En kund vill veta var hans beställning är. En medarbetare söker upp statusen i ERP- eller logistiksystemet och rapporterar detta tillbaka, per telefon, e-post eller chatt. Detta är en av de mest återkommande uppgifterna inom kundservice, och också en av de mest förutsägbara. Just det gör den lämplig att till stor del låta AI utföra.
Tre axlar avgör här: strukturgrad, volym och kundkontakt.
Strukturgraden är hög. En orderstatus är inget öppet frågeställning: det finns ett beställningsnummer, ett system med en aktuell status, och en fast uppsättning möjliga svar (skickad, på väg, försenad, levererad). Ingenting behöver uppfinnas, bara slås upp och återges.
Volymen är i regel hög. Hos företag med många beställningar utgör denna typ av fråga en stor del av det inkommande kontaktvolymen. Hög volym i kombination med ett fast mönster är precis där automatisering lönar sig: samma handling, hundratals eller tusentals gånger, utan att innehållet ändras.
Kundkontakten poängsätts lågt mot automatisering (2 av 5), men det är här ett mindre hinder än det verkar. Kundkontakt blir bara ett problem för AI om samtalet är känsligt eller kräver skräddarsydd hantering. Vid en statusfråga är kontakten funktionell: kunden vill ha ett svar, inget samtal. Så länge budskapet är korrekt och kommer i tid, är "vem" sekundärt.
Tre axlar håller poängen blandad, och det är relevant att inte försköna.
Bedömningsutrymme (2) och kreativitet (5, ogynnsamt noterad eftersom ingen kreativitet behövs här och det just är poängen) visar att lite tolkning krävs — men vid avvikelser, som en order som redan i tre dagar visar "på väg" utan skanningstillfälle, krävs faktiskt en bedömning: är detta ett systemfel, en försening hos transportören, eller en order som är försvunnen? Det kräver i det ögonblicket en människa, eller åtminstone en eskaleringsregel.
Compliance (5) betyder att det finns få juridiska komplikationer vid återgivning av en status. Felkostnader (3) ligger i mitten: att felaktigt meddela en status till en kund är tråkigt, men sällan skadligt. Detta skiljer sig dock starkt per bransch. Vid medicintekniska produkter eller tidskänsliga B2B-leveranser kan ett felaktigt statusmeddelande faktiskt ha konsekvenser, och då förskjuts denna axel mot en högre risk än den som här antas.
Vad AI klarar av idag här är en agent: ett system som självständigt slår upp statusen i logistiksystemet, översätter detta till en begriplig text, och kommunicerar detta till kunden, utan att en människa hela tiden är inkopplad. Det är inte en fullständig övertagning av rollen, men väl av en stor del av de repetitiva handlingarna inom den rollen.
Tre villkor avgör om detta fungerar i praktiken:
Hos företag utan realtidskoppling mellan beställningssystem och logistiksystem — till exempel där statusen förs manuellt i en Excel-fil — är strukturgraden faktiskt lägre än vad som här antagits, och denna uppgift är ännu inte mogen för en agent. Det berör direkt en relaterad uppgift: tillhandahålla lager- och leveranstidsinformation bygger på samma datakällor och stöter på samma problem om den kopplingen saknas.
Företag med många skräddarsydda beställningar eller B2B-kunder med kontraktuella leveransavtal ser bedömningsutrymme-axeln väga tyngre: en försening kan där innebära ett kontraktsbrott, och då krävs mänsklig bedömning tidigare än vid konsumentpaket.
Denna uppgift hänger också samman med vad som händer längre fram i processen. Felaktiga kunduppgifter leder till felaktiga statusmeddelanden, så hålla kunduppgifter aktuella i CRM är i praktiken ett villkor, inte en fristående uppgift. På den andra sidan av processen spelar generera frakt- och returdokument och ordens ursprung själv, via registrera order i systemet en roll: ju renare dessa steg är utformade, desto tillförlitligare blir statusinformationen som senare kommer ut.
Detta är inget personalråd och inget argument för att minska en kundserviceavdelning. Om och hur en organisation fattar personalbeslut faller under egna lagkrav och egen bedömning; denna sida beskriver endast vilken del av arbetet som lämpar sig för automatisering, inte vad den personella konsekvensen av det borde vara.
Om denna uppgift hos ert företag till stor eller liten del är automatiserbar, beror på era system, er ordervolym och i vilken grad avvikelser förekommer. Den kostnadsfria snabbanalysen från FTE TO AI består av tolv frågor, utan konto, och ger en indikation på vilken del av timmarna inom denna typ av arbetsprofil som idag kan tas över av AI. Den fullständiga arbetsanalysen, som räknar ut detta på uppgiftsnivå för er egen organisation, är fortfarande under uppbyggnad.
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.