W kwietniu 2023 roku pojawiła się pierwsza w Polsce sztuczna inteligencja wbudowana w telefonię biznesową. Zamysł autorów to maksymalne zastąpienie supervisora, który zazwyczaj odsłuchuje połączenia, wystawia oceny menedżerom i otrzymuje za to średnio 5500 złotych. Rozwiązanie Ringostat AI Supervisor automatycznie analizuje połączenia i wyodrębnia „problematyczne” dialogi. Sztuczna inteligencja konfiguruje się pod konkretny biznes, ucząc się na jego procesach. Platforma Ringostat dzielił się historiami, w jaki sposób firmy stosują ją w praktyce.
Jeśli klienci kontaktują się z firmą telefonicznie, kontrolowanie każdego połączenia jest niemożliwe lub nierentowne. Gdy firma czegoś nie kontroluje, nie może zagwarantować wysokiej jakości usług i traci pieniądze. Ostatecznie klienci pozostają niezadowoleni i kończą lub nie kontynuują współpracy z firmą. Istnieje jednak AI, która może rozwiązać ten problem. Automatycznie kontroluje wszystkie rozmowy i zmniejsza koszty kontroli jakości, ponieważ nie wymaga dużej liczby supervisorów.
Może się wydawać, że sztuczna inteligencja nie jest w stanie całkowicie zastąpić człowieka, ponieważ nie rozumie wszystkich niuansów konkretnego biznesu i kontekstu rozmowy. Można jednak dostosować rozwiązania do własnej firmy. W tym celu AI jest nauczana na jej dokumentacji zgodnie z procesem biznesowym.
Podczas szkolenia AI bierze pod uwagę:
- skrypty (scenariusze) rozmów z klientami, aby system zrozumiał, gdy menedżer od nich odbiega;
- etapy dialogu i działania podczas rozmowy — na przykład na początku menedżer powinien się przywitać, podać nazwę firmy i swoje imię;
- jakie pytania należy zadawać klientom, aby specjalista nie „przeskakiwał” etapów sprzedaży;
- jakie działania można uznać za błędy, powiedzmy, niezwracanie się do klienta po imieniu;
- jakie punkty zostaną dodane lub zabrane za niektóre odpowiedzi pracownika, lub ich brak.
Ogólnie rzecz biorąc, skrypt konwersacji składa się z głównych bloków: przywitania, aktualizacji, prezentacji, zamknięcia i może jeszcze zawierać dodatkowe bloki. Zobaczmy na przykładach, jak to już działa dla różnych tematów biznesowych.
Case 1: Ocena rozmów na podstawie 3 scenariuszy rozmów i ponad 90 kryteriów
Biuro sprzedaży Andrija Krupkina to międzynarodowa firma konsultingowa. Firma potrzebuje analizować rozmowy z klientami, którzy zwracają się w poszukiwaniu trzech rodzajów usług:
- budowa od podstaw działu sprzedaży;
- udoskonalenie istniejącego działu, poprawa jego wyników i wzrost wskaźników;
- poszukiwanie kierowników i menedżerów działu sprzedaży.
Trudność polega na tym, że każda usługa ma odrębny scenariusz rozmowy, i każdy z nich trzeba ocenić według wielu kryteriów. Na przykład dla usługi „Konsultacja działu sprzedaży” jest ich 35. Aby dokładnie obliczyć indywidualny koszt usługi i sporządzić listę zadań do pracy nad projektem, trzeba rozumieć szczegóły biznesu. Menedżer musi więc zadać dziesiątki pytań. A także prezentować rozwiązania na podstawie odpowiedzi, gdzie również są kluczowe punkty, które wymagają podkreślenia.
Aby realizować tak niestandardowe zadanie, najpierw nauczono sztuczną inteligencję rozumieć z kontekstu, o której usłudze mowa. Zgodnie z tym posługuje się niezbędnymi kryteriami oceny. Na każdym etapie dialogu AI analizuje, czy menedżer zadał pytanie lub przekazał ważną informację.
Przykładowo, identyfikując potrzeby, pracownik powinien zapytać, jak obecnie zorganizowany jest proces sprzedaży, kto komunikuje się z klientami, czy firma posiada CRM itp. Na etapie prezentacji konieczne jest przedstawienie osiągnięć i możliwości Biura Sprzedaży, gwarancji i terminów pracy, jaki wynik otrzyma klient itp.
Ponadto AI natychmiast tworzy portret firmy na podstawie odpowiedzi klienta. Rejestruje np. liczbę pracowników, specjalizację biznesową, oczekiwania wobec współpracy z Biurem Sprzedaży itp. Potrzebujemy portretu klienta, aby szef działu sprzedaży analizując rozmowę, szybciej zrozumiał, kim jest ten klient (B2C czy B2B) i jakie ma potrzeby. Jednocześnie kierownik działu sprzedaży ocenia także jakość rozmowy menedżera. Informacje te można następnie skopiować do CRM, zamiast ręcznie wprowadzać je z pamięci.
Sztuczna inteligencja dostarcza ogólnej informacji zwrotnej na temat rozmowy i profesjonalizmu menedżera. Na przykład tego, czy rozpatrzył sprzeciw klienta. W ten sposób kierownik może zobaczyć, na jakich etapach menedżerowie popełniają błędy, i wspólnie z nimi przeanalizować problematyczne obszary.
Teraz ten czas oszczędza dla nas AI. Analizuje sprzedaż wstępnej konsultacji wg budowy działu sprzedaży, jako pierwszy etap wejścia w lejek sprzedażowy”.
Case 2: analiza komunikacji z klientami dla 3 działów
GoITeens — kursy informatyczne online dla dzieci i młodzieży. Z przyszłymi uczniami lub ich rodzicami komunikują się 3 działy: call center, dział lekcji próbnych i dział sprzedaży. AI nie musi więc określać, o czym jest rozmowa, aby zastosować niezbędne kryteria oceny. Od razu wie, który dział komunikuje się z klientem, dlatego stosuje niezbędny skrypt dialogu.
Wyjątkowość projektu polega na kilku punktach.
- Decyzję podejmuje zwykle nie tylko sam uczeń, ale także jego rodzice. Dlatego menedżer powinien włączyć ich do konsultacji, omówienia wysokości i sposobu płatności, określenia mocnych stron ucznia itp. Są to działania, których nie da się uniknąć, a sztuczna inteligencja to śledzi.
- Zidentyfikowanie potrzeby jest trudne. Przyszli studenci nie zawsze mają jasne pojęcie o pożądanym rezultacie. Doradca pomaga im „otworzyć się”, pytając, co uczeń lubi bardziej, co chce wynieść z nauki itp. AI kontroluje, żeby menedżer koniecznie dotknął takich kwestii, bo to pomoże wybrać optymalny program szkoleniowy.
- Szczególną uwagę przywiązuje się do przeprowadzenia lekcji próbnej. Menedżer nie tylko przydziela zadania, ale także pilnuje, aby program został dobrany prawidłowo, prosi o wrażenia z testu itp. Taki scenariusz ma różne możliwości rozwoju, w zależności od reakcji klienta. Dlatego też dla AI wskazane są dodatkowe warunki oceny, aby nie uważać logicznych działań menedżera za błędy. Załóżmy, że: „Menedżer powinien zaprosić rodziców na lekcję próbną. Wyjątkiem jest sytuacja, gdy nie ma ich w domu”.
- W pracy z dziećmi szczególną rolę odgrywają emocje. Dlatego analizując rozmowę, szczególną uwagę zwraca się na nastrój menedżera. Powinien być cierpliwy i pozytywny, nie przerywać, spokojnie reagować, jeśli dziecko się rozprasza. AI dodatkowo rejestruje ogólny nastrój rozmowy, osobno nastrój menedżera i klienta. Skupiając się na tym, można zauważyć dialogi, w których coś poszło nie tak.
Dzięki AI „zawężamy krąg” i widzimy, które dialogi są naprawdę problematyczne i wymagają dopracowania. Dzięki temu ograniczyliśmy kadrę assessorów i możemy zmniejszyć wydatki na wynagrodzenia. Analiza około 300 ukierunkowanych połączeń z wykorzystaniem AI zajmuje około 10 godzin czasu pracy. Oszczędzamy co najmniej 5% czasu pracy na analizie i 5% na wyszukiwaniu właśnie takich połączeń”.
Case 3: punktacja dla każdego typu rozmowy
Hillel IT School — szkoła komputerowa, która wcześniej miała możliwość analizowania części rozmów poprzez selektywne ich odsłuchiwanie. Firma zainteresowała się możliwościami AI. Mając doświadczenie z inną platformą, programiści zrozumieli, że dla tej organizacji edukacyjnej bardziej odpowiednie będzie indywidualne rozwiązanie. Specjaliści zapoznali się ze specyfiką projektu, poprosili o skrypty rozmów i zasugerowali ustawienia AI dla Hillel.
Główną cechą projektu jest przemyślany schemat ocen dla poszczególnych menedżerów. Każde działanie ma osobną punktację, w zależności od wpływu na zaspokojenie potrzeby klienta. Jeśli menedżerowi się to udało, dodaje się punkt, jeśli nie, odejmuje się go. Przykład:
- powitanie — 0,5 punktu;
- praca z odmową — 1 punkt;
- dodatkowa komunikacja z klientem: np. przekazywanie informacji o obecnej liczbie w grupie, ujawnianie dodatkowych możliwości, bonusów itp. — 1,5 punktu.
Call center obsługuje wszystkie połączenia z klientami, a nie tylko finalizuje transakcje. Dlatego AI określa rodzaj rozmowy: zamknięcie transakcji, prośba o dodatkowe informacje, wyjaśnienie szczegółów płatności. W rezultacie podsumowuje, co było omawiane, czy wystawiono fakturę lub sfinalizowano transakcję, jaki powinien być kolejny kontakt i kiedy.
Z tego wszystkiego powstaje ogólny, średni wynik pracownika i inne wskaźniki wydajności. Dzięki temu firma wie, kto dobrze obsługuje zgłoszenia, a który z konsultantów potrzebuje pomocy i dodatkowego przeszkolenia. Można również zobaczyć nie tylko średni wynik wg pracownika, ale także według rodzaju rozmowy, ponieważ w niektórych typach rozmów nie mogą występować pewne etapy.
Z taką prośbą zwróciliśmy się do Ringostat. W lot zrozumieli, o co chodzi i bez pytania „dlaczego”, od razu przeszli do kwestii „jak”. To cenimy sobie najbardziej, a także wysoką pozycję ekspercką. Adaptacja następuje dość szybko. Oczekiwaliśmy, że może to zająć nie jeden miesiąc, ale okazało się, że główne prace konfiguracyjne zajęły 1,5 tygodnia. Aktualnie trwa aktywny etap finalizacji, ale już teraz nasz menedżer oszczędza 10 razy więcej czasu na sprawdzaniu jakości rozmów”.
Case 4: kluczowe informacje dla firmy ochroniarskiej
Sheriff to firma, która świadczy usługi ochrony, konwojowania gotówki, rozminowywania i sprzedaje powiązane systemy. Kiedy chodzi o ochronę klientów i ich majątku, ważne jest, aby firmy szybko rozumiały, gdzie leży problem. Dlatego głównym zadaniem AI w tym projekcie jest dostarczenie najważniejszych informacji w zwięzłej formie.
- Kluczowe punkty rozmowy: z jakim pytaniem zwrócił się klient, co zaproponował pracownik, co osiągnęli itp. Informacje na podstawie kluczowych słów są potrzebne do analizy sposobu, w jaki menedżerowie prezentują konkretną usługę lub produkt. Np. możliwości aplikacji mobilnych czy ofert promocyjnych. Słowa kluczowe umożliwiają filtrowanie żądanych rozmów.
- Jakie kolejne kroki powinna podjąć firma: np. sprawdzić instalację alarmową w obiekcie.
- Czy problem został rozwiązany lub co temu przeszkodziło, na przykład potrzebna jest pomoc wsparcia technicznego.
- Błędy — powiedzmy, że operator podał niewystarczająco informacji o uruchomieniu przycisku alarmowego.
- Co było dobrze — np. pracownik grzecznie i szybko odpowiedział na prośbę użytkownika.
Dzięki temu sens rozmowy można odczytać w 7-10 sekund.
Jesteśmy holdingiem ochroniarskim, więc błędy u nas są niedopuszczalne. Jeśli jednak tak się stanie, każda sytuacja traktowana jest jako reklamacja klienta i szczegółowo analizowana. Jeżeli w treści rozmowy nagranej przez AI znajdują się informacje dające odpowiedzi na pytania, które pojawiły się w trakcie rozpatrywania reklamacji, pozwala to na szybsze rozwiązanie sytuacji i załatwienie sprawy z klientem”.
Przeczytaj cały case study — Case study: jak Ringostat AI Supervisor zaoszczędził dla firmy ochroniarskiej nawet jedną trzecią czasu monitorowania połączeń.
Bonus: monitorowanie zgodności z polityką firmy
AI rozumie różne języki i tłumaczy dialogi na właściwy. Dlatego też jednym z użytkowników została bułgarska agencja nieruchomości. Wśród wymagań dotyczących skonfigurowania AI było jedno specyficzne. Zgodnie z bułgarskim prawem nieruchomości o wartości przekraczającej 10 000 euro nie można kupić za gotówkę, nawet częściowo. Dlatego sztuczna inteligencja musiała śledzić, jak menedżer reaguje, gdy klient pyta o taką możliwość.
Kilka dodatkowych funkcji AI dla tego projektu:
- odnotowuje, czy nie doszło do nieporozumienia – kiedy potencjalny nabywca pytał o jedną rzecz, a menedżer odpowiadał o czymś zupełnie innym;
- z rozmowy są „wyciągane” imię klienta oraz nazwa obiektu;
- ocenia, czy menedżer zaoferował alternatywny lokal, jeśli właściwy został już zakupiony lub szczegóły obiektu pierwotnego nie zadowalały kupującego.
