Jak fungují AI agenti v zákaznickém servisu

Váš vedoucí kontaktního centra zvládá ve 2 hodiny ráno 120 otevřených chatů. Sliby se neplní a do rána se fronty ztrojnásobí.

V praxi to znamená, že agenti automaticky vyřizují dotazy typu „kde je moje objednávka?“ a žádosti o resetování hesla, připravují návrhy odpovědí na žádosti o vrácení peněz ke schválení a předávají eskalace s přiloženým přepisem a podrobnostmi objednávky.

Tato změna není hypotetická; společnost Gartner předpovídá, že do roku 2025 bude 80 procent organizací využívat generativní AI v oblasti podpory.

Další pilotní projekt, který spustíte, rozhodne o tom, zda se váš tým poučí hned, nebo bude příští čtvrtletí dohánět zpoždění. Abyste se mohli rozhodnout, kam tento pilotní projekt zapadá, potřebujete jednoduchý obrázek toho, co AI agent dělá od zprávy po řešení.

Hlavní body

Jak AI agenti ve zákaznickém servisu skutečně fungují

V typickém nastavení AI agent přečte příchozí zprávu, načte kontext z vašeho CRM a znalostní báze, rozhodne o nejlepší odpovědi a poté buď vypracuje návrh odpovědi ke kontrole, nebo ji automaticky odešle.

Agenta můžete nakonfigurovat jako pomocníka, který pouze navrhuje odpovědi, jako kopilota, který navrhuje odpovědi ke schválení, nebo jako plně autonomního agenta, který sám uzavírá jednoduché případy.

Tento cyklus se opakuje stovkykrát za hodinu, díky čemuž některé týmy zkrátily průměrnou dobu řešení z jedenácti minut na dvě.

Jakmile jasně uvidíte smyčku, bude snazší rozpoznat, kde se zapojuje do každodenní práce.

Jak se AI agenti hodí do každodenní práce zákaznického servisu

Reálný dopad AI agentů je jasně patrný ve třech oblastech: na začátku front, v rámci konverzací a v zákulisí.

Pro ilustraci uvádíme několik příkladů:

Odstraňte tyto agenty a zákaznický servis se vrátí ke starým vzorcům, jako jsou opakované odpovědi, dlouhé doby řešení a stresované týmy během špičky.

Tyto tlaky rychle eskalují do přesčasů, vyčerpaných front a frustrovaných zákazníků, kteří přecházejí ke konkurenci – mezery, které se rychle projeví ve vašich metrikách.

Hlavní výhody AI agentů v zákaznickém servisu

Při správném nastavení AI agenti zrychlují reakce a snižují náklady na interakci. Zpracovávají rutinní požadavky bez zpoždění nebo prostojů, takže se váš tým může soustředit na složitější problémy.

Data BCG ukazují, že plně nasazené řešení LLM zvyšují produktivitu zákaznického servisu o 30 až 50 procent, zkracují dobu vyřízení a uvolňují zástupce pro řešení složitějších problémů.

Dohromady vám tyto kroky přinesou kratší fronty, nižší náklady na pracovní sílu a okamžité odpovědi na jednoduché úkoly.

Praktické příklady použití agentů zákaznického servisu

Většina výhod AI agentů pochází z několika zaměřených pracovních postupů, nikoli z rozsáhlé revize.

Týmy obvykle začínají s úkoly s vysokým objemem a nízkou složitostí a zaměřují se na 40% míru automatického řešení do 60 dnů, aby rychle prokázaly svou hodnotu.

Níže uvedené vzorce zdůrazňují oblasti, ve kterých agenti již dosahují měřitelných výsledků, a pomáhají vám vybrat nejvhodnější řešení pro vaše nevyřízené úkoly.

1. Autonomní odklonění FAQ

V tomto případě chatboti na vašem webu nebo v aplikaci bez lidského zásahu vyřizují rutinní dotazy týkající se dopravy, vrácení zboží nebo přístupu k účtu.

Příklad: AI asistent společnosti Klarna zvládl během prvního měsíce 2,3 milionu konverzací, což odpovídá pracovnímu vytížení 700 zaměstnanců na plný úvazek. Doba odezvy klesla z 11 minut na 2 minuty, zatímco spokojenost zákazníků zůstala srovnatelná s lidskou podporou.

2. Návrhy odpovědí s asistencí agentů

Agent AI sleduje živé chaty nebo e-mailové tikety a navrhuje návrhy odpovědí. Lidští zástupci pak odpovědi zkontrolují, upraví jejich tón a odešlou.

Příklad: Generativní asistent společnosti JetBlue zkrátil dobu zpracování chatů o 280 sekund, čímž uvolnil 73 000 hodin práce agentů za pouhé jedno čtvrtletí. Zástupci mohou během jedné směny vyřídit více kontaktů a zároveň strávit méně času hledáním informací.

Tento přístup funguje dobře i při telefonickém kontaktu, kdy zákazníci potřebují především rychlé informace o stavu.

3. Vyhledávání objednávek pomocí hlasového IVR

V tomto modelu zákazníci volající na podporu zadají ID objednávky do systému IVR. AI vyhledá stav objednávky, poskytne aktualizace a odešle podrobnosti prostřednictvím SMS.

Příklad: Bot Ask Delta společnosti Delta Air Lines zpracovává třetinu všech dotazů, čímž snižuje objem příchozích hovorů o 20 %. Rutinní požadavky se nikdy nedostanou k lidským agentům, kteří se tak mohou soustředit na změnu rezervací, výjimky nebo komplexní potřeby zákazníků.

4. Shrnutí poznámek po hovoru

AI agenti automaticky vytvářejí souhrny hovorů, kategorizují problémy a zaznamenávají následné akce do vašeho CRM ihned po hlasové nebo chatové interakci.

Příklad: Generativní asistent SmileDirectClub automatizuje pořizování poznámek, což umožňuje zástupcům rychle přejít k dalšímu případu, jak je podrobně popsáno v případové studii CIO Dive. Tento proces snižuje pracovní zátěž po hovoru a zlepšuje dodržování předpisů, čímž poskytuje týmům QA přesné a konzistentní záznamy.

5. Proaktivní oznámení o výpadcích

Když monitorování zjistí problémy se službami, agent AI proaktivně odešle personalizované zprávy dotčeným zákazníkům, ve kterých jasně vysvětlí problém a uvede odhadovanou dobu řešení.

Tato strategie snižuje počet příchozích hovorů souvisejících s výpadky a umožňuje zástupcům zákaznického servisu soustředit se na jedinečné požadavky zákazníků namísto opakovaných vysvětlení výpadků. AI informuje zákazníky o vývoji situace, takže není nutné provádět manuální následné hlášení.

Související: Prozkoumejte další příklady použití agentů podpory, které jsou vhodné pro vaši technologickou infrastrukturu.

Jak vybrat správné agenty zákaznického servisu

Jakmile rozpoznáte vzorce, skutečnou prací je výběr nástrojů, které odpovídají vašim kanálům, kvalitě dat a toleranci rizika. Máte na výběr mezi integrovanými CRM boty, samostatnými sadami API nástrojů a řešeními pro celou platformu.

Každý z nich má jinou úroveň integrace, cenové modely a omezení přizpůsobení. Nesprávný výběr znamená měsíce práce a rozpočtu promarněné na nástroje, které nedokážou zpracovat vaše data nebo zvládnout špičkový objem.

Většina týmů sestavuje užší výběr na základě vhodnosti kanálu, náročnosti integrace a předvídatelnosti cen.

Níže uvedení dodavatelé ilustrují, jak se tyto kompromisy projevují v reálných produktech.

Každá platforma nabízí kompromis mezi kontrolou a snadností nastavení a údržby.

Vyberte si architekturu, která odpovídá vašim datům a objemu dnes, místo té, kterou budete příští rok upravovat, aby odpovídala realitě.

Jakmile je seznam kandidátů připraven, přejděte k postupnému zavádění, abyste mohli prokázat hodnotu bez poškození CSAT.

Začínáme s agenty zákaznického servisu [krok za krokem]

Zavádění AI do zákaznického servisu je úspěšné, když týmy zachovávají jednoduchost. Zde je návod, jak včas prokázat hodnotu, vyhnout se problémům a hladce škálovat.

1. Kontrola kvality dat a přístupu k API

Začněte kontrolou svých posledních ticketů a chatových záznamů. Ověřte, zda jsou identifikátory zákazníků, podrobnosti objednávek a typy problémů jasné a konzistentní.

Dále se ujistěte, že vaše CRM, platforma pro ticketing a znalostní báze mají otevřené REST API nebo webhooky. Bez spolehlivých dat a snadné integrace se boti rychle porouchají.

2. Připravte historická data a nastavení modelu

Shromážděte často kladené otázky, přepisy chatů, šablony e-mailů a dokumentaci k produktům. Nahrajte tento obsah na platformu svého agenta nebo do systému pro vyhledávání.

Poté proveďte interní testy pomocí skutečných otázek zákazníků z minulosti a opravte všechny nesprávné odpovědi, které najdete. Jakmile přesnost dosáhne 90 procent, obsah uzamkněte a pokračujte dál.

3. Integrace s živými systémy

Jakmile budete mít připravenou znalostní bázi, integrujte svého bota přímo do svého CRM, platformy pro tickety a objednávkových systémů pomocí zabezpečených API nebo OAuth.

Budete muset přiřadit časté záměry zákazníků, jako je vyhledávání objednávek nebo resetování hesel, k příslušným zdrojům.

Poté proveďte test v sandboxu, abyste se ujistili, že zprávy plynule přecházejí z požadavků zákazníků k lidským předáním, a potvrdili tak bezpečnost a šifrování.

4. Spusťte kontrolovaný pilotní projekt

Začněte tím, že nasměrujete omezenou část provozu na svého agenta a zaměříte se na 40% míru automatického řešení do 60 dnů při zachování spokojenosti zákazníků.

Týmy by měly denně kontrolovat interakce a podle potřeby vylepšovat mapování záměrů a eskalační body. Vždy poskytujte zákazníkům jasnou možnost mluvit s lidským agentem.

5. Škálujte napříč kanály a geografickými oblastmi

Jakmile pilotní projekt dosáhne svých cílů, rozšířte jej na všechny digitální kanály a poté přidejte hlasové služby, pokud to bude opodstatněné.

Školení zahrnuje kontrolu přepisů, přepsání a zpětnou vazbu k opravám. Aktualizujte SLA a postupy eskalace, aby bylo jasné, jak funguje první stupeň třídění. Prezentujte změnu jako odstranění nudné práce z front.

Vynechání kroků může způsobit potíže. Jeden tým musel zavedení na měsíc pozastavit, protože testy odhalily, že bot poskytoval špatné rady.

Bezpečné a odpovědné využívání agentů zákaznického servisu

Takové příběhy nejsou vzácné, a proto je způsob, jakým navrhujete ovládací prvky, stejně důležitý jako model, který si vyberete.

Boti, kteří mají halucinace, úniky dat nebo zmeškávají eskalace, ničí důvěru rychleji, než dokážou ušetřit peníze. Jeden uživatel Redditu poznamenal, že jejich chatbot RAG se mýlil přibližně v 10 % případů, a označil jej za příliš riskantní pro externí použití.

Řešením je sada kontrolních mechanismů, které spravuje oddělení podpory a bezpečnosti, zachycují chyby dříve, než se dostanou k zákazníkům, a umožňují vám sledovat, co se děje, když se něco přece jen stane.

Díky těmto ochranným opatřením můžete systém nasadit s jistotou a vědět, že okrajové případy nebo porušení předpisů se objeví při kontrole, než se z nich stanou veřejné stížnosti.

Jakmile budete mít zavedeny dnešní kontrolní mechanismy, další otázkou bude, jak se to bude dále vyvíjet.

Budoucnost AI agentů v této oblasti

V příštích dvanácti měsících lze očekávat, že kontaktní centra přidají multimodální agenty, kteří budou analyzovat nahrané fotografie poškozených produktů nebo rozpoznávat tón hlasu při telefonních hovorech. S vylepšováním modelů poroste míra zadržení.

Společnost Gartner předpovídá, že konverzační AI by do roku 2026 mohla ušetřit 80 miliard dolarů na nákladech na pracovní sílu, což povede k agresivnímu zavádění v maloobchodu, telekomunikacích a financích.

Sjednoťte zásady, toky vrácených zásilek a pravidla eskalace do jedné vlastní znalostní báze, přiřaďte vlastníka a nastavte SLA pro aktualizace. Snaha o úplnou autonomii bez solidního obsahu pouze přesouvá frustraci z telefonních front do smyček chatbotů.

Po příštím roce se změní i vnější tlak na týmy zákaznického servisu.

Ve střednědobém horizontu regulační orgány zpřísní pravidla pro zveřejňování informací a objeví se doménově specifické LLM, které omezí halucinace v bankovnictví nebo zdravotnictví, což znamená, že byste měli očekávat více auditů toho, jak vaši agenti odpovídají a zaznamenávají konverzace.

Role lidí se posunou směrem k řešení složitých problémů a dohledu nad boty. Některé základní role se mohou zmenšit, ale objeví se nové pozice, jako jsou návrháři konverzací a trenéři botů. Naplánujte hybridní model: boti zvládají rutinní úkoly, lidé řeší nuance a kritické problémy.

Často kladené otázky

To jsou otázky, které si vedoucí podpory a provozu obvykle kladou před spuštěním pilotního projektu.

Nahradí AI agenti zcela lidské zástupce?

Ne. AI agenti zpracovávají rutinní dotazy a jednoduché pracovní postupy, ale složité nebo emocionální případy stále řeší lidé. Společnost Gartner zjistila, že 78 procent vedoucích pracovníků v oblasti CX věří, že lidé jsou nenahraditelní, pokud jde o složité nebo citlivé problémy, proto plánujte hybridní model.

Jak dlouho potrvá, než se nám vrátí investice?

Týmy obvykle zaznamenají návratnost investic přibližně za šest měsíců, jakmile automatické řešení dosáhne zhruba 40 procent. V tom okamžiku AI agenti odkloní dostatek ticketů, aby snížili počet hodin a přesčasů agentů, přičemž udržují stabilní CSAT. Většina pilotních projektů využívá 60denní období k potvrzení těchto výsledků před rozšířením.

Co když bot dá špatnou odpověď?

Chybné odpovědi považujte za problém návrhu, nikoli za důvod k rezignaci. Odpovědi zakládejte na důvěryhodných zdrojích, v hraničních případech přidejte lidskou kontrolu a pravidelně provádějte audit přepisů. Tyto kontroly udržují pozorovanou chybovost pod 1 % v živém provozu, zatímco vy ladíte model a obsah.

Mají zákazníci skutečně rádi komunikaci s boty?

Zákazníci mají rádi rychlé odpovědi na jednoduché otázky a na složité otázky raději odpovídají lidé. CSAT stoupá, když boti poskytují okamžité odpovědi a je vždy k dispozici jasná možnost kontaktovat člověka. Přesto 64 procent zákazníků dává přednost úplné absenci AI, když je boti uvězní v nekonečné smyčce.

Další kroky s agenty zákaznického servisu

Vzhledem k této pravděpodobné budoucnosti je dalším krokem rozhodnutí, kde spustit první bezpečný pilotní projekt. AI agenti snižují náklady a zrychlují odpovědi, takže se váš tým může soustředit na hovory a chaty, které vyžadují úsudek.

Čekání s sebou nese riziko vyššího odchodu zákazníků i vyšších nákladů na pracovní sílu. Čím dříve pilotní projekt spustíte, tím dříve zjistíte, co ve vašem prostředí funguje, a můžete to proměnit v výhodu pro svůj tým.