Keuntungan:
- Kemampuan untuk mengklasifikasikan pertanyaan pelanggan dengan kecerdasan buatan dan chatbot serta menyiapkan draf dan panduan respons
- Kemampuan untuk menguji keakuratan respons otomatis, cakupan cakupan, dan ambang batas eskalasi dengan kebijakan dan prosedur
- Memahami perlunya eskalasi pengaduan, kompensasi, dan permintaan hukum oleh manusia serta batasan chatbots
Layanan pelanggan dalam asuransi adalah lalu lintas yang tidak pernah berakhir: pertanyaan kebijakan, pelacakan status kerusakan, pembayaran premi, penjelasan pertanggungan, permintaan pembatalan dan pengembalian dana, keluhan. Banyak dari permintaan ini bersifat berulang dan informatif; Beberapa di antaranya mempunyai konsekuensi finansial atau hukum. Kecerdasan buatan dan chatbot (perangkat lunak yang secara otomatis berhubungan dengan pelanggan, mengklasifikasikan dan menjawab pertanyaan) adalah alat yang ampuh dalam mengelola lalu lintas ini: ia mengklasifikasikan permintaan masuk, menghasilkan draf jawaban atas pertanyaan umum, dan mengarahkan pelanggan ke unit yang tepat. Namun chatbot bukanlah ahli asuransi; Menghasilkan hasil sendiri mengenai masalah seperti cakupan, jumlah kompensasi, pembatalan-pengembalian dana, dll. membawa risiko informasi yang salah dan transaksi yang tidak sah. Di unit ini, Anda akan mempelajari cara Anda mengklasifikasikan dan merespons permintaan pelanggan dengan kecerdasan buatan, cara Anda menguji respons otomatis dengan kebijakan dan prosedur, dan permintaan mana yang harus dieskalasi secara manusia (didelegasikan ke karyawan yang berwenang).
Apa yang dilakukan chatbot dan di mana fungsinya berhenti?
Layanan pelanggan bertenaga AI aman untuk:
- Klasifikasi permintaan: Menentukan subjek pesan masuk (pertanyaan kebijakan, pelacakan kerusakan, pembayaran, keluhan, pembatalan) dan mengarahkannya ke aliran yang benar.
- Informasi: Menjawab pertanyaan faktual seperti “Pada tahap apa berkas kerusakan saya?”, “Apa saja saluran pembayaran preminya?”, “Kapan polis saya akan diperpanjang?”
- Draf tanggapan: Memberi agen draf pertanyaan kompleks yang sudah jadi (agen mengoreksi dan mengirimkan).
- Pencarian basis pengetahuan: Menemukan dan merangkum informasi yang relevan dari prosedur dan FAQ.
Chatbot harus berdiri sendiri dan mendelegasikan tugas-tugas berikut kepada manusia: interpretasi cakupan, komitmen jumlah kompensasi, proses pembatalan dan pengembalian premi, penyelesaian keluhan, permintaan hukum, transaksi yang memerlukan data sensitif. Hal ini mempunyai konsekuensi finansial/hukum dan memerlukan pertimbangan manusia yang kompeten.
Perhatian: Jika chatbot membuat janji seperti "polis Anda akan menanggung ini" atau "jumlah pengembalian dana Anda akan sebanyak ini", jika ini salah, perusahaan akan terikat dan pelanggan akan dirugikan. Permasalahan seperti cakupan dan jumlah harus disesuaikan dengan kebutuhan manusia.
Ambang batas eskalasi: kapan harus ditransfer ke manusia
Inti dari setiap desain chatbot adalah aturan eskalasi. Ambang batas yang baik menghentikan otomatisasi dan mengalihkan ke pekerja resmi ketika:
- Konsekuensi finansial: Pembatalan, pengembalian dana, kompensasi, perubahan premi.
- Komentar cakupan: Pertanyaan yang memerlukan interpretasi kebijakan, seperti "Apakah kerusakan ini akan ditanggung?"
- Keluhan dan ketidakpuasan: Situasi emosional yang memerlukan penyelesaian.
- Ambiguitas: Jawaban dengan tingkat kepercayaan rendah ketika chatbot tidak yakin.
- Data/identitas sensitif: Transaksi yang memerlukan otentikasi dan data sensitif.
- Konten hukum: Peringatan, tuntutan hukum, pernyataan tuntutan hukum.
Tip: Sebagai aturan, instruksikan chatbot "jika Anda tidak yakin, jangan mengada-ada; katakan 'Saya akan menghubungkan Anda dengan pakar dalam hal ini'." Perilaku chatbot yang paling berbahaya adalah ketika ia dengan percaya diri menjawab sesuatu yang tidak diketahuinya.
Langkah demi langkah: Amankan alur layanan pelanggan
- Klasifikasikan permintaan tersebut. Tentukan topik dan urgensinya.
- Bedakan antara informasi dan tindakan. Informasi faktual → chatbot dapat menjawab; tindakan/keputusan → skala.
- Uji respon terhadap prosedur/kebijakan. Respons Chatbot harus didasarkan pada basis pengetahuan dan bukan dibuat-buat.
- Terapkan ambang batas eskalasi. Keuangan/hukum/ruang lingkup/pengaduan → penyerahan kepada manusia.
- Lindungi identitas dan privasi. Dalam pemrosesan sensitif, otentikasi dan perlindungan data berada di sisi manusia.
- Tinggalkan jejakmu. Simpan percakapan dan titik serah terima; melindungi pengalaman dan kendali pelanggan.
tiga kasus mini
Kasus 1 — Eskalasi yang benar. Seorang pelanggan menulis ke chatbot, "Saya ingin membatalkan polis saya dan mendapatkan kembali premi saya." Alih-alih memproses sendiri pembatalan dan pengembalian dana, chatbot memberikan informasi umum tentang ketentuan pembatalan dan meneruskan permintaan ke perwakilan resmi. Perwakilan membuat perhitungan pengembalian premi berdasarkan hari (pengembalian dana sama dengan hari polis yang tidak digunakan): Pengembalian dana kotor sekitar 5,600 TL untuk sisa 7 bulan dari premi 12 bulan 9,600 TL dijaring setelah dipotong. Akan ada masalah jika chatbot melakukan sendiri jumlah yang salah.
Kasus 2 — Mencegah fabrikasi. Seorang pelanggan bertanya, “Apakah polis asuransi saya menanggung kerusakan ban?” Alih-alih memberikan jawaban "ya/tidak" yang pasti karena aturan "tidak yakin", chatbot tersebut mengatakan, "cakupan dapat bervariasi tergantung pada kebijakan Anda; saya menghubungkan Anda dengan salah satu pakar kami." Pakar memeriksa kebijakan tersebut; Dalam polis ini, ban hanya ditanggung jika rusak disertai dengan pertanggungan lainnya. Jika chatbot menjawab “ya”, hal itu akan menimbulkan ekspektasi yang salah.
Kasus 3 — Kecepatan dalam rutinitas. 70% dari pertanyaan "Pada tahap apa file kerusakan saya?" dijawab langsung oleh chatbot (dengan menarik status file dari basis pengetahuan). Hal ini membebaskan agen dari pertanyaan rutin dan memungkinkan mereka fokus pada permintaan yang kompleks dan keluhan. Waktu respons rata-rata turun secara signifikan; Berkat ambang batas eskalasi, kualitasnya tidak menurun.
Empat perintah yang dapat disalin
1) Klasifikasi permintaan:
Anda adalah asisten layanan pelanggan asuransi. Klasifikasikan pesan pelanggan di bawah ini: [pesan] Keluaran: topik (pertanyaan kebijakan / pelacakan klaim / pembayaran / pembatalan-pengembalian dana / keluhan / hukum / lainnya), urgensi (rendah/sedang/tinggi), dan keputusan + alasan “dapatkah chatbot menjawab atau ditingkatkan oleh manusia”.
2) Respon informasi (terbatas):
Draf jawaban atas pertanyaan pelanggan berdasarkan basis pengetahuan berikut:Pertanyaan: [pertanyaan] Basis pengetahuan: [prosedur terkait/FAQ]Hanya didasarkan pada pengetahuan di basis pengetahuan; tepat. Untuk bagian yang memerlukan tindakan/keputusan seperti pertanggungan, jumlah atau pembatalan-pengembalian dana, ucapkan "Saya akan menghubungi ahli kami".
3) Kontrol ambang batas eskalasi:
Audit percakapan berikut untuk eskalasi: [percakapan]Cari tanda-tanda yang memerlukan penyerahan kepada manusia: transaksi keuangan (pembatalan/pengembalian dana/kompensasi), komentar ruang lingkup, keluhan, pernyataan hukum, data sensitif, rendahnya kepercayaan terhadap chatbot. Jika serah terima diperlukan, tentukan alasannya dan ke unit mana yang akan dirujuk.
4) Draf jawaban untuk delegasi (pertanyaan kompleks):
Mintalah perwakilan akun membuat draf jawaban atas pertanyaan kompleks berikut: Pertanyaan: [pertanyaan] Kebijakan/prosedur terkait: [tempel] Draf dengan sopan dan jelas; Tandai cakupan/jumlah klaim dengan catatan “agen harus mengonfirmasi”. Membuat kalimat dengan komitmen yang pasti.
Perintah lemah / Perintah kuat
Lemah: "Biarkan chatbot menjawab setiap pertanyaan pelanggan dan menyelesaikan transaksi."
Masalah: Menyerahkan tugas zona merah seperti pembatalan/pengembalian dana/cakupan ke otomatisasi; risiko kesalahan informasi dan transaksi tidak sah.
Güçlü: "Biarkan chatbot menjawab pertanyaan faktual berdasarkan basis pengetahuannya; terjemahkan cakupan, jumlah, pembatalan-pengembalian dana, dan keluhan kepada manusia; jika tidak yakin, jangan mengada-ada, tetapi hubungkan ke ahlinya."
Mengapa hal ini baik: Rutinitas menjadi lebih cepat, keputusan yang berisiko ada di tangan orang, pemalsuan dapat dicegah.
grafik perbandingan
Jenis permintaan
chatbot
manusia
Mengapa
Permintaan status file
Balasan
—
informasi faktual
Saluran pembayaran premium
Balasan
—
Informasi
Komentar ruang lingkup
Meningkat
memutuskan
Interpretasi kebijakan
Pembatalan/pengembalian dana
Informasi + skala
melakukan transaksi
Hasil keuangan
keluhan
Meningkat
memecahkan
Kepuasan/hukum
tuntutan hukum
Meningkat
hukum/ahli
konsekuensi hukum
Kesalahan umum
- Membuat chatbot berkomitmen. Pernyataan yang mengikat seperti "polis Anda akan menanggungnya" atau "pengembalian dana Anda akan sebesar ini".
- Menetapkan ambang batas eskalasi dengan lemah. Meninggalkan klaim finansial/hukum dalam otomatisasi.
- Tidak membuat aturan "Saya tidak yakin". Pemalsuan percaya diri chatbot tentang apa yang tidak diketahuinya.
- Berbagi informasi sensitif tanpa otentikasi. Memberikan informasi kebijakan/kerusakan kepada orang yang tidak berkepentingan.
- Jangan tinggalkan jejak. Melemahkan hak audit dan pelanggan dengan tidak mencatat pembicaraan dan titik serah terima.
Singkatnya
Dalam layanan pelanggan, kecerdasan buatan dan chatbot mengklasifikasikan permintaan, menjawab pertanyaan faktual, dan menghasilkan rancangan tanggapan; namun cakupan penafsiran, jumlah, pembatalan-pengembalian dana, pengaduan dan permohonan hukum bersifat manusiawi. Tetapkan ambang batas eskalasi yang kuat dan aturan “jika Anda tidak yakin, buatlah”; mengautentikasi data sensitif; Lacak setiap percakapan. Mempercepat pekerjaan rutin, namun menyerahkan setiap keputusan yang mempunyai akibat finansial dan hukum kepada orang yang berkompeten.
Tugas aplikasi
Tulis lima contoh pesan pelanggan yang berbeda (satu pembatalan pengembalian dana, satu pertanyaan cakupan, satu status kasus, satu keluhan, satu pembayaran). Klasifikasikan masing-masing dengan prompt nomor 1 dan tentukan "chatbot atau manusia". Evaluasi hasilnya: apakah ambang batas eskalasi berfungsi dengan benar? Jika salah klasifikasi, harap tuliskan bagaimana Anda akan memperkuat prompt tersebut.
daftar periksa
- [ ] Saya telah mengklasifikasikan permintaan berdasarkan topik dan urgensinya.
- [ ] Saya membuat perbedaan informasi/proses; Saya meningkatkan prosesnya.
- [ ] Saya mendasarkan respons chatbot pada basis pengetahuan; Saya mencegah pemalsuan itu.
- [ ] Saya menetapkan ambang eskalasi untuk keuangan/hukum/ruang lingkup/pengaduan.
- [ ] Saya menambahkan aturan "Jika Anda tidak yakin, hubungi ahlinya".
- [ ] Saya menyerahkan otentikasi dan perlindungan data kepada manusia dalam transaksi sensitif.
- [ ] Saya merekam percakapan dan titik serah terima.