Tehisintellekt pakub palju võimalusi klientide (customer experience) ja töötajate (employee experience) kogemuste kohandamiseks, lihtsustamiseks ja parandamiseks. Siiski on oluline, et ettevõtted mõistaksid rikkeindikaatori olulisi mõisteid, et määrata kindlaks kõige sobivamad kasutusviisid oma strateegiate ja optimeerimise eesmärkide jaoks.

Põhielemendid:

1. Suured keelemudelid

2. Masinõpe

3. Loomuliku keele töötlus

4. Loomuliku keele mõistmine

5. Ennustav analüütika

6. Ennetav analüütika

7. Vestlustööriistade tehisintellekt

8. Generatiivne tehisintellekt

Tehisintellekti kasutamiseks on palju võimalusi klientide ja töötajate kogemuste isikupärastamiseks, sujuvamaks muutmiseks ja optimeerimiseks. Nende tehnoloogiate edukas kasutamine algab kliendikogemuse jaoks kõige sobivama AI terminoloogia mõistmisest. Selle arusaama abil saate määrata, millised kasutusjuhtumid on teie organisatsiooni jaoks parimad ning teie praeguse kliendikogemuse (CX) ja töötaja kogemuse (EX) strateegiate ja optimeerimiseesmärkide jaoks. Seejärel saate tehisintellektiga edasi liikuda viisil, mis annab kindlasti konkreetseid, mõõdetavaid tulemusi, nagu suurenenud konversioonid ja lühemad reageerimisajad.

1. Suured keelemudelid

Suured keelemudelid või SK (Large Language Models - LLMs) on suured süvaõppe mudelid, mis on koolitatud suurel andmekogul (tavaliselt vahemikus 2 miljardit kuni 1 triljonit parameetrit), mis toetavad mitmesuguseid loomuliku keele töötlemise (Natural Language Processing - NLP) ülesandeid, sealhulgas paljusid neid, mida teostab generatiivne tehisintellekti. Analüüsides tohutuid andmekogumeid, saab SK teada, kuidas keel on struktureeritud. See võimaldab tehnoloogiatel, mis kasutavad SK, et luua sisu, nagu kood ja tekst, mis jäljendab seda, mida inimene võib luua. Nad saavad korraga käsitleda palju keerulisi mitmeastmelisi taotlusi, et toetada näiteks suuremahulisi iseteeninduslikke suhtlusi.

Suurte keelemudelite kasutusjuhud hõlmavad vestlustööriistade tehisintellekti, genereeritud tehisintellekti, teabe hankimist ja meeleanalüüsi.

2. Masinõpe

Masinõpe (Machine Learning - ML) aitab aja jooksul parandada muude rakenduste jõudlust, prognoosides tulemusi ja kohandades neid andmekogumite põhjal õppimise ajal. Masinõppe mudelid kasutavad suurtel andmekogumitel koolitatud algoritme, et käitada selliseid vahendeid nagu prognoosiv ja ettekirjutav analüüs (predictive and prescriptive analytics).

Masinõpe pakub kliendikäitumisel ja - eelistustel põhinevat isiklikumat kogemust, mis suurendab kliendirahulolu. Masinõpe võib analüüsida ka suuri andmekogumeid, mis ei pruugi olla võimalik muude piirkondlike rakenduskavade abil.

Masinõpe kasutusjuhud on prognoosiv sekkumine (predictive engagement), näiteks teatavate klientide proaktiivne kaasamine tegevuse või ressurssidega, et edendada konverteerimist ja prognoosivat marsruutimist (predictive routing), näiteks interaktsiooni suunamine töötajatele, kes suudavad seda kõige paremini lahendada. See võib tagada ka väljaminevate kampaaniate prognoositava haldamise ja segmentimise.

3. Loomuliku keele töötlus

Loomuliku keele töötlus või LKT (Natural Language Processing - NLP) on tehnoloogia, mis suudab mõista loomulikku keelt, ilma et oleks vaja kirjutada koodi või konkreetses kontekstis. Klienditeeninduseks pakub LKT vestluspõhiseid tehisintellekti tööriistu, sealhulgas klientide vahelist kõne- ja tekstiinteraktsiooni ning selliseid tööriistu nagu vestlusrobotid, häälerobotid ja interaktiivsed häälreageerimissüsteemid (Interactive Voice Response - IVR). Samuti aitab see teil saada teavet, kasutades selliseid meetodeid nagu klassifikatsioon, et mõista meeleolu, tooni ja kavatsusi. LKT parandab tõhusust ja võib vähendada agentide igapäevaselt käsitletavate interaktsioonide arvu.

Loomuliku keele töötlemise rakendused hõlmavad automaatseid assistente, väljaminevaid kõnesid, reaalajas agentide koolitamist, meeleanalüüsi ja kõnetuvastust.

4. Loomuliku keele mõistmine

Loomuliku keele mõistmine või LKM (Natural Language Understanding - NLU) võimaldab klientidel teiega suhelda hääle või tekstiga ning saada dialoogile vastuse. LKM toetab tavaliselt mitut keelt ning on tšabloonide ja kõneabiliste kõnevahendite aluseks.

Loomuliku keeleoskuse kasutamine hõlmab veebipõhist tšekki, põhiprobleemide lahendamist ja agendile edastatava teabe kogumist.

5. Ennustav analüütika

Ennustav analüütika (Predictive Analytics) võib prognooside või soovituste esitamiseks andmeid koondada. Klienditeeninduses kasutatakse seda sageli kliendi käitumise ja ostuajaloo analüüsimiseks, et teha kindlaks eelistused ja ennustada edasisi tegevusi. Ennustav analüütika võib tuvastada ka võimalikud probleemid, et ettevõtted saaksid nendega ennetavalt tegeleda. Masinõpe pakub sageli ennustavat analüüsi.

Tehisintellektipõhise prognoosiva analüüsi kasutamine klienditeeninduses hõlmab prognoosiva kaasamise (predictive engagement) ja prognoosiva marsruudi (predictive routing) kasutamist; teha kindlaks võimalikud klientide viivitused või pettused; klientide kaasamise optimaalse aja kindlaksmääramine; ja cross-sell-müügi, up-sell-müügi ja püsikliendikampaaniate jaoks.

6. Ennetav analüütika

Ennetav analüütika (Prescriptive analytics) võib anda konkreetseid soovitusi prognoositava analüütika tulemuste põhjal. Ennetav analüüs, mida sageli pakub MI, annab ülevaate, mis võimaldab organisatsioonidel optimeerida reaalajas klientidega suhtlemist.

Tehisintellektil põhineva ennetava analüüsi kasutamine klienditeeninduses hõlmab soovitusi järgmise parima tegevuse kohta ja nende klientide kindlakstegemist, kes tõenäoliselt pakuvad personaalsete pakkumiste kaudu teisendusi.

7. Vestlustööriistade tehisintellekt

Vestlustööriistade tehisintellekt (Conversational AI) kasutab masinõppe ja loomuliku keele mõistmise vahendite kombinatsiooni klientidega suhtlemiseks tšempit - ja virtuaalabiliste kaudu. See võib kasutada ka agendi abivahendeid ja lihtsustada juurdepääsu teadmusbaasile (knowledge base). Jututoa rikkeindikaator on suurepäraselt koolitatud suures koguses kõne - ja tekstiandmeid, mis on saadud organisatsiooni varasemast suhtlusest klientidega. See võib vähendada reageerimisaega, suurendada reageerimise täpsust, pakkuda 24/7 kliendile tuge ja leida vaba esindaja keeruliste interaktsioonide lahendamiseks.

Vestlustööriistade tehisintellekt (Conversational AI) kasutusjuhtumid hõlmavad vastamist sagedastele küsimustele, abi kohtumiste planeerimisel, kliendikäitumisel põhinevaid isikupärastatud soovitusi ja eelnevate interaktsioonide kontrollimist klientide suunamiseks järgmisse parimasse kanalisse või töötajasse. Jututoa rikkeindikaator töötab hästi paljudes kanalites, näiteks mobiili - või veebitšabloonides ja IVR-is.

8. Generatiivne tehisintellekt

Generatiivne tehisintellekt (Generative AI) võib luua mitmesugust sisu, sh heli, arvutikoodi teksti ja visuaalmaterjali. Sageli koolitatud suurte keelemudelite puhul kasutab geneeriline tehisintellekt loomuliku keele mõistmist, et luua promptus abil nõutavat sisu. See võib ratsionaliseerida selliseid ülesandeid nagu interaktsioonijärgsed kokkuvõtted ja lõppkoodid (wrap-up codes), parandades töötajate tootlikkust ja rahulolu. See on sageli agentide abistamise lahenduste aluseks.

Geneerilise tehisintellekti (generative AI) kasutamise juhtumid CX ja EX hõlmavad sisu genereerimist teadmistekogu jaoks, kokkuvõtete koostamist pärast interaktsiooni, personaalsete meilisõnumite genereerimist, vestlusrobotite genereerimist, superviisori küsimustele vastamist ja teksti tõlkimist ühest keelest teise.

Laadige alla Genesys juhend “5 ways leading brands use AI”, et saada teada, kuidas need organisatsioonid on parandanud oma klientide ja töötajate kogemust, vähendades samal ajal kulusid.

Allikas: Genesys website.

Adventus Solutions koostöös Genesys aitab ettevõtetel juurutada multimeedia kontaktikeskuste platvorme ja tehisintellekti lahendusi. Genesys Cloudi kontaktkeskuse platvormi kohta lisateabe saamiseks otsige tootekirjeldust või võtke meiega ühendust ja aitame hea meelega.