Ihr Abonnement des Genesys-Blogs wurde bestätigt!
Please add genesys@email.genesys.com to your safe sender list to ensure you receive the weekly blog notifications.
Im Jahr 2022 wurde geschätzt, dass dialogorientierte KI die Personalkosten um 80 Milliarden USD senken wird. Als ChatGPT verfügbar wurde, richtete sich der Fokus auf generative KI – und diese Technologie steht weiterhin im Mittelpunkt des Interesses von Customer Experience-Experten. Dass Kunden einfach auf Informationen zugreifen können, welche auf natürliche Art und Weise und mit einer persönlichen Note bereitgestellt werden, klingt verlockend. Besonders attraktiv ist dies für diejenigen, die bereits mit dialogorientierter KI arbeiten. In Anbetracht der Zukunftsträchtigkeit der generativen KI fragen sich einige möglicherweise, ob es sinnvoll ist, weiterhin in dialogorientierte KI zu investieren. Es wäre noch etwas verfrüht, die Totenglocke für die dialogorientierte KI zu läuten. Gartner berichtete 2023, dass die dialogorientierte KI das am schnellsten wachsende Segment für Contact Center ist. In derselben Studie stellte das Unternehmen fest, dass Interaktionen mit KI zunehmen und nicht vollständig ausgelagert werden. Das bedeutet, dass eine menschliche Intervention benötigt wird, um das Ergebnis abzuschließen. Natürlich sind wir noch nicht so weit, dass wir das, mit dem wir bisher gearbeitet haben, ersetzen können. Generative und dialogorientierte KI können durchaus nebeneinander existieren. Generative KI verspricht zwar, die Customer Experience zu verbessern, aber es gibt auch bei der Anwendung der dialogorientierten KI noch ungenutztes Potenzial.
Dialogorientierte KI vs. Generative KI für Verbraucher
Was die Customer Experience anbelangt, ergibt sich aus der Anwendung generativer KI im Gegensatz zur dialogorientierten KI ein anderer Gesprächsstil zwischen dem Verbraucher und dem Anbieter von Produkten oder Dienstleistungen. Mit generativer KI ist das Gespräch informativ, fließend und kann eine breite Palette von Themen abdecken. Es fühlt sich an, als würden Sie mit einem Freund sprechen, der Ihnen interessante Details über Ihr Reiseziel und verschiedene Möglichkeiten nennen kann, wie Sie das Reiseziel erreichen können. Dieser Freund kann Sie jedoch nicht einfach dorthin fahren oder ein Taxi für Sie rufen. Mit dialogorientierter KI wird das Gespräch beschränkter, tendenziell roboterhaft und möglicherweise digital oder sprachbasiert. IVR-Systeme, die früher mit Abfragen wie „Drücken Sie 1 für Ja oder 2 für Nein“ gearbeitet haben, verwenden heutzutage dialogorientierte KI, um Gespräche in natürlicher Sprache zu ermöglichen. Manchmal wird die KI durch die Technik des Mehrfrequenzwahlverfahrens (Dual Tone Multi-Frequency, DTMF) ergänzt, sodass über das Nummernfeld Informationen an ein System gesendet werden können. Im Fokus steht ein Ergebnis. Diese Gespräche sind so konzipiert, dass sie menschlichen Interaktionen im Kundenservice ähneln. Sie enden in der Regel mit einer Aktion – ein Kauf, eine Rücksendung, das Zurücksetzen des Kontos oder eine Eskalation.
Dialogorientierte KI vs. Generative KI für Dialogdesigner
Auch für diejenigen, die Gesprächserlebnisse so gestalten, dass daraus Interaktionserfahrungen werden, ergeben sich Unterschiede. Mit generativer KI, einer schnellen Entwicklung und einem großen Sprachmodell kann ein automatisiertes Gespräch ermöglicht werden. Eine schnelle Entwicklung bedeutet, eine Möglichkeit zu finden, die richtigen Daten aus einem Modell zu extrahieren, das mit einem sehr breiten Datensatz trainiert wurde, der Daten von praktisch allem und von überall enthält. Es geht darum, KI die richtige Frage mit den richtigen Parametern zu stellen, um der KI den richtigen Bezugsrahmen zu geben, sodass die richtigen Informationen abgerufen werden. Dies ist sowohl eine Kunst als auch eine Wissenschaft. Dialogorientierte KI-Bots werden als Gesprächsabläufe mit je nach Ziel festgelegten Pfaden entwickelt. Dialogorientierte KI-Bots sind so programmiert, dass sie auf bestimmte Fragen innerhalb eines bestimmten Bereichs reagieren. Wenn man der dialogorientierten KI eine Frage stellt, die außerhalb ihres Wissensbereichs liegt, führt dies zu einer Antwort wie: „Bitte wiederholen Sie Ihre Frage.“ Bei der generativen KI ist solch eine Antwort eher unwahrscheinlich. Generative KI-Modelle werden in der Regel geschult, um irgendeine Art von Antwort zu liefern, da der für die Schulung verwendete Datensatz viel größer ist. Generative KI-Algorithmen berechnen, was man auf der Grundlage erlernter Sprachmuster am besten als Nächstes sagt. Einige generative KI-Modelle liefern falsche Antworten, die richtig klingen – eine Halluzination. Dialogorientierte KI wird verwendet, um die Kundenanfrage aufzunehmen und eine Absicht – die Essenz der Frage – zu extrahieren. Das Dialogdesign bestimmt, was geschieht, sobald eine Absicht identifiziert wurde. Dialogdesigner können eine Datenprüfung einbauen (z. B. zeige mir meinen Kontostand) oder eine Antwort auf der Grundlage einer Wissensdatenbank erstellen. Ein dialogorientiertes KI-Modell hat (normalerweise) einen sehr engen Fokus, sodass es Fragen innerhalb dieses Bereichs beantworten kann. Generative KI-Modelle sind größer. Sie haben Milliarden von Parametern, viel mehr als die durchschnittlichen, dialogorientierten KI-Modelle, und können daher eine größere Bandbreite von Sprache verstehen. Als würden Sie einen Aufsatz zu einem Buch schreiben, nachdem Sie eine einzelne Seite (oder ein Kapitel) gelesen haben, anstatt den Aufsatz zu schreiben, nachdem Sie das gesamte Buch, die Biografie des Autors, die Geschichte hinter dem Buch und andere Rezensionen des Buchs gelesen haben.
Dialogfähige Bots müssen mehr leisten als nur zu sprechen
Wenn man die Aufmerksamkeit vollkommen auf die generative KI lenkt, ergibt sich ein Problem: Die Möglichkeit einen Bot einzusetzen, der ein unterhaltsames Gespräch über eine Vielzahl von Themen führen kann, löst nicht die Probleme, mit denen sich reale Kunden an ein Contact Center wenden. Ein fließenderes Gespräch kann die Probleme, die Kunden beim Einsatz von Chatbots erleben, nicht lösen. Die Daten zeigen, dass unter denjenigen, die Chatbots verwendet haben,…
- 77 % Chatbots frustrierend finden
- 88 % lieber mit einer Person sprechen würden
- 35 % sagen, dass Chatbots ihre Probleme meistens effektiv lösen können
Das Problem bei Bots ist nicht, wie fließend und unterhaltsam das Gespräch mit dem Bot ist. Kunden, die Hilfe suchen, sind selten zu einem Plausch aufgelegt. Aber sie nutzen möglicherweise ChatGPT, um eine mit Nachdruck formulierte E-Mail zu schreiben, in der sie ihren Frust über ein Produkt oder eine Dienstleistung zum Ausdruck bringen, nachdem der Service-Bot ihnen nicht geholfen hat, das Problem zeitnah zu lösen. Kunden, die sich an eine Marke wenden, um Hilfe oder Unterstützung zu erhalten, möchten nicht plaudern, sondern sie erwarten eine Lösung. Das kann dringend sein. Zum Beispiel könnte es sein, dass der Kredit eines Kunden nicht genehmigt wurde und er in der nächsten Woche einen Immobilienkauf abschließen wollte. In diesem Fall braucht der Kunde mehr als nur ein Gespräch darüber, wie Hypotheken funktionieren und wie Zinssätze berechnet werden. Ein weiteres Beispiel ist, wenn ein Patient seinen Arzt anruft, weil er sich nicht wohlfühlt und einen Termin vereinbaren muss. Er möchte nicht mehr über seine Erkrankung oder andere Erkrankungen erfahren, um selbst herauszufinden, was mit ihm los ist (was selten zu einem guten Ergebnis für die Gesundheit führt). Vorstellbar ist auch eine Situation, in der ein Opfer von häuslicher Gewalt nach Hilfe sucht – und je mehr Zeit das Opfer mit Tippen und Plaudern verbringt, desto größer kann die Gefahr werden. All dies sind Situationen, mit denen unsere Kunden konfrontiert waren, und in denen sich die dialogorientierte KI als unverzichtbare Lösung erwiesen hat.
Bessere Bots erstellen
In einem Webinar nannte David Myron, Principal Analyst, Customer Engagement bei Omdia, vor Kurzem die Do’s and Don’ts für den Erfolg von KI aus dem Bericht „The State of Digital CX 2023“. Er hat zwar mehrere Statistiken und Erkenntnisse vorgestellt, doch ein Aspekt ist besonders wichtig, um zu verstehen, ob die Implementierung von KI zur Automatisierung von Gesprächen erfolgreich sein wird:
63%
Der Anteil der Unternehmen, die angeben, eine Strategie einsetzen, die KI-Ergebnisse priorisiert, ist ein Hauptgrund dafür, warum KI einen erheblichen Wert im Contact Center liefert
Es geht nicht um das Gespräch, sondern um das Ergebnis. Bei unserer Arbeit mit Kunden haben wir festgestellt, dass 85 % der Arbeit nicht darin besteht, dem Bot das Sprechen beizubringen, sondern sicherzustellen, dass er korrekt in den Ablauf integriert ist und mit den richtigen Daten und Analysen arbeitet. Mitch Mason, Principal Product Manager für dialogorientierte KI, bespricht all diese Themen in den neuesten Tech Talks in 20 „Best practices for using chatbots to enhance the customer journey.“ Er gibt auch Anwendungsbeispiele für das echte Leben. Um dialogorientierte KI möglichst gewinnbringend einzusetzen, sollte Folgendes beachtet werden:
- Haben Sie ein klares Geschäftsergebnis vor Augen – beginnen Sie mit einem Plan und stellen Sie sicher, dass Sie formulieren, wie Erfolg aussieht.
- Finden Sie heraus, welche Daten benötigt werden und wie Sie diese erhalten. Mitch nutzte das Beispiel eines virtuellen Assistenten für Finanzdienstleistungen, der Zugriff auf das Account Management-System und die Inhalte von Anlageprodukten benötigt, um effektiv zu sein.
- Seien Sie sich des Kontexts bewusst. Bots müssen sich nahtlos in Ihren Interaktionsablauf einfügen, um sicherzustellen, dass sie mit den restlichen Elementen auf der Customer Journey zusammenarbeiten.
- Schaffen Sie keine Sackgassen. Es gibt Situationen, die eine menschliche Komponente erfordern. Stellen Sie sicher, dass Ihre Bots Ihre Kunden nicht hängen lassen.
Erfahren Sie mehr über KI von Genesys in der neuesten Episode des Podcasts „Tech Talks in 20“ in dem erläutert wird, wie Sie Chatbots nutzen können, um die Customer Journey zu verbessern.
