حفظ مشتری با هوش مصنوعی ؟

حفظ مشتری  با هوش مصنوعی ؟
خلاصه اخبار

سرویس‌‌دهی به مشتری همیشه کار آسانی نیست، به‌‌خصوص وقتی مشتریان آنقدر از محصول ناراضی‌‌اند که از شدت خشم دوست دارند سر شما فریاد بزنند. این اتفاقی است که در ماه مه برای شرکت «سونوس» (Sonos)، تولیدکننده سیستم‌های صوتی خانگی، افتاد. جدیدترین به‌‌روزرسانی اپلیکیشن شرکت ایرادات فنی بسیاری داشت که به افت سهام شرکت منجر شد و طبیعتا مشتریان ناراضی بودند.

یکی از نیروهای پشتیبانی که به این موج خشم مشتریان پاسخ داد، تازه‌‌کار بود، اما نه یک انسان تازه‌‌کار. پیش از این بحران سونوس با شرکت «سیرا» (Sierra)، استارت‌آپی که یکی از بنیان‌گذاران آن برت تیلور، از مدیران OpenAI است، قراردادی بسته بود تا یک روبات خدمات مشتریان مبتنی بر هوش مصنوعی مولد را در اختیارشان قرار دهد. این وضعیت می‌توانست به یک فاجعه تبدیل شود، چون تنها چیزی که حتی از یک محصول معیوب هم بدتر است، گیر افتادن دست روباتی است که با دانش و درک محدودش شما را در دور باطلی می‌‌اندازد و در نهایت کمکی نمی‌‌کند. اما این روبات فراتر از انتظار عمل کرد و پس از دریافت اطلاعات فنی سونوس، برای یکی از مشکلات اپلیکیشن راه‌‌حلی ارائه داد.

حوزه خدمات مشتری یکی از معدود صنایعی است که در آن استفاده از هوش مصنوعی مولد به شدت در حال رشد است. در نظرسنجی که اوایل امسال توسط شرکت پژوهشی گارتنر از مدیران خدمات مشتری صورت گرفت، تقریبا نیمی از آنها معتقد بودند ظرف 12 تا 18 ماه آینده دستیاران هوش مصنوعی تاثیر چشمگیری بر سازمان‌هایشان خواهند داشت. چه شرکت‌های قدیمی حوزه تکنولوژی و چه استارت‌آپ‌‌ها با ارائه محصولات جدیدشان تغییر و تحول عظیمی را در این صنعت و میلیون‌‌ها شغل وابسته به آن وعده داده‌‌اند. کسب و کارهای جهانی به‌‌شدت روی کاربردهای هوش مصنوعی مولد برای خدمات مشتری سرمایه‌گذاری می‌کنند. طبق تحقیقات گارتنر، فقط تیم‌‌های توسعه نرم‌‌افزار و بازاریابی سرمایه‌گذاری بیشتری نسبت به خدمات مشتری در هوش مصنوعی مولد داشته‌‌اند.

علتش چیست؟

از یک سو، صنعت خدمات مشتری بسیار بزرگ است، چون اکثر شرکت‌ها به نوعی، از مشتریان خود پشتیبانی می‌کنند – چه در داخل شرکت و چه از طریق برون‌‌سپاری به مراکز تماس. طبق آمار اداره کار آمریکا، تنها در این کشور، حدود 3 میلیون کارمند در این حوزه مشغول‌‌اند. با حقوق متوسط حدود 40‌هزار دلار در سال، این مبلغ به تقریبا 120 میلیارد دلار هزینه دستمزد می‌‌رسد. بسیاری از این مشاغل نیز به مراکز تماسی در کشورهایی مانند هند و فیلیپین برون‌‌سپاری شده‌‌اند، جایی که این مشاغل به‌‌عنوان نردبانی برای طبقه متوسط محسوب می‌‌شوند.

از سوی دیگر، این صنعت در سال‌های اخیر به خاطر نوع استفاده‌‌اش از تکنولوژی نسل قبل، مشتریان را به مرز جنون کشانده و بسیار بدنام شده. «اندی لی»، یکی از بنیان‌گذاران شرکت آمریکایی «الوریکا» (Alorica) که در حوزه مراکز تماس فعالیت می‌کند و حدود 100‌هزار کارمند دارد، معتقد است که این بدنامی کاملا بجاست، چون استفاده از نیروی انسانی برای حل مشکلات مشتریان هزینه‌‌بر است و آنها با اعمال سازوکارهایی که در آن مشتریان مجبورند مرتب اعداد مختلفی را وارد کنند یا با یک بات چت کنند که پاسخ‌‌های کلی و کلیشه‌‌ای می‌دهد، فرآیند را تا حد ممکن پیچیده می‌کنند. وقتی نیروهای انسانی وارد ماجرا می‌‌شوند، از نظر مالی به نفع شرکت‌های واسطه‌‌ است، چون با برون‌‌سپاری هزینه‌‌ها افزایش می‌‌یابد.

حالا کارآفرینان و سرمایه‌گذاران امید دارند که هوش مصنوعی مولد بتواند حال و روز این حوزه را بهبود ببخشد. طبق گزارش منبع جمع‌‌آوری داده پیچ‌‌بوک، سرمایه‌گذاری در استارت‌آپ‌‌هایی که ابزارهای خدمات مشتری مبتنی بر هوش مصنوعی مولد ارائه می‌دهند، در سه‌‌ماه سوم امسال به 171 میلیون دلار در سطح جهان رسیده که نسبت به سرمایه‌گذاری 45 میلیون دلاری سال گذشته در همین بازه، افزایش قابل‌توجهی داشته است. این ماه، شرکت «کرسندو» (Crescendo) که آقای لی از شرکت الوریکا یکی از بنیان‌گذاران آن است، با ارزش‌‌گذاری 500 میلیون دلار تامین سرمایه کرد. سیرا که در ژانویه با ارزش‌‌گذاری حدود 1 میلیارد دلار جذب سرمایه کرده بود، حالا به دنبال جذب سرمایه 4 میلیارد دلاری است، که حتی تعجب برخی از سرمایه‌گذاران ریسک‌‌پذیر شیفته هوش مصنوعی را هم برانگیخته است.

نکته شایان توجه اینجاست که ورود به این حوزه تنها به استارت‌آپ‌‌ها محدود نمی‌شود. غول‌‌های فناوری مانند آلفابت، آمازون و مایکروسافت نیز هوش مصنوعی مولد را به سرویس‌‌های خدمات مشتری خود افزوده‌‌اند. همچنین شرکت‌های نرم‌‌افزاری مانند سلزفورس در این زمینه فعال شده‌‌اند. برخی شرکت‌ها تا جایی پیش رفته‌‌اند که از مدل‌‌های زبانی بزرگ، نظیر آن‌‌هایی که توسط OpenAI تولید می‌‌شوند، برای ساخت بات‌‌های خدمات مشتری خود استفاده می‌کنند. بات‌‌های هوش مصنوعی مولد برخلاف اجداد خود که به پاسخ‌‌های کلیشه‌‌ای و کلی و در اغلب مواقع اشتباه محدود بودند، با استفاده از آموزه‌‌های شرکت و تعاملات پیشین با مشتریان، پاسخ ارائه می‌دهند و ضریب خطای بسیار پایین‌‌تری دارند.

magicstudio-art copy

ارائه‌‌دهندگان این تکنولوژی درباره ظرفیت و نقش این بات‌‌ها دیدگاه‌‌های متفاوتی دارند. برخی بر این باورند که همچنان انسان باید این مکالمات را مدیریت کند و هوش‌‌مصنوعی صرفا در پس‌‌زمینه حضور داشته باشد و به عنوان نیروی کمکی و دستیار عمل کند. اما بسیاری معتقدند بات‌‌های هوش مصنوعی مولد اکنون به اندازه‌‌ای کارآمد شده‌‌اند که بتوانند بیشتر مکالمات را به تنهایی مدیریت کنند. این ماه شرکت نرم‌‌افزاری «توییلیو» (Twilio) اعلام کرد به زودی ابزاری را ارائه می‌دهد که بات‌‌های خدمات مشتری بتوانند به جای آنکه فقط بخوانند و بنویسند، بشنوند و صحبت کنند. چند استارت‌آپ فعال در این صنعت مدل هزینه «قیمت‌گذاری بر اساس نتیجه» را به کار گرفته‌‌اند؛ یعنی هزینه بر اساس تعداد سوال‌‌های حل شده مشتریان پرداخت می‌شود، نه تعداد نیرو یا دقایق تعامل با مشتریان که روش معمول است.

این اتفاق دو پرسش را به وجود می‌‌آورد. اول اینکه نظر مشتریان درباره این تغییرات چیست؟ طرفداران استفاده از هوش مصنوعی مولد در حوزه خدمات مشتری می‌‌گویند مشتریان دیگر مجبور نخواهند بود تا ابد منتظر بمانند که کسی تلفن را جواب دهد. از طرف دیگر، این بات‌‌ها به زبان‌‌های مختلفی مسلط هستند که کار را ساده‌‌تر می‌کند و لهجه‌‌شان قابل فهم‌‌تر از نیروهای انسانی مراکز تماس خارجی است. با این حال، مشتریان هنوز متقاعد نشده‌‌اند. 64‌درصد از افرادی که در نظرسنجی گارتنر شرکت کرده‌‌اند ترجیح می‌دهند شرکت‌ها از هوش مصنوعی برای خدمات مشتری استفاده نکنند، ترسشان هم عمدتا از این است که با ورود هوش مصنوعی مولد، دسترسی‌‌شان به یک کارشناس انسانی حتی از قبل هم سخت‌‌تر ‌‌شود. «راب گوئلر»، یکی از بنیان‌گذاران شرکت خدمات مشتری «کلیرسورس»، معتقد است هنوز ارتباط انسان با انسان برای مردم ارزشمند است.

علاوه بر آن، بات‌‌های هوش مصنوعی مولد معمولا با اطمینان کامل و قطعیت پاسخ می‌دهند، حتی زمانی که پاسخشان کاملا اشتباه است و این مساله می‌تواند فاجعه‌‌بار باشد. اوایل امسال شرکت «ایرکانادا» مجبور شد به مشتری غرامت بدهد که بات هوش مصنوعی شرکت به اشتباه به او وعده تخفیف داده بود.

پرسش دوم این است که این تغییرات بر کارکنان مراکز خدمات مشتری چه تاثیری خواهد داشت. گارتنر سال گذشته پیش‌بینی کرد هوش مصنوعی مولد تا سال 2026 مشاغل خدمات مشتری را 20 تا 30‌درصد کاهش دهد. در حال حاضر آقای گوئلر می‌‌گوید شرکت کلیرسورس تمرکزش را روی استفاده از هوش مصنوعی مولد برای آموزش نیروی انسانی و کمک به خلاصه‌‌سازی تماس‌‌ها گذاشته، با این حال اضافه می‌کند: «اما اگر بگویم هوش مصنوعی مولد جایگزین انسان نخواهد شد، مثل کبک سرم را در برف فرو کرده‌‌ام.»

موج‌‌های قبلی تکنولوژی خدمات مشتری که اتفاقا به بدنامی این حوزه هم منجر شد، چیزهایی مثل ایمیل و منوهای صوتی خسته‌‌کننده، زمان ظهورشان نگرانی‌هایی را درباره کاهش مشاغل برانگیخت که در نهایت عملی نشد، اما ممکن است هوش مصنوعی داستان دیگری داشته باشد و اگر چنین شود، ممکن است آثار مطلوبی داشته باشد. نیروی انسانی می‌تواند زمان بیشتری را به کارهای خلاقانه و پربار مانند استفاده از بازخوردها برای بهبود محصولات اختصاص دهد و زمان کمتری را صرف گوش دادن به مشتریان عصبانی کند.

اریک اسمودا، مدیر ارشد تجربه مشتری شرکت «لایک‌‌وایز» درباره نقش هوش‌‌ مصنوعی در خدمات مشتری می‌‌گوید هوش مصنوعی در خدمات مشتری، به‌ویژه در مدیریت وظایف ساده، می‌تواند کمک بزرگی باشد. او متذکر می‌شود که به دلیل نیاز به احساسات انسانی و ایجاد اعتماد بین برند و مشتری، نیروی انسانی همچنان ضروری است و هوش مصنوعی فقط بخشی از کار را بر عهده خواهد گرفت. به اعتقاد او استفاده از رویکردی ترکیبی که هوش مصنوعی را برای پاسخ‌‌های سریع به کار گیرد و از عوامل انسانی برای تعاملات پیچیده‌‌تر بهره ببرد، بهترین نتیجه را در تجربه مشتری خواهد داشت. اجازه بدهید برای نشان دادن تاثیر هوش‌‌مصنوعی مولد بر صنعت خدمات مشتری به چند کاربرد مشخص و ابزار ارائه‌دهنده آن بپردازیم.

1- تولید خودکار پاسخ‌‌های مشتری. هوش مصنوعی مولد به خوبی نیت مشتری را درک می‌کند و این قابلیت در مرکز بسیاری از کاربردهای جدید برای تولید خودکار پاسخ‌‌های مشتری قرار دارد. ابزارهای هوش مصنوعی مولد همچون Service GPT شرکت سلزفورس می‌توانند با درک پرسش مشتری و جست‌‌وجو در پایگاه داده‌‌هایشان، پاسخ مرتبطی تولید کنند. نکته مهم در این مورد الزام حضور نیروی انسانی برای ارزیابی و ویرایش و ارسال پاسخ هوش مصنوعی است.

2- کمک به کارکنان حین تایپ. Zendesk با استفاده از مدل‌‌های زبانی بزرگ ابزار پیش‌بینی متنی را توسعه داده که پاسخ اولیه را برای کارکنان آماده می‌کند و آنها متن را تکمیل می‌کنند.

3- یادداشت‌‌برداری خودکار. این قابلیت به کارکنان اجازه می‌دهد بدون نگرانی از یادداشت‌‌برداری، تمرکز خود را بر شنیدن و درک صحبت‌‌های مشتری حفظ کنند. یکی از ابزارهای مناسب این کار Call Note Automation است.

4- کشف پرسش‌‌های متداول مشتریان. با استفاده از ابزارهای مناسبی همچون Generative FAQ از گوگل کلاود، مراکز تماس می‌توانند دلایل اصلی تماس مشتریان را درک کنند و برای بهبود تجربه مشتری اقداماتی را ترتیب دهند.

5- خودکارسازی پردازش پس از تماس. ابزارهای هوش مصنوعی مولد فرآیند پردازش پس از تماس را برای نمایندگان خودکار کرده و به آنها کمک می‌کنند به‌‌سرعت اطلاعات مکالمه را وارد سیستم کنند. Genesys کوپایلت از جمله ابزارهای مناسب این‌‌‌‌‌‌ کار است.

6- تسهیل انتقال تماس و ارجاع. در صورت ارجاع تماس، نیازی نیست مشتری مشکلش را از اول برای نیروی تازه توضیح دهد چون خلاصه‌‌ای از مکالمه او برای مسوول جدید ارسال می‌شود.

7- تشخیص فرصت‌‌های خودکارسازی خدمات مشتری. با استفاده از هوش مصنوعی مولد مراکز تماس می‌توانند فرصت‌‌های خودکارسازی فرآیندها و بهبود آنها را شناسایی کنند. Five9 AI Insights یکی از ابزارهایی است که برای این‌‌کار توسعه‌یافته است.

8- شناسایی فرصت‌‌های آموزش کارکنان. هوش مصنوعی مولد به صورت خودکار برای هر مکالمه خلاصه‌‌ای از تعامل را با برجسته‌‌سازی ویژگی‌‌های مثبت کارشناس و ارائه نکات آموزشی برای بهبود کیفیت خدمات مشتری در اختیار کارکنان می‌‌گذارد. در حال حاضر آمازون با سیستمManager Assist for Amazon Connect از این قابلیت هوش مصنوعی مولد استفاده می‌کند.

منبع: دنیای اقتصاد

دیدگاه شما

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *