En delad postlåda - info@, kundtjänst@, planering@ - får mail hela dagen. Någon läser den posten, avgör vad den handlar om och skickar den vidare till rätt handläggare eller avdelning. Ofta sker detta via ett e-postsystem kopplat till ett ärendesystem. Frågan är inte om AI kan läsa mail - det kan det redan sedan länge - utan om AI kan göra kategoriseringen och vidarebefordran självständigt, eller om en människa fortfarande måste följa med.
Denna uppgift skattar högt på volym: en postlåda med tiotals eller hundratals mail per dag är precis det slags repetitivt arbete som automatisering riktar sig mot. Höga volymer gör det lönsamt att träna ett system eller ställa upp regler, även om inte varje mail behandlas perfekt.
Strukturgraden av uppgiften är dock låg (2 av 5). Ett e-postmeddelande är fri text, skriven av en kund, leverantör eller kollega som inte håller sig till ett fast format. Det ena mailet är ett klagomål förklätt till en fråga, det andra är en offertförfrågan med tre bifrågor, det tredje är spam som råkar låta relevant. Där ett formulär med fasta fält är enkelt att klassificera, måste en AI-modell vid fri text först identifiera avsikten innan den kan kategorisera. Det går, men det går oftare fel än vid strukturerad inmatning.
Kundkontakt skattar också lågt (2 av 5), och det är ett skäl till försiktighet: många av dessa mail kommer från kunder eller partners. Ett felaktigt vidarebefordrat mail från en arg kund som väntar två dagar på svar kostar mer än den tid triagen skulle ha sparat. Ju högre kundkontakten är, desto försiktigare bör man vara med fullständig automatisering - det är ett mönster ni även ser vid uppgifter inom HR-avdelningen, där personkänslig kommunikation ofta kräver något mer tillsyn än förväntat (se vilket arbete kan AI ta över inom HR-avdelningen).
Anta att ett mail kommer in med ämnesraden "fråga om faktura 2024-1187". En klassificeringsregel eller tränad modell känner igen mönstret (fakturanummer, nyckelordet "fråga") och skickar mailet vidare till ekonomiavdelningen. Det går i de flesta fall bra och är ett skolexempel på textigenkänning som AI klarar i dag.
Men anta att samma mail börjar med "jag har blivit uppringd tre gånger och fortfarande inte fått hjälp, det här är nu sista gången jag..." och först därefter nämner fakturan. En modell som endast styr på nyckelord eller intentionskategorier missar kanske brådskan och eskaleringsbehovet. Här kommer bedömningsutrymmet (3 av 5) in i bilden: att uppskatta hur brådskande eller känsligt något är, är mindre entydigt än att bara känna igen ett ämne.
Utfallet beror starkt på vad som kommer in i postlådan. En postlåda som främst tar emot automatiserade bekräftelser, orderstatusar och standardfrågor har en betydligt högre strukturgrad än den som bedömts här. Tänk på en postlåda kopplad till en webbshop med ett begränsat antal återkommande frågetyper - där kan klassificeringen fungera nästan felfritt, och utfallet ligger närmare kategori 1.
Omvänt: en postlåda hos en advokatbyrå eller en klagomålsavdelning, där varje mail kan vara juridiskt eller känslomässigt känsligt, har en lägre kundkontakts-poäng och högre felkostnader än genomsnittet här. Där förskjuts utfallet mot kategori 3, mänskligt arbete med AI som hjälpmedel för försortering.
Detta är exakt varför en uppgiftsspecifik skanning säger mer än ett allmänt uttalande om "e-mailtriage". Samma uppgiftsnamn kan hos ett företag i stor utsträckning vara automatiserbart och hos ett annat förbli i huvudsak mänskligt arbete, beroende på typen av mail, avsändarnas känslighet och konsekvenserna av ett misstag.
För en genomsnittlig delad postlåda med blandat innehåll faller e-mailtriage i kategori 2: delvis automatiserbart, med mänsklig tillsyn. AI kan utifrån klassificeringsregler eller en tränad modell göra en första indelning och skicka vidare de flesta rutinmeddelanden direkt. Vid tveksamhet - ett oklart ämne, en emotionell ton, en okänd avsändare - måste systemet eskalera till en människa som godkänner eller korrigerar. Fullständigt övertagande (kategori 1) är endast realistiskt vid postlådor med starkt förutsägbart, repetitivt innehåll och låg kundkontakt. Rent mänskligt arbete (kategori 3) är aktuellt vid postlådor där nästan varje mail är känsligt, juridiskt laddat eller relationskritiskt.
Denna indelning påverkar för övrigt inte personalbeslut: om och hur en organisation omfördelar de frigjorda timmarna faller utanför denna bedömning och har egna lagkrav. Liknande avvägningar mellan volym och känslighet spelar även in vid planeringsuppgifter, där ni kan läsa vilket arbete kan AI ta över inom planeringen (/welk-werk-kan-ai-overnemen-op-de-planning), eller vid dokumentprocesser som visas på sidan om undertecknandeprocessen för dokument.
Om triage i er egen postlåda faller närmare kategori 1 eller kategori 3 beror på vilken typ av mail som kommer in och vilka avsändarna är - det utläser ni inte enbart av ett uppgiftsnamn. Den kostnadsfria snabbskanningen på ftetoai.com ger med tolv frågor, utan konto, en första indikation på vilken del av timmarna i er befattningsprofil som i dag kan tas över av AI. Den fullständiga arbetsskanningen som räknar igenom på uppgiftsnivå är fortfarande under uppbyggnad; den erbjuder vi alltså inte ännu, men snabbskanningen ger redan en ärlig utgångspunkt.
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.