Generatiivinen tekoäly on jo vakiintunut useimmille CC/CX-alustoille. Ääni- ja chatboteista agenttien avustustoimintoihin ja automatisoituihin keskusteluyhteenvetoihin – tekoäly on nyt syvälle juurtunut päivittäisiin toimintoihin. Erityisesti äänialalla suuret kielimallit (LLM) nopeuttavat kehitystä simuloimalla testikyselyitä, arvioimalla vuoropuheluja ja johtamalla optimointeja näistä havainnoista.
Samalla nykyaikaisissa monikanavaisissa ympäristöissä käytännössä kaikki asiakaskontaktit – sekä puhelimitse että digitaalisesti – tallennetaan ja säilytetään asiakaspalvelukeskuksen tietokannassa. Kehittyneet analyysimoduulit analysoivat näitä tietoja laajamittaisesti GenAI:n avulla ja tuottavat selkeitä näkemyksiä johtajille ja esimiehille. Valitukset, palvelun laatuun liittyvät ongelmat, tuoteviat tai lisämyyntimahdollisuudet esitetään jäsenneltyinä trendeinä, hälytyksinä ja priorisoituina toimina.
Nykypäivän todellisuus on kuitenkin edelleen usein pirstaloitunut. Tekoälymoduulit tuottavat oivalluksia, mutta niiden muuntaminen päivitetyiksi puhelun kulkuiksi, reitityslogiikaksi tai botin kehotteiksi vaatii yleensä manuaalista puuttumista. Ihmisen osallistuminen prosessiin on edelleen normi.
Uskomme, että tämä manuaalinen vaihe korvataan pian CCaaS-alustojen todellisella päästä päähän -automaatiolla – all-in-one-ominaisuudella, joka yhdistää analyysin, automaation ja käyttöönoton suljetussa järjestelmässä.
Miksi päästä päähän -tekoäly on nyt realistista
Skaalautuvat tietopohjat
Kaikki vuorovaikutukset – puhe, chat, sähköposti ja sosiaalinen media – transkriptoidaan ja analysoidaan nyt rutiininomaisesti. Tämä luo perustan vankille tekoälymalleille ja jatkuvalle oppimiselle.
Kypsä generatiivinen tekoäly
LLM-mallit pystyvät luotettavasti tuottamaan keskusteluyhteenvedot, poimimaan aikomukset ja entiteetit sekä ehdottamaan seuraavia parhaita toimia – sekä reaaliajassa että vuorovaikutuksen jälkeen.
Integroitu orkestrointi
Johtavat alustat yhdistävät keskustelevan tekoälyn, reitityksen, työvoiman sitoutumisen hallinnan (WEM/QM) ja tietojärjestelmät yhtenäiseen arkkitehtuuriin. Tämä mahdollistaa tiedon siirtämisen suoraan automaatioon ja botin dialogin suunnitteluun.
Hallinto ja sääntöjen noudattaminen
Nykyaikaisissa järjestelmissä on sisäänrakennetut suojatoiminnot, kuten henkilötietojen peittäminen, käytäntöjen noudattamisen valvonta ja tarkastusketjut. Ihmisen osallistuminen prosessiin voi siten jäädä valikoivasti voimaan silloin, kun sääntelyvaatimukset sitä edellyttävät, eikä se ole yleinen suojatoimi.
Nykyinen markkinatilanne
On olemassa lukuisia CCaaS-alustoja, jotka tarjoavat GenAI-ominaisuuksia. Seuraavat kolme toimittajaa ovat esimerkkejä nykyisistä johtajista kokonaisvaltaisessa automaatiossa. Tämä on edustava valikoima, ei kattava luettelo.
Cisco Webex Contact Center (AI Assistant)
Tarjoaa automaattisen puhelunsiirron ja katkenneiden puhelujen yhteenvedot, aiheanalyysit, Auto-CSAT-toiminnon ja reaaliaikaisen transkription, jotka on integroitu sekä Agent Desktop- että Supervisor Workspace -työpöytiin.
Genesys Cloud CX
Tarjoaa generatiivista tekoälyä automaattisiin yhteenvetoihin, agenttien apulais- ja avustustoimintoihin, ennustavaan reititykseen ja virtuaalisiin agenteihin sekä aikomusten ja aiheiden louhintaan ja tunteiden tai empatian tunnistamiseen.
NICE CXone (Enlighten AI)
Tarjoaa vuorovaikutusanalyysin kaikista yhteydenotoista, mukaan lukien mielipiteiden, aikomusten ja tulosten tunnistaminen. Se tarjoaa myös generatiivisia automaattisia yhteenvetoja reaaliajassa ja puhelun jälkeen sekä automatisoidun laadun arvioinnin ja CSAT-arvioinnin.
Kohdeskenaarion tekninen suunnitelma
- Täydellinen tallennu
Kaikki yhteydenotot tallennetaan. Jokaisessa vuorovaikutuksessa mitataan esimerkiksi mielipiteitä, hiljaisuuden osuutta, eskalointia ja tuloksia. - Kaivostoiminta ja klusterointi
LLM- ja NLU-mallit klusteroivat puhelun syyt, poimivat aikomukset ja entiteetit sekä erottelevat onnistuneet ja epäonnistuneet asiakaskokemukset, mukaan lukien arvioidun vaikutuksen mittareihin, kuten AHT tai CSAT. - PromptOps ja perust
Järjestelmä- ja työkalukehotteet luodaan ja versioidaan automaattisesti, mukaan lukien tietopohja KB:n, CRM:n ja API-integraatioiden kautta sekä PII-tietojen redaktio. - Virtauksen synteesi (luonnosvaihe)
Chat- ja äänidialogit luodaan deklaratiivisina artefakteina, kuten YAML tai JSON, mukaan lukien intentit, slotit, eskalointipolut, SSML ja barge-in-ominaisuudet. - Simulointi ja turvallisuustarkastukset
Automatisoitujen keskustelusimulaatioiden avulla testataan murteita, aksentteja, taustamelua ja katkoja. Suoritetaan punaisen tiimin kehotteita ja vaatimustenmukaisuustarkastuksia. Epäonnistuneet skenaariot käynnistävät automaattisen hienosäätön. - Esimiehen tarkastus
Ihmisen suorittama tarkastus valikoivasti tarkastaa riskialttiit muutokset hyväksymiskokpitin avulla, jossa on delta-vertailut, KPI-ennusteet ja riskipisteytys. - Vaiheittainen käyttöönotto ja A/B-testaus
Canary-liikenteen käyttöönotto alkaa pienellä prosenttiosuudella reaaliaikaisesta liikenteestä. Turvatoimet, kuten turhautumisen havaitseminen, käynnistävät tarvittaessa eskalointiprosessin. Telemetria valvoo KPI-mittareita, ja onnistuneet variantit otetaan käyttöön automaattisesti.
Esimerkki: Pankin asiakaspalvelukeskus suljettuna kiertona
Pankki käyttää puhe- ja chat-palveluita asiakaspalvelun kanavina. Kaikki keskustelut tallennetaan ja analysoidaan LLM-putken kautta. Asiakaspalvelukeskuksen käyttöliittymässä oleva analyysipaneeli ryhmittelee toistuvat aiheet ja korostaa ongelmakohtia, kuten puutteellinen todennus, epäonnistuneet TAN-prosessit, pitkät odotusaajat ja menetetyt ristiinmyynti- tai lisämyyntimahdollisuudet.
Alusta suunnittelee automaattisesti chat- ja äänibottien kehotteet ja vuoropuhelun kulun, mukaan lukien API-integraatiot, kuten saldotiedustelut, kortin luottorajan muutokset tai osoitteenmuutokset.
Sisäinen simulointi- ja arviointitoiminto testaa luonnoksia synteettisten käyttäjien avulla, jotka edustavat erilaisia murteita, taustamelua ja yhteyskatkoksia. Riskiprofiili luodaan. Valvojat tarkistavat valitut muutokset ennen hyväksymistä.
Vaiheittainen käyttöönotto alkaa viidellä prosentilla reaaliaikaisesta liikenteestä. KPI-mittareita, kuten AHT, FCR, CSAT ja keskeyttämisasteita, verrataan reaaliajassa. Onnistuneet kokoonpanot laajennetaan automaattisesti. Tämä luo jatkuvan optimointisyklin – oivalluksesta toteutukseen ja mittaamiseen.
Vaikutukset CC-palveluntarjoajiin ja operaattoreihin
in edut
Erillisten bot-järjestelmien ja asiakaspalvelukeskusten alustojen välisten integraatiokerrosten poistaminen lyhentää merkittävästi vaikutusten näkyvyyteen kuluvaa aikaa. Tiedot siirtyvät suoraan bot-virtoihin ja reitityslogiikkaan ilman fragmentaatiota. Integroidut ominaisuudet ovat usein kustannustehokkaampia lisensointi- ja käyttökustannusten kannalta ja yksinkertaistavat tietoturvaa ja vaatimustenmukaisuutta keskitetyn käytäntöjen noudattamisen valvonnan ja yhdenmukaisen lokituksen avulla.
Haaste
All-in-one-ratkaisut voivat vaikuttaa vähemmän monipuolisilta kuin alan parhaat ratkaisut, tai niiden uusien versioiden käyttöönotto voi olla hitaampaa. Myös riippuvuus toimittajien ekosysteemistä kasvaa.
Käytännöllinen strategia on siis hybridi. Ydintoiminnot pysyvät alustan integroituna, kun taas erittäin erikoistuneet toiminnot on liitetty modulaarisesti ja niitä tukevat selkeästi määritellyt data- ja hallintarajapinnat.
Päätelmä
CCaaS-alustojen seuraava kehitysvaihe siirtyy erillisistä tekoälymoduuleista kohti täysin suljettuja päästä päähän -työnkulkuja. Keskustelut analysoidaan kattavasti, botit ja prosessiluonnokset luodaan automaattisesti, ja kohdennetun esimiehen vahvistuksen jälkeen muutokset otetaan käyttöön hallitusti.
Palvelukeskusten tarjoajille tämä tarkoittaa huomattavasti nopeampaa reagointia asiakkaiden dialogiin liittyviin ongelmiin ja mahdollisuuksiin sekä suurempaa johdonmukaisuutta, sääntöjen noudattamista ja mitattavuutta.
CCaaS:n kokonaisvaltainen tekoäly ei ole enää pelkkää teoriaa. Rakennuspalikat ovat jo paikoillaan. Jäljellä on vain koordinointi.