Chất lượng, Tuân thủ và Bảo mật: Không cung cấp thông tin sai lệch

Lợi nhuận:

• Khả năng thiết lập ranh giới an toàn giúp giảm nguy cơ thông tin sai lệch về các vấn đề giá cả, cam kết và chính sách
• Khả năng thiết kế các lời nhắc và quy trình an toàn để bảo vệ dữ liệu cá nhân của khách hàng (tuân thủ KVKK)
• Khả năng thiết lập chu trình đảm bảo chất lượng (QA) bao gồm phê duyệt và kiểm toán của con người

Trí tuệ nhân tạo (AI) hướng tới khách hàng vừa là cơ hội lớn vừa là rủi ro lớn cho doanh nghiệp. Một lỗi trong bản sao tiếp thị có thể được sửa chữa; Nhưng đưa sai giá cho khách hàng, sai thông tin chính sách hoặc không giữ được lời hứa đồng nghĩa với việc trực tiếp mất niềm tin, thiệt hại về tài chính và các vấn đề pháp lý. Việc bảo vệ "bot đã nói với tôi" sẽ không cứu được bạn; Đó là trách nhiệm của công ty đối với khách hàng.

Trong bài cuối cùng này, chúng tôi xây dựng một khuôn khổ bảo mật mọi thứ bạn đã học trong 11 bài trước. Nó dựa trên ba trụ cột: độ chính xác (không cung cấp thông tin sai lệch), quyền riêng tư (bảo vệ dữ liệu cá nhân) và kiểm soát (sự đồng ý của con người). Ba thứ này chính là vành đai an toàn giúp biến AI từ nguồn rủi ro thành một công cụ kinh doanh đáng tin cậy.

Lưu ý: Đơn vị này cung cấp một khuôn khổ chung. Các quy định trong ngành của bạn (quyền của người tiêu dùng, KVKK, quy tắc về tin nhắn thương mại) có thể áp đặt các nghĩa vụ bổ sung; Trách nhiệm cuối cùng về việc tuân thủ thuộc về tổ chức của bạn.

Ba rủi ro, ba trụ cột

• Thông tin sai lệch (ảo giác): Mô hình phát minh ra giá/chính sách/cam kết. Cột: nguồn được xác minh + sự chấp thuận của con người.
• Vi phạm quyền riêng tư: Dữ liệu cá nhân của khách hàng (tên, số điện thoại, ID, khoản thanh toán) được đưa vào công cụ không bảo mật. Cột: mặt nạ + phương tiện được phê duyệt (tuân thủ KVKK).
• Vượt quá thẩm quyền: Bot/đại lý đưa ra lời hứa rằng họ không thể thực hiện (giảm giá, ngày chính xác, bảo đảm). Cột: thẩm quyền rõ ràng + lan can.

Mọi luồng AI liên hệ với khách hàng phải quản lý đồng thời ba rủi ro này.

Tránh thông tin sai lệch: Lớp chính xác

Nguyên tắc vàng về độ chính xác: thông tin quan trọng (giá cả, chính sách, cam kết) đến từ nguồn đã được xác minh (hãy nhớ đến đơn vị RAG), không phải từ khả năng ghi nhớ của mô hình và khi không chắc chắn, mô hình sẽ giữ im lặng và bàn giao. Nguyên tắc “bảo mật hoặc chuyển tiếp” sẽ loại bỏ thông tin sai lệch ngay tại nguồn.

Từng bước: Chu trình chất lượng an toàn (QA)

1. Phân loại theo rủi ro. Câu trả lời là rủi ro thấp (thông tin chung) hay rủi ro cao (giá cả, cam kết, số tiền hoàn lại)?
2. Đặt cánh cửa của con người vào nguy cơ cao. Những phản hồi này cần có sự chấp thuận của con người trước khi được gửi đi.
3. Kết nối với nguồn. Thông tin quan trọng phải dựa trên tài liệu đã được xác minh và không bịa đặt.
4. Che dấu dữ liệu cá nhân. Không vào nếu không cần thiết; Ẩn danh nếu cần thiết.
5. Kiểm tra bằng cách lấy mẫu. Một số phản hồi tự động thường xuyên được con người kiểm tra.
6. Nhận xét. Thu thập lỗi và cập nhật lời nhắc cũng như biện pháp bảo vệ.

Lời nhắc có thể sao chép

Nhắc quét rủi ro trước khi gửi phản hồi:

Kiểm tra và gắn cờ phản hồi của khách hàng này trước khi đăng: - Có GIÁ, tỷ lệ hoặc số tiền chưa được xác minh không? - Tuyên bố về chính sách/quy tắc có nguồn gốc hay có thể bịa đặt? - Có bất kỳ CAM KẾT nào (ngày chính xác, bảo hành, chiết khấu) vượt quá thẩm quyền không? - Dữ liệu cá nhân (tên, điện thoại, ID, địa chỉ, thanh toán) có được đưa vào một cách không cần thiết không? Liệt kê từng phát hiện bằng nhãn "rủi ro cao/trung bình/thấp" và đề xuất khắc phục. Phản hồi: {{ reply }}

Nhắc che giấu dữ liệu cá nhân (trước khi vào xe):

Che dấu dữ liệu cá nhân trong văn bản sau: tên-họ -> [TÊN], điện thoại-> [PHONE], e-mail -> [EMAIL], TR/ID -> [ID], địa chỉ -> [ĐỊA CHỈ], thẻ/thanh toán -> [Thanh toán]. Giữ nguyên ý nghĩa và chi tiết kỹ thuật của vấn đề. Văn bản: {{ văn bản }}

Lời nhắc của lan can hướng các vấn đề có nguy cơ cao đến con người:

KHÔNG BAO GIỜ tự mình trả lời những vấn đề này; thay vào đó hãy nói "Tôi chuyển thông tin này cho người đại diện": giá/chiết khấu chính xác, tranh chấp về hợp đồng/số tiền hoàn lại, tư vấn pháp lý/y tế/tài chính, thay đổi dữ liệu cá nhân, bảo mật/nghi ngờ gian lận. Bạn có thể trả lời các câu hỏi kiến ​​thức tổng quát ngoài danh sách này.

Lời nhắc lấy mẫu để kiểm tra chất lượng thường xuyên (QA):

Dưới đây là 10 câu trả lời ngẫu nhiên từ X câu trả lời cuối cùng. Đối với mỗi yếu tố, hãy đánh giá: độ chính xác (có phù hợp với nguồn không), giọng điệu (có đồng cảm/phù hợp không), mối quan hệ (có bất kỳ hành vi lạm dụng/rò rỉ dữ liệu cá nhân nào không). Xếp hạng các vấn đề có vấn đề theo thứ tự quan trọng và tóm tắt kiểu lỗi thường xuyên xảy ra (ví dụ: "anh ấy liên tục hoàn thành đúng thời hạn") trong một câu. Câu trả lời: {{ ví dụ }}

Cách tiếp cận yếu / Cách tiếp cận mạnh mẽ

cách tiếp cận kém

Cách tiếp cận mạnh mẽ

Gửi tất cả các câu trả lời mà không được phê duyệt

Cổng phê duyệt của con người đối với rủi ro cao

Điều chỉnh giá/chính sách phù hợp với mẫu mã

Liên kết đến nguồn được xác minh

Nhập dữ liệu cá nhân vào xe như cũ

Che đậy và lái xe với sự chấp thuận

Sửa từng lỗi một khi chúng xảy ra

Kết thúc nguyên nhân gốc rễ bằng kiểm tra + phản hồi

Sự khác biệt là cách tiếp cận mạnh mẽ thiết lập một hệ thống "ngăn chặn lỗi trước khi nó xảy ra" thay vì "sửa lỗi khi nó xảy ra".

Ba hộp nhỏ

Trường hợp 1 - Số tiền hoàn lại bịa đặt. Một bot nói: "Bạn sẽ nhận lại 850 TL khi trả lại sản phẩm của mình"; trong khi số tiền thực tế lại khác và bot không thể biết được điều đó. Lời nhắc sàng lọc rủi ro đã phát hiện ra kết quả "số lượng chưa được xác nhận" như vậy trong các thử nghiệm trước đó. Nhóm đã kết nối tất cả các câu trả lời có chứa số tiền với cổng phê duyệt của con người; Số tiền hoàn lại không chính xác sẽ không bao giờ được gửi lại cho khách hàng.

Trường hợp 2 - Che giấu quyền riêng tư được bảo vệ. Một người đại diện muốn tóm tắt một khiếu nại dài bao gồm tên, số điện thoại và thông tin đơn hàng của khách hàng. Anh ấy chạy lời nhắc tạo mặt nạ trước; trường cá nhân đã trở thành thẻ [TÊN], [PHONE]. Bản tóm tắt có chất lượng như nhau nhưng không có dữ liệu cá nhân nào được đưa vào công cụ một cách không cần thiết; Một luồng an toàn đã được tạo ra về mặt KVKK.

Trường hợp 3 - Kiểm toán tìm thấy nguyên nhân gốc rễ. Trong mẫu QA hàng tháng, AI đã chọn một mẫu định kỳ: bot hỏi “khi nào nó sẽ đến?” Anh ấy liên tục đặt ra thời hạn trong đầu cho các câu hỏi của mình. Đây không phải là một lỗi đơn lẻ mà là nguyên nhân gốc rễ. Nhóm đã thêm vấn đề ngày giao hàng vào lan can và đưa ra quy định "chỉ chuyển ngày trong hệ thống, nếu không thì chuyển". Một bản sửa lỗi duy nhất đã ngăn chặn hàng tá lỗi trong tương lai.

Mẹo: Giữ danh sách “rủi ro cao” ngắn gọn và rõ ràng; nhưng phải bao gồm: tiền (giá, hoàn trả, chiết khấu), thời gian (cam kết giao hàng chính xác), các ngoại lệ về chính sách và thay đổi dữ liệu cá nhân. Bốn lĩnh vực này là nơi xảy ra lỗi thường xuyên và tốn kém nhất trong AI liên hệ với khách hàng.

Trách nhiệm dừng lại ở đâu?

Nguyên tắc quan trọng nhất cuối cùng: AI là hệ số nhân tốc độ và chất lượng, không phải là trách nhiệm pháp lý. Mọi lời hứa, mọi mức giá, mọi cam kết được đưa ra với khách hàng đều ràng buộc công ty về mặt pháp lý và thương mại. Đó là lý do AI được giữ ở vị trí “tạo bản thảo và truyền thông tin” hơn là “đưa ra quyết định”; Trong những quyết định quan trọng, sự chấp thuận của con người không phải là điều xa xỉ mà là điều cần thiết. Trong một hệ thống được thiết lập tốt, AI xử lý 90% công việc thường ngày, con người đưa ra 10% quyết định quan trọng và chịu mọi trách nhiệm.

Thận trọng: Quan điểm “khi mô hình đã phát triển đủ thì không cần sự giám sát của con người” là nguy hiểm. Dù mô hình có tốt đến đâu, đôi khi nó cũng có thể tạo ra giọng điệu tự tin giả tạo; và trong kinh doanh tiếp xúc với khách hàng, tất cả chỉ cần một mức giá hoặc cam kết sai. Con đường dẫn đến sự chấp thuận của con người không phải là sự hy sinh tốc độ mà là cái giá phải trả của niềm tin.

Những lỗi thường gặp

• Gửi phản hồi có rủi ro cao (giá cả, cam kết, lợi nhuận) mà không có sự chấp thuận của con người.
• Không cung cấp thông tin quan trọng cho nguồn đã được xác minh và dựa vào khả năng ghi nhớ của mô hình.
• Vào phương tiện không an toàn mà không che giấu dữ liệu cá nhân (vi phạm KVKK).
• Không xác định Guardrail (danh sách đối tượng có nguy cơ cao).
• Sửa từng lỗi một và bỏ qua việc cập nhật nguyên nhân gốc rễ (lời nhắc/quy tắc).
• Nghĩ rằng nó đặt trách nhiệm lên AI hoặc nhà cung cấp công cụ.

Tóm lại

• AI liên hệ với khách hàng phải quản lý đồng thời ba rủi ro: thông tin sai lệch, vi phạm quyền riêng tư, ủy quyền quá mức.
• Để đảm bảo độ chính xác: liên kết thông tin quan trọng với nguồn đã được xác minh, ủy quyền khi không chắc chắn.
• Để bảo mật: che giấu dữ liệu cá nhân, chỉ sử dụng các phương tiện an toàn và được phê duyệt (KVKK).
• Kết nối các vấn đề quan trọng (tiền bạc, thời gian, chính trị, dữ liệu cá nhân) với cổng phê duyệt của con người.
• Kiểm tra lỗi bằng cách lấy mẫu và tìm ra nguyên nhân gốc rễ; Trách nhiệm cuối cùng luôn thuộc về con người.

Nhiệm vụ ứng dụng

Chuẩn bị một “bộ bảo mật” cho luồng liên hệ với khách hàng của riêng bạn: (1) viết danh sách bảo vệ các chủ đề có rủi ro cao (tiền bạc, thời gian, chính sách, dữ liệu cá nhân tối thiểu), (2) chạy phản hồi mẫu của khách hàng thông qua lời nhắc sàng lọc rủi ro và gắn nhãn các phát hiện, (3) lọc văn bản chứa dữ liệu cá nhân bằng lời nhắc che giấu, (4) xác định quy trình lấy mẫu QA hàng tuần (có bao nhiêu câu trả lời, ai kiểm tra, nơi ghi lại lỗi). Cuối cùng, hãy liệt kê những loại quyết định sẽ không bao giờ được thực hiện nếu không có sự chấp thuận của con người.

danh sách kiểm tra

• [ ] Tôi đã xác định danh sách lan can cho các chủ đề có nguy cơ cao.
• [ ] Tôi đã liên kết thông tin quan trọng với nguồn đã được xác minh.
• [ ] Tôi đã che giấu dữ liệu cá nhân và chỉ sử dụng những phương tiện được phê duyệt.
• [ ] Tôi đặt cổng phê duyệt của con người đối với các câu trả lời có độ rủi ro cao.
• [ ] Tôi đã thiết lập vòng lấy mẫu và phản hồi QA thường xuyên.
• [ ] Tôi đã nói rõ trong quá trình này rằng trách nhiệm cuối cùng thuộc về con người.

Thi học phần

1. Yếu tố quan trọng nhất khi viết lời nhắc hệ thống cho chatbot hỗ trợ khách hàng là gì?

• A) Xác định rõ ràng vai trò, phạm vi, ranh giới của bot và giao nó cho con người khi con người không biết ✔
• B) Yêu cầu bot cung cấp câu trả lời cho mọi câu hỏi có thể
• C) Giữ lời nhắc của hệ thống càng ngắn gọn càng tốt và không cung cấp thông tin chi tiết
• D) Làm cho bot trở nên hài hước và thân thiện trong mọi tình huống

Giải thích: Cần xác định rõ vai trò, phạm vi và đặc biệt là giới hạn của bot (những gì nó không thể làm, khi nào giao cho con người). Nếu không, bot có thể đưa ra những cam kết trái phép hoặc tạo ra thông tin sai lệch về chủ đề mà nó không biết.

2. Cách tốt nhất để có được kết quả nhất quán và tự động khi phân loại vé bằng trí tuệ nhân tạo là gì?

• A) Tóm tắt từng yêu cầu dưới dạng văn bản tự do, không áp đặt định dạng
• B) Đưa ra các danh mục được xác định trước, mức độ khẩn cấp cố định và định dạng đầu ra không thay đổi ✔
• C) Để lại danh sách danh mục cho mô hình và để nó tự tìm thấy mỗi lần.
• D) Chỉ sắp xếp các yêu cầu theo độ dài

Mô tả: Cung cấp cho mô hình một danh sách các danh mục được xác định trước, mức độ khẩn cấp cố định và định dạng đầu ra không thể thay đổi (ví dụ: JSON) sẽ đảm bảo kết quả nhất quán và có thể xử lý bằng máy đối với các yêu cầu khác nhau. Việc thả danh mục vào mô hình sẽ tạo ra các thẻ khác nhau mỗi lần.

3. Mục đích chính của phương pháp tiếp cận RAG (sản xuất dựa trên kiến ​​thức/Thế hệ tăng cường truy xuất) là gì?

• A) Cho phép mô hình đưa ra các câu trả lời sáng tạo và độc đáo hơn
• B) Rút ngắn thời gian phản hồi của mô hình
• C) Phản hồi của mô hình dựa trên tài liệu nguồn cập nhật và được xác minh được cung cấp ✔
• D) Yêu cầu mô hình kết nối internet trong mọi trường hợp

Giải thích: RAG không ghi nhớ câu trả lời của mô hình; Nó cho phép nó tạo ra các tài liệu nguồn được cập nhật và xác minh được truy xuất tại thời điểm đặt câu hỏi. Điều này làm tăng độ chính xác và giảm đáng kể thông tin bịa đặt (ảo giác).

4. Trong khi tạo câu trả lời từ cơ sở tri thức, mô hình nên làm gì nếu câu trả lời cho câu hỏi không có sẵn trong các tài nguyên nhất định?

• A) Đưa ra một phỏng đoán có vẻ hợp lý từ kiến thức chung của mình
• B) Sao chép và đưa ra câu trả lời có sẵn về một chủ đề tương tự
• C) Để lại câu hỏi chưa được trả lời và âm thầm kết thúc cuộc trò chuyện
• D) Tuyên bố không có thông tin và chuyển khách hàng đến đúng nguồn/cơ quan có thẩm quyền ✔

Giải thích: Mô hình không được tạo ra thông tin không có trong nguồn; Cần nêu rõ rằng họ không có thông tin và hướng khách hàng đến cơ quan chính thức hoặc nguồn phù hợp. Điều này giúp loại bỏ nguy cơ thông tin sai lệch.

5. Cách tiếp cận tốt nhất để soạn thảo phản hồi hỗ trợ cho một khách hàng đang tức giận là gì?

• A) Đi thẳng vào giải pháp kỹ thuật và bỏ qua cảm xúc
• B) Giải thích một cách phòng thủ rằng khách hàng có lỗi
• C) Giữ phản hồi trang trọng và xa nhất có thể
• D) Trước tiên hãy nhận biết cảm xúc bằng sự đồng cảm, sau đó đưa ra giải pháp rõ ràng hoặc bước tiếp theo ✔

Giải thích: Trước hết cần nhận biết cảm xúc và thể hiện sự đồng cảm, sau đó trình bày rõ ràng giải pháp cụ thể hoặc bước tiếp theo. Nhảy thẳng vào giải pháp kỹ thuật hoặc bỏ qua cảm xúc sẽ làm tăng căng thẳng.

6. Thay đổi tốt nhất khi điều chỉnh phản hồi hỗ trợ thành trò chuyện trực tiếp thay vì email là gì?

• A) Sao chép nguyên văn văn bản mà không thay đổi nó vào cuộc trò chuyện
• B) Làm cho văn bản trang trọng hơn và thêm khối chữ ký và tiêu đề chủ đề
• C) Rút ngắn và chia văn bản để điều chỉnh phù hợp với nhịp độ của bài phát biểu và bước tiếp theo ✔
• D) Cung cấp càng nhiều chi tiết kỹ thuật càng tốt trong một tin nhắn

Mô tả: Trò chuyện trực tiếp ngắn gọn, nhanh chóng và mang tính trò chuyện. Khối e-mail dài; Chuyển đổi tin nhắn thành ngắn gọn, rời rạc và tập trung vào một bước tiếp theo là phù hợp với kênh. Việc di chuyển cùng một văn bản từ kênh này sang kênh khác mà không thay đổi sẽ làm hỏng trải nghiệm.

7. Cách tiếp cận lành mạnh nhất khi định tính một khách hàng tiềm năng (khách hàng tiềm năng) với sự hỗ trợ trí tuệ nhân tạo là gì?

• A) Đóng khung đầu ra AI (ICP/BANT) và đánh dấu các giả định cần được xác minh ✔
• B) Xử lý tất cả thông tin do AI tạo vào CRM như thật mà không cần xác minh.
• C) Việc đánh giá năng lực chỉ dựa trên số lượng nhân viên của công ty
• D) Gửi cùng một thông điệp chung cho mọi khách hàng tiềm năng và bỏ qua trình độ chuyên môn

Mô tả: AI có thể tạo ra bản tóm tắt có cấu trúc từ thông tin có sẵn công khai; nhưng đầu ra này có thể chứa các giả định. Việc sử dụng kết quả đánh giá chất lượng bằng cách đánh dấu các giả định cần được xác minh và đặt chúng vào một khung như ICP/BANT là đúng. Sẽ rất rủi ro khi chấp nhận kết quả đầu ra là có thật mà không có câu hỏi nào.

8. Nguyên tắc quan trọng nhất trong một email bán hàng lạnh hiệu quả là gì?

• A) Giải thích chi tiết tất cả các tính năng và thành tựu của công ty
• B) Tập trung vào vấn đề/mục tiêu của người mua, viết ngắn gọn và đưa ra một CTA rõ ràng ✔
• C) Gửi cùng một văn bản chung cho càng nhiều người càng tốt
• D) Chia sẻ bảng giá chi tiết ngay trong email đầu tiên

Mô tả: Email bán hàng hiệu quả tập trung vào người nhận chứ không tập trung vào người gửi: chúng giải quyết vấn đề hoặc mục tiêu của khách hàng, ngắn gọn và được cá nhân hóa, đồng thời bao gồm một bước tiếp theo rõ ràng (CTA). Liệt kê tất cả các tính năng của công ty sẽ bỏ lỡ người mua.

9. Khi soạn văn bản chào hàng/gợi ý bằng trí tuệ nhân tạo, yếu tố nào làm tăng sức thuyết phục của đầu ra nhiều nhất?

• A) Chỉ liệt kê một danh sách dài các thông số kỹ thuật
• B) Đưa ra lời đề nghị chung chung và mơ hồ để phù hợp với mọi khách hàng
• C) Không ghi giá gì cả mà chỉ thêm câu khen
• D) Thiết lập câu chuyện hướng đến lợi ích kết nối với nhu cầu và mục tiêu của khách hàng ✔

Giải thích: Viết lời đề nghị bằng ngôn ngữ hướng đến lợi ích, kết nối với nhu cầu và mục tiêu của khách hàng sẽ làm tăng sức thuyết phục của nó. Chỉ cung cấp danh sách các thông số kỹ thuật sẽ khiến khách hàng thắc mắc 'điều này mang lại cho tôi điều gì?' để anh ta một mình với câu hỏi của mình.

10. Cách tiếp cận tốt nhất khi chuẩn bị phản hồi AI cho phản đối bán hàng (“Giá của bạn quá cao”) là gì?

• A) Bỏ qua sự phản đối và chuyển sang chủ đề khác
• B) Đưa ra mức giảm giá lớn ngay lập tức và vô điều kiện
• C) Trả lời khách hàng một cách cụ thể bằng cách nhận ra sự phản đối và điều chỉnh lại giá trị/lợi ích ✔
• D) Buộc tội khách hàng không hiểu sản phẩm

Làm rõ: Đầu tiên, bạn nên nhận ra sự phản đối, sau đó điều chỉnh lại giá trị/lợi ích và đưa ra phản hồi cụ thể cho khách hàng. Giảm giá lớn ngay lập tức làm giảm giá trị; Bỏ qua sự phản đối sẽ phá hủy niềm tin.

11. Đầu ra có giá trị nhất được mong đợi từ trí tuệ nhân tạo khi xử lý các ghi chú phỏng vấn vào CRM là gì?

• A) Cấu trúc các ghi chú dưới dạng tóm tắt, quyết định, các bước tiếp theo và trách nhiệm ✔
• B) Sao chép các ghi chú như hiện tại, không có bất kỳ thay đổi nào
• C) Chỉ làm cho các nốt nhạc dài hơn và lạ mắt hơn thôi
• D) Chỉ ghi lại thời lượng và thời gian của cuộc trò chuyện

Mô tả: Những nốt nhạc rải rác; Đưa nó vào một định dạng có cấu trúc như tóm tắt, các quyết định được đưa ra, các bước (hành động) tiếp theo và những người chịu trách nhiệm sẽ giúp nhóm dễ dàng theo dõi hơn. Sao chép ghi chú nguyên trạng hoặc đơn giản là mở rộng nó không tạo ra giá trị.

12. Cách tốt nhất để đảm bảo 'không đưa ra thông tin sai lệch' trong đầu ra trí tuệ nhân tạo tiếp xúc với khách hàng là gì?

• A) Trao toàn quyền cho mô hình và để mô hình tự thực hiện mọi cam kết
• B) Giới hạn thông tin quan trọng trong phạm vi các nguồn đã được xác minh, ủy quyền khi không chắc chắn và thêm một lớp phê duyệt của con người ✔
• C) Xóa tất cả các kiểm tra về tốc độ và gửi trực tiếp đầu ra
• D) Chờ chỉnh sửa sau nếu phát hiện thông tin không chính xác

Mô tả: Mô hình; Những thông tin quan trọng như giá cả, chính sách và cam kết không được bịa đặt mà chỉ nên lấy từ những nguồn đã được xác minh và nên chuyển giao cho con người khi không chắc chắn. Các phản hồi quan trọng cần có một lớp xác nhận của con người.

13. Chuyên viên hỗ trợ cần làm gì nếu muốn công cụ trí tuệ nhân tạo tổng hợp khiếu nại của khách hàng bao gồm tên, số điện thoại và thông tin đơn hàng?

• A) Dán thông tin như cũ và nhận được kết quả nhanh nhất
• B) Giả sử thêm cụm từ “bí mật” vào cuối văn bản là đủ
• C) Che giấu và ẩn danh dữ liệu cá nhân và/hoặc sử dụng công cụ đã được phê duyệt với sự đảm bảo của công ty ✔
• D) Nghĩ rằng việc gửi thông tin rồi xóa cuộc trò chuyện sẽ loại bỏ rủi ro.

Giải thích: Không nên nhập dữ liệu cá nhân (trong phạm vi KVKK) vào các công cụ của bên thứ ba một cách không cần thiết. Cách tiếp cận đúng đắn; che giấu và ẩn danh thông tin nhận dạng và/hoặc sử dụng công cụ đã được phê duyệt với đảm bảo dữ liệu của công ty (không sử dụng dữ liệu trong chính sách giáo dục, lưu trữ).

14. Nguyên tắc tốt nhất khi thiết kế trình tự theo dõi bán hàng gồm nhiều bước là gì?

• A) Gửi cùng một tin nhắn nhắc nhở mỗi ngày
• B) Thêm giá trị mới vào mỗi tin nhắn và tiến hành theo khoảng thời gian hợp lý ✔
• C) Liên tục tăng tần suất tin nhắn cho đến khi nhận được phản hồi.
• D) Nếu không nhận được phản hồi đầu tiên, hãy ghép toàn bộ chuỗi vào một email dài.

Mô tả: Mỗi tin nhắn tiếp theo phải được tiến hành bằng cách thêm một giá trị mới (nội dung, cách viết, góc độ khác) và phải được gửi trong khoảng thời gian hợp lý. Việc lặp đi lặp lại cùng một thông báo 'chỉ là lời nhắc' trong thời gian ngắn sẽ gây choáng ngợp và làm giảm tỷ lệ phản hồi.

15. Vai trò của AI khi thiết lập chu trình đảm bảo chất lượng (QA) cho các nhóm hỗ trợ và bán hàng là gì?

• A) AI tạo bản nháp; Các phản hồi quan trọng được con người xem xét và phê duyệt, trách nhiệm thuộc về con người ✔
• B) AI gửi tất cả phản hồi mà không cần xác nhận; Người ta chỉ nhìn khi có phàn nàn
• C) Nếu AI đủ tiên tiến thì sẽ không cần sự giám sát của con người.
• D) Trách nhiệm thuộc về công ty phần mềm cung cấp công cụ

Mô tả: AI tạo bản nháp phản hồi và cải thiện tính nhất quán; tuy nhiên, những phản hồi quan trọng đối với khách hàng, đặc biệt là những phản hồi liên quan đến giá cả/cam kết/chính sách, cần được con người xem xét và phê duyệt. Trách nhiệm cuối cùng luôn thuộc về đội ngũ con người.