در این مقاله به مفهوم هوش مصنوعی و نقش آن در مرکز ارتباط با مشتریان در آینده می پردازیم.
مراکز ارتباط با مشتریان در آینده، سئوالات مشتری را از قبل میدانند و پیشبینی میکنند مشتری در مورد چه چیزی حرف خواهد زد. این مراکز همچنین پشتیبانی مناسبی را در طول ارتباط فراهم میکنند و همهی اینها بخاطر حضور هوشمصنوعی در مرکز ارتباط با مشتریان است.
اما در این داستان، کامپیوترها جایگزین انسانها نمیشوند. در عوض، مکمل انسانها هستند: هوش مصنوعی به تمام انسانها کمک میکند ( چه مشتری باشند و چه کارشناس مرکز تماس ) تا کارهای بیشتری را در زمانی کمتر، انجام دهند.
معنی این گفته در عمل برای مرکز ارتباط با مشتریان در ۱۰ سال آینده چیست؟ در زیر نگاهی به سه نقش اصلی هوشمصنوعی خواهیم انداخت:
پیشبینی نیازها: دادههای بزرگ به پیشبینی نیازهای مشتری کمک خواهند کرد.
تقویت مکالمهها: دستیارهای مجازی کمکهای فوری ارائه خواهند کرد.
خودکارسازی تا حد ممکن: حفظ کارشناسان انسانی برای ارتباطهایی که نیاز به وجودشان دارند.
البته در ابتدا می خواهیم ببینیم معنی هوشمصنوعی چیست.
هوشمصنوعی چیست؟
این هوشمصنوعی همان چیزی که در فیلمهای علمی تخیلی دیدهاید نیست: به این زودیها شاهد یک نرمافزار آگاه و متفکر در مرکز ارتباط با مشتریان نخواهید بود.
بلکه این همان چیزیست که دانشمندان علوم کامپیوتر نامش را (Soft AI) گذاشتهاند. ابزارهایی که در این نوع از هوشمصنوعی میبینیم، هوش خود را از راه استخراج معنی از دادههایی به دست میآورند که پیش از این نیز مورد استفاده قرار گرفته بودند.
دادههای بزرگ: یافتن الگوهای موجود در حجمهای بالای دادههای گوناگون و با سرعت بالا.
پردازش زبان طبیعی: ایجاد قابلیت تجزیهی زبان انسانها به اَشکال گفتاری و نوشتاری در کامپیوترها (مانند ربات الکسا در آمازون)
یادگیری ماشینی: ایجاد این قابلیت در کامپیوترها آنها را قادر می سازد که از طریق تغییر در شرایط و دادهها، خود را بهصورت کارامد برنامهریزی کنند.
ترکیب این ابزارها ما را قادر می سازد دانشی را از منابع به ظاهر کمارزش (مثل زمان مکالمات ضبطشده) استخراج کنیم که در صورت عدم استخراج، از دست می روند.
اما این ابزارها چگونه به اثربخشتر کردن مرکز ارتباط با مشتریان در آینده کمک خواهند کرد؟
پیشبینی نیازهای مشتری توسط هوشمصنوعی
یک شنبه شب برفی و سرد در سال ۲۰۲۲ است. لیلی به مشکلی در اتومبیل خود برخورده و به امداد خودروی جادهای زنگ میزند.
پیش از پاسخ به تماس، هوشمصنوعی مرکز تماس (کال سنتر) تشخیص میدهد این تماس ضروریست. در چند میلیثانیه، این قضاوت را براساس محتوای تماس، تشخیص داده است:
شمارهای که با آن تماس گرفته شده به حساب لیلی در آن شرکت متصل است.
او مشتری ۱۰ ساله این مرکز است اما تا کنون با خط امداد تماس نگرفته بود.
سایر مشتریان با پروفایل مشابه لیلی فقط زمانی تماس گرفته بودند که نیاز به کمک داشتند.
وضعیت آبوهوای شهر لیلی آنقدر سرد هست که اگر او زمانی طولانی بدون وسایل گرمایشی باشد در خطر سرمازدگی قرار می گیرد.
هوش مصنوعی، لیلی را در ابتدای صف قرار میدهد؛ به تماس او سریعاً پاسخ داده خواهد شد. سپس این سیستم زمانی که لیلی باید منتظر خودروی امداد باشد را تخمین میزند (با این فرض که لیلی در شهر خودش باشد) و این زمان را پس از پاسخ به تماس، به کارشناس مرکز ارتباط با مشتریان اطلاع میدهد.
در این مورد، هوش مصنوعی از محتوای تماس لیلی برای قضاوت هدف و میزان اضطرار کمک گرفت و سپس تماسش را بهدرستی منتقل کرد. با اینکه حدسش سخت نیست که وقتی کسی در نیمه شب از یک شهر سرد تماس میگیرد احتمالاً کارش ضروریست، الگوهای غیر واضح در منابع عمومی و خصوصی دادهها ظاهر خواهند شد. ابزارهای یادگیری ماشینی سپس تخمین میزنند پس از ظاهر شدن این الگوها، بهترین پاسخ چیست. همه چیز از سطح کارکنان، بهترین تبلیغات، تا نوع ارتباط موردنظر یک مشتری توسط نرمافزاری تنظیم شده که از طریق یادگیری ماشینی ، برنامهریزی شده است.
تقویت مکالمهها توسط هوشمصنوعی
کارشناس مرکز ارتباط با مشتریان به تماس لیلی پاسخ میدهد. لیلی توضیح میدهد در شهر محل زندگیاش است و با یک تودهی یخ برخورد کرده، سُر خورده و چرخش پنچر شده است. نیاز به یک یدککش دارد تا اتومبیلش را به خانه برساند.
در خلال صحبتهای لیلی، یک نقشه از مکان حدودی لیلی به همراه امدادخودروهای مستقر نزدیک او روی صفحهی مانیتور کارشناس مرکز ارتباط با مشتریان ظاهر میشود. هنگامیکه لیلی میگوید به نظرش احتیاج به یک یدککش دارد، نزدیکترین امدادخودرو روی نقشه مشخص میشود. تمام اینها بدون راهنمایی کارشناس، اتفاق میافتد. در عوض، یک دستیار مجازی به تماس گوش میدهد و از پردازش زبان طبیعی برای استخراج کلمات کلیدی استفاده میکند.
لیلی میداند در کدام خیابان است اما آدرس دقیقش را نمیداند. نرمافزار مرکز ارتباط با مشتریان این گفتهی او را میشنود و پیامی را روی مانیتور کارشناس مینویسد:
“میخواهی یک عکس از یک نشانه در آن محل برای مشتری بفرستی؟”
بدون پاسخ به سئوال نرمافزار، کارشناس به لیلی میگوید که برایش یک پیام به همراه یک عکس از یک نشانهی محلی میفرستد و به لیلی میگوید پس از دریافت به او اطلاع دهد. با اینکار، هوش مصنوعی عکس را برای لیلی میفرستد و منتظر میماند لیلی آنرا دریافت کند. او ساختمان را میبیند؛ هوش مصنوعی براساس آن، مکان دقیق لیلی را مشخص میکند.
در این مورد لیلی باید با یک انسان حرف بزند که با او در این موقعیت تقریباً ترسناک، با همدردی صحبت کند. کارشناس مرکز ارتباط با مشتریان از نقاط قوتش بهعنوان یک انسان استفاده میکند: او میتواند اعتماد لیلی را جلب کرده و اطلاعات صحیح را از او بگیرد. دستیار مجازی سپس میتواند از طریق گوش دادن به این مکالمه، براساس اطلاعاتی که لیلی داده است اقدام کند.
این تکنولوژی هماکنون وجود دارد. پلتفرم ارتباطات API وُناژ به نام نِکسمو، با IBM واتسون برای ایجاد این نوع از دستیار مجازی همکاری میکند. چند سال دیگر در مرکز ارتباط با مشتریان، این تکنولوژی عادی خواهد شد.
خودکارسازی تا حد ممکن
کمی بعدتر در همان سال، لیلی قصد میکند جزئیات پرداختش را تغییر دهد. او برای اینکار با شماره امدادخودرو تماس میگیرد:
“میخواهم جزئیات پرداختم را عوض کنم.”
تقریباً بلافاصله، این پاسخ را دریافت میکند:
“هیچ مشکلی نیست. چند دقیقه دیگر برای تأیید درخواست با شما تماس خواهیم گرفت.”
تلفن لیلی زنگ میخورد و دستیار مجازی به او سلام میکند. این صدا از او میخواهد درخواست تغییر در جزئیات پرداخت را تأیید کند. سپس این دستیار مجازی با استفاده از تحلیل صدا، هویت لیلی را تأیید کرده و سپس جزئیات پرداخت را طبق درخواست او، تغییر میدهد. این صدا میپرسد آیا میتواند کمک دیگری بکند؟ پاسخ لیلی مثبت است: لیلی میخواهد بداند آیا به مبلغ تمدید سالانهاش، تخفیفی تعلق میگیرد یا نه. دستیار از او میخواهد کمی صبر کند تا به یک کارشناس مرکز تماس (کال سنتر) منتقل شود. پس از چند لحظه، لیلی در این مورد با یک کارشناس در تیم حفظ مشتری در حال صحبت است.
اینجا جاییست که مدل مکمل انسان خودش را نشان میدهد. برای یک تغییر معمولی در روش پرداخت (بهخصوص تغییری که ابتدا توسط پیام درخواست شده) وجود یک کارشناس، ضروری نیست. به جای آن، یک دستیار مجازی میتواند از طریق پیامک یا تماس صوتی، درخواست را انجام دهد. اما وقتی نوبت به سئوالی برسد که این دستیار نتواند پاسخش دهد (یا جاییکه دادهها نشان میدهند صحبت با یک کارشناس انسانی، نتایج بهتری خواهد داشت) به کارشناس انسانی منتقل خواهد شد.
به خاطر یادگیری ماشینی، دستیار مجازی حتی میتواند همراه با کارشناس انسانی به تماس لیلی گوش دهد و از این تعامل، چیزهایی یاد بگیرد. نرمافزاری وجود دارد که چتها و مکالمات ثبت شده را مرور میکند تا احساسات را تحلیل کرده و لحظهای که مثلاً مشتری عصبانی میشود را تشخیص دهد. از طریق تحلیل هزاران تماس و چت، یک ابزار یادگیری ماشینی میتواند یاد بگیرد چه کلمات و تُنهای صدایی نشان میدهند شخص ناراضیست و نیز چه شکلهایی از پاسخ، تماسگیرنده را خلعسلاح میکند.
انسان بهعلاوهی هوش مصنوعی در مرکز ارتباط با مشتریان
بنابراین احتمالاً تا ۲۰ سال دیگر، شاهد مکالمات صوتی طبیعی و جاری با اوپراتورهای هوشمند در مرکز ارتباط با مشتریان خواهیم بود. در آیندهی نزدیک نیز اوضاع به همین جالبی خواهد بود؛ تفاوتش این است که تشخیص نقش هوش مصنوعی در مرکز تماس (کال سنتر) در طول دههی پیشرو توسط مشتری نهایی، بسیار سختتر خواهد بود.
در سالهای پیشرو، هوش مصنوعی برای مرکز ارتباط با مشتریان حیاتی خواهد شد اما نقشش بیش از پیش در حاشیه است. این سیستم از منابع دادهای گوناگون استفاده خواهد کرد تا نیازهای مشتری و شرکت را پیش بینی کند، ارتباطات را تا حد ممکن توسط خودش انجام دهد و در هنگام نیاز، پشتیبانی در خلال مکالمه را فراهم آورد.
انسانها همچنان برای زمانهایی که دادهها (یا عقل سلیم) نشان دهند کار آنها نتیجهبخش تر است، حضور خواهند داشت. بنابراین آیندهی هوشمصنوعی در مرکز ارتباط با مشتریان زمانیست که ابزارهای نرمافزاری، انسانها را اثربخشتر کنند؛ بسیار مشابه کاری که در طول ۶۰ سال گذشته انجام میدادند.
منبع:
nexmo.com