Actualizarea datelor de contact, a preferințelor și a statusurilor într-un CRM după o interacțiune sau o modificare este una dintre sarcinile în care AI poate prelua deja astăzi o mare parte a muncii. Nu pentru că AI este "inteligent" suficient pentru a înțelege clienții, ci pentru că sarcina în sine cere puțină interpretare. O schimbare de adresă, un nou numău de telefon, o schimbare de status din lead în client: acestea sunt câmpuri care se completează, nu se evaluează.
Trei axe sunt decisive aici: gradul de structurare, volumul și costurile erorilor.
Gradul de structurare este ridicat pentru că un CRM funcționează prin definiție cu câmpuri fixe. Un nume, o adresă de e-mail, o categorie de preferință: sunt date cu un loc fix și un format fix. Nu există text liber care trebuie interpretat, nici context care trebuie cântărit. Asta face sarcina potrivită pentru procesare bazată pe reguli: dacă câmpul X se modifică în sursa Y, actualizează câmpul X în sistemul Z.
Volumul este de asemenea ridicat. La o companie cu o bază de clienți amplă, este vorba de zeci până la sute de modificări pe zi, distribuite pe acțiuni separate și mici. Exact genul de muncă în care un tipar recurent și previzibil contează mai mult decât excepțiile incidentale. Volumul ridicat combinat cu gradul ridicat de structurare este combinația în care automatizarea se amortizează cel mai rapid.
Costurile erorilor se situează la mijloc. Un numău de telefon actualizat greșit este neplăcut, dar de obicei reparabil la următorul moment de contact. La câmpuri mai sensibile, precum preferințele de plată sau consimțământul pentru comunicare de marketing, erorile cântăresc mai greu. De aceea validarea nu este un pas de prisos, ci o condiție.
Spațiul de judecată și contactul cu clientul obțin un scor mediu spre ridicat, și exact acolo se află nuanța. O parte din modificările de status este univocă: un client se mută, adresa se schimbă, gata. Dar nu orice modificare este atât de simplă. Când un angajat al serviciului clienți trebuie să evalueze, după o convorbire telefonică, dacă o reclamație justifică o schimbare de status în "risc de reziliere", aceasta nu mai este introducere de câmpuri, ci o evaluare. Acea parte rămâne muncă umană, sau este cel puțin prezentată unui angajat care aprobă sau respinge cu motiv.
La o companie cu un profil de client simplu și puține excepții, ponderea pe care AI o poate prelua este deci mai mare decât la o companie cu relații complexe cu clienții, multe acorduri personalizate sau date personale sensibile. Conformitatea joacă și ea un rol aici: cu cât un câmp are mai multă legătură cu informații sensibile din perspectiva GDPR sau cu acorduri contractuale, cu atât mai de dorit este o verificare umană înainte ca o modificare să devină definitivă.
Tehnica folosită deja acum este în principal rpa: software care preia date dintr-o sursă în alta conform unor reguli fixe, semnalează înregistrări duble și completează câmpuri pe baza unei corespondențe fixe. Aceasta nu este inteligență artificială care "înțelege" cine este clientul, ci procesare automatizată a unor date de intrare structurate.
Trei condiții de bază determină dacă acest lucru funcționează:
Dacă una dintre aceste trei condiții lipsește, sarcina se deplasează înapoi spre categoria a doua: AI face propunerea, un angajat aprobă sau respinge.
Ce se schimbă acum nu este faptul că angajații devin de prisos, ci faptul că timpul lor se deplasează de la munca de introducere spre munca de control. Unde un angajat introducea anterior manual o schimbare de adresă, acum acesta evaluează o listă cu modificări propuse și dă clic pe de acord sau nu de acord. Aceasta este o sarcină diferită, cu o alocare diferită a timpului, nu neapărat mai puțină muncă, dar muncă diferită.
Această schimbare se aliniază cu ce se întâmplă la introducerea comenzilor în sistem și la verificarea și comunicarea statusului comenzilor: și acolo tiparul este introducere structurată, volum ridicat, costuri limitate ale erorilor, cu excepții care rămân la un om. Cel care se întreabă cum se relaționează acest lucru cu alte sarcini orientate spre client, găsește o comparație asemănătoare la furnizarea de informații despre stoc și termene de livrare, unde apare aceeași tensiune între viteză și cazurile care necesită puțin mai multă explicație. Și pentru cel care vede munca CRM mai ales ca parte a unui proces mai amplu, prezentarea generală a muncii din departamentul financiar este un bun punct de plecare, întrucât datele despre clienți și facturi provin de obicei din aceleași sisteme sursă.
Dacă și cât de rapid se implementează acest lucru într-o organizație nu este doar o întrebare tehnică. Eventualele consecințe la nivel de personal care rezultă din aceasta se supun propriilor obligații legale ale angajatorului; această pagină nu se pronunță asupra acestui aspect.
Această pagină descrie o singură sarcină, izolat. Imaginea reală apare abia atunci când această sarcină este privită alături de celelalte sarcini dintr-o companie: unele cu un profil asemănător, altele complet diferite. Pentru a obține o primă impresie în acest sens, există un test rapid gratuit: douăsprezece întrebări, fără cont, cu rezultat o indicație privind ce parte din orele din acel profil poate fi preluată astăzi de AI. Scanarea completă a muncii, care detaliază activitatea unei companii pe sarcini și calculează pentru fiecare sarcină capacitatea în fte, este încă în construcție.
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.