Kundtjänst sammanfattas ofta i en enda mening: "det där sköts väl av chatbotar nuförtiden." I praktiken består avdelningen av tiotals uppgifter som har lite med varandra att göra. Ett inkommande telefonsamtal om en avvikande leverans kräver något annat än att lägga in en order, och att upprätta en offert kräver i sin tur något annat än att hantera ett klagomål. Vår taxonomi räknar 82 uppgifter inom detta område. Vissa av dem kan AI redan idag till stor del ta över, andra kräver en medarbetare som godkänner eller avvisar, och en del förblir mänskligt arbete. Mönstret bakom den fördelningen är mer användbart än en lista med 82 enskilda rader.
De uppgifter som är mest fullständigt möjliga att automatisera har två gemensamma kännetecken: de förekommer med hög frekvens och svaret eller nästa steg går till stor del att härleda ur befintlig data. Att kontrollera och kommunicera orderstatus är ett bra exempel på detta: systemet vet redan var en beställning befinner sig, och uppgiften består i praktiken av att slå upp den informationen och översätta den till kunden. Även att föra livechatt- och chatbotsamtal faller till stor del inom denna kategori, särskilt för standardfrågor om öppettider, returpolicy eller vanliga produktfrågor. Att lägga in ordrar i systemet är ett tredje exempel: om inmatningen följer av en tydlig kundförfrågan med fasta fält behövs det lite tolkning och risken vid ett felaktigt val är liten.
Det dessa uppgifter har gemensamt är att ett fel oftast snabbt blir synligt och går att åtgärda, och att beslutsutrymmet är litet. Det finns ett tydligt korrekt svar eller ett tydligt nästa steg, och det går att automatisera utan att en människa hela tiden behöver övervaka.
En stor del av arbetet inom kundtjänst befinner sig i en mellanposition: AI kan utföra den största delen av arbetet, men en medarbetare måste godkänna eller avvisa resultatet innan det når kunden eller förs in i systemet. Att upprätta offerter är ett talande exempel på detta. AI kan utifrån kundförfrågan ställa samman ett prisförslag med produkter, tjänster och villkor, men den slutliga marginalen, undantagen och kundspecifika överenskommelser kräver vanligtvis en blick från någon som känner kundrelationen. Att hantera orderändringar hamnar i samma kategori: att genomföra en adressändring är trivialt, men en ändring som påverkar leveranstid, pris eller lager i flera system kräver ett kontrollmoment.
Att registrera klagomål hör också hit, men då på den försiktiga sidan: att dokumentera fakta klarar AI bra, men bedömningen av om något är en isolerad incident eller ett tecken på ett strukturellt problem är något en medarbetare måste avgöra innan registreringen får leva vidare i organisationen. I samtliga dessa fall ligger vinsten inte i att uppgiften försvinner, utan i att den största delen av arbetet flyttas från utförande till bedömning.
Att innehållsmässigt hantera klagomål är det tydligaste exemplet på arbete som förblir mänskligt arbete. Här handlar det inte om att följa en procedur, utan om att väga en enskild situation, bedöma vad en kund behöver för att känna sig hörd, och fatta ett beslut som inte följer av ett manus. Att följa upp obesvarade offerter hör delvis också hemma här: att skicka en påminnelse går att automatisera, men samtalet som följer när en kund tvekar eller förhandlar kräver någon som kan anpassa sig. Även komplexa eskaleringar på sociala medier, där en missnöjd kund reagerar offentligt och organisationens tonläge står på spel, kan inte överlåtas till en modell utan att det uppstår ett anseenderisk.
Den gemensamma nämnaren i denna kategori är att uppgiften kretsar kring omdöme, relation eller oförutsägbarhet, och att en felaktig bedömning inte enkelt går att åtgärda med en korrigering i efterhand.
Om man lägger dessa tre kategorier över de 82 uppgifterna uppstår ingen skarp gräns mellan "front office förblir människa" och "back office blir AI". Fördelningen går rakt igenom båda: vissa front office-uppgifter som livechatt går bra att automatisera, medan vissa back office-uppgifter som att bedöma en ovanlig orderändring kräver mänsklig kontroll. Frågan är per uppgift: hur förutsägbart är utfallet, och hur stor är skadan vid ett fel?
Detta mönster är inte unikt för kundtjänst. Även vid vad kan AI ta över inom partihandeln och vid vilket arbete kan AI ta över inom inköp ligger fördelningen mellan de tre kategorierna mindre i befattningstiteln och mer i den enskilda uppgiftens karaktär. Den som söker struktur gör därför klokt i att titta per uppgift och inte generalisera per avdelning eller roll.
En sista anmärkning: om dessa resultat används i ett samtal om personalantal eller tjänster gäller där egna lagstadgade krav som denna sida varken lägger till eller drar ifrån. Denna översikt beskriver uppgifter, inte personalbeslut.
För att se hur denna fördelning slår ut för er egen kundtjänst är det föga meningsfullt att gissa utifrån befattningstitlar. Förhållandet mellan de tre kategorierna beror på blandningen av uppgifter som era medarbetare faktiskt utför, de system som hör till dessa och komplexiteten i era kundförfrågningar. Ftetoai erbjuder en kostnadsfri snabbanalys för detta: tolv frågor, utan konto, med en indikation som resultat på hur stor del av timmarna i er profil som idag kan tas över av AI. Den fullständiga arbetsanalysen, som går djupare in på enskilda uppgifter, är fortfarande under uppbyggnad; den erbjuder vi medvetet inte här förrän den är klar.
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.