Milloin on oikea hetki panostaa tekoälyyn asiakaspalvelussa?

Lukuaika 3 min

Juuri nyt, sanoo alan guru Ashu Roy.

Yli 20 vuotta asiakaspalveluratkaisuja rakentaneen eGainin toimitusjohtaja Ashu Roy kehottaa ottamaan tekoälyn käyttöön ensin pienissä, helpoissa ongelmissa.

“Yhä useampi yritys tuottaa samankaltaisia, massamarkkinoille suunnattuja tuotteita. Siksi asiakaskokemus on usein se osa tuotetta, jolla oikeasti erottaudutaan muista. Tästä syystä palvelun pitäisi olla yhä useamman yrityksen ytimessä, ei laidalla.”

Kova väite, jonka takana seisoo Ashu Roy, digitaalisia asiakaspalveluratkaisuja tarjoavan eGain -yhtiön toimitusjohtaja. Hän kävi puhumassa hiljattain Elisan Digitaalinen asiakaspalvelu 2018 -tilaisuudessa, johon osallistui kymmeniä suomalaisia asiakaspalvelun ammattilaisia.

Tekoälyn kanssa kannattaa aloittaa ei-kriittisistä ongelmista

Royn jo vuonna 1997 perustama eGain on nähnyt koko asiakaspalvelun digitalisaation sisältä käsin. Ensimmäiset tekoälyratkaisut otettiin käyttöön jo vuosituhannen alussa, joten yhtiö on myös koneoppimisen seniori.

Mutta kuinka ottaa käyttöön hieman pelottavalta kuulostava teknologia, jonka uskotaan mullistavan ihan kaiken?

“Kannattaa olla käytännöllinen ja aloittaa jostakin helposta. Esimerkiksi: Etsi asiakaspalveluprosesseista polku, jossa tekoälyn epäonnistuminen ei haittaa eikä aiheuta kohtuutonta vahinkoa kenellekään. Hyvä esimerkki on itsepalvelu: jos tekoäly hoitaa homman kahdeksan kertaa kymmenestä ja epäonnistuu kahdesti, se riittää.”

eGainin toimitusjohtaja korostaa kuitenkin, että noiden kahden epäonnistumisen pitää sujua asiakkaan näkökulmasta sujuvasti. Palvelua hakeva ei saa jäädä mihinkään luuppiin, jossa tekoäly tuputtaa vääriä vaihtoehtoja ja oikeita vastauksia saadakseen täytyy soittaa toiseen numeroon ja aloittaa koko prosessi alusta.

Myös likainen ja sekava data kelpaa nykyiselle keinoälylle

Roylla on selkeä näkemys siitä, miten tekoäly muuttaa asiakaspalvelusta saatavan datan käyttöä.

“Aiemmin datan piti olla paljon puhtaampaa ja rakenteellista, jotta siitä saatiin minkäänlaista hyötyä. Tekoälyn pohdittavaksi voi antaa nykyään paljon suttuisempaa tekstiä.”

Hyvä esimerkki tällaisesta hieman epämääräisestä datasta on keskustelupalsta, jossa samassa ketjussa asiakkaan kysymyksiin vastaavat niin asiakaspalvelijat kuin kokeneemmatkin käyttäjät.

Eräällä eGainin asiakkaalla oli 200 000 tällaista viestiä asiakaspalautepalstalla. Niistä ladattiin sopiva otos yhtiön päättelysoftaan (reasoning engine) ja onnistuttiin luomaan malli, joka ennustaa 85 prosentin tarkkuudella asiakkaan tarvitsemat vastaukset. Se oli tässä tapauksessa riittävä tarkkuus, joka auttoi asiakaspalvelua keskittymään vaikeimpaan viiteentoista prosenttiin kyselyistä.

Asiakaspalveluratkaisuja pohtivan kannattaa myös muistaa tekoälyn rakentamisen kaksi perusperiaatetta: toisto ja epäonnistuminen. Kun samaa dataa syötetään analyysiin yhä uudelleen, tulokset paranevat.

Vanhaan verrattuna numeroiden murskaus on nopeaa ja jatkuvaa, ei kerran vuodessa strategiapäivillä esitettäviä suunnitelmia. Välillä homma menee varmasti myös pieleen.

“Se on vähän sama kuin opettaisi lasta ajamaan polkupyörällä ilman apurattaita. Lapsi ei opi, jos häntä ei tue. Mutta jossain vaiheessa hän myös varmasti kaatuu. Siksi tärkeintä on se tuki, ei kaatumisen välttäminen. Pienen lohduttelun jälkeen noustaan uudelleen fillarin selkään ja yritetään taas.”

Henkilökunta hyötyy eniten tekoälyn avusta

Myös asiakaspalvelun henkilökuntaa täytyy tukea muutoksessa, koska Royn mukaan asiakaspalvelijoiden tyytyväisyys heijastuu suoraan myös asiakastyytyväisyyteen.

Jos tekoäly onnistuu auttamaan aspan työntekijöitä löytämään oikeat ratkaisut nopeammin yhtiön tietämyskannoista (knowledge base), se näkyy suoraan kaikissa mittareissa. Tekoälyn ei tarvitse siis olla välttämättä lainkaan asiakasrajapinnassa, vaan se voidaan ottaa käyttöön ensin sisäisissä järjestelmissä.

Hyvä esimerkki tällaisesta muutoksesta on brittiläinen teleoperaattori EE, joka työllistää 10 000 työntekijää asiakaspalvelukeskuksessa ja pyörittää lähes kuuttasataa myymälää. Heidän ongelmansa oli asiakaspalvelun epätasainen laatu. Se johtui yhtiön sisäisen tietämyskannan heikosta käytettävyydestä: ne olivat neljässä eri järjestelmässä ja artikkeleita oli yli 20 000.

“Jos asiakas soitti kolme kertaa kolmelle eri agentille, hän sai kolme eri vastausta ongelmiinsa. Vain superstara-agentit löysivät oikeat vastaukset tai osasivat kertoa ne ulkomuistista”, Roy kuvailee tilannetta.

eGainin työkaluilla jättimäisestä tietämyskannasta muokattiin tekoälyn avulla kymmenen vaihe-vaiheelta opasta, joita asiakaspalvelijat alkoivat käyttää tietämyskantahakujen sijasta.

Uudistusten myötä uusien asiakaspalvelijoiden koulutusaika lyheni lähes puoleen ja uudet työntekijät olivat vanhojen tasolla jo kolmessa kuukaudessa, entisen kuuden kuukauden sijaan. Jos aiemmin kolme viidestä asiakkaasta sai ongelmaansa ratkaisun ensimmäisen kontaktin aikana, uudistusten jälkeen neljä viidestä asiakkaasta onnistui samassa.

Käyttäjien halu suositella EE:tä tuttavilleen nousi 40 prosenttia. Hurjia lukuja, jotka näkyvät suoraan myynnissä.

Asiakaspalvelu mullistuu seuraavan viiden vuoden aikana

Asiakaspalvelumarkkinat ovat vauhdittamassa myös kaiken bisneksen digitalisoitumista. Roy ottaa esimerkin mainosmarkkinoista: 10 vuotta sitten digitaaliset välineet veivät 10 prosenttia mainosbudjeteista, nyt ne vievät puolet.

eGainin toimitusjohtaja näkee asiakaspalvelun digitalisoinnissa kolme vaihetta: Ensin teknologiat auttavat tekemään nykyisiä, ihmisten muovaamia prosesseja paremmin. Toisessa vaiheessa automaatio eli koneet alkavat korvata ihmisiä ja tekemään asioita laadukkaammin, koneiden ominaisuuksia hyödyntäen.

Kolmannessa vaiheessa koneäly alkaa päättää, miten dataa kannattaa käsitellä. Hyvä esimerkki tästä ovat käännöspalvelut ja erilaiset kieltä tunnistavat järjestelmät. Aiemmin ne käänsivät tekstejä sanasta sanaan ja yrittivät ymmärtää kieltä. Koneälyn myötä kieli muuttuu merkityksettömäksi, koska kone oppii paremmin tulkitsemalla kielten välisiä rakenteita, ei tutkimalla yksittäisiä sanoja ja niiden merkityksiä.

Asiakaskokemukseen sovellettuna tämä tarkoittaa sitä, että asiakaspalautetta tai -polkuja tutkiva koneäly voi siis päätyä tekemään asiat täysin toisella tavalla kuin ihminen. Tässä vaiheessa perinteinen asiakaspalveluorganisaatio joutuu yleensä isoon murrokseen, koska koneen tuoman tehokkuuden myötä asioita ei kannata tehdä kuten ennen.

Juuri tätä on Royn mukaan digitalisaatio: muutokset eivät vaikuta vain yksittäisiin työtehtäviin vaan koko organisaatioon ja sen tapaan tehdä asioita. eGainin vision mukaan näitä kolmannen vaiheen toteutuksia rakennetaan parhaillaan ja viiden vuoden kuluttua ne ovat asiakaspalvelun uusi normaali.

Kone ei siis korvaa ihmistä tekemällä saman työn vaan tekemällä sen omalla tavallaan, lopputuloksen ollessa kuitenkin lähes sama mutta nopeudeltaan tuhatkertainen. Siksi Roy kannustaa kaikkia yrityksiä kokeilemaan uutta teknologiaa omien asiakkaiden kanssa.

”Koneoppimisen perustekniikat eivät ole juuri muuttuneet viimeisen 25 vuoden aikana. Datan määrä ja tekoälyä käyttävien, hyödyllisten sovellusten määrä sen sijaan on. Siksi tekoälyyn kannattaa panostaa juuri nyt.”

Lue myös

Milloin on oikea hetki panostaa tekoälyyn asiakaspalvelussa

Tekoäly muuttaa toimialoja yllättävillä tavoilla

Automaatio ja tekoäly tuottavat käyttäjälähtöisiä IT-palveluja

5G, tekoäly ja drone tuovat ketteryyttä liikennemäärien laskentaan