רצו AI במוקד – אבל משהו בדרך השתבש
בשנתיים האחרונות, הרבה מנהלי מוקד שירות, מכירות או תמיכה שמעו לפחות פעם אחת את המשפט:"בקרוב תוכלו להחליף חלק גדול מהנציגים בסוכני AI חכמים".ההבטחה הזאת הובילה לגל אדיר של פיילוטים וניסויים. סקרים שונים מצביעים על כך שרוב מוחלט של הארגונים כבר יצאו לדרך עם יוזמות AI - צ'אטבוטים, אייג'נטים קוליים, מערכות ניתוח שיחה ועוד. אבל כשמסתכלים על התוצאות בפועל, תמונת המצב מורכבת בהרבה.
"רוב הארגונים לא מצליחים לתרגם את הפיילוטים האלה לשיפור תפעולי מדיד,ואנחנו פוגשים שוב ושוב מנהלים שמספרים לנו את אותו סיפור", אומר רוני קון, מנכ"ל CallAnalyzer.AI,הם השקיעו זמן, כסף ואנרגיה בפתרונות AI, אבל בשורה התחתונה, הלקוחות עדיין ממתינים על הקו, הנציגים עדיין עמוסים, לקוחות עוזבים, המכירות לא גדלות, והמדדים המרכזיים של המוקד כמעט לא זזים".
הבעיה הגדולה ביותר לא נמצאת בAI
כדי להבין מה באמת קורה במוקדים, ביצעה CallAnalyzer.AI בשנה האחרונה מספר פרויקטים מבוססי נתונים עם ארגונים גדולים בישראל ובעולם. במסגרת אחד הפיילוטים נותחו לעומק 5,000 שיחות מוקלטות במוקד שירות גדול בישראל של כ-100 נציגים, תוך סינון אוטומטי של חריגות (שיחות פנימיות, שיחות אישיות, שיחות מנותקות וכדומה), כדי להישאר עם שיחות אמיתיות בין נציגים ללקוחות.על בסיס הנהלים של הארגון, נבנו כ־70 קריטריונים התנהגותיים ומדדי ביצוע, והמערכת בחנה - שיחה אחר שיחה, האם הנציגים באמת עובדים לפי מה שכתוב בתסריט, ואיך זה משפיע על המדדים העסקיים.
"התמונה שעלתה מהנתונים הייתה מובהקת:האתגר המרכזי של רוב המוקדים היום הוא לא חוסר בטכנולוגיה", אומר קון, "האתגר הוא שאין להם דרך אמיתית למדוד ולשפר התנהגות, ואם אי אפשר למדוד ולשפר התנהגות אנושית בצורה שיטתית - אז גם אי אפשר ללמד אותה ל-AI.במילים אחרות: ה-AI לומד מהנציגים, וכשהנציגים לא עובדים באופן עקבי לפי תהליך ברור שמניב תוצאות, גם ה-AI לא יכול לספק תוצאות עקביות".
אלפי שעות עבודה נוספות בשנה
אחד הממצאים הבולטים באותו מוקד היה סביב שאלה פשוטה, שמוכרת כמעט לכל מי שעבד אי פעם בשירות לקוחות: "יש עוד משהו שאוכל לסייע בו לפני שאנחנו מסיימים?"
על פי הנהלים, הנציגים היו אמורים לשאול את השאלה הזאת כמעט בכל שיחה, כדי לוודא שהלקוח לא יצטרך להתקשר שוב על אותה בעיה - אבל הנתונים סיפרו סיפור אחר."בפועל, השאלה נשאלה רק ב־7% מהשיחות במוקד", מסביר קון,במוקד היו כ־51,000 שיחות חוזרות (78% מסך השיחות) - כלומר לקוחות שחזרו שוב לאותו נושא.כל שיחה כזאת ארכה בממוצע כ־6 דקות, והצטברה לכ־5,138 שעות נציגים בחודש רק על טיפול חוזר.
"לאחר זיהוי הדפוס, הארגון החל תהליך ממוקד להגדלת אחוז השיחות שבהן השאלה נשאלת. העלאת שיעור היישום מאזור ה־7% לכ־50% הפחיתה כשליש מהשיחות החוזרות – כלומר, חיסכון פוטנציאלי של כ־1,713 שעות נציגים בכל חודש, בשווי של כ־137 אלףשקל בחודש, או יותר מ־1.6 מיליון שקל בשנה.זה סוג הדברים שאף מערכת דיווח רגילה לא מראה.הדשבורד יראה שיש הרבה שיחות חוזרות, אבל הוא לא יראה את המשפט הבודד שחסר בשיחה, שחוזר על עצמו שוב ושוב, ושהעלות שלו היא מיליונים בשנה".
מתי נציגים מנסים באמת לפתור את הבעיה בעצמם?
באותו ארגון זוהה דפוס נוסף: נציגים רבים העבירו שיחות למנהל גם במקרים שבהם ניתן היה לפתור את הבעיה ברמת הנציג."המערכת של CallAnalyzer בדקהבכמה אחוז מהשיחות שבהן הלקוח ביקש לדבר עם מנהל, הנציג ניסה תחילה לפתור את הפנייה בעצמו,מה היחס בין שיחות שמועברות מיד למנהל, לבין שיחות שנפתרות אצל הנציג ומה ההשפעה על כמות שיחות המנהל והעומס הניהולי במוקד?
התוצאה, לפי קון, היא שרקרק ב-21% מהשיחות שבהן היה "טריגר" למנהל כללו ניסיון אמיתי של הנציג לפתור את הבעיה לפני ההסלמה. , במוקד נרשמו כ־10,000 שיחות מנהל בחודש, בהיקף של כ־1,166 שעות מנהלים, וששיפור ביישום הנהלים והעלאת שיעור השיחות שבהן הנציג מנסה לפתור את הבעיה לכ-63% צפוי להביא לירידה של כשליש בשיחות המנהלים - חיסכון חודשי של כ־385 שעות מנהלים, המוערך בכ-67 אלף שקל לחודש, או כ־804 אלף שקל בשנה."המשמעות היא ששני השינויים ההתנהגותיים האלה: שאלה אחת נוספת בסוף שיחה, וועוד ניסיון אחד כן לפתור את הבעיה לפני הסלמה,יצרו פוטנציאל לחיסכון של כ־2,098 שעות עבודה בחודש, בהיקף שנתי של יותר מ־2.4 מיליון שקל".
לא רק חיסכון – גם שביעות רצון
השינוי לא נעצר בעלויות. באותו פיילוט דווח גם על שיפור של כ־21% בציוני שביעות הרצון של הלקוחות בסקרי השירות, המקביל לאלפי לקוחות נוספים שחווים את הטיפול כ"טוב" עד "מצוין" מדי חודש. במקביל, נרשם שיפור ממוצע דו ספרתי במדדים נוספים במוקד - כבר בחודש הראשון לתהליך. "כשמסתכלים על זה דרך משקפיים של AI", אומר קון, "אפשר לראות כאן משהו מאוד ברור: אם הארגון לא יודע להגדיר, למדוד ולשפר את ההתנהגות האנושית, יהיה לו כמעט בלתי אפשרי לאמן סוכן AI שיתנהג באופן עקבי ונכון".
למה פיילוטי ה-AI לא מספקים את הסחורה?
לטענת CallAnalyzer.AI, כאן בדיוק נכנס הפער בין החלום למציאות:"הטכנולוגיה יודעת כבר היום לתמלל, לסכם, להבין כוונות, לנהל דיאלוגים מורכבים ואפילו לבצע פעולות. הארגון, לעומת זאת, לא תמיד יודע להגדיר מהי 'התנהגות נכונה' עבור כל לקוח, ובכל שלב ורגע של השיחה - ולכן גם לא יודע ללמד אותה את הסוכני AI", מבהיר קון, " ראינו ארגונים שרכשו פתרונות מתקדמים, בנו סוכני AI מרשימים, ובסוף גילו שהם פשוט שכפלו לתוך המכונה את אותן טעויות אנוש שהיו להם קודם. "AI הוא לא קיצור דרך. הוא מכפיל כוח. אם אין לך תהליכים והתנהגות נכונה - הוא פשוט יגדיל את מה שכבר קיים ולא ישדרג אותך".
לפני AI אוטונומי – צריך תשתית אנושית מדידה
קון מבהיר כי מתוך מאות שיחות עם מנהלים ואלפי שיחות לקוחות שנותחו, עלו כמה מסקנות שחזרו כמעט בכל ארגון:רוב המוקדים כבר ניסו AI, אבל ללא תשתית מדידה, קשה להגדיר מה נחשב הצלחה;
נהלים ותסריטים קיימים על הנייר, אבל בפועל, חלק גדול מהם לא מיושם בעקביות;מדדי הביצוע מודדים תוצאה, לא את ההתנהגות שהובילה אליה; וסוכני AI זקוקים למודל התנהגות ברור כדי ללמוד ממנו.
על הרקע הזה פיתחה CallAnalyzer.AI פלטפורמה שמטרתה לאפשר לארגונים לבנות תשתית התנהגותית."הפלטפורמה מספקת ניתוח אוטומטי של שיחות אמיתיות, מיפוי התנהגויות שמניעות או פוגעות ב-KPI, תעדוף תובנות לפי ערך כספי וזמן, ואימון ושיפור מתמשך של כל הנציגים בו-זמנית "היא לא מחליפה את הנציגים או סוכני ה-AI הקיימים, אלא פועלת במטרה לייצר את השכבה שחסרה להם כדי לנטר שיחות בשיטיות, לזהות ולתעדף פערים, לאמן את כל הנציגים בו-זמנית, ולשפר במהירות את המדדים"..
איך נראית הדרך הריאלית לסוכני AI במוקד?
בעוד חלק מהארגונים מדברים על להחליף נציגים, ב-CallAnalyzer מדברים על מסלול אחר, שכולל שלושה שלבים. "השלב הראשון נועד להבין את ההתנהגות האנושית, ולהבין מה באמת עושים הנציגים הטובים ביותר, מה הם שואלים,. מטרת השלב השניה הוא לשפר את ההתנהגות בקרב כל הנציגים, כך אפשר לייצר שיפור מדיד ומהיר במדדי המוקד - גם בלי לגעת ב-AI. בשלב השלישי מתחילים ללמד סוכני AI את הדפוסים האלה.
במילים אחרות במקום לנסות להמציא מאפס סוכן אוטונומי, אפשר להטמיע בו התנהגות שכבר הוכחה כאפקטיבית בשטח.
"ברגע שאתה יודע למדוד התנהגות ולתרגם אותה לערך כספי אתה יכול מצד אחד לשפר את המוקד האנושי בצורה מאוד מדויקת ומתמשכת - ומצד שני, לבנות באופן הדרגתי תשתית אמיתית לסוכני AI. לא כהבטחה עתידית, אלא כתהליך מבוסס־נתונים".
CallAnalyzer
למעבר לאתר באנגלית >>
למעבר לאתר בעברית >>
לפנייה במייל >>
בשיתוף CallAnalyzer.AI
