Membangun Program CX-AI End-to-End: Integrasi dan Tata Kelola

Keuntungan:

• Kemampuan untuk menggabungkan komponen (bot, RAG, asisten, ringkasan, analisis, layanan mandiri, pergantian, pengukuran) ke dalam satu perjalanan pelanggan yang lancar
• Kemampuan untuk menerapkan disiplin penskalaan bertahap dengan memulai dari uji coba kecil dan membuktikannya dengan metrik dan keamanan
• Membangun tata kelola AI yang bertanggung jawab yang mencakup setiap komponen, menetapkan dokumentasi dan kontrol batas, dan memposisikan manusia untuk pekerjaan yang paling berharga

Dalam sebelas unit sebelumnya, kita telah melihat setiap area di mana kecerdasan buatan dapat digunakan dalam call center: bot, desain percakapan, ringkasan panggilan, basis pengetahuan, asisten agen, analisis sentimen, layanan mandiri, privasi, penyerahan dan pengukuran manusia. Kami menyatukan potongan-potongan itu dalam unit terakhir ini. Alih-alih pengalaman AI yang tersebar, tujuannya adalah untuk membangun program pengalaman pelanggan tunggal yang koheren: program di mana seluruh perjalanan pelanggan, mulai dari bot hingga agen, layanan mandiri, hingga ringkasan pasca-panggilan, mengalir dengan lancar, aman, dan terukur.

Dalam unit ini, pertama-tama kita akan merancang perjalanan pelanggan dengan AI end-to-end, kemudian kita akan membahas langkah-langkah penerapan program (percontohan, skala, tata kelola) dan tata kelola AI — seperangkat aturan yang memastikan penggunaan kecerdasan buatan yang bertanggung jawab, aman, dan dapat diaudit. Mari kita definisikan istilah ini dari awal: omnichannel (pengalaman terintegrasi multi-saluran) berarti konteks dan pengalaman pelanggan terus berlanjut tanpa gangguan meskipun mereka beralih antara telepon, obrolan, email, aplikasi.

Perjalanan pelanggan ujung ke ujung

Mari ikuti skenario pelanggan "pengiriman saya tertunda, saya ingin pengembalian dana" secara menyeluruh dan lihat komponen AI mana yang berperan di setiap langkah:

1. Login (self-service): Pelanggan membuka chat di aplikasi. Bot memperkenalkan dirinya (mengatakan itu adalah bot), mengenali maksudnya ("pengiriman + pengembalian"), mengambil pesanan terakhir dari CRM (anonim). — Unit 2, 3, 8
2. Respons berbasis informasi (RAG): Bot mengambil status kargo saat ini dari sistem langsung dan kebijakan pengembalian dari basis pengetahuan; memberi tahu pelanggan "kiriman Anda ada di — Unit 5
3. Keputusan transaksi atau transfer: Jika pengembalian berada dalam batas standar, bot memulai dan mengonfirmasi dengan aliran aman. Jika di luar batas atau pelanggan marah (sinyal emosi) maka ditransfer ke manusia. — Satuan 8, 10
4. Serah terima yang lancar: Jika serah terima diperlukan, bot memindahkan kartu konteks anonim (niat, percobaan, emosi) ke agen; Pelanggan tidak memberitahukannya lagi. — Satuan 10
5. Agen + asisten: Saat agen berbicara, bantuan agen menyarankan jawaban, memunculkan kebijakan, memberikan peringatan kepatuhan; Perwakilan memutuskan dan berbicara. — Satuan 6
6. Penghentian: Percakapan berakhir; AI menghasilkan ringkasan dan draf label, agen menyetujui. — Satuan 4
7. Pengukuran dan pembelajaran: Emosi, solusi, alasan pergantian dicatat; kesenjangan basis pengetahuan dan peluang perbaikan dikumpulkan. — Satuan 7, 11
8. Dasar keamanan: Dalam semua langkah ini, data pribadi/kartu diproses secara terselubung, kendaraan dilengkapi DPA, dan pelanggan diberi informasi secara transparan. — Satuan 9

Delapan langkah ini menunjukkan bagaimana setiap komponen yang kita pelajari secara terpisah digabungkan menjadi satu perjalanan. Program CX-YZ yang baik adalah aliran yang lancar, bukan kumpulan komponen.

Tip: Rancang program Anda berdasarkan perjalanan perjalanan pelanggan, bukan komponen demi komponen. Pertama, gambar 5 perjalanan yang paling sering dilakukan (pengembalian, perselisihan faktur, kegagalan teknis, janji temu, pembatalan) dari ujung ke ujung; Di setiap langkah, tandai "komponen AI yang mana, aturan keamanan yang mana, persetujuan manusia yang mana di sini?" Perjalanannya, bukan teknologinya, yang menjadi pusatnya.

Tayangkan: dari uji coba hingga skala

Program CX-YZ tidak dibuat dalam sehari. Cara sehatnya bertahap:

Panggung

apa yang harus dilakukan

Durasi (khas)

penemuan

Kontak, peluang, risiko yang paling sering dipetakan

2-4 minggu

percontohan

Mencoba dalam satu perjalanan sempit (misalnya permintaan kargo)

4-8 minggu

mengukur

Metrik, kesalahan, keamanan diaudit

sepanjang uji coba

ekspansi

Perjalanan sukses berlipat ganda

secara bertahap

Tata Kelola

Aturan, kontrol dan tanggung jawab ditetapkan

terus-menerus

Prinsip percontohan sangat penting: mulai dari yang kecil, ukur, lalu kembangkan. Membuka seluruh pusat panggilan ke AI sekaligus juga meningkatkan skala kesalahan secara instan. Membuktikan dan memperluas kepercayaan dalam perjalanan sempit adalah hal yang aman dan instruktif.

Tata kelola AI: kerangka kerja untuk penggunaan yang bertanggung jawab

Ketika sebuah program berkembang, pertanyaan-pertanyaan seperti “siapa yang bertanggung jawab atas apa, apa aturannya, bagaimana cara mengendalikannya” menjadi penting. Tata kelola AI mengatur hal ini:

• Kepemilikan: Setiap komponen AI (bot, asisten, analitik) memiliki pemilik manusia.
• Dokumen perbatasan: Tertulis apa yang boleh dan tidak boleh dilakukan oleh setiap kendaraan (Unit 1).
• Aturan persetujuan manusia: Keputusan mana yang harus jatuh ke tangan manusia (uang, hukum, situasi sensitif).
• Privasi dan keamanan: Kepatuhan KVKK/PCI-DSS, masking, DPA, kontrol akses (Unit 9).
• Jejak audit: Ketertelusuran keputusan dan data.
• Prinsip etika: Transparansi (pelanggan tahu dia sedang berbicara dengan bot), keadilan (tidak ada diskriminasi), kemampuan menjelaskan.
• Tinjauan rutin: Audit berkala atas keakuratan, penyimpangan, keluhan, dan risiko etika.

Perhatian: Seiring berkembangnya program AI, risiko terbesar bukanlah pada aspek teknis, namun pada tata kelola: bot yang tidak dimiliki oleh siapa pun, tidak ditentukan, dan tidak diawasi, dapat secara diam-diam memberikan jawaban yang salah selama bertahun-tahun dan menyeret organisasi ke dalam krisis komitmen atau pelanggaran. Teknologi ini mudah dipasang; Manajemen yang bertanggung jawab memerlukan disiplin.

Empat templat yang dapat disalin

1) Peta perjalanan ujung ke ujung:

Buat peta AI ujung ke ujung untuk "<<perjalanan: misalnya keberatan faktur>>". Untuk setiap langkah: saluran, komponen AI yang diterapkan, sumber (basis langsung/pengetahuan), apakah diperlukan persetujuan manusia, aturan keamanan/penyembunyian, pemicu serah terima. Tuliskan langkah-langkahnya dalam urutan pendahuluan→resolusi/serah terima→penghentian→pengukuran.

2) Rencana percontohan:

Rencanakan uji coba CX-YZ. Cakupan: <<perjalanan sempit>>. Menghasilkan: (1) metrik dan target keberhasilan, (2) pemeriksaan keselamatan/kepatuhan, (3) aturan serah terima/persetujuan manusia, (4) rencana pengukuran 6 minggu, (5) “kriteria penghentian” (di mana uji coba dihentikan). Pemasangan nomor; Siapkan bidang target Anda sehingga saya dapat mengisinya.

3) Dokumen tata kelola/perbatasan:

Hasilkan kartu tata kelola untuk komponen AI. Komponen: <<mis. return bot>>.Bidang: pemilik (peran), apa yang dapat mereka lakukan, apa yang sama sekali tidak dapat mereka lakukan, keputusan yang memerlukan persetujuan manusia, data yang diproses + penyembunyian, frekuensi audit/peninjauan, pernyataan transparansi (kepada pelanggan).Komitmen kosong; Tuliskan batasan yang jelas dan membatasi.

4) Pemeriksaan kesehatan program (berkala):

Buat ringkasan “pemeriksaan kesehatan” triwulanan dengan data program berikut: - Tren KPI (produktivitas + keseimbangan kualitas), - status akurasi/penyimpangan, - temuan keamanan/kepatuhan, - 3 peningkatan dampak teratas, - risiko untuk ditinjau. Hanya mengandalkan data; Tandai yang tidak jelas sebagai "perlu ditinjau". Data: <<...>>

Perintah lemah / Perintah kuat

Perintah yang lemah:

Bangunkan kami sistem layanan pelanggan AI yang melakukan segalanya.

Tidak realistis dan berbahaya: cakupan tidak terbatas, tidak ada keamanan, tidak ada validasi manusia, tidak ada pengukuran. Keinginan seperti itu menciptakan risiko, bukan sistem.

Perintah yang kuat:

Rancang alur percontohan CX-YZ untuk perjalanan "penyelidikan kargo + pengembalian standar". Jaga agar cakupannya tetap sempit. Pada setiap langkah, miliki: respons berbasis sumber (tanpa rekayasa), penyembunyian, poin-poin yang memerlukan persetujuan manusia, aturan penyerahan kemarahan/di luar cakupan, dan 3 metrik untuk diukur (salah satunya adalah penyeimbang kualitas). Tuliskan juga kriteria berhentinya.

Perbedaan: cakupannya sempit, termasuk pengukuran serah terima sertifikasi keselamatan, logika pilot dan kriteria penghentian jelas.

tiga kasus mini

Kasus 1 — Kesuksesan yang berfokus pada perjalanan. Sebuah perusahaan e-niaga merancang AI bukan sebagai "instal bot, instal asisten" komponen demi komponen, tetapi sebagai "meningkatkan 5 perjalanan paling sering dari ujung ke ujung". Pada perjalanan pertama (kargo + pengembalian) penahanan dan CSAT meningkat secara bersamaan; Pola yang sama kemudian ditiru pada perjalanan lainnya. Dalam 9 bulan, tingkat solusi layanan mandiri meningkat dari 41% menjadi 68%, dan CSAT meningkat dari 3,9 menjadi 4,5. Desain yang berpusat pada perjalanan menang atas kumpulan kendaraan yang berantakan.

Kasus 2 — Biaya melewatkan pilot. Sebuah perusahaan telekomunikasi membuka bot untuk semua produk sekaligus. Basis pengetahuan tidak ada pada beberapa produk; Ketika bot menyiarkan informasi kampanye palsu, ribuan pelanggan disesatkan dan program tersebut segera ditarik. Pada uji coba berikutnya, ketika satu produk diujicobakan dan keandalannya terbukti, produk tersebut dapat diskalakan tanpa masalah apa pun. Pelajaran: mulai dari yang kecil, ukur, kembangkan.

Kasus 3 — Kesenjangan tata kelola. Sebuah bot yang didirikan di sebuah bank dua tahun lalu menjadi "yatim piatu" ketika pemiliknya pindah ke unit lain; tidak ada yang memperbarui basis pengetahuan, tidak ada yang mengukur akurasi. Setelah perubahan undang-undang, bot terus mengatakan aturan lama, sehingga menghasilkan temuan audit. Risiko ini dihilangkan ketika setiap komponen diberi pemilik, dokumen batas, dan peninjauan berkala. Pelajaran: AI yang tidak ada lagi menjadi tanggung jawab seiring berjalannya waktu.

Kesalahan umum

• Menumpuk komponen, bukan membangun perjalanan. Alat individual tidak menghasilkan pengalaman yang koheren; Desain di sekitar perjalanan.
• Penskalaan tanpa pilot. Membuka seluruh hub sekaligus juga meningkatkan skala kesalahan; Mulailah dengan pilot sempit.
• Melewati pemerintahan. Komponen yang tidak memiliki pemilik, tidak ada batasan, dan tidak ada kendali menimbulkan risiko seiring berjalannya waktu.
• Membiarkan keamanan bertahan lama. Masking, DPA, transparansi harus masuk ke dalam desain sejak awal; Itu tidak ditambahkan nanti.
• Bertujuan untuk melumpuhkan orang. Tujuannya bukan untuk menghancurkan manusia, namun untuk memfokuskan manusia pada tugas-tugas yang paling berharga.

Perhatian: Bahkan program CX-YZ yang paling matang pun bukanlah sistem yang "bebas manusia"; Ini adalah sistem yang “menempatkan orang pada tempat terbaik”. Rutinitas AI membawa pengetahuan dan skala; Manusia memikul hubungan, penilaian dan tanggung jawab. Pembagian kerja ini merupakan inti dari keseluruhan modul.

Singkatnya

Program CX-YZ end-to-end menggabungkan komponen yang kami pelajari secara terpisah (bot, RAG, asisten, ringkasan, analitik, layanan mandiri, serah terima, pengukuran, keamanan) ke dalam satu perjalanan pelanggan yang lancar. Rancang program sebagai berpusat pada perjalanan, bukan berpusat pada komponen; mulai dengan uji coba kecil dan tingkatkan; Menetapkan tata kelola yang menugaskan setiap komponen pemilik, dokumen batas, dan inspeksi berkala. Bangun keamanan dan transparansi ke dalam desain sejak awal. Yang paling penting: tujuannya bukan untuk menghilangkan orang, tapi untuk memfokuskan orang pada tugas yang paling berharga seperti hubungan, penilaian dan tanggung jawab. AI membawa skala; Itu membawa makna dan tanggung jawab manusia.

Tugas aplikasi

Pilih perjalanan pelanggan yang paling umum untuk organisasi Anda sendiri (atau organisasi fiktif) dan ekstrak langkah-langkah pengukuran resolusi masuk/serah terima-penghentian, komponen AI di setiap langkah, sumber, persetujuan manusia, dan aturan keamanan dengan templat “1) Peta perjalanan ujung ke ujung”. Kemudian rancang uji coba 6 minggu untuk perjalanan ini dengan templat “2) Rencana uji coba” (metrik, keselamatan, aturan rollover, kriteria berhenti). Terakhir, isi "3) Dokumen tata kelola/perbatasan" untuk satu komponen.

daftar periksa

• [ ] Saya merancang program saya berdasarkan perjalanan pelanggan ujung ke ujung, bukan komponennya.
• [ ] Saya merencanakan perjalanan yang paling sering dilakukan dan menandai komponen AI, sumber, dan persetujuan manusia di setiap langkah.
• [ ] Saya memulai dengan pilot kecil; Saya membuktikannya dengan metrik dan keamanan dan mengembangkannya secara bertahap.
• [ ] Setiap komponen AI memiliki pemilik, sertifikat batas, dan pemeriksaan berkala.
• [ ] Saya membangun keamanan, privasi, dan transparansi ke dalam desain sejak awal.
• [ ] Saya membuat sistem bukan untuk melumpuhkan orang, tetapi untuk fokus pada pekerjaan yang paling berharga.

Ujian Modul

1. Manajer pusat panggilan mengirimkan tawaran pengembalian dana yang dihasilkan oleh bot AI langsung ke pelanggan sebagai komitmen, tanpa persetujuan manusia. Apa kesalahan mendasar dalam pendekatan ini?

• A) Mengubah suatu keluaran yang mencakup komitmen finansial menjadi suatu keputusan tanpa persetujuan manusia; Mengabaikan bahwa tanggung jawab ada pada orang ✔
• B) Bot tidak boleh mengetahui masalah pengembalian dana sama sekali; Topik ini sepenuhnya dilarang
• C) Bot menyajikan penawaran dalam teks biasa, bukan dalam tabel
• D) Tawaran pengembalian dana harus dikirim ke pelanggan melalui SMS, bukan email.

Deskripsi: Kecerdasan buatan adalah asisten dan pembuat sketsa; Komitmen keuangan yang diberikan kepada pelanggan (pengembalian dana, kompensasi) adalah milik orang yang berkompeten. Mengubah keluaran AI yang tidak terverifikasi dan tidak disetujui menjadi sebuah komitmen seperti membuat janji pelanggan yang tidak ditandatangani dan mengikat organisasi.

2. Saat merancang chatbot, mengapa ruang lingkup bot (apa yang bisa dan tidak bisa dilakukan) harus didefinisikan secara sempit dan jelas?

• A) Cakupan yang sempit membuat bot menulis lebih cepat dan mengurangi biaya server
• B) Cakupan yang tidak terbatas menyebabkan bot menghasilkan janji palsu dan palsu mengenai hal-hal yang tidak diketahuinya; ruang lingkup yang sempit mencegah hal ini ✔
• C) Cakupan yang sempit memastikan bahwa pelanggan tidak pernah menjangkau manusia
• D) Definisi cakupan hanya diperlukan untuk bot suara, bukan untuk bot teks

Penjelasan: Bot yang cakupannya tidak terbatas akan mencoba membicarakan topik yang tidak diketahuinya dan mungkin menghasilkan halusinasi (informasi palsu) dan membuat komitmen palsu. Cakupan yang sempit dan jelas membuat bot hanya pada topik aman yang terhubung ke basis pengetahuan; Ketika padam, ia berpindah ke manusia.

3. Bot e-niaga mengirimkan kabar buruk seperti penolakan pengembalian ke 'PERMINTAAN ANDA TIDAK MEMENUHI SYARAT'. dan keluhannya semakin meningkat. Perbaikan mana yang terbaik dalam hal desain pidato?

• A) Hapus sepenuhnya bot dan arahkan semua permintaan pengembalian dana ke manusia
• B) Untuk meningkatkan kejelasan dengan memberikan pesan yang sama dengan huruf kapital dan bahasa yang lebih tepat
• C) Menerapkan panduan nada yang menyampaikan berita buruk dengan empati, tanpa menyalahkan, dan jika memungkinkan, dengan alternatif ✔
• D) Mengubah ketentuan pengembalian dan menerima semua permintaan

Penjelasan: Meskipun informasi itu sendiri (penolakan pengembalian) tidak berubah, gaya menentukan pengalaman. Memberikan kabar buruk dengan empati, tanpa menyalahkan pelanggan, dan menawarkan alternatif jika memungkinkan, akan meningkatkan CSAT secara signifikan. Panduan nada menjaga suara bot tetap konsisten dan manusiawi.

4. Mengapa penting untuk menggunakan taksonomi tertutup (daftar tag terbatas yang telah ditentukan sebelumnya) dalam penandaan panggilan otomatis (disposisi) daripada membiarkan AI menghasilkan tag secara bebas?

• A) Taksonomi tertutup membuat bot merespons lebih cepat
• B) Pelabelan gratis bertentangan dengan KVKK, sedangkan taksonomi tertutup sesuai
• C) Taksonomi tertutup membuat persetujuan delegasi tidak diperlukan
• D) Label bebas tidak konsisten dan berantakan, sehingga mendistorsi analisis; taksonomi tertutup menyediakan kategori tetap, konsisten, dan dapat dilaporkan ✔

Penjelasan: Pemberian tag gratis menghasilkan lusinan tag yang berbeda namun sama seperti 'faktur', 'faktur', 'masalah faktur' dan membuat laporan manajemen menjadi tidak berarti. Taksonomi tertutup memaksa AI ke dalam kategori yang tetap dan konsisten, memastikan analisisnya dapat diandalkan.

5. Apa logika dasar metode RAG (Retrieval-Augmented Generation) dalam mengurangi halusinasi pada bot call center?

• A) Model mendasarkan jawaban pada potongan-potongan yang diambil dari sumber arus dan bukan berdasarkan ingatan; Kalau tidak ada di sumbernya, katanya 'Saya tidak tahu' ✔
• B) RAG mengurangi kemungkinan jawaban yang salah dengan memungkinkan model menulis lebih cepat
• C) RAG mengharuskan bot untuk menjawab semua pertanyaan tanpa gagal
• D) RAG secara otomatis menutupi data pribadi dan memastikan kepatuhan KVKK

Penjelasan: RAG mencegah model menyesuaikan jawaban dari ingatannya sendiri: RAG pertama-tama mengambil bagian yang relevan dari basis pengetahuan saat ini, kemudian menghasilkan jawaban HANYA berdasarkan bagian tersebut. Dengan prinsip 'Jika tidak ada jawaban di sumbernya', model dapat mengatakan 'Saya tidak tahu pasti' daripada menebak-nebak pertanyaan yang tidak diketahuinya.

6. Saat asisten agen diaktifkan, waktu pemrosesan (AHT) agen bertambah ketika 8 saran muncul di layar secara bersamaan. Apa penyebab dan solusi yang paling mungkin untuk situasi ini?

• A) Perwakilan menolak asisten; rekomendasi harus dibuat wajib
• B) Terlalu banyak sugesti menyebabkan kelebihan kognitif; Jaga agar saran solusi tetap sedikit dan langsung pada sasaran ✔
• C) Asisten harus menulis surat kepada pelanggan secara langsung, menghilangkan perwakilan sepenuhnya
• D) Peningkatan AHT adalah normal dan harus diabaikan

Penjelasan: Terlalu banyak sugesti sekaligus menimbulkan beban kognitif yang berlebihan pada agen; agen kehilangan koneksi dan aliran dengan pelanggan saat mencoba membaca proposal. Solusinya adalah dengan mengurangi jumlah saran dan hanya menampilkan sedikit saran namun akurat dan memiliki keyakinan tinggi.

7. Bagaimana seharusnya skor analisis sentimen dan evaluasi otomatis ditempatkan dalam manajemen mutu (QA) yang didukung kecerdasan buatan?

• A) Skor adalah kebenaran mutlak dan harus diubah langsung menjadi skor kinerja yang representatif
• B) Analisis sentimen hanya digunakan untuk pemasaran, tidak ada hubungannya dengan QA
• C) Skor merupakan sinyal dan pendahuluan; Keputusan akhir ada di tangan manusia berdasarkan bukti ✔
• D) Karena AI mengevaluasi semua percakapan, pengawasan manusia tidak lagi diperlukan.

Penjelasan: Skor sentimen dan evaluasi QA otomatis merupakan sinyal dan pra-penyaringan; Ironi, ungkapan, dan konteks dapat menyesatkan model. Evaluasi akhir dan umpan balik adalah milik manusia; Setiap temuan harus didukung dengan kutipan bukti dari percakapan, dan situasi yang tidak pasti harus diserahkan kepada manusia.

8. Sebuah perusahaan telekomunikasi mencoba mempertahankan pelanggannya pada bot dengan menyembunyikan opsi 'terhubung dengan agen' untuk mengurangi biaya. Apa kemungkinan besar hasil jangka panjang dari pendekatan 'carceral' ini?

• A) Kepuasan pelanggan meningkat secara permanen karena semua orang belajar menggunakan bot
• B) Panggilan berkurang secara permanen dan tidak ada efek samping yang terjadi
• C) Karena bot menyelesaikan semua masalah, tim manusia tidak diperlukan lagi
• D) Pelanggan yang belum terselesaikan menjadi marah, kepuasan dan NPS menurun, dan mereka kembali dengan panggilan yang lebih sulit ✔

Penjelasan: Meskipun menjebak pelanggan dalam bot mengurangi panggilan dalam jangka pendek, pelanggan yang tidak terselesaikan menjadi lebih marah, membanjiri media sosial, dan NPS menurun; akhirnya mereka kembali dengan panggilan yang lebih lama dan lebih sulit. Pelayanan mandiri yang baik memberikan pelanggan kemudahan keluar dan kebebasan; secara paradoks, hal ini meningkatkan penggunaan layanan mandiri.

9. Seorang karyawan mengunggah rekaman panggilan dengan nomor kartu lengkap ke dalam alat AI yang tersedia untuk umum untuk menganalisis masalah pembayaran. Mengapa hal ini merupakan pelanggaran kepatuhan yang serius?

• A) Mengirimkan nomor kartu lengkap ke perangkat yang tidak sah melanggar PCI-DSS dan KVKK ✔
• B) Satu-satunya masalah adalah file tersebut dalam format Excel
• C) Rekaman panggilan tidak dapat digunakan untuk analisis dalam kondisi apa pun
• D) Satu-satunya masalah adalah analisis dilakukan dalam bahasa Turki, bukan bahasa Inggris

Penjelasan: Nomor kartu pembayaran lengkap tidak dapat dikirimkan atau disimpan di lingkungan yang tidak sah sesuai dengan PCI-DSS; Data pelanggan juga berada dalam lingkup KVKK. Cara yang benar adalah dengan sepenuhnya menutupi kartu dan data pribadi pada sumbernya dan hanya menganalisis teks anonim.

10. Di sebuah bank, bot terus-menerus menyarankan langkah layanan mandiri kepada pelanggan yang marah dan berkata 'kartu saya diblokir selama 3 hari, saya jadi gila'. Apa perilaku yang benar dalam hal desain eskalasi manusia?

• A) Bot harus memberitahu pelanggan untuk tenang dan mencoba langkah yang sama lagi.
• B) Bot harus membaca sinyal kemarahan sebagai pemicu serah terima dan segera menyerahkannya kepada manusia, dengan sopan dan sesuai konteks ✔
• C) Bot harus menawarkan diskon tambahan untuk mempertahankan pelanggan tetap dalam bot
• D) Bot harus mengakhiri percakapan dan meminta pelanggan untuk menelepon kembali nanti

Penjelasan: Tanda-tanda kemarahan dan krisis adalah pemicu implisit yang akan ditransfer oleh bot dengan cepat ke manusia, bukan memaksa. Bot harus segera menyerahkannya kepada manusia dengan kalimat transisi yang sopan dan membawa konteks anonim yang dikumpulkannya ke agen; Mengatakan 'tenang' atau memaksa akan mengubah pengalaman menjadi bencana.

11. Di pusat panggilan, tingkat penahanan bot meningkat dari 58% menjadi 71%, namun pada periode yang sama, CSAT menurun dari 4,1 menjadi 3,6. Bagaimana seharusnya tabel ini ditafsirkan?

• A) Program ini berhasil sepenuhnya karena Containment ditingkatkan, CSAT tidak penting
• B) Kedua metrik tersebut tidak berhubungan dan harus dievaluasi secara terpisah
• C) Peningkatan produktivitas mungkin mengorbankan kepuasan; Pelanggan mungkin terjebak dalam bot dan ini harus diverifikasi ✔
• D) Penurunan CSAT bersifat musiman dan tidak ada hubungannya dengan AI

Penjelasan: Metrik produktivitas (pengendalian) tidak boleh dibaca secara terpisah; Itu harus dievaluasi bersama dengan penyeimbang kualitas (CSAT). Jika CSAT menurun sementara Penahanan meningkat, ini mungkin merupakan sinyal bahwa pelanggan terjebak dalam bot dan tetap belum terselesaikan dan harus diverifikasi.

12. Mengapa disarankan untuk 'memulai dengan uji coba kecil dan berkembang dengan mengukur' ketika menerapkan program CX-AI secara menyeluruh?

• A) Percontohan hanya sekedar formalitas untuk mendapatkan persetujuan anggaran
• B) Memulai dari hal kecil secara permanen menghilangkan biaya AI
• C) Percontohan menghilangkan persyaratan tata kelola dan keamanan
• D) Mengaktifkan semuanya sekaligus juga meningkatkan kesalahan; Aman dan instruktif untuk memperbesarnya dengan mengukur dan membuktikannya dalam uji coba yang sempit ✔

Penjelasan: Membuka seluruh pusat panggilan untuk AI sekaligus juga akan secara instan meningkatkan kemungkinan kesalahan (basis pengetahuan yang tidak lengkap, jawaban yang salah) dan dapat menyebabkan krisis besar. Memperluas rasa percaya diri dalam perjalanan sempit dengan mengukur dan membuktikan bahwa perjalanan tersebut aman dan instruktif serta dapat dikontrol dengan kriteria berhenti.

13. Ketika pelanggan pertama kali menjelaskan masalahnya kepada bot dan kemudian terhubung ke perwakilannya, dia harus menjelaskan semuanya lagi dari awal. Apa solusi terbaik untuk masalah 'kehilangan konteks' ini?

• A) Secara otomatis mentransfer konteks anonim (niat, upaya, alasan, emosi) yang dikumpulkan oleh bot ke perwakilan dengan kartu transfer ✔
• B) Meminta pelanggan untuk bersabar dan menjelaskan semuanya kembali
• C) Hapus bot sepenuhnya dan mulai semua panggilan langsung dengan agen
• D) Menunggu agen mendengarkan rekaman percakapan secara lengkap dari awal hingga akhir.

Penjelasan: Dosa nomor satu di era buruk adalah hilangnya konteks. Solusinya adalah dengan secara otomatis menghadirkan semua konteks yang dikumpulkan bot (niat, langkah yang dilakukan, alasan serah terima, nada emosional) ke layar agen dengan kartu serah terima yang dianonimkan; jadi pelanggan tidak menjelaskan lagi dan AHTnya dipersingkat.

14. Dalam hal keamanan dan etika TI, apa batasan dasar yang berlaku pada analisis ucapan, pengenalan suara, dan alat pemrosesan data di pusat panggilan?

• A) Alat dapat digunakan secara bebas pada semua jenis data selama dapat mengurangi biaya
• B) Alat hanya boleh digunakan untuk tujuan resmi, defensif, dan konsensual; Data tidak dapat diproses tanpa izin, tujuan dan persetujuan ✔
• C) Persyaratan transparansi hanya berlaku untuk bot teks, bukan bot suara
• D) Tidak wajib memberikan informasi kepada pelanggan karena pencatatannya sudah ada pada institusi.

Pengungkapan: Alat-alat ini hanya dapat digunakan untuk penggunaan data milik organisasi yang sah, bersifat defensif, dan atas dasar persetujuan. Memantau orang yang tidak berwenang, mengakses data orang lain, atau merekam tanpa izin adalah tindakan ilegal dan melanggar etika profesional; Tidak ada data yang dapat diproses tanpa izin, tujuan, dan persetujuan.