سود:
- توانایی تشخیص اینکه هوش مصنوعی در چه نقاطی سرعت واقعی را در تماس با مشتری (سلف سرویس، نماینده-پشتیبانی، تجزیه و تحلیل) و جایی که تعهد و لحظات حساس به انسان ها واگذار می شود، با توجه به سطح ریسک کار انجام می دهد.
- امکان اعمال رشته ای که هر خروجی هوش مصنوعی را از طریق مراحل اتصال آن به منبع، تعیین آستانه بحرانی و عبور آن از فیلتر انسانی تأیید می کند.
- امکان پوشاندن اطلاعات مشتری و کارت در محدوده KVKK/PCI-DSS و کسب عادت انتخاب خودروی ایمن
هر دقیقه دهها مخاطب در یک مرکز تماس اتفاق میافتند: یک اختلاف صورتحساب روی تلفن، یک استعلام حمل و نقل در پنجره چت، درخواست بازپرداخت در ایمیل، یک مشتری عصبانی که دکمه «اتصال به نماینده» را در یک برنامه فشار میدهد. برخی از این مخاطبین تکراری و یکنواخت هستند (بازنشانی رمز عبور، استعلام موجودی، به روز رسانی آدرس). برخی از آنها احساسی، پیچیده و مستقیماً بر شهرت مؤسسه تأثیر می گذارد (شکایت، درخواست لغو، جبران اشتباه). هوش مصنوعی (AI یا به اختصار AI - سیستمهای رایانهای که میتوانند متن و گفتار انسانمانند تولید کنند، هدف را تشخیص دهند، خلاصه کنند و پیشبینی کنند) درست در وسط این تصویر قرار دارد: وقتی به درستی استفاده شود، تماسهای معمول را در چند ثانیه حل میکند، کمک فوری به نماینده میدهد، مکالمات را خلاصه میکند و کیفیت را اندازهگیری میکند. استفاده نادرست، اطلاعات نادرست را به مشتری می دهد، داده های محرمانه را درز می کند، یا لحظه ای را که یک انسان باید مدیریت کند را از دست می دهد.
واحد اول این ماژول یک معرفی نرم افزار نیست. هدف آن این است که مشخص کند هوش مصنوعی را در کجا باید در فرآیندهای تجربه مشتری (CX - تجربه مشتری؛ تجربه جامعی که مشتری در هر تماس با برند دارد) قرار داد و کجا نباید آن را قرار داد. بیایید اصل اساسی را از ابتدا بیان کنیم: هوش مصنوعی یک دستیار است، نه تصمیم گیرنده ای که جایگزین عامل و مدیر شود. تعهداتی که مستقیماً بر مشتری تأثیر می گذارد (بازپرداخت، فسخ قرارداد، جبران خسارت، پاسخ قانونی) و موقعیت های حساس (مشتری عصبانی، امنیت، سلامت، ریسک مالی) متعلق به شخص صالح است.
لایه های مرکز تماس و محل هوش مصنوعی
برای درک یک مرکز تماس، تقسیم کسب و کار به سه لایه مفید است. لایه سلف سرویس جایی است که مشتری بدون اتصال به انسان مشکل خود را حل می کند: تلفن گویا (واکنش صوتی تعاملی - یک سیستم منوی صوتی که از طریق تلفن می گوید "برای صورتحساب خود عدد 1 را فشار دهید")، چت ربات و مرکز راهنمایی. لایه پشتیبانی عامل جایی است که یک انسان با مشتری صحبت می کند، اما هوش مصنوعی به آنها کمک ویژه می کند: پیشنهاد پاسخ درست، خلاصه کردن مکالمه، یادآوری مرحله بعدی به آنها. لایه مدیریت و تجزیه و تحلیل جایی است که تمام مخاطبین اندازه گیری و بهبود می یابند: ارزیابی کیفیت، تجزیه و تحلیل احساسات، گزارش های روند. هوش مصنوعی هر سه لایه را لمس می کند. اما با اقتدار متفاوت در هر کدام. در لایه سلفسرویس، هوش مصنوعی میتواند مستقیماً با مشتری (در موضوعات محدود و امن) صحبت کند. در لایه مدیریت، فقط تحلیل و پیش نویس تولید می کند و مدیر تصمیم می گیرد.
چند شاخص کلیدی زبان مرکز تماس را تشکیل می دهند و بیایید از ابتدا آنها را تعریف کنیم. AHT (میانگین زمان رسیدگی) مدت زمانی است که یک تماس در مجموع طول می کشد، از جمله مکالمه به علاوه عملیات خاتمه. FCR (تحلیل تماس اول) این است که آیا مشکل مشتری یکباره حل می شود یا خیر. CSAT (رضایت مشتری) امتیاز نظرسنجی پس از تماس "آیا شما راضی هستید" است. NPS (امتیاز خالص تبلیغ کننده) تمایل مشتری به توصیه برند است. انحراف سرعتی است که در آن یک تماس قبل از اینکه به انسان برسد توسط سلف سرویس حل می شود. این مفاهیم را یکی یکی در واحدهای زیر توضیح خواهیم داد. در حال حاضر، این را بدانید: هوش مصنوعی به شما سرعت و تجزیه و تحلیل در مورد همه این شاخص ها می دهد، اما مسئولیت وعده داده شده به مشتری با سازمان است.
جدول زیر نقش و سطح خطر هوش مصنوعی را بر اساس ماموریت خلاصه می کند:
تلاش
نقش هوش مصنوعی
سطح ریسک
چه کسی تایید می کند / مالک است
پرسشهای متداول/پاسخ اطلاعاتی (تعادل، ساعات کاری)
پاسخگوی مستقیم (ربات)
پایین
مدیر پایگاه دانش
خلاصه تماس و برچسب گذاری
مولد طرح
کم-متوسط
نماینده (بررسی)
پیشنهاد پاسخ زنده به نماینده
دستیار / درخواست کننده
متوسط
نماینده (او است که صحبت می کند)
تجزیه و تحلیل احساسات و نمره کیفیت
تحلیل / اشاره گر
متوسط
متخصص کیفیت (QA).
پیشنهاد بازپرداخت/غرامت
پیش نویس، هرگز متعهد خودکار
بالا
نماینده/مدیر مجاز
فسخ قرارداد، پاسخ حقوقی
فقط ورودی
بسیار بالا
واحد ذی صلاح + قانون
یک خط از این جدول را به خاطر داشته باشید: با افزایش ریسک و بار عاطفی، نقش هوش مصنوعی کاهش مییابد و تایید انسان افزایش مییابد.
چرا "تأیید" قلب این تجارت است
به نظر می رسد مدل های زبان هوش مصنوعی در پاسخ خود مطمئن هستند، اما ممکن است مطمئن نباشند. در زبان فنی، این توهم نامیده میشود: این ساخت مدل از اطلاعات غیر موجود در یک جمله روان است، درست مثل اینکه درست باشد. برای یک مرکز تماس، این یک دام جدی است: ربات ممکن است به مشتری بگوید "دوره بازگشت شما 30 روز است"، در حالی که خط مشی شما 14 روز است. یا ممکن است بگوید "کارزار ادامه دارد"، اما دیروز به پایان رسید. مشتری این اطلاعات نادرست را تعهد می داند و سازمان متعهد می شود. از آنجایی که او هر دو را با تسلط یکسان میگوید، تنها چیزی که درست را از نادرست متمایز میکند، دقت پایگاه دانشی است که ربات به آن متصل است و عادت تأیید انسانی.
رشته تأیید شامل سه مرحله است:
- پیوند به منبع: برای هر اطلاعات مشخصی مانند موجودی، هزینه، شرایط کمپین، دوره بازگشت، تاریخ تحویل، به سیستمهای زنده سازمان (CRM، سیستم سفارش، پایگاه دانش فعلی) اعتماد کنید، نه حافظه هوش مصنوعی. از هوش مصنوعی برای صحبت در مورد آن داده ها استفاده کنید، نه برای به خاطر سپردن آن ها.
- آستانه بحرانی را تعیین کنید: ربات به چه موضوعاتی می تواند مستقیماً پاسخ دهد، که باید به انسان تفویض شود - این را از قبل یادداشت کنید. زمانی که پول، امنیت، سلامت، قانون و نشانه های خشم دیده می شود، ربات باید متوقف شود.
- فیلتر انسانی: پاسخ پیشنهادی به نماینده را قبل از گفتن نماینده می خواند و می پذیرد. چکیده و برچسب را قبل از ارسال بررسی می کند.
توجه: انتقال پاسخ تولید شده توسط هوش مصنوعی به مشتری بدون تأیید آن، مانند دادن تعهد بدون امضا به مشتری است. پاسخ فقط به دلیل روان بودن صحیح نیست. درست است زیرا به منبع بستگی دارد.
حریم خصوصی: داده های مشتری داده های حساس هستند
اطلاعات مشتری (نام، شناسه، تلفن، آدرس، شماره کارت، تاریخچه سفارش) تحت KVKK (قانون حفاظت از داده های شخصی) در ترکیه و GDPR در اروپا محافظت می شود. اطلاعات کارت پرداخت نیز توسط PCI-DSS (استاندارد امنیت دادههای کارت پرداخت) محافظت میشود و شماره کامل کارت را نمیتوان به وضوح در جایی یا روی هیچ ابزار هوش مصنوعی نوشت. چسباندن مکالمات خام مشتری در ابزار هوش مصنوعی در دسترس عموم، نقض جدی است. قانون ساده است: داده ها را پنهان/ناشناس کنید و چیزهای غیر ضروری را به اشتراک نگذارید. "مشتری"، "کارت ** ** 1234" به جای "Ayşe Yılmaz، TC 123...، کارت 5312..."; به جای مکالمات خام از متون ویرایش شده استفاده کنید. در صورت امکان، ابزارهای شرکتی را انتخاب کنید که دارای قرارداد پردازش داده هستند و از داده های شما در آموزش مدل استفاده نمی کنند.
سه کیف کوچک
مورد 1 - استفاده ایمن. در یک مرکز تماس تجارت الکترونیک، نمایندگان 2 تا 3 دقیقه در پایان هر تماس برای نوشتن خلاصه و برچسب صرف کردند. 60 تماس در روز × 2.5 دقیقه = 150 دقیقه کار اداری برای هر نماینده. هوش مصنوعی شروع به تولید خلاصه ها و پیش نویس های برچسب از رونوشت ناشناس کرد. نماینده هر خلاصه را در 20 ثانیه بررسی و تصحیح کرد. زمان اداری 70 درصد کاهش یافت و تکرارها 1.5 ساعت در روز را برای مشتریان بیشتر صرف کردند. هوش مصنوعی پیش نویس را داد، مسئولیت با انسان باقی ماند.
مورد 2 - تله پاسخ تایید نشده. ربات چت یک بانک با اطمینان، عدد «نرخ بهره وام شما 2.89 درصد است» را بدون اتصال به پایگاه دانش ایجاد کرد. نرخ واقعی متفاوت بود و از طریق ایمیل به مشتری اطلاع داده می شد. مشتری این مکاتبات را مدرک تلقی کرد و شکایت کرد. اشتباه: اجازه دادن به ربات برای تولید یک عدد مالی مشخص بدون اتصال به سیستم زنده.
مورد 3 - نقض محرمانه بودن. او گفت که یکی از کارمندان 400 رکورد تماس یک روزه (شامل نام، شماره کارت، آدرس) را رونویسی کرد و آنها را در یک ابزار هوش مصنوعی عمومی آپلود کرد تا "متداول ترین شکایات را آشکار کند". داده ها به خارج از سازمان رفت. نقض PCI-DSS به دلیل داشتن شماره کارت کامل رخ داده است. راه درست: پنهان کردن خودکار داده های شخصی و کارت و تجزیه و تحلیل فقط متن های ناشناس.
چهار قالب قابل کپی
1) طبقه بندی ریسک کار:
نقش شما: دستیار مدیر مرکز تماس. برای نوع تماس مشتری زیر: (1) نقش هوش مصنوعی [پاسخ مستقیم / کمک عامل / تجزیه و تحلیل] را مشخص کنید، (2) سطح ریسک [کم/متوسط/بالا] را مشخص کنید، (3) چه کسی باید آن را تایید کند. در صورت وجود تعهد مالی/حقوقی، تیک "تأیید انسانی لازم است". نوع تماس: <<...>>
2) چک لیست تأیید خروجی:
خروجی هوش مصنوعی زیر را قبل از تحویل آن به مشتری بررسی کنید. (1) آیا هر اطلاعات ملموس (مقدار، مدت، کمپین) موجود در آن به منبعی مرتبط است یا می تواند ساخته شود؟ (2) آیا شامل تعهد/وعده است؟ (3) آیا این یک تصمیم مالی/حقوقی/حساس است؟ بررسی هر مورد؛ هر عددی که به منبع پیوند داده نشده است، "VERIFY" را برجسته کنید. خروجی: <<...>>
3) پوشش داده های مشتری:
دادههای شخصی/کارت را از متن زیر پنهان کنید: نام←[مشتری]، شناسه←[IDN]، تلفن←[تلفن]، کارت←[کارت]، آدرس←[ADDRESS]. متن پوشانده شده را بدهید و لیست کنید که چند فیلد را ماسک می کنید. ناحیه ای را که از آن مطمئن نیستید بپوشانید (سمت امن). متن: <<...>>
4) خلاصه ایمن:
موضوع مشتری ناشناس (بدون نام/کارت) را در زیر خلاصه کنید. فقط از اطلاعات متن استفاده کنید. هیچ عدد / دوره ای را تشکیل ندهید. اگر تعهدی وجود دارد آن را همان طور که هست نقل کنید، در غیر این صورت بگویید «عدم تعهد». خلاصه را ناشناس نگه دارید. تماس: <<متن نقاب دار>>
اعلان ضعیف / اعلان قوی
اعلان ضعیف:
چگونه باید به این مشتری پاسخ دهم، آیا باید پول او را پس بدهم؟
این ادعا ناقص است: به هوش مصنوعی زمینه (محصول، خط مشی، زمان) داده نشده است، اختیار تصمیم گیری تفویض شده است و داده های مشتری کنترل نشده است. هوش مصنوعی تنها می تواند با یک سیاست ساخته شده پاسخ دهد.
اعلان قدرتمند:
نقش شما: دستیار کمک به نماینده خدمات مشتری. زمینه: سیاست بازگشت ما = 14 روز برای محصول استفاده نشده. پیام مشتری ناشناس زیر (بدون نام/کارت) را بخوانید. مشتری: "من محصول را 20 روز پیش خریدم، از آن استفاده نکردم، من می خواهم بازپرداخت کنم." وظیفه: (1) خلاصه کردن وضعیت بر اساس خط مشی، (2) پیش نویس یک پاسخ مودبانه که نماینده می تواند بگوید، (3) به وضوح مشخص کند که در کجا اختیار تصمیم گیری لازم است ("سپاه به انسان")، هیچ چیزی در زمان/مقدار ساخت سیاست وجود ندارد.
خط مشی، نقش، ناشناس بودن و ممنوعیت «ساخت» در این اعلان واضح است. نماینده هنوز صاحب خروجی است: از 20 روز > 14 روز، بازگشت غیر استاندارد است و تصمیم با نماینده باقی می ماند.
اشتباهات رایج
- باعث می شود ربات در مورد همه چیز صحبت کند. باز گذاشتن دامنه ربات بدون محدود کردن آن باعث ایجاد توهم و تعهدات نادرست می شود. ربات فقط باید در موضوعات محدود و امنی که به پایگاه دانش آن مرتبط است پاسخ دهد.
- چسباندن داده های خام مشتری در هوش مصنوعی هیچ وسیله نقلیه ای نباید بدون پوشاندن نام، شماره تلفن، کارت شناسایی و آدرس وارد شود.
- تفویض اختیار تصمیم گیری به هوش مصنوعی خودکارسازی تعهدات مانند "بازپرداخت" یا "لغو قرارداد" مؤسسه را ملزم می کند. اینها را باید به مردم سپرد.
- از دست دادن لحظه احساسی تداوم ربات زمانی که نشانه هایی از خشم، تهدید یا بحران وجود دارد، تجربه را به فاجعه تبدیل می کند. این لحظات نیاز به رسیدگی سریع دارند.
- ارسال پاسخ بدون تایید آن. خروجی هوش مصنوعی نباید بدون اتصال به منبع به دست مشتری برسد.
نکته: قبل از ساختن یک ربات یا دستیار، یک جمله بنویسید: "این ابزار چه کاری می تواند انجام دهد و چه کاری نمی تواند مطلقا انجام دهد؟" این جمله حد امنیتی پروژه شماست.
به طور خلاصه
هوش مصنوعی در مرکز تماس و تجربه مشتری؛ این یک دستیار قدرتمند است که تماس های معمول را سرعت می بخشد، به نماینده کمک می کند و فرآیندها را اندازه گیری می کند. اما صاحب قول هایی که به مشتری، لحظات حساس و تعهدات مالی/حقوقی داده شده، همیشه فرد صالح است. هوش مصنوعی را با توجه به سطح ریسک ماموریت تعیین کنید: با افزایش ریسک، نقش هوش مصنوعی کوچکتر می شود و تایید انسانی افزایش می یابد. هر پاسخ مشخصی را به منبع پیوند دهید، اعداد یا زمانها را نسازید، دادههای مشتری را پنهان کنید، و در مواقع عصبانیت/بحران، تحویل سریع انسانی را به قانون تبدیل کنید.
وظیفه کاربردی
8 نوع تماس معمولی را از مرکز تماس خود (یا یک سناریوی خیالی) فهرست کنید (به عنوان مثال استعلام موجودی، ردیابی محموله، بازگشت، تنظیم مجدد رمز عبور، اختلاف فاکتور، لغو، نقص فنی، شکایت). یک جدول با سه ستون برای هر کدام بسازید: "آیا ربات می تواند مستقیماً آن را حل کند؟ / آیا هوش مصنوعی به عامل کمک می کند؟ / آیا باید به انسان واگذار شود؟" توجیهات مختصری برای حداقل دو مخاطب بنویسید. این جدول اساس معماری CX-YZ خواهد بود که در سراسر ماژول ایجاد خواهید کرد.
چک لیست
- [ ] من می توانم نقش هوش مصنوعی (پاسخ مستقیم / کمک / تجزیه و تحلیل) و سطح خطر را در هر کار تشخیص دهم.
- [ ] من به وضوح محدوده ربات را تعریف کرده ام (چه کاری انجام می دهد، چه کاری انجام نمی دهد).
- [ ] من هر پاسخ مشخص (مقدار، مدت، کمپین) را به یک منبع زنده نسبت می دهم، آن را نمی سازم.
- [ ] قبل از دادن اطلاعات به AI (KVKK/PCI-DSS) اطلاعات مشتری و کارت را پنهان می کنم.
- [ ] من قانون خود را برای تحویل سریع به مردم در مواقع عصبانیت، بحران، تعهد مالی/حقوقی نوشتم.
- [ ] به تیم اعلام کردم که تایید نهایی تعهدات مالی و قانونی با خود شخص است.