Projekteissani näen yhä uudelleen, kuinka paljon odotukset voiceboteja kohtaan ovat kasvaneet. Monet organisaatiot lähtevät mukaan odotuksenaan, että muutamassa viikossa voidaan rakentaa täysin toimiva tekoälypohjainen palvelu. Todellisuus on kuitenkin toinen. Voicebotit pystyvät nykyään paljon, mutta ne tarvitsevat vankan perustan, selkeät tavoitteet ja organisaatiot, jotka ovat valmiita investoimaan hieman enemmän energiaa alkuvaiheessa.
16. asiakaspalveluviikon osana järjestämässäni webinaarissa (vain saksaksi) esittelin kaksi projektia, jotka osoittavat hyvin, mitä on mahdollista tehdä ja mitä sudenkuoppia on syytä varoa. Molemmat käyttötapaukset ovat peräisin julkiselta sektorilta, ja molemmilla oli sama tavoite: helpottaa palvelukeskuksen työtä ja automatisoida vakiokyselyt. Siitä huolimatta projektit sujuivat hyvin eri tavalla.
Äänibotti ensimmäisenä yhteyspisteenä: mikä toimii hyvin ja mikä ei
Ensimmäisessä projektissa haasteena oli erittäin suuri puheluiden määrä. Henkilökunta joutui jatkuvasti keskeyttämään työnsä palvellakseen kansalaisia paikan päällä. Tavoitteena oli vähentää työmäärää vähintään 50 %.
Viranomainen päätti siksi ohjata kaikki julkiset puhelut äänibottiin. Vain jos botti ei pystynyt ratkaisemaan kyselyä, soittaja saattoi jättää takaisinsoittopyynnön. Nämä takaisinsoittopyynnöt lähetettiin sähköpostina, jossa oli yhteenveto ja yksityiskohtainen transkriptio, viranomaisen henkilöstön postilaatikkoon, jotta he voisivat käsitellä ne, kun aikaa oli.
Lähestymistapa kuulosti aluksi yksinkertaiselta. Ajatuksena oli ottaa verkkosivuston olemassa olevat FAQ-tekstit ja käyttää niitä botin rakentamiseen. Aloitimme siis klassisella NLU-botilla (Natural Language Understanding). Asiakas ei halunnut ottaa riskiä hallusinaatioista ja vaati tiukasti määriteltyä asiakaskokemusta.
Mutta juuri tässä vaiheessa huomasimme, kuinka haastava aihe oikeastaan on. Verkkosivuston sisältöä ei ole kirjoitettu ääniboteille. Se kasvaa usein ajan myötä, ja sisältö voi olla päällekkäistä tai epätarkkaa. Botti tarvitsee kuitenkin selkeää, yksiselitteistä ja hyvin jäsenneltyä tietoa. Dialogit tuntuivat jäykiltä eivätkä olisi tyydyttäneet soittajia.
Siirtyminen LLM-bottiin (Large Language Model, LLM) oli todellinen käännekohta. Innostus oli suuri: ihmisen kaltaiset vuoropuhelut, empatia, erilaiset sanamuodot. Botti sanoi esimerkiksi ”Voi, kuulostaa ihanalta” tai ”Ikävä kuulla”. Botti pystyi vastaamaan samaan kysymykseen eri tavoin ja reagoi inhimillisemmin poikkeamatta määritellyistä ohjeista.
Mitattavat tulokset
Tulos oli selvästi mitattavissa. Vain noin 20 % alkuperäisistä puheluista päätyi takaisinsoittoihin henkilökunnalle. Suurin osa tapauksista ratkaistiin siististi botin avulla. Erittäin mukava sivuvaikutus: toistuvat soittajat katosivat, koska botilla ei ole "varattu"-signaalia. Työntekijöillä on nyt paljon enemmän aikaa paikalla oleville kansalaisille. Tämä oli juuri se helpotus, jota asiakas oli toivonut.
Botti katkaisee puhelun 15 prosentilla soittajista, useimmiten onnistuneiden keskustelujen jälkeen. 30–40 prosenttia soittajista katkaisee puhelun itse. Tässä tapauksessa meidän piti tarkastella keskustelujen transkriptioita arvioidaksemme, oliko tämä hyvä vai huono asia.
Mitä opimme tästä projektista
Henkilöstöresurssit
Voit saavuttaa nopeita voittoja, mutta mikään voicebot-projekti ei toimi ilman asiakkaan aktiivista osallistumista. Tähän sisältyy tietokannan ylläpito, sanaston luominen, testaus, puhtaan ääntämissanakirjan kokoaminen tekstistä puheeksi -toiminnolle ja sisällön tarkistaminen. Aihealueen asiantuntijan lisäksi tarvitaan teknistä tukea, joka huolehtii sovellusliittymistä ja hallitsee JavaScript- tai XML-skriptien kirjoittamisen. Tarvitaan myös testausresursseja. Tämän kokoluokan projektissa tarvitaan vähintään kaksi, mieluiten kolme asiakaspuolella toimivaa yhteyshenkilöä.
LLM-tieto
Toinen tärkeä seikka on LLM:n sisäänrakennettu yleinen tietämys. Malli tuo aina mukanaan oman taustatietonsa. Sitä on aktiivisesti rajoitettava, jotta se pysyy annetun sisällön rajoissa. Tämä toimii hyvin, mutta ei sataprosenttisesti. Sinun on testattava, korjattava ja säädettävä aina tarvittaessa.
Luonnollisuus
Kun kansalainen esittää kysymyksen, botti "ajattelee" – puhe tekstiksi, teksti LLM:ssä, teksti puheeksi. Nämä tauot on täytettävä. Kirjoitusäänet, pienet epäröinnin merkit, äänenvoimakkuuden vaihtelut. Taustamelun vaihtelut auttavat tekemään vuoropuhelusta luonnollisen tuntuisen.
Häirikkö
Useimmat bot-palveluntarjoajat pystyvät nykyään myös niin sanottuun barge-in-toimintoon, eli keskustelun keskeyttämiseen. Botin on hyväksyttävä, että se keskeytyy. Esimerkiksi jos soittaja on jo saanut tarvitsemansa tiedot, hänen ei pitäisi joutua odottamaan botin skriptin loppuun asti. Haittapuolena on, että myös taustamelua voidaan tulkita keskeytykseksi, esimerkiksi juna-asemalla. Herkkyysasetukset voivat ratkaista tämän ongelman.
Toinen esimerkki: Kun puhelunsiirto on osa prosessia
Toinen projekti koski myös usein kysyttyjä kysymyksiä, mutta vaatimukset olivat erilaiset. Botin oli tarkoitus vastata kyselyihin ja keventää palvelukeskuksen työmäärää – tavoite oli myös 50 %. Aukioloaikoina puhelut oli kuitenkin tarvittaessa siirrettävä backend- tai kontaktikeskuksen henkilökunnalle. Takaisinkutsutoimintoa ei ollut. Lisäksi olemassa oleva Avaya-järjestelmä oli integroitava botista työntekijälle tapahtuvan siirron osalta.
Tekninen integraatio
Tekninen integraatio oli keskeinen tekijä. Puhelu saapuu puhelinkeskukseen, ohjataan äänibottiin ja palautetaan tarvittaessa työntekijälle. Reititystunniste on annettava ja palautettava käyttäjältä käyttäjälle -tiedon tai SIP-otsikon manipuloinnin kautta. Tämä varmistaa, että puhelu näkyy oikein historiaraportissa.
Integroimme myös Parloan puhelutietopalvelun. Puhelun yhteenveto näkyy Avayan käyttöliittymässä ennen kuin työntekijä vastaa puheluun. Näin asiakaspalvelijat voivat etukäteen nähdä, mistä puhelussa on kyse.
Tulokset
Jälleen kerran tilanne oli sama kuin alussa: asiakas halusi tuoda verkkosivuston usein kysytyt kysymykset. Ja jälleen kerran tämä ei onnistunut. Sisältö piti tarkistaa manuaalisesti.
50 %:n edelleenlähetysaste saavutettiin – osittainen menestys. Ihannetapauksessa edelleenlähetystä ei tarvittaisi, mutta loput 50 % automatisoitiin onnistuneesti.
Botilla oli 10 %:n katkaisuprosentti – menestys transkriptioiden tarkastelun jälkeen. Asiakkailla oli 40 %:n katkaisuprosentti – tätä on tarkasteltava tarkemmin. Onko se menestys vai ei? Transkriptiot on tarkistettava uudelleen ja keskustelut on tarkasteltava. Yksi vaihtoehto on suorittaa tyytyväisyyskysely botin keskustelun lopussa.
Toisesta projektista saadut kokemukset
Tarvittava aika
Projektin kesto oli 3 kuukautta. Se sujui hyvin. Suunnittelu, konfigurointi ja tekniset testit veivät meiltä noin 20 henkilötyöpäivää.
Henkilöstöresurssit
Meillä oli täällä liian vähän asiakaspalveluhenkilöstöä. Tämä aiheutti meille ylimääräistä työtä, jota ei ollut suunniteltu.
Opt-in
Molemmille boteille tärkeä seikka. Kansalaisen on annettava suostumus nauhoitukseen. Botti nauhoittaa aina kaiken – täydelliset transkriptiot ovat aina saatavilla riippumatta siitä, poistetaanko ne 7 vai 30 päivän kuluttua.
Opt-in-vaihtoehto on pyydettävä erikseen. Kansalaisilla tulisi olla myös mahdollisuus sanoa: "Ei, en halua jatkaa tästä." Tai he voivat jatkaa – ja, kuten ensimmäisessä tapauksessa näimme – pyytää takaisinsoittoa ja antaa vain vähimmäistiedot itsestään.
Tässä tapauksessa voi olla järkevää aloittaa NLU:lla, eli strukturoidulla lähestymistavalla, ja jatkaa sitten LLM-Agentic-lähestymistavalla, jotta opt-in käsitellään oikein. Täydellisellä LLM-aloituksella tämä vaihe voidaan tahattomasti ohittaa.
Mitä olemme oppineet molemmista projekteista
Äänibotit ovat nykyään tehokkaita. Ne eivät kuitenkaan ole plug-and-play-tuotteita. Menestyäksesi sinun on otettava kolme asiaa vakavasti.
Ensinnäkin: sisältö. Botin laatu riippuu siitä, kuinka hyvä tietopohja sille annetaan. Verkkosivujen tekstejä ei voi lähes koskaan käyttää sellaisenaan. Ne on tarkistettava ja jäsenneltävä.
Toiseksi: resurssit. Ilman asiakaspuolen asiantuntijoita, jotka testaavat, korjaavat ja ylläpitävät sisältöä, projekti hidastuu ja vaikeutuu.
Kolmanneksi: odotusten hallinta. Lähes aina on vaihe, jossa laatu ei vielä ole riittävää. Jos jatkat parantamista, laatu nousee nopeasti. Molemmissa projekteissa saavutimme lopulta korkeat onnistumisprosentit ja tyytyväiset soittajat.
Päätelmä
Voicebotit ovat todellinen helpotus, kun ne on asetettu oikein. Teknologia on kypsää, mutta se vaatii huolellista käyttöönottoa. Jos sisältö, testaus ja yhteistyö hoidetaan hyvin, pääset pisteeseen, jossa suurin osa kyselyistä on automatisoitu ja tiimeillä on enemmän aikaa tapauksille, jotka todella vaativat ihmisen huomiota.
