AI is overal, nagenoeg iedereen die heeft er over gehoord, zelf mee geëxperimenteerd of al echt geïmplementeerd. Voor veel mensen blijft het iets magisch hebben, alsof je als kind een toverdoos hebt gekregen. Dat gevoel komt veelal omdat ze of de achterliggende technologie niet goed kunnen doorgronden, of omdat ze nog niet scherp hebben wat ervoor nodig is om het succesvol te kunnen inzetten, laat staan alle toepassingsgebieden overzien.
Ik stelde laatst in een Linkedin-bericht de vraag welke aspecten we terug zouden moeten laten komen in een whitepaper over resultaten met conversational AI in klantcontact (iedereen die naar aanleiding van dat bericht contact heeft gezocht: dank je wel daarvoor!!).
Het idee is dat je nieuwe medewerkers sneller kunt onboarden en trainen, (uniformere) antwoorden van hogere kwaliteit kunt geven, lagere kosten hebt door lagere afhandeltijd of volledige automatisering. Daarover – wanneer het whitepaper klaar is – later meer.
Wat nu vooral ook opvalt in mijn gesprekken de laatste tijd over AI, de toepassing daarvan in klantcontact en de resultaten, is dat er bij veel bedrijven nog een enorm wensdenken zit rond de AI-hype. Veel bedrijven hopen dat AI, uit zichzelf, oplossingen gaat aandragen voor het verbeteren van gesprekken, content, processen en product/dienstverlening. Bijna effortless, je zet het aan en de adviezen rollen eruit. Net magie.
Mijn ervaring met conversational analyse (AI-gedreven gespreksanalyse) en nu met conversational AI is dat weliswaar veel van de handmatige stappen geautomatiseerd worden, maar dat het wel gewoon werk blijft.
Inzichten halen uit ieder gesprek
Laten we de feiten nog eens op een rijtje zetten, waarbij we beginnen met de gespreksanalyse:
- Indien je ook je belverkeer meeneemt, heb je gesprekken die via transcriptie naar tekst worden omgezet
- De tekst wordt van onder andere telefoongesprekken, whatsapp, e-mail (met AI) geanalyseerd en gelabeld
- De gelabelde gesprekken worden getoond in een dashboard
Als je die dashboards ziet, dan zie je een paar dingen wel en een paar niet (direct):
- Waarover gaan de gesprekken?
- Hoe ontwikkelen die onderwerpen zich over tijd?
- Als je wil weten wat eronder zit, kijk je naar de (wederom met behulp van AI gemaakte) samenvattingen, en soms naar de transcripties (en vandaaruit eventueel terugluisteren);
- De dashboards zijn bedoeld om doorsnijdingen te maken zodat je kunt spotten of er 'iets' in de data verstopt zit (op kwaliteit van het gesprek eventueel per medewerker of op onderwerp)
Dan is het van belang om te kijken:
- Valt ons iets op? Zo ja, willen we daaraan iets doen?
- De ruwe percentages geven dan het maximaal potentieel voor: 1. Besparing: contacten voorkomen door betere content, betere processen of betere gesprekken (minder herhaalverkeer). 2. Wanneer je de link legt met klanttevredenheid, kun je ook kiezen om daarop te sturen door onderwerpen aan te pakken - niet per se om te voorkomen - maar om de klanttevredenheid te verbeteren óf zelfs contacten waar je goede waardering op krijgt te stimuleren (proactief/outbound contacten in plaats van reactief/inbound)
- Als je dan een onderwerp aan gaat pakken (of het nu een niet nagekomen terugbelverzoek is of een ontbrekende bestelbevesting) dan ga je ZELF (dus niet met conversational analyse) ontwerpen HOE je dat wilt aanpakken en uitwerken in een verbetervoorstel.
- De individuele gesprekken dienen als stimulans/onderbouwing van het verbetervoorstel; overigens zijn de gesprekssamenvattingen of geaggregeerde samenvattingen daarvoor beter geschikt. Bovendien kun je die inzetten voor interne communicatie om draagvlak te krijgen.
- Na de implementatie kun je het effect van de verbetering meten in de gesprekken.
Van inzicht naar actie
Nu door naar de geautomatiseerde (AI) afhandeling van gesprekken. Zoals ik eerder aangaf zijn er verschillende niveaus waar je met behulp van AI waarde toe kunt voegen:
- Hogere kwaliteit van kennisbanken (minder fouten)
- Souffleren van klantenservicemedewerkers met de juiste antwoorden (lagere afhandeltijd)
- Direct beantwoorden van klantvragen middels een AI-assistent (lagere afhandelkosten)
- Digitaliseren werkstromen (end-to-end afhandelen van klantvragen)
Hiermee wordt AI niet alleen een hulpmiddel om je gespreksanalyse te verbeteren, maar ook een instrument om je verbetervoorstellen mee te implementeren.
Vanuit wat voor organisatie je wilt zijn voor je klant (of burger of huurder of patiënt et cetera) en daaruit voortvloeiend welk niveau service je wilt bieden, bepaal je WAAROM je iets gaat veranderen. Conversational Analyse geeft je zicht op WAT je zou kunnen/moeten verbeteren. Je verbeterteams bepalen vervolgens het HOE, waarbij conversational AI steeds vaker een rol in de oplossingsmix zal spelen.
AI zal meer en meer helpen om uit alle beschikbare informatie overzicht te creëren, of dat nu is voor analyse doeleinden of om medewerkers en klanten snel van antwoorden te voorzien, als organisatie zul je toch echt het werk moeten leveren om dit goed in te richten, door te ontwikkelen en up-to-date te houden. De toverdoos openklappen en wachten tot het trucje zich vanzelf gaat voltrekken, dát gaat (nog) niet gebeuren. Je zult echt zelf als goochelaar aan de bak moeten (of een goede inhuren natuurlijk 😀).
-- dit bericht is eerder gepubliceerd op LinkedIn