedź na temat przycisku eksportu rzadko prowadzi do szkody, a zazwyczaj nie ma obowiązku prawnego, który przewidywałby, że taka odpowiedź może być udzielona wyłącznie przez człowieka. Czynności fizyczne nie są potrzebne: to czyste zadanie językowo-wiedzowe, co wyjaśnia wynik na tej osi.
Kreatywność wypada nisko, i to jest dokładnie granica. Pytanie, które wykracza poza standardowe wzorce — nietypowa kombinacja ustawień, problem, który tak naprawdę dotyczy trzech systemów, użytkownik, który sam nie potrafi dobrze sformułować, co jest nie tak — wymaga kogoś, kto potrafi dopytać i odejść od scenariusza. Przestrzeń oceny wypada więc przeciętnie: część pytań da się jednoznacznie odpowiedzieć, inna część wymaga oszacowania, co pytający właściwie ma na myśli.
Nie jest to więc pełne przejęcie. To podział: pytania, które często się powtarzają i mają stałą odpowiedź, są obiecujące dla AI, z pracownikiem, który — tam gdzie to konieczne — ocenia odpowiedź, zanim ta trafi dalej. Pytania odbiegające od schematu pozostają pracą ludzi, nie dlatego, że AI nie chciałoby wykonywać tej pracy, ale dlatego, że wzorzec się do tego nie nadaje.
To działa tylko wtedy, gdy leżąca u podstaw wiedza jest w porządku. Aktualna baza wiedzy i dobrze ustrukturyzowane FAQ nie są sprawą drugorzędną, są warunkiem. System AI, który udziela odpowiedzi na podstawie instrukcji sprzed trzech wersji, udziela błędnych odpowiedzi z taką samą stanowczością jak prawidłowych. Firmy, w których dokumentacja jest rozproszona, znajduje się w głowach poszczególnych pracowników albo nigdy nie była aktualizowana, nie będą w stanie od razu wykorzystać tego wzorca — nie dlatego, że zadanie jest inne, ale dlatego, że brakuje warunku brzegowego.
W organizacji z jednym prostym, stabilnym pakietem oprogramowania i małą, doświadczoną grupą użytkowników udział pytań, na które można odpowiedzieć za pomocą AI, jest prawdopodobnie duży: mało zmienności, dużo powtarzalności. W organizacji z dziesiątkami systemów, dużą ilością rozwiązań na miarę i regularnie zmieniającymi się pracownikami sytuacja wygląda inaczej: więcej zmienności, więcej pytań, które wykraczają nieco poza standardowy wzorzec, a więc większa część pozostaje przy człowieku.
To zadanie nie jest też oderwane od reszty działu obsługi. Kto przyjrzy się temu, jak AI może rejestrować i priorytetyzować incydenty lub temu, jak awaria jest komunikowana użytkownikom, zobaczy podobny wzorzec powtarzalności i struktury, z nieco innymi wynikami na poszczególnych osiach. Szerszy przegląd tego, do czego to prowadzi w obsłudze klienta jako całości, znajduje się na stronie jaką pracę może przejąć AI w obsłudze klienta.
W firmach, gdzie to już zostało wdrożone, dział obsługi widzi mniej powtarzających się pytań trafiających do ludzi i więcej czasu pozostającego na pytania, które rzeczywiście wymagają dopytywania. To nie jest obraz przyszłości: dzieje się to już dziś, częściowo, w organizacjach z bazą wiedzy, która jest w porządku. W innych organizacjach jeszcze się to nie dzieje, po prostu dlatego, że brakuje jeszcze do tego podstawy.
Co organizacja robi z uwolnionymi godzinami — inne wypełnienie ról, inny podział zadań — to wybór należący do samej organizacji, dla którego obowiązują własne wymogi prawne; to nie jest pytanie, na które można odpowiedzieć za pomocą analizy zadań.
Aby zobaczyć, jak ten wzorzec wypada w Państwa własnej sytuacji, wskazanie można uzyskać poprzez bezpłatny quickscan: dwanaście pytań, bez konta, z oszacowaniem, jaka część godzin w Państwa profilu może być dziś przejęta przez AI. Pełny skan pracy, który rozkłada pracę całej firmy na zadania, jest jeszcze w budowie.
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.