Künstliche Intelligenz im Kundenservice: Eine Balance zwischen Effizienz und Menschlichkeit
Die Integration von künstlicher Intelligenz (KI) in den Kundenservice hat bereits erhebliche Vorteile gebracht, obwohl sowohl Kunden als auch Unternehmensmitarbeiter oft frustriert sind. KI hatte ihre Schwierigkeiten, doch mit besserer KI, besserem Management und besserer Schulung wird ein effizienterer Kundenservice zu geringeren Kosten ermöglicht.
In den USA sind fast drei Millionen Kundendienstmitarbeiter beschäftigt, die jährlich über 40.000 Dollar verdienen. Schon eine kleine Produktivitätssteigerung in diesem Bereich kann große Dividenden zahlen. Eine Studie zeigte, dass Kundendienstmitarbeiter, die ein KI-Tool zur Unterstützung ihrer Gespräche nutzten, eine Produktivitätssteigerung von fast 14% verzeichneten. Der größte Gewinn war bei weniger erfahrenen Agenten mit 35% zu verzeichnen, während die erfahrensten Agenten im Durchschnitt keine Verbesserung sahen.
Ein Unternehmen konnte durch die Verwendung von KI die durchschnittliche Anrufdauer um 36 Sekunden verkürzen, einfach indem Anrufe an die entsprechende Abteilung weitergeleitet wurden. Das mag nicht viel klingen, aber multipliziert mit Tausenden von Anrufen, wird die Zeitersparnis erheblich. Kunden reagieren sehr empfindlich auf Zeitverschwendung während eines Anrufs, sei es durch Warten auf eine hilfreiche Person oder durch die Zeit, die diese Person benötigt, um relevante Informationen abzurufen.
Die KI kann nicht nur Fragen darüber beantworten, wie einem Kunden geholfen werden kann, sondern auch die Stimmung des Anrufers erkennen, wie zum Beispiel Wut, Verwirrung, Frustration oder Freude. Die Sentiment-Analyse kann sowohl im Moment helfen als auch ein Werkzeug zur Entwicklung besserer Praktiken sein, sowohl für die KI als auch für menschliche Kundendienstmitarbeiter.
Die Herausforderungen, die sich aus der Verwendung von KI im Kundenservice ergeben, sind vielfältig. Einige erfahrene Agenten glauben, dass die Vorschläge der KI nicht so gut sind wie ihre eigenen. Und einige Unternehmen haben widersprüchliche Anweisungen darüber gegeben, wann die KI zu befolgen ist und wann menschliches Urteilsvermögen anzuwenden ist. Es ist immer schlechtes Management, einer Person Verantwortung zu übertragen, ohne die Befugnis zu haben, die Aufgabe zu erfüllen. Klarheit über die Rolle des Menschen ist entscheidend für den Erfolg.
Eine weitere Herausforderung ergibt sich aus der Tendenz großer Sprachmodelle, zu "halluzinieren", was in der Branche ein Jargon für das Erfinden von Unwahrheiten ist. Leider klingt die KI sehr überzeugend, auch wenn sie eklatant falsch liegt. Systeme sollten so gestaltet sein, dass sie die Konsequenzen einer Halluzination berücksichtigen. Ein Anruf, der an die falsche Abteilung weitergeleitet wird, ist keine große Sache. Geld, das auf das falsche Konto überwiesen wird, ist ein sehr großes Problem.
Die besten Praktiken, wie wir sie derzeit verstehen, beginnen damit, die KI so einzurichten, dass sie gute Arbeit leistet. In einigen Fällen ist das Feintuning des Modells angebracht. Das nimmt das große Sprachmodell und schätzt seine Parameter neu ein, um ein bestimmtes Ziel zu erreichen, wie zum Beispiel das Verständnis des Jargons einer Branche oder eines Produkts. Es ist eine etwas kostspielige Aufgabe, obwohl viel billiger als die Entwicklung des Modells von Grund auf. Günstigere Alternativen, wie ein Tool namens LoRA, scheinen fast genauso gut zu funktionieren. Prompt Engineering ist eine günstigere Alternative, die oft geeignete Ergebnisse liefert. Zum Beispiel kann einer KI gesagt werden, dass sie ihre Antwort immer mit dem Handbuch des Unternehmens, den Bedienungsanleitungen und den Fehlerbehebungshandbüchern in Einklang bringen soll, die im Prompt zur Verfügung gestellt werden.
Datensicherheit ist eine Gefahr, die angegangen werden muss. Von der Stange können große Sprachmodelle die im Prompt eingereichten Informationen verwenden. Wenn der KI beispielsweise eine Frage gestellt wird, die den Namen und den Kontostand eines Anrufers enthält, geht diese Information an das KI-Unternehmen. Die meisten spezialisierten Systeme installieren Wände, um diese Informationen vertraulich zu halten. Es ist nicht schwer einzurichten, und Unternehmen sollten sicherstellen, dass die Informationen geschützt sind.
Eine gute Praxis für automatisierte Anrufsysteme ist ein leichter Weg, um mit einem Menschen zu sprechen, laut klugen Ratschlägen von helpwise.io.
Die akademische Studie zur Produktivität von Callcentern wirft zwei interessante Fragen auf. Erstens, werden die weniger erfahrenen Agenten schneller auf den neuesten Stand kommen, wenn ihnen die KI hilft, oder werden sie ihre Fähigkeiten nicht auf die gleiche Weise entwickeln, wie es die heutigen erfahrenen Agenten tun? Zweitens, wird die KI in den kommenden Jahren genug verbessert, um auch den erfahreneren Agenten zu helfen? Es besteht kein Zweifel, dass große Sprachmodelle wie ChatGPT, Bard und Claude sich verbessern werden, aber es ist nicht sicher, dass sie jemals erstklassige Kundendienstmitarbeiter übertreffen werden, insbesondere bei den schwierigsten Fragen.
KI ist gekommen, um zu bleiben. Sie kann mit Priorität auf die Verbesserung des Kundenservices implementiert werden oder mit Priorität auf die Minimierung der Kosten für ein gegebenes Serviceniveau. Das ist eine kritische Managemententscheidung.
Die Anzahl der Kundendienstmitarbeiter, derzeit etwa drei Millionen in den USA, wird in den kommenden Jahren sicherlich zurückgehen. Und in den meisten Fällen wird sich der Kundenservice verbessern. Die frühe Verringerung der Arbeitsplätze kann durch normale Abnutzung erreicht werden, aber Entlassungen sind nicht weit entfernt. Die besten Agenten werden beibehalten, um schwierige Probleme zu behandeln, aber andere Menschen in diesem Sektor sollten anfangen, über berufliche Alternativen nachzudenken.
