ИИ на службе контакт-центров: революция в качестве обслуживания

Автор: Александр Шуморкин, генеральный директор ООО «Некстсофт»

Компании из различных сфер экономики постоянно находятся в поиске способов оптимизации работы, повышения производительности и обеспечения исключительного качества обслуживания клиентов. По мере развития технологий нейросетей, внедрение решений на базе искусственного интеллекта (ИИ) в контактные центры становится все более актуальным трендом.

Ни для кого не секрет, что технологии искусственного интеллекта в последние годы стремительно развиваются. «Алиса», «Маруся» или «Олег» уже больше ассоциируются с голосовыми помощниками, а не с именами реальных людей, а ChatGPT или YandexGPT больше не кажутся каким-то странным сочетанием букв, понятным только ИТ-специалистам.

ИИ у всех на слуху, а то, что у всех на слуху, неизбежно становится модным. Отчасти это справедливо и для нейросетей. Многие хотят в них «поиграть», даже не имея каких-то конкретных задач и целей. Но в случае контакт-центров эта «модная фишка» действительно является мощным и очень полезным инструментом.

Нейросети и языковые модели обладают потенциалом для трансформации контактных центров, выводя их на новый уровень эффективности и качества обслуживания. В этой статье я расскажу о том, для решения каких именно задач их можно и нужно применять.

Повышение эффективности

Программные решения для автоматизации контакт-центров, в которых применяются нейросети и языковые модели помогают существенно упростить выполнение рутинных задач, таких как первичная обработка запросов, маршрутизация звонков и ответы на часто задаваемые вопросы, освобождая время операторов для решения более сложных вопросов.

Таким образом ИИ может быть достаточно эффективным инструментом, если мы говорим о каких-то простых задачах. Например, если клиент звонит в компанию и спрашивает, как проехать в офис или магазин, адрес для корреспонденции, часы работы или задает какие-то другие типовые вопросы, голосовой робот обрабатывает их самостоятельно и дает ответ. Это актуально не только для голосовых звонков, но и для обращений в текстовом формате.

Также робот может эффективно работать при исходящих обзвонах. Например, с целью информирования о чем-либо или для подтверждения записи человека – к врачу, в автосервис, парикмахерскую и так далее. Роботы могут использоваться в коллекторских и микрофинансовых организациях, чтобы уточнять информацию о платежах или в коммунальных службах для передачи показаний счетчиков.

Роботы станут большим подспорьем и для компаний, занимающихся «холодными» звонками, например, предлагают банковские или страховые услуги. Нейросеть может одновременно обрабатывать огромное количество таких звонков, заменяя собой десятки и даже сотни операторов.

ИИ-решения очень полезны для контакт-центров, работающих в формате 24/7, обеспечивая клиентам круглосуточную поддержку без необходимости ожидать ответа оператора. Например, интернет-магазин или логистическая компания может использовать их для автоматического предоставления информации о статусе заказа или отправления. В этом случае робот может идентифицировать звонящего клиента по номеру телефона и выдавать все необходимые сведения, даже не спрашивая номер заказа. Это может быть особенно важно, когда клиентом является пожилой человек, а именно они привыкли звонить в компанию, а не проверять информацию через сайт. Для них разговор с роботом сам по себе является стрессом, а необходимость какого-то продолжительного диалога с множеством вопросов вообще может вогнать в ступор. Так что для таких задач ИИ должен быть максимально понятливым и простым. Можно даже развести номера телефонов, чтобы по статусу заказов и отправлений люди звонили по одному номеру, а для прочих вопросов указывать другой.

Улучшение качества обслуживания

ИИ-системы могут анализировать большие объемы данных о клиентах и историю взаимодействия с ними, предлагая персонализированные рекомендации и решения, находя оптимальные ответы и переводя на оператора только в случае возникновения у человека дополнительных вопросов.

Сразу оговорюсь, что системы голосового самообслуживания существуют уже довольно давно. Многие производители решений для контакт-центров начали внедрять IVR (интерактивное голосовое меню) более 10 лет назад, но те голосовые роботы принципиально отличались от современных ИИ.

Раньше они работали таким образом, что существовал определенный алгоритм с запрограммированным набором фраз. Звонящий человек должен был составить свой вопрос так, чтобы он совпадал с одной из этих фраз хотя бы отчасти. Компьютер просто сравнивал эти фразы и на основании этого понимал, что именно от него хотят. Когда начал развиваться ИИ и нейросети, это технология изменилась.

Сейчас есть семантическое ядро с системой распознавания голоса, которая переводит голос в текст. Потом текстовый запрос отправляется в нейросетевую модель, где он обрабатывается. Семантическое ядро само понимает, с каким запросом обратился клиент. Это гораздо проще, удобнее и точнее. Ведь даже самый простой вопрос может звучать по-разному, например, «подскажите часы работы», «когда вы работаете», «до скольки вы работаете», «со скольки вы работаете», «когда вы начинаете работу», «когда вы заканчиваете работу», «когда вы заканчиваете», «когда вы закрываетесь», «когда вы открываетесь» и так далее. То есть может быть достаточно большое количество вариаций, так как русский язык, как известно, богат и могуч.

Изначально люди обучают эту голосовую модель, показывают ей, по каким запросам, куда обращаться за ответом. Робот может переспросить: «правильно ли я вас услышал?», а если нет, попросить повторить запрос. Разработчики могут отслеживать всю эту информацию, чтобы понимать в каких моментах у ИИ возникают сложности и дообучать его.

В последнее время мы в компании NextSoftware сталкиваемся со все более сложными запросами со стороны клиентов. Кейсы, которые представит реализовать постоянно усложняются и без применения ИИ тут практически невозможно обойтись.

При этом на начальном этапе важно проанализировать и классифицировать обращения клиентов, разделив их по степени сложности. Наиболее простые, типовые и объемообразующие вопросы, которые я описывал выше, можно смело доверить нейросети, которая справится с ними с точностью до 95%. Для более сложных применяется гибридный вариант, где ИИ решает к какому именно специалисту лучше перенаправить клиента, а совсем специализированные вопросы должны обрабатывать исключительно люди. Например, категорически нельзя отдавать на откуп роботу линию, по которой люди звонят с жалобами. Здесь нужно применять персонифицированный подход, проникнуться проблемой и болью клиента, оказать ему эмоциональную поддержку. Ведь очень часто клиенты звонят именно для того, чтобы выговориться и быть услышанными. У ИИ есть определенный сценарий, по которому он будет следовать, а эмпатия к его сильным сторонам не относится. При жалобах же все кейсы уникальны, и их практически невозможно подвести под какой-то единый стандарт. А риски от того, что такими щекотливыми вопросами будет заниматься робот, очень высоки. Из личного опыта мы знаем, что, если нас хорошо обслужили, мы не всегда напишем хороший отзыв, но вот если плохо, то не только напишем жалобу, но еще и расскажем всем знакомым о своем негативном опыте.

Повышение удовлетворенности клиентов достигается и за счет снижения времени ожидания на линии. Нейросеть помогает оператору быстрее найти ответ на заданный вопрос в базе знаний. Часто, когда мы звоним в компанию и озвучиваем оператору свою проблему, он просит подождать на линии. И пока мы вынуждены несколько минут слушать навязчивую музыку, оператор напряженно ищет информацию в огромном объеме данных или звонит коллегам. В более продвинутом варианте ИИ может «слушать» разговор оператора и клиента в режиме онлайн и сразу же выводить на экран необходимую, по его мнению, информацию. При более простой реализации, оператор сам может вводить поисковые запросы в базу знаний, а робот подсветит самые релевантные ответы, избавив от необходимости читать всю «простыню» в их поисках.

Снижение затрат

Автоматизация задач и повышение эффективности работы – это прямой путь к значительному сокращению расходов на содержание контактного центра.

Выше я уже говорил о том, что ИИ позволяет снизить нагрузку на операторов и либо оптимизировать их штат, либо перераспределить рабочее время так, чтобы они могли заниматься наиболее важными задачами. Но есть и еще один момент, а именно контроль качества работы контакт-центра.

Искусственный интеллект может прослушать все звонки, которые поступали в контакт-центр, чтобы ответить на определенные вопросы по чек-листу и проанализировать, насколько оператор шел в разговоре по скрипту, каков был эмоциональный окрас беседы и так далее. Чтобы обработать такое количество звонков специалистом по контролю качества, нужно привлечь столько же людей, сколько и операторов, которые эти звонки совершали или принимали, а это означает вдвое раздутый штат, что часто бывает просто нереально. Если же перед руководством контакт-центра стоит задача по полному контролю качества обслуживания, внедрении систем на базе ИИ становится очень актуальной.

Настоящее и будущее

Все, о чем я рассказал в этой статье, это не фантастика, а реальные возможности, которые технологии искусственного интеллекта способны предоставить уже сегодня. Нейросети все глубже проникают в нашу жизнь, а генеративные модели развиваются очень быстро. Будучи технологической компанией, NextSoftware постоянно держит руку на пульсе и отслеживает все, что связано с новыми технологиями, чтобы своевременно применять их в своих решениях, предоставлять контакт-центрам возможность идти в ногу со временем и вести свой бизнес максимально эффективно.