Jakie technologie sztucznej inteligencji stanowią podstawę tych nowych wskaźników efektywności centrów obsługi klienta? 

Wskaźniki KPI od zawsze należą do najważniejszych narzędzi zarządzania w centrum obsługi klienta. Pomagają one organizacjom oceniać jakość obsługi, optymalizować procesy oraz podejmować świadome decyzje dotyczące funkcjonowania i ciągłego rozwoju obsługi klienta. 

Z pewnością znają Państwo takie wskaźniki, jak wskaźnik rozwiązań przy pierwszym kontakcie (FCR), średni czas obsługi (AHT) oraz wskaźnik zadowolenia klientów (CSAT). 

Jednak wraz z coraz większym wykorzystaniem sztucznej inteligencji w obsłudze klienta zmienia się sposób rozpatrywania zapytań klientów. Chociaż wskaźnik „rozwiązania problemu przy pierwszym kontakcie” (First Contact Resolution) pozostaje jednym z najważniejszych wskaźników wydajności, średni czas obsługi (Average Handle Time) stopniowo traci na znaczeniu. Gdy agenci oparci na sztucznej inteligencji generują podsumowania rozmów, dostarczają informacje w czasie rzeczywistym lub w pełni automatyzują rutynowe zapytania, czas trwania rozmowy w coraz mniejszym stopniu odzwierciedla rzeczywistą jakość obsługi. 

Zamiast tego pojawiły się nowe wskaźniki, które zostały opracowane specjalnie w celu pomiaru skuteczności zastosowań sztucznej inteligencji w obsłudze klienta. Organizacje, które już wykorzystują sztuczną inteligencję w centrach obsługi klienta lub planują to zrobić, powinny zapoznać się z tymi kluczowymi wskaźnikami efektywności (KPI) oraz zrozumieć, w jaki sposób przyczyniają się one do osiągania wyników biznesowych. 

Do najważniejszych należą: 

• Wskaźnik skuteczności AI
  Ile zapytań klientów jest w całości rozpatrywanych przez sztuczną inteligencję? 

• Wskaźnik wdrażania narzędzi wspomagających agentów
  Jak często agenci faktycznie korzystają z dostępnych im narzędzi opartych na sztucznej inteligencji? 

• Wskaźnik akceptacji AI
  Jak często agenci stosują się do zaleceń i sugestii przedstawianych przez sztuczną inteligencję? 

• Ograniczenie pracy po zakończeniu wizyty
  W jakim stopniu sztuczna inteligencja zmniejsza nakład pracy związany z dokumentacją i czynnościami administracyjnymi po zakończeniu rozmowy? 

Wskaźniki KPI nie tylko pokazują wartość sztucznej inteligencji. Dostarczają one również ważnych informacji na temat tego, czy rozwiązania oparte na sztucznej inteligencji są akceptowane zarówno przez klientów, jak i pracowników, oraz w jakim stopniu przyczyniają się one do zwiększenia wydajności i poprawy jakości usług. 

Poniższa tabela zawiera uporządkowany przegląd wskaźników KPI, które można obecnie wykorzystać do oceny skuteczności sztucznej inteligencji w centrum obsługi klienta. Wyjaśnia ona nie tylko, co mierzy każdy z tych wskaźników, ale także w jaki sposób można je wykorzystać do poprawy jakości obsługi i wydajności operacyjnej. 

 

KPI	Wskaźnik powstrzymania AI	Wskaźnik wdrażania Agent Assist	Wskaźnik akceptacji AI	Redukcja pracy po zakończeniu rozmowy (ACWR)
Co się mierzy?	Odsetek zapytań klientów rozpatrzonych w całości przez sztuczną inteligencję bez udziału konsultanta.	Odsetek interakcji, w których konsultanci aktywnie korzystają z pomocy sztucznej inteligencji.	Odsetek rekomendacji generowanych przez sztuczną inteligencję, które agenci faktycznie akceptują i wykorzystują.	Skrócenie czasu poświęcanego na dokumentację, działania następcze oraz aktualizację systemu CRM po kontaktach z klientami.
Jakie wnioski można z tego wyciągnąć?	Pokazuje, jak skutecznie działają rozwiązania samoobsługowe i automatyzacyjne. Rosnące wskaźniki świadczą o skutecznej automatyzacji. Spadające wskaźniki mogą wskazywać na luki w wiedzy, problemy z procesami lub niską akceptację ze strony klientów.	Mierzy stopień wdrożenia i wykorzystania narzędzi opartych na sztucznej inteligencji w codziennej działalności. Niskie wskaźniki często wskazują na potrzebę szkoleń, słabą użyteczność lub ograniczoną postrzeganą wartość.	Wskazuje, czy agenci ufają rekomendacjom generowanym przez sztuczną inteligencję. Wysoki wskaźnik akceptacji sugeruje, że wskazówki są trafne i wysokiej jakości. Spadające wskaźniki są często wczesnym sygnałem ostrzegawczym wskazującym na problemy z jakością.	Pokazuje bezpośredni wzrost wydajności wynikający z zastosowania sztucznej inteligencji. Często stanowi najbardziej wyraźny dowód zwrotu z inwestycji w sztuczną inteligencję w centrum obsługi klienta.
Zalecana częstotliwość monitorowania	Co tydzieńlub codziennie w środowiskach o dużym natężeniu ruchu. Segmentuj również według tematu, kanału i przypadku użycia.	Co miesiąc oraz po większych wdrożeniach lub aktualizacjach funkcji.	Co tydzień. W przypadku procesów krytycznych zaleca się ciągłe monitorowanie.	Codziennie lub co tydzień, najlepiej w połączeniu z wskaźnikami KPI dotyczącymi jakości.
Czynniki poprawy	Rozszerzać bazę wiedzy, optymalizować przebieg rozmów, integrować procesy zaplecza, szkolić nowe intencje, analizować przyczyny eskalacji.	Zapewnić szkolenia, poprawić łatwość obsługi, głębiej zintegrować sztuczną inteligencję z procesami roboczymi, skuteczniej informować o korzyściach.	Rozbudowywać bazę wiedzy, optymalizować modele, uwzględniać informacje zwrotne od agentów, analizować odrzucone rekomendacje oraz regularnie ponownie szkolić sztuczną inteligencję.	Wykorzystaj automatyczne podsumowania rozmów, zautomatyzuj procesy CRM, zautomatyzuj tworzenie zgłoszeń oraz wdroż funkcje wsparcia agentów.
Typowe korzyści biznesowe	Obniżenie kosztów dzięki automatyzacji	Lepsze wykorzystanie inwestycji w sztuczną inteligencję	Wzrost zaufania do sztucznej inteligencji i poprawa jakości usług	Wyższa wydajność i szybszy zwrot z inwestycji

 

Jakie technologie sztucznej inteligencji stanowią podstawę tych nowych wskaźników efektywności centrów obsługi klienta? 

Omówione powyżej wskaźniki KPI można mierzyć i na nie wpływać jedynie wtedy, gdy wdrożono odpowiednie technologie sztucznej inteligencji. Nowoczesne centra obsługi klienta opierają się na znacznie więcej niż tylko tradycyjnych chatbotach. Obecnie sztuczna inteligencja wspiera całą ścieżkę klienta, a także środowisko pracy konsultanta dzięki szerokiej gamie inteligentnych aplikacji. 

Do najpopularniejszych technologii należą między innymi: 

• Sztuczna inteligencja do prowadzenia rozmów 

Sztuczna inteligencja konwersacyjna umożliwia zautomatyzowaną obsługę klientów za pośrednictwem kanałów głosowych i tekstowych. Przykłady obejmują chatboty na stronach internetowych, wirtualnych asystentów w komunikatorach oraz boty głosowe wykorzystywane w systemach telefonicznych. Dzięki technologii rozumienia języka naturalnego (NLU) systemy te potrafią rozpoznać intencje klienta, udzielać informacji, a w wielu przypadkach realizować całe procesy bez udziału człowieka. 

Technologie te stanowią podstawę dla wskaźników takich jak wskaźnik ograniczenia sztucznej inteligencji. 

• Pomoc agenta 

Rozwiązania Agent Assist wspierają przedstawicieli obsługi klienta podczas bezpośrednich interakcji z klientami. Sztuczna inteligencja analizuje rozmowy w czasie rzeczywistym i dostarcza odpowiednie artykuły z bazy wiedzy, sugerowane odpowiedzi, zalecane dalsze działania oraz wskazówki dotyczące procedur. Dzięki temu agenci mogą szybciej reagować, zapewniać bardziej spójną obsługę oraz uzyskiwać dostęp do odpowiednich informacji przy mniejszym wysiłku. 

Wskaźniki takie jak wskaźnik wykorzystania wsparcia agentów (Agent Assist Adoption Rate) oraz wskaźnik akceptacji sztucznej inteligencji (AI Acceptance Rate) służą do oceny skuteczności tych rozwiązań. 

• Generatywna sztuczna inteligencja 

Generatywna sztuczna inteligencja potrafi tworzyć, streszczać i porządkować treści. W centrum obsługi klienta jest ona powszechnie wykorzystywana do automatycznego generowania notatek z rozmów, podsumowań rozmów, szkiców wiadomości e-mail oraz wpisów w systemie CRM. 

Technologia ta pozwala na znaczny wzrost wydajności czynności wykonywanych po zakończeniu rozmowy i ma bezpośredni wpływ na wskaźniki, takie jak redukcja pracy po zakończeniu rozmowy (ACW). 

• Analiza mowy i inteligencja konwersacyjna 

Technologie te automatycznie analizują rozmowy i przekształcają interakcje głosowe w uporządkowane dane. Potrafią one identyfikować tematy, nastroje, eskalacje, naruszenia zgodności oraz inne kluczowe wskaźniki, dostarczając cennych informacji na temat jakości interakcji z klientami. 

Często stanowią one również podstawę danych dla funkcji wspomagania agentów oraz automatycznych podsumowań rozmów. 

• Systemy zarządzania wiedzą i wyszukiwania informacji 

Aby zapewnić wiarygodne odpowiedzi, sztuczna inteligencja wymaga dostępu do dokładnych i aktualnych informacji. Nowoczesne platformy do zarządzania wiedzą centralizują informacje o produktach, dokumentację procesów, zasady i treści z sekcji „Najczęściej zadawane pytania”, gwarantując zarówno klientom, jak i pracownikom dostęp do potrzebnych informacji. 

Jakość tej bazy wiedzy ma bezpośredni wpływ na niemal wszystkie wskaźniki KPI związane ze sztuczną inteligencją. 

• Automatyzacja przepływu pracy i procesów 

Wiele aplikacji opartych na sztucznej inteligencji przynosi największe korzyści wtedy, gdy nie ograniczają się one jedynie do dostarczania informacji, ale są w stanie faktycznie wykonywać zadania. Przykłady obejmują planowanie spotkań, sprawdzanie statusu, resetowanie haseł, wprowadzanie zmian w umowach oraz tworzenie zgłoszeń.  

Dzięki integracji z systemami CRM, ERP i systemami obsługi zgłoszeń sztuczna inteligencja może zautomatyzować całe procesy obsługi i znacznie poprawić efektywność obsługi klienta. 

Wniosek: Jeśli korzystasz ze sztucznej inteligencji, potrzebujesz nowych wskaźników 

Tradycyjne wskaźniki KPI stosowane w centrach obsługi klienta, takie jak FCR, CSAT i poziom obsługi, pozostaną kluczowymi narzędziami służącymi do zarządzania jakością usług i wydajnością operacyjną. Jednak w miarę jak sztuczna inteligencja staje się podstawowym elementem obsługi klienta, same te wskaźniki nie wystarczają już do oceny sukcesu nowoczesnych organizacji usługowych. 

Nowe wskaźniki KPI, takie jak wskaźnik skuteczności sztucznej inteligencji, wskaźnik wykorzystania wsparcia agentów, wskaźnik akceptacji sztucznej inteligencji oraz wskaźnik redukcji pracy po zakończeniu rozmowy, zapewniają przejrzystość niezbędną do pomiaru rzeczywistej wartości biznesowej inicjatyw związanych ze sztuczną inteligencją. Pomagają one organizacjom wykazać zwrot z inwestycji, wcześnie zidentyfikować wyzwania związane z wdrażaniem oraz odkryć możliwości dalszej optymalizacji. 

Dla kierowników centrów obsługi klienta warto zatem krytycznie przyjrzeć się obecnej strukturze wskaźników KPI. Czy już sprawdzacie, czy wasze rozwiązania oparte na sztucznej inteligencji są faktycznie wykorzystywane? Czy wiecie, czy pracownicy ufają rekomendacjom generowanym przez sztuczną inteligencję? Czy potraficie jednoznacznie wykazać wpływ sztucznej inteligencji na wydajność i jakość obsługi? 

Jeśli nie, być może nadszedł czas, aby ponownie przemyśleć strategię pomiaru. W końcu tylko to, co jest mierzone, można ulepszyć, a to jest kluczem do pełnego wykorzystania potencjału sztucznej inteligencji w obsłudze klienta.