Jak AI może odciążyć zespół obsługi klienta w złożonym środowisku serwisowym

Przegląd projektu

Autentika pierwotnie opracowała ten Proof of Concept dla dużego producenta sprzętu, jednak ze względu na umowy o poufności prezentujemy go w kontekście case study drukarek 3D dla organizacji, którą nazwaliśmy Acme. Koncepcję można zastosować w podobnych scenariuszach w różnych branżach, także w złożonych środowiskach serwisowych sprzętu.

Acme wdrożyło asystenta opartego na AI — Freddy'ego — do działu obsługi klienta. Freddy pełni rolę chatbota pomagającego klientom w rozwiązywaniu problemów technicznych. W odróżnieniu od tradycyjnych botów Freddy wykorzystuje AI do bardziej dynamicznego reagowania na polecenia użytkowników i oferuje multimedialne rozwiązania, w tym samouczki wideo i fragmenty dokumentacji. Dodatkowo Freddy potrafi analizować zdjęcia przesyłane przez użytkowników, aby wykrywać usterki sprzętu. W przypadkach, gdy Freddy nie może rozwiązać problemu, system oznacza zgłoszenie do interwencji człowieka, gwarantując, że pracownik przejmie sprawę w ciągu 15 minut.

Nasz nacisk kładziony był na zaprojektowanie i ocenę działania Freddy'ego w dwóch konkretnych scenariuszach, w których rolę agenta supportowego pełnił Michał. Oba scenariusze szczegółowo opisujemy dalej w tym case study.

Wyzwanie

Głównym wyzwaniem tego case study było zapewnienie, że asystent AI — Freddy — będzie mógł płynnie wspierać operacje obsługi klienta bez konieczności nadmiernego nadzoru ze strony człowieka. Choć rolą AI było odciążenie ludzkich agentów, kluczowe obszary wymagały poprawy — szczególnie w zakresie obsługi bardziej złożonych zgłoszeń i zapewnienia terminowej oraz skutecznej interwencji człowieka, gdy jest ona niezbędna. Dodatkowym wyzwaniem była zdolność AI do analizowania danych multimedialnych i niuansowanego interpretowania odpowiedzi klientów.

To rozwiązanie jest szczególnie dobrze dopasowane do producentów złożonych urządzeń, gdzie instrukcje obsługi mogą liczyć tysiące stron i zawierać elementy multimedialne. Co więcej, wykwalifikowani technicy z dogłębną wiedzą serwisową są często rozproszeni po całym świecie, co prowadzi do opóźnień trwających nawet kilka dni.

Celem było zapewnienie:

• Skrócenia czasu potrzebnego do zamknięcia zgłoszenia serwisowego
• Zwiększenia efektywności obsługi zgłoszeń, pozwalając zespołowi ludzkiemu skupić się na bardziej krytycznych zadaniach
• Skutecznego autonomicznego rozwiązywania typowych problemów z drukarkami przez AI

Prognozowane wyniki

Na podstawie założeń projektowych hipotetyczne spodziewane wyniki mogłyby wyglądać następująco:

• Efektywność rozwiązywania zgłoszeń: Freddy z powodzeniem obsługiwał większość typowych zapytań supportowych autonomicznie, zmniejszając liczbę zgłoszeń eskalowanych do agentów-ludzi.

• Krótszy czas odpowiedzi: Wdrożenie Freddy'ego pozwoliło Acme zmniejszyć średni czas oczekiwania klientów, zapewniając, że osoby wymagające pomocy człowieka otrzymywały ją w ramach gwarantowanych 15 minut.

• Wyższa satysfakcja klientów: Klienci pozytywnie ocenili multimedialne podejście Freddy'ego do rozwiązywania problemów, a wskaźniki satysfakcji ze zgłoszeń obsługiwanych przez AI wyraźnie wzrosły.

• Optymalizacja pracy agentów: Zdolność Freddy'ego do obsługi prostszych zadań pozwoliła ludzkim agentom skoncentrować się na bardziej złożonych problemach, poprawiając ogólną produktywność i satysfakcję z pracy w zespole supportowym.

Scenariusz 1: Wsparcie z udziałem AI (interwencja człowieka)

W pierwszym scenariuszu zasymulowaliśmy sytuację, w której klient napotkał problem, którego Freddy nie był w stanie rozwiązać. Freddy inicjuje czat, by rozwiązać problem, korzystając ze swojej bazy wiedzy. Analizuje model drukarki 3D użytkownika, diagnozuje usterkę na podstawie przesłanego przez niego zdjęcia i dostarcza zasoby multimedialne — samouczki wideo lub odpowiednie fragmenty dokumentacji.

Gdy Freddy nie może zaproponować rozwiązania, sprawa jest oznaczana do obsługi przez człowieka. Agent supportowy Michał widzi w panelu zgłoszenie oznaczone jako "Wymagana interwencja człowieka" — wyróżniające zgłoszenia, z którymi AI nie poradziło sobie samodzielnie.

Szczegółowe kroki działania:

1) Przeglądanie listy zgłoszeń

Agent supportowy może przeglądać zgłoszenia i sprawdzać, którzy członkowie zespołu aktualnie nad nimi pracują. Kilku agentów może jednocześnie przeglądać to samo zgłoszenie, jednak gdy agent przejmuje jego obsługę, zostaje ono zablokowane dla pozostałych.

2) Wybór zgłoszenia

Agent Michał wybiera zgłoszenie wymagające interwencji człowieka.

Agent wchodzi do zgłoszenia i zapoznaje się z jego podsumowaniem. Istotne jest to, że AI przygotowuje streszczenie całego problemu, nadaje mu nazwę i wyodrębnia kluczowe elementy sprawy.

Interfejs zawiera licznik czasu u dołu okna czatu, wskazujący pozostały czas na przejęcie sprawy przez agenta. Podobny licznik widoczny jest też u góry ekranu.

Wszystkie informacje widoczne w panelu po lewej stronie są przygotowywane przez AI.

3) Przegląd danych użytkownika

Michał może wykorzystać pozostały czas na liczniku do przejrzenia informacji o użytkowniku w lewym panelu. Ponieważ użytkownik jest zarejestrowany, agent supportowy ma dostęp do takich danych jak: lokalizacja, zarejestrowany sprzęt (np. drukarki 3D), rodzaj gwarancji (np. plan subskrypcyjny) oraz linki do poprzednich zgłoszeń użytkownika.

Sekcja "Punkty akcji" ułatwia nawigację po historii rozmowy. Kliknięcie danego punktu akcji przewija czat do odpowiadającego mu miejsca w dyskusji.

4) Przejęcie zgłoszenia

Michał decyduje się przejąć zgłoszenie.

Ta akcja wyłącza licznik czasu, a użytkownik otrzymuje powiadomienie, że jego sprawą zajmuje się teraz ludzki agent.

Przyjrzyjmy się też możliwemu przebiegowi czatu między Freddym a użytkownikiem, poprzedzającemu interwencję człowieka:

(case study jest kontynuowane poniżej zrzutu ekranu)

Przebieg czatu:

1) AI najpierw stara się zebrać informacje o problemie. Pobiera dane z konta klienta i wyświetla zarejestrowane urządzenia.

2) Użytkownik przesyła zdjęcie usterki. AI analizuje obraz i diagnozuje problem (w tym przypadku zatkana dysza drukarki 3D).

3) AI dostarcza kontekstową pomoc: zdjęcie ilustrujące kolejne kroki, link do odpowiedniej sekcji instrukcji (do pobrania) oraz link do wideo z konkretnym znacznikiem czasu prezentującym problem.

4) AI wyodrębnia odpowiedni fragment dokumentu i zaznacza dokładnie ten akapit, który dotyczy użytkownika.

5) W tym momencie AI przyznaje, że nie jest w stanie rozwiązać problemu. Użytkownik czeka na pomoc człowieka, a Michał jest gotowy przejąć sprawę i kontynuować.

Kluczowe wnioski

Scenariusz 2: Ocena działania AI

W drugim scenariuszu Michał przechodzi od aktywnego supportu do przeglądu zgłoszeń zamkniętych autonomicznie przez Freddy'ego. Po skorzystaniu z pomocy Freddy'ego i rozwiązaniu problemu klient jest proszony o ocenę satysfakcji. Michał ocenia te zamknięte zgłoszenia, aby upewnić się, że AI świadczy usługi na wysokim poziomie.

1) Przeglądanie zamkniętych zgłoszeń w sekcji "Ocena wsparcia AI"

2) Wybór zgłoszenia

Michał wybiera pierwsze zgłoszenie do oceny.

Widok zgłoszenia składa się z dwóch kolumn:

1) Podsumowanie zgłoszenia i dane użytkownika 2) Historia czatu między AI a użytkownikiem

Podsumowanie (przygotowane przez AI) opisuje konkretny problem (w tym model urządzenia i ogólne omówienie rozmowy). Wskazuje również ważne kamienie milowe — Punkty akcji — osiągnięte w trakcie procesu supportowego.

3) Rozpoczęcie oceny

Michał przystępuje do oceny zgłoszenia. Ma do wyboru dwie opcje:

1) Zaakceptuj zgłoszenie: oznacz rozmowę jako zakończoną sukcesem — AI może wykorzystać tę informację jako feedback do dalszego uczenia się.

2) Eskaluj zgłoszenie do innego działu:

• Księgowość: jeśli klient wymaga dalszego kontaktu w kwestiach sprzedażowych.
• Dział szkolenia AI: jeśli AI popełniło poważny błąd i wymaga doszkolenia (Michał jedynie flaguje takie przypadki, a inny zespół zajmuje się resztrenowaniem).

W naszym scenariuszu Michał decyduje się zaakceptować zgłoszenie.

Przyjrzyjmy się też możliwemu przebiegowi czatu między Freddym a użytkownikiem, poprzedzającemu ocenę zgłoszenia.

(case study jest kontynuowane poniżej zrzutu ekranu)

Przebieg czatu:

1) AI na początku pobiera informacje o sprzęcie zarejestrowanym przez klienta (ponieważ użytkownik jest zalogowany).

2) AI stara się potwierdzić model urządzenia. Użytkownik jednak pomija propozycje AI i wpisuje model bezpośrednio w czacie.

3) Użytkownik podaje model, który nie jest zarejestrowany na jego koncie. 4) AI oferuje pomoc w rejestracji sprzętu, sugerując trzy opcje rejestracji. 5) Użytkownik decyduje się przesłać zdjęcie etykiety urządzenia w celu szybkiej rejestracji. 6) Na podstawie przesłanego zdjęcia AI błyskawicznie rejestruje sprzęt. 7) AI wraca do rozwiązania pierwotnego problemu. 8) Użytkownik otrzymuje od AI niezbędny plik, wgrywa go do drukarki 3D i rozwiązuje problem. 9) Zadowolony z rozwiązania użytkownik opuszcza czat bez zamykania zgłoszenia. 10) AI zauważa, że użytkownik zakończył sesję, i wysyła mu delikatne przypomnienie o zamknięciu zgłoszenia. 11) Gdy pierwsze przypomnienie nie przynosi efektu, AI wysyła powiadomienie push i e-mail "Critical Hit". 12) Użytkownik wraca, zamyka zgłoszenie i wystawia pozytywną ocenę satysfakcji. 13) Agent supportowy Michał potwierdza, że AI skutecznie obsłużyło sprawę, a użytkownik jest zadowolony.

Kluczowe wnioski

- Zbieranie opinii użytkowników: Freddy zachęca użytkowników do zamykania zgłoszeń i zostawiania opinii. Jeśli żadna opinia nie zostanie udzielona, Michał może zbadać sprawę, aby upewnić się, że zgłoszenie zostało odpowiednio rozwiązane i zidentyfikować ewentualne luki w działaniu Freddy'ego.

Proces przeglądu zgłoszeń: Zaprojektowaliśmy system, w którym Michał może analizować zarówno przebieg, jak i wyniki spraw obsługiwanych przez AI. Jeśli problem został rozwiązany, ale opinia jest negatywna, Michał może ponownie otworzyć zgłoszenie, by sprawdzić, gdzie AI zawiodło.

Uczenie się i doskonalenie AI: Na podstawie ocen Michała wdrożyliśmy pętlę zwrotną, dzięki której AI jest aktualizowane w obszarach, w których mogło zawieść. Zapewnia to ciągłe doskonalenie i zmniejsza przyszłą zależność od interwencji człowieka.

Zaawansowane możliwości AI

Jednym z kluczowych wyróżników Freddy'ego była zdolność do obsługi złożonych mediów. Pracowaliśmy nad tym, aby Freddy mógł:

• Analizować zdjęcia przesyłane przez klientów w celu diagnozowania usterek sprzętu.
• Czytać i interpretować dokumenty, wyodrębniając z nich trafne rozwiązania dla klientów.
• Kierować klientów do konkretnych momentów w samouczkach wideo, adresując precyzyjnie dany problem. To znacznie zwiększyło zdolność AI do samodzielnego rozwiązywania spraw i zmniejszyło liczbę zgłoszeń eskalowanych do ludzkich agentów.