L'IA oltre i chatbot: cinque modi per estendere l'IA al vostro Contact Center

Adottare approcci collaudati a vantaggio dei clienti, degli agenti e dell'azienda nel suo complesso

Spesso le organizzazioni iniziano il loro percorso di automazione tramite IA nei contact center con chatbot online rivolti ai clienti. Tuttavia, i chatbot rappresentano solo uno dei casi d’uso dell’IA nelle operazioni dei contact center e sono solo la punta dell’iceberg per quanto riguarda il potenziale di questa tecnologia. Esplorando le cinque applicazioni illustrate in questo articolo, i responsabili dei contact center possono scegliere il passo successivo più adatto per implementare con successo l’intelligenza artificiale su larga scala.

Per ulteriori indicazioni pratiche sui casi d'uso dell'IA oltre ai chatbot, leggi la nostra guida all'applicazione dell'intelligenza artificiale nel servizio clienti.

Comprendere i limiti dei chatbot di base

Secondo la società di analisi Valoir, la metà dei contact center a livello globale ha implementato chatbot di base basati sull’intelligenza artificiale ^[1]. Tuttavia, sebbene ciò possa offrire alcuni vantaggi, questi non rappresentano che una minima parte di ciò che è possibile realizzare con l’IA. Tutti noi abbiamo avuto a che fare con chatbot in grado di rispondere solo a domande di base, che non si integrano con gli operatori umani o che forniscono semplicemente risposte poco chiare o addirittura errate.

Man mano che i contact center progrediscono nel loro percorso verso l'intelligenza artificiale, devono adottare casi d'uso dell'IA che vadano oltre i chatbot, con applicazioni pratiche in grado di coinvolgere i clienti, supportare meglio gli operatori, aumentare l'efficienza e migliorare l'esperienza del cliente.

Una volta completato un valutazione della maturità per capire a che punto vi trovate attualmente e stilare un elenco delle opportunità di automazione tramite IA nei contact center in base alle esigenze aziendali e dei clienti, il passo successivo consiste nell'analizzare le tecnologie di intelligenza artificiale in grado di apportare un valore reale all'organizzazione.

In questo articolo tratterò queste applicazioni, spiegando anche come pianificare implementazioni di successo e integrarle nell'infrastruttura più ampia del vostro contact center.

Self-service tramite agenti virtuali

Gli agenti virtuali basati sull'intelligenza artificiale intrattengono conversazioni naturali attraverso canali vocali e digitali, avvalendosi di conoscenze e sistemi interconnessi per comprendere le richieste e supportare il self-service dei clienti.

Principali vantaggi degli agenti virtuali:

• Migliorare l'accessibilità per i clienti fornendo un’assistenza intelligente e immediata, 24 ore su 24, 7 giorni su 7, tramite canali vocali e digitali.
• Ridurre i tempi di attesa rispondendo immediatamente e assorbendo i picchi nel volume dei contatti.
• Aumentare il completamento in modalità self-service comprendendo l'intento, tenendo conto del contesto e portando a termine le richieste di routine dall'inizio alla fine.
• Offrire un servizio più uniforme attingendo le risposte dalla stessa fonte di informazioni accurata e aggiornata su tutti i canali.
• Sfruttare al meglio le competenze degli agenti inoltrando le richieste delicate o particolarmente complesse a operatori in carne e ossa, insieme al contesto completo della conversazione.

Migliori pratiche per ottenere risultati positivi con gli agenti virtuali:

• Stabilire le priorità per una serie iniziale di casi d'uso; il processo e la classifica descritti in il mio blog precedente aiutarvi a collaborare con i team interni più adatti per individuare i casi d’uso che presentano la combinazione ottimale di basso rischio e alto valore. Iniziate con richieste ben definite, in cui l’agente virtuale sia in grado di fornire un risultato chiaro, per poi espandere l’utilizzo solo dopo che le prestazioni avranno raggiunto gli obiettivi concordati.
• Definire una governance chiara della conoscenza anziché affidarsi a una sola persona. Assegnare un responsabile, i collaboratori esperti in materia, le regole di approvazione e i calendari di revisione, in modo che le informazioni rimangano accurate, conformi e disponibili man mano che i prodotti, le politiche e le esigenze dei clienti cambiano.
• Collegare in modo sicuro gli agenti virtuali ai sistemi necessari per evadere ogni richiesta approvata dei clienti. Applicare il principio del “privilegio minimo”, la verifica dell’identità, i limiti alle transazioni, le tracce di audit e l’approvazione umana per le azioni a rischio più elevato, e testare i percorsi di errore e di ripristino prima del lancio.
• Coinvolgere gli agenti dalla selezione dei casi d'uso fino al collaudo e all'ottimizzazione. Sfruttate le loro conoscenze per individuare i punti di errore più frequenti, definire le regole di escalation e testare le risposte, spiegando al contempo in che modo gli agenti virtuali modificheranno i ruoli, i carichi di lavoro e le opportunità di sviluppo, anziché limitarsi a presentare la tecnologia come un semplice strumento per eliminare il lavoro ripetitivo.
• Definizione delle regole di escalation in base alle intenzioni del cliente, al rischio, al sentiment e ai ripetuti fallimenti. Trasmetti all’operatore umano la cronologia completa della conversazione, i dati verificati del cliente e le azioni già tentate, quindi verifica i passaggi di consegne tra i vari canali in modo che i clienti non debbano ripetere le stesse informazioni.
• Gestire gli agenti virtuali come un servizio in continuo miglioramento. Esaminare i percorsi non andati a buon fine, le segnalazioni a livelli superiori, i feedback dei clienti, l’accuratezza delle risposte e le transazioni completate; confrontare le prestazioni tra i diversi gruppi di clienti e canali; assegnare responsabili ben definiti e stabilire cicli di revisione per correggere i problemi e ampliare l’ambito di intervento.
• Applicare gli stessi criteri di valutazione a tutte le interazioni, sia che siano gestiti da agenti virtuali che da agenti umani. Monitorare entrambi in base a parametri condivisi relativi ai risultati per i clienti, quali la risoluzione dei problemi, l’accuratezza e la soddisfazione.
• Definire gli indicatori di successo prima del lancio, che riguardano i risultati per i clienti, le prestazioni operative e il rischio. Monitorare indicatori quali il completamento con esito positivo delle attività, il contenimento, i contatti ripetuti, i motivi dell’escalation, la soddisfazione dei clienti, l’accuratezza delle risposte e il costo per ogni richiesta risolta, con dati di riferimento e obiettivi per ciascun caso d’uso.
• Non limitarti a pianificare lo scenario ideale: Pianificate come il servizio dovrà reagire in caso di basso livello di affidabilità, indisponibilità di un sistema collegato o richiesta che esula dall’ambito approvato. Prevedete un percorso alternativo chiaro, impedite risposte o azioni non supportate e consentite ai team operativi di sospendere facilmente i percorsi interessati senza compromettere il funzionamento del servizio nel suo complesso.

Supportare gli agenti attraverso la conoscenza

L'assistenza tramite agente IA supporta i dipendenti durante le interazioni con i clienti, interpretando la conversazione e fornendo indicazioni pertinenti attingendo alle conoscenze e ai sistemi collegati.

Principali vantaggi dell'assistenza da parte di un agente:

• Ridurre i tempi di gestione e le interruzioni fornendo agli agenti informazioni pertinenti e verificate in tempo reale durante le interazioni, senza necessità di mettere in attesa il cliente o di ricorrere a consultazioni esterne.
• Migliorare l'accuratezza e la coerenza delle risposte consentendo agli agenti di accedere alle stesse informazioni standardizzate su tutti i canali.
• Aumentare la risoluzione al primo contatto aiutando gli operatori a risolvere richieste complesse o di cui non hanno familiarità, senza bisogno di trasferire la chiamata o di richiamare il cliente.
• Aumentare la sicurezza degli agenti e ridurre il carico cognitivo guidando gli agenti attraverso le politiche, i processi e le azioni più indicate.
• Ridurre i tempi di inserimento e di acquisizione della competenza sostenendo i nuovi agenti mentre acquisiscono conoscenze ed esperienza.
• Migliorare la conformità fornendo agli agenti le diciture obbligatorie, le informative e le fasi procedurali.
• Fornire risposte più personalizzate su larga scala adattando i contenuti suggeriti al contesto e alla richiesta del cliente.

Migliori pratiche per ottenere risultati positivi con l’assistenza degli agenti:

• Classificare i casi d'uso in base al valore, alla complessità e al rischio, come illustrato in il mio blog precedente. Inizia dai punti in cui il valore è maggiore, ad esempio dalle interazioni ad alto volume in cui gli operatori dedicano molto tempo alla ricerca di informazioni, oppure dalle code relative a domande importanti a cui viene data regolarmente una risposta imprecisa o incoerente. Successivamente, estendi l’intervento una volta che le prestazioni avranno raggiunto gli obiettivi concordati.
• Utilizza fonti di conoscenza autorevoli e affidabili. Definire chiaramente le responsabilità, i processi di approvazione e le scadenze per la revisione, in modo che le raccomandazioni rimangano accurate, aggiornate e conformi.
• Garantire agli agenti il pieno controllo. Presentare i suggerimenti per la revisione; per le interazioni testuali, anziché inviare automaticamente risposte per conto degli agenti o eseguire azioni a rischio più elevato, consentire loro di rivedere il contenuto prima dell'invio.
• Suggerimenti di progettazione relativi al flusso di lavoro dell’agente. Fornire informazioni al momento giusto, in base al contesto della conversazione, senza interferire con la conversazione con il cliente né sovraccaricare gli agenti con suggerimenti superflui.
• Fornire riferimenti bibliografici e garantire la spiegabilità. Indicare la fonte delle raccomandazioni, in modo che gli agenti possano verificare le informazioni prima di condividerle.
• Coinvolgere gli agenti durante l’implementazione dell’assistenza agli agenti. Utilizza i loro contributi per selezionare i casi d'uso, valutare i suggerimenti, individuare le lacune e perfezionare l'esperienza.
• Integrarsi in modo sicuro con i sistemi pertinenti. Applicare controlli di identità, il principio del privilegio minimo, registri di controllo e misure di protezione relative alle informazioni sensibili dei clienti.
• Misurare i risultati dei clienti e degli agenti. Monitorare i tempi di gestione, la risoluzione al primo contatto, l'accuratezza delle risposte, la conformità, il livello di adozione da parte degli agenti, la soddisfazione dei clienti e i contatti ripetuti rispetto a parametri di riferimento chiari.
• Presta attenzione a suggerimenti deboli o inappropriati. Esaminare le raccomandazioni respinte, le risposte errate, le lacune nelle conoscenze e le differenze di rendimento tra i vari canali o gruppi di clienti.
• Pianificare un’ottimizzazione continua. Assegnare i responsabili e definire i cicli di revisione per migliorare le conoscenze, i promemoria, i flussi di lavoro e le integrazioni man mano che le esigenze cambiano.

Gestione della qualità nell'ambito dell'intelligenza artificiale

La gestione della qualità basata sull'intelligenza artificiale valuta le interazioni con i clienti su tutti i canali in base a criteri personalizzati e coerenti, fornendo ai supervisori una base di riferimento più ampia per la garanzia della qualità, il coaching e la conformità.

Principali vantaggi della gestione della qualità basata sull'intelligenza artificiale:

• Ampliare la copertura di qualità valutando potenzialmente fino a 100% di interazioni su tutti i canali vocali e digitali, anziché affidarsi a un campionamento manuale limitato.
• Migliorare la coerenza e l'equità applicando gli stessi criteri trasparenti a tutti i team, le code e i canali.
• Concentra il coaching dove conta di più individuando comportamenti specifici, lacune nelle conoscenze e problemi ricorrenti nei processi.
• Rafforzare la vigilanza sulla conformità individuando le informazioni mancanti, le deviazioni dal processo e le interazioni a rischio più elevato da sottoporre a revisione.
• Liberare i supervisori per attività di maggior valore riducendo le attività di revisione manuale e concentrando l'attenzione sulle eccezioni e sulle opportunità di riconoscimento o miglioramento.
• Monitorare i miglioramenti della qualità nel tempo collegando i risultati della valutazione alle attività di coaching, alla formazione e ai cambiamenti operativi.
• Consentire agli agenti di assumersi la responsabilità del proprio sviluppo professionale permettendo loro di valutare le proprie interazioni, riconoscere i propri punti di forza e individuare gli aspetti da migliorare.

Migliori pratiche per ottenere risultati positivi nella gestione della qualità dell'IA:

• Definire lo scopo di ciascuna valutazione. Definire criteri distinti per la conformità, i risultati dei clienti, il rispetto dei processi e il coaching, in modo che un unico punteggio non nasconda differenze significative.
• Creare un quadro chiaro e rappresentativo. Valuta le fasi rilevanti dell'interazione e adatta i modelli predefiniti dei fornitori ai tuoi canali, alle tue politiche, alle esigenze dei clienti e al profilo di rischio.
• Verificare i risultati dell'intelligenza artificiale prima di utilizzarli a livello operativo. Confronta le valutazioni automatizzate con quelle effettuate da valutatori esperti, considerando diversi tipi di interazione, team, lingue e risultati.
• Mantenere il controllo umano per le decisioni di grande rilevanza. Utilizzare l'intelligenza artificiale per individuare eventuali problemi, ma richiedere ai supervisori di esaminare le interazioni contestate, insolite o a rischio più elevato prima di segnalarle ai livelli superiori.
• Rendere trasparenti le valutazioni agli agenti. Condividere i criteri, gli elementi probatori e il ragionamento alla base dei risultati e fornire indicazioni chiare su come presentare un reclamo o un ricorso contro una valutazione.
• Utilizzare i risultati per migliorare sia i sistemi che il coinvolgimento. Distinguere le esigenze individuali di coaching dai problemi causati da conoscenze, flussi di lavoro, politiche o tecnologia.
• Monitorare l'andamento delle prestazioni del modello nel tempo. Ricalibrare i criteri quando cambiano i prodotti, le politiche, i canali o il comportamento dei clienti e analizzare eventuali variazioni inaspettate dei punteggi.
• Proteggere i dati dei clienti e dei dipendenti. Limitare l'accesso, la conservazione e l'utilizzo dei dati relativi alle interazioni, con controlli adeguati per le informazioni sensibili e nel rispetto dei requisiti normativi.

Analisi dei clienti (Voice of the Customer, VoC)

L'analisi dei clienti basata sull'intelligenza artificiale trasforma le conversazioni su tutti i canali in informazioni strutturate sulle esigenze dei clienti, sui fattori che determinano i contatti e sulle problematiche emergenti, per poi suggerire azioni interne volte ad affrontarle.

Principali vantaggi dell'analisi dei dati sui clienti:

• Affrontare le cause alla radice in modo più efficace individuando i motivi per cui i clienti ci contattano e mettendo in luce le esigenze sottostanti, gli eventi e le criticità dei processi.
• Impedire che i problemi emergenti si aggravino rilevando tempestivamente i cambiamenti relativi agli argomenti, al sentiment, all’impegno e al volume dei contatti, in modo che i team possano intervenire per tempo.
• Riduzione dei volumi di contatto evitabili (richieste dovute a guasti) e dei relativi costi mettendo in luce i problemi ricorrenti relativi a prodotti, politiche, percorsi digitali e servizi di terze parti.
• Migliora più rapidamente il percorso dei clienti collegando le tematiche dei clienti all’impatto operativo, al valore e all’urgenza.
• Aumentare l'impatto dei miglioramenti apportati all'esperienza del cliente (CX) confrontando le conversazioni con i clienti e i risultati ottenuti prima e dopo gli interventi.
• Prendere decisioni più efficaci in merito a prodotti, servizi e processi integrando le testimonianze dirette dei clienti nella pianificazione aziendale.
• Rafforzare il sostegno da parte dei dirigenti alle decisioni importanti utilizzando i dati ricavati dalle interazioni con i clienti per dimostrare la portata, l'urgenza e l'impatto aziendale dei problemi.

Migliori pratiche per ottenere risultati positivi con l'analisi dei dati dei clienti:

• Inizia ponendoti domande chiare relative all'attività aziendale. Definire le decisioni che l'analisi dovrebbe supportare, quali la riduzione dei contatti ripetuti, l'identificazione della domanda di rimedio o il miglioramento di un percorso specifico.
• Sviluppare una tassonomia significativa. Andate oltre le etichette generiche come “fatturazione” per individuare il problema, la causa, la fase del percorso, il risultato e lo sforzo richiesto al cliente con un livello di dettaglio utile.
• Raccogliere i canali e i dati pertinenti. Integrare le informazioni relative alle interazioni con i dati operativi, relativi al percorso del cliente e ai risultati, ove opportuno, evitando al contempo di trarre conclusioni non fondate in merito alle relazioni di causalità.
• Verificare rispetto a eventi noti. Verificare se l'analisi rileva incidenti, campagne o modifiche ai servizi già noti ed esaminare manualmente alcune conversazioni rappresentative prima di fare affidamento sui risultati.
• Segui le tendenze, non le singole istantanee. Monitorare i temi, i volumi, il sentiment e i risultati nel tempo, utilizzando valori di riferimento e soglie adeguati per distinguere i cambiamenti significativi dalle normali variazioni.
• Creare una responsabilità trasversale. Inoltrare i risultati dell’analisi ai team in grado di risolvere le cause alla radice, concordare le azioni e le scadenze e verificare se le modifiche riducono lo sforzo richiesto ai clienti e la richiesta di assistenza.
• Includere percorsi cliente diversificati. Verificate le prestazioni su tutti i canali, i prodotti, le lingue e i gruppi di clienti, in modo che i tipi di interazione più frequenti non nascondano problemi importanti.
• Applicare rigorosi controlli in materia di privacy e sicurezza. Ridurre al minimo i dati personali, limitare l'accesso e la conservazione degli stessi e, ove opportuno, rendere le informazioni anonime o pseudonimizzate.

Analisi dell'esperienza dei dipendenti (Voice of the Employee, VoE)

L'analisi dei dati relativi ai dipendenti, basata sull'intelligenza artificiale, analizza i feedback strutturati e i commenti in formato testo libero, come i dati dei sondaggi, per individuare i temi ricorrenti nell'esperienza lavorativa dei dipendenti dei contact center. Per un'analisi più ampia dei dipendenti, questi dati possono essere combinati con informazioni operative separate.

Principali vantaggi dell'analisi dell'esperienza dei dipendenti:

• Comprendere in modo più approfondito le esigenze dei dipendenti individuando le preoccupazioni ricorrenti, gli ostacoli e le idee di miglioramento che vanno al di là dei punteggi complessivi emersi dal sondaggio.
• Individuare le cause operative della frustrazione collegando il feedback al carico di lavoro, alle scadenze, ai processi, alle lacune nelle conoscenze e alle problematiche tecnologiche.
• Migliorare gli obiettivi in modo più efficace mostrando quali temi influenzano determinati ruoli, team o fasi del percorso del dipendente.
• Rafforzare il coinvolgimento e la fidelizzazione rispondendo alle preoccupazioni concrete e dimostrando in che modo il contributo dei dipendenti influisca sulle decisioni.
• Migliorare i risultati per i clienti affrontando le questioni relative agli strumenti, ai processi e al supporto che rendono più difficile per i dipendenti servire i clienti.
• Misurare l'impatto del cambiamento monitorando il feedback dei dipendenti e gli indicatori operativi prima e dopo le iniziative di miglioramento.

Migliori pratiche per ottenere risultati positivi con l'analisi dell'esperienza dei dipendenti:

• Definire una finalità chiara e proporzionata. Spiegare quali dati verranno analizzati, perché sono necessari e quali decisioni consentiranno di prendere; evitare di raccogliere informazioni semplicemente perché sono disponibili.
• Siate trasparenti con i dipendenti. Prima di iniziare la raccolta dei dati, illustrare in un linguaggio semplice le fonti, i metodi, le misure di sicurezza e i limiti dell'analisi.
• Garantire la riservatezza e la sicurezza psicologica. Aggregare i risultati, limitare l'accesso, applicare soglie minime di segnalazione ed evitare risultati che potrebbero compromettere la riservatezza dei singoli dipendenti.
• Non utilizzare il sentiment come indicatore delle prestazioni individuali. Considerate l’interpretazione automatizzata come un indicatore che fornisce informazioni sull’organizzazione, non come un giudizio definitivo sull’atteggiamento, il benessere o le capacità di una persona.
• Coinvolgere i dipendenti nella progettazione. Coinvolgere i rappresentanti e i gruppi di dipendenti nella scelta delle domande, nell’interpretazione dei temi e nella verifica che i risultati riflettano la loro esperienza.
• Combina le informazioni con attenzione. Utilizzare i dati relativi ai dipendenti, ai clienti e alle operazioni per individuare eventuali modelli, tenendo conto del contesto ed evitando di dare per scontato che la correlazione implichi una relazione di causalità.
• Trasformare i risultati in azioni concrete e responsabili. Assegnare i responsabili, le scadenze e gli indicatori di successo, quindi riferire in merito alle modifiche apportate e alle questioni ancora irrisolte.
• Monitorare la partecipazione e la qualità dei dati. Verificare se i riscontri siano rappresentativi della forza lavoro e se bassi tassi di risposta, barriere linguistiche o difficoltà di accesso ai canali possano influenzare le conclusioni.

L'importanza di integrare l'intelligenza artificiale in tutto il contact center

Per ottenere i migliori risultati, è consigliabile utilizzare i cinque casi d’uso descritti in questo articolo come parti integranti di una strategia di intelligenza artificiale coordinata, piuttosto che come strumenti isolati. La condivisione di conoscenze, dati e integrazioni consente il flusso di informazioni tra i servizi self-service, l’assistenza degli agenti, la gestione della qualità e l’analisi dei dati, creando un’esperienza più coerente e riducendo la duplicazione degli sforzi.

Ciò richiede basi comuni: una chiara attribuzione delle responsabilità relative al programma, conoscenze e dati gestiti in modo controllato, un’integrazione sicura, una comunicazione trasparente, un controllo umano e indicatori di successo condivisi. Una tabella di marcia articolata in fasi può quindi dare priorità alle opportunità a basso rischio e ad alto valore, garantendo al contempo che ogni implementazione rafforzi le capacità successive.

Integrando l’intelligenza artificiale in tutto il contact center, le organizzazioni possono migliorare la qualità del servizio, l’efficienza operativa, il processo decisionale e il supporto ai dipendenti, estendendo al contempo l’automazione in modo responsabile.

Enghouse Interactive: A sostegno dei contact center nel loro percorso verso l'intelligenza artificiale

Enghouse Interactive aiuta i contact center a trasformare l'intelligenza artificiale in miglioramenti misurabili in termini di esperienza del cliente, supporto agli operatori, qualità e processo decisionale. Attingendo a una profonda esperienza nel settore dei contact center, l'intelligenza artificiale di Enghouse Interactive si concentra sulle sfide aziendali concrete e aiuta le organizzazioni a dare priorità ai casi d'uso che hanno maggiori probabilità di generare valore.

Sei pronto a individuare la prossima mossa più vantaggiosa per l'IA nel tuo contact center?

A prescindere dalla fase in cui ti trovi nel tuo percorso, Enghouse può aiutarti a valutare e dare priorità ai casi d’uso dell’IA che hanno maggiori probabilità di migliorare i risultati per i clienti, gli agenti e l’azienda.

Prenota una sessione sulla roadmap dell'IA

Sull'autore

Steve Nattress Vicepresidente della gestione dei prodotti
Enghouse Interactive
LinkedIn

Il percorso professionale unico di Steve nel campo dell’assistenza clienti e dello sviluppo dell’intelligenza artificiale lo rende la figura ideale per guidare l’innovazione di prodotto e nel campo dell’IA presso Enghouse. Steve è un leader creativo e strategico, appassionato del potenziale dell’IA nel trasformare l’esperienza del cliente, pur rimanendo profondamente consapevole della necessità fondamentale di pratiche di settore sicure e trasparenti.

Riferimenti

1. Valore: Lo stato dell'arte dell'intelligenza artificiale nell'esperienza del cliente