هوش مصنوعی در خدمات مشتری: اتوماسیون پاسخ‌گویی

هر تیم پشتیبانی فهرست کوتاهی از پرسش‌ها دارد که هر روز تکرار می‌شود: وضعیت سفارش، شرایط بازگشت کالا، شیوهٔ تنظیم یک قابلیت، مبلغ و مدت اشتراک. همین پرسش‌های ساده بخش بزرگی از ظرفیت تیم را می‌بلعند و مشتری را در صف انتظار پاسخی می‌گذارند که در چند ثانیه قابل دادن است.

پرسش درست دربارهٔ خودکارسازی پشتیبانی این نیست که آیا ماشین می‌تواند پاسخ بدهد، بلکه این است که کدام پاسخ‌ها را می‌توان بدون ریسک به ماشین سپرد. مرز این دو دسته را ماهیت خطا تعیین می‌کند: جایی که پاسخ نادرست با یک اصلاح جبران می‌شود، و جایی که به پول، تعهد حقوقی یا اعتماد مشتری آسیب می‌زند.

پرسش‌هایی که با اطمینان خودکار می‌شوند

سه ویژگی یک پرسش را برای خودکارسازی مناسب می‌کند: پاسخش در منبعی مکتوب و به‌روز موجود است، برای همهٔ مشتریان یکسان است یا از دادهٔ سامانه قابل استخراج است، و اشتباه در آن پیامد جدی ندارد. وضعیت ارسال، ساعات کاری، شرایط گارانتی و راهنمای تنظیمات در این دسته‌اند: بیشترین حجم و کمترین ارزش افزودهٔ انسانی. یک پشتیبانی هوشمند بر سه جزء می‌ایستد؛ پاسخ خودکار به همین پرسش‌ها، ارجاع هوشمند موارد پیچیده به کارشناس درست، و تحلیل انبوه گفت‌وگوها برای یافتن علت تکرارشوندهٔ شکایت‌ها.

جایی که تصمیم باید انسانی بماند

• پول: بازگشت وجه، تخفیف استثنایی و حل اختلاف مالی؛ خطا در این موارد مستقیم روی صورت‌حساب می‌نشیند.
• شکایت جدی: مشتری خشمگین بیش از پاسخ درست به همدلی نیاز دارد و لحن ماشینی وضعیت را بدتر می‌کند.
• موارد حقوقی و ایمنی: هر آنچه به قرارداد، داده‌های شخصی یا سلامت کاربر مربوط است باید از نظر انسان بگذرد.
• موارد بی‌سابقه: پرسشی که پاسخش در منبع دانش نیست باید به کارشناس برود؛ حدس‌زدن بدترین انتخاب ممکن است.

پایگاه دانش مهم‌تر از انتخاب مدل است

مدل زبانی وقتی پاسخی پیدا نکند، تمایل دارد پاسخی بسازد که فقط درست به نظر می‌رسد؛ در پشتیبانی همین تمایل خطر اصلی است. راه مهار آن شناخته‌شده است: پاسخ‌ها باید به سند مشخصی از پایگاه دانش سازمان متصل باشند و هرجا سندی نبود، سامانه به‌جای تولید پاسخ، مورد را به انسان ارجاع دهد. به همین دلیل بیشترین کار پیش از راه‌اندازی، مرتب‌کردن مستندات است، نه تنظیم ابزار.

چرا برای کسب‌وکارهای ایرانی جواب می‌دهد

پشتیبانی در ایران چندکاناله است: تلفن، پیام‌رسان، شبکه‌های اجتماعی و فرم وب‌سایت، آن هم در ساعت‌هایی فراتر از یک شیفت اداری. نگه‌داشتن نیرو برای پاسخ‌گویی شبانه‌روزی در کسب‌وکار کوچک عملاً ناممکن است، در حالی که پرسش‌های ساده در همان ساعت‌ها هم می‌رسد. کیفیت مدل‌های امروزی در فهم فارسی گفتاری هم به جایی رسیده که این کار به تیم فنی بزرگ نیاز ندارد.

مسیر سه‌ماههٔ اجرا

• ماه اول: گفت‌وگوهای چند ماه گذشته را دسته‌بندی کنید، ده پرسش پرتکرار را بیرون بکشید و پاسخ رسمی و تأییدشدهٔ هر یک را مکتوب کنید.
• ماه دوم: دستیار را روی همان ده پرسش و یک کانال راه بیندازید، با مسیری به سمت انسان که در هر گام در دسترس باشد.
• ماه سوم: گفت‌وگوهای ناموفق را بخوانید و منبع دانش را اصلاح کنید؛ دامنه را تنها پس از پایدار شدن نتیجه گسترش دهید.

خطاهای رایج

• پنهان‌کردن مسیر رسیدن به انسان؛ مشتری‌ای که راه خروج نمی‌بیند، اعتمادش را از کل سامانه برمی‌دارد.
• راه‌اندازی روی مستندات قدیمی؛ دستیار اطلاعات غلط را با سرعت و اطمینان بیشتری پخش می‌کند.
• سنجش موفقیت با شمار گفت‌وگوهای بسته‌شده به‌جای مسائلی که واقعاً حل شده است.
• جا زدن ماشین به‌جای انسان؛ شفاف‌بودن دربارهٔ ماهیت دستیار، انتظار مشتری را درست تنظیم می‌کند.

شاخص‌هایی که تصمیم می‌سازند

چهار عدد را دنبال کنید: زمان نخستین پاسخ، سهم گفت‌وگوهایی که بدون دخالت انسان به‌درستی تمام شده‌اند، نرخ ارجاع به کارشناس و رضایت مشتری در همان گفت‌وگو. دو شاخص نخست زود بهبود پیدا می‌کنند، اما تصمیم گسترش را باید بر پایهٔ دو شاخص بعدی گرفت. سهم بالای پاسخ خودکار در حالی که رضایت افت کرده، نشانهٔ آن است که سامانه گفت‌وگوها را می‌بندد، نه مسائل را.

پرسش‌های پرتکرار

• از کدام کانال شروع کنیم؟
  از کانالی که بیشترین حجم پرسش‌های سادهٔ متن‌محور را دارد؛ آنجا پیاده‌سازی ساده‌تر است و اثر زودتر دیده می‌شود.
• اگر دستیار پاسخ را نداند چه می‌شود؟
  باید همین را بگوید و مورد را با تمام سابقهٔ گفت‌وگو به کارشناس بسپارد؛ پاسخ نادرست از پاسخ‌نداشتن پرهزینه‌تر است.
• آیا تیم پشتیبانی کوچک می‌شود؟
  ترکیب کار عوض می‌شود؛ حجم پرسش‌های ساده کم می‌شود و ظرفیت تیم به موارد پیچیده و نگه‌داشت مشتری منتقل می‌شود.

جمع‌بندی

خودکارسازی پاسخ‌گویی وقتی نتیجه می‌دهد که با یک مرز روشن شروع شود: پرسش‌های پرتکرار و کم‌ریسک به ماشین، و پول و شکایت و مورد بی‌سابقه به انسان. با ده پرسش، یک کانال و یک مسیر همیشه‌باز به کارشناس شروع کنید و دامنه را تنها به اندازه‌ای گسترش دهید که مستندات و شاخص‌ها اجازه می‌دهند.

واژه‌نامه

• دستیار گفت‌وگومحور: نرم‌افزاری که به زبان طبیعی با مشتری گفت‌وگو می‌کند و پاسخ می‌دهد.
• پایگاه دانش: مجموعهٔ مستندات تأییدشدهٔ سازمان که پاسخ‌های دستیار به آن متصل است.
• ارجاع: انتقال یک مورد از سامانهٔ خودکار به کارشناس یا به سطح بالاتر پشتیبانی.
• توهم مدل: تولید پاسخی که معتبر به نظر می‌رسد اما مبنایی در داده‌های واقعی ندارد.