KI für moderne Contact Center: Leistung und Möglichkeiten

Anhand der jüngsten KI-Nachrichten lässt sich erkennen, dass generative KI die einzige Form der KI ist, auf die es ankommt – und die einzige, die für die Kunden – und Mitarbeitererlebnisse relevant ist. Generative KI ist sicherlich eine transformative Form der künstlichen Intelligenz (KI), was bedeutet, dass die generative KI in Ihrem Contact Center-Toolset in dieser inhaltshungrigen Geschäftsumgebung von entscheidender Bedeutung ist. Die Möglichkeit, Inhalte zu transformieren und mehr Inhalte zu erstellen, ist jedoch nicht der einzige relevante Anwendungsfall. In der datenwissenschaftlichen Community haben sich bestimmte Techniken bewährt. Die drei wichtigsten Algorithmen, die verwendet werden, haben sich in den letzten zehn Jahren nicht geändert: lineare Regression, logistische Regression und Entscheidungsbäume. Diese Algorithmen werden am häufigsten verwendet, weil sie kritische Fragen beantworten: „Was geschieht als Nächstes? Und warum?“ Im Contact Center wird KI eingesetzt, um wichtige Prozesse vorherzusagen und zu automatisieren, und zwar mit nachgewiesenem ROI, lange bevor generative KI möglich war.

Prädiktive KI für intelligente Workflow-Automatisierung

Prädikative KI wird verwendet, um ein Ergebnis anhand gelernter Datenmuster zu berechnen. Sie wird also beispielsweise dafür genutzt, um die Kaufneigung eines bestimmten Kunden anhand des Kaufverhaltens vieler Kunden zu berechnen, die bereits einen Kauf getätigt haben. Sie kann auch dazu verwendet werden, Kunden in Segmente einzuteilen. Und obwohl die Segmentierung technisch gesehen Clustering- und Gruppierungsalgorithmen verwendet (im Gegensatz zu klassischen prädiktiven Algorithmen), kann sie auf vorhergesagten Ergebnissen basieren. Wenn prädikative KI zur intelligenten Automatisierung eingesetzt wird, kann sie auf ihren engsten KI-Verwandten, die präskriptive KI, zurückgreifen. Präskriptive KI wird manchmal eingesetzt, wenn eine Entscheidung getroffen werden muss und mehrere Optionen möglich sind. Genesys Predictive Routing beispielsweise nutzt sowohl prädiktive als auch präskriptive Techniken, um Kunden-Mitarbeiter-Verbindungen anhand eines von Genesys AI automatisch erstellten Vorhersagemodells zu automatisieren.

Wenn ein Kunde vorausschauendes Routing aktiviert, wählt er einen KPI aus, den er optimieren möchte. Er kann einen operativen KPI auswählen, z. B. die durchschnittliche Bearbeitungszeit, oder einen Umsatz-KPI wie „Sales“. Sobald der KPI ausgewählt ist, analysiert Genesys AI die Hunderte von möglichen Faktoren, die diesen KPI beeinflussen können, und zwar basierend auf dem Mitarbeiterprofil, dem Kundenprofil, dem Interaktionsprofil und mehr. Bevor sich ein Kunde für die Implementierung dieses neuen Routing-Protokolls entscheidet, verwendet Genesys AI eine Form der präskriptiven KI zur Nutzenbewertung. Präskriptive KI ist als eine Form von KI definiert, die Daten verwendet, um die bestmögliche Maßnahme anhand mehrerer Faktoren zu bestimmen.  Die Nutzenbewertung ist ein einzigartiges Anwendungsgebiet von KI. Sie zeigt die potenziellen Auswirkungen auf die KPIs der Kunden auf. Wenn vorausschauendes Routing angewendet wird, wirkt sich dies fast unmittelbar auf die KPIs aus. Schließlich wurde es auch speziell dafür entwickelt.

Prädikative KI für mehr Transparenz

Der Einsatz von prädiktiver KI zur Automatisierung ist ein, aber nicht der einzige Anwendungsbereich von KI im Contact Center. Die Fähigkeit, ein Ergebnis vorherzusagen, schafft neue Möglichkeiten für Menschen und Systeme und hilft so zu verstehen, was ein Kunde – oder ein Mitarbeiter – wahrscheinlich als Nächstes tun wird. Ein Vorteil des Contact Centers ist die große Menge an Daten, die erstellt werden. Die Möglichkeit, diese Daten in Erkenntnisse umzuwandeln, erfordert einige Kernfunktionen:

• Eine sichere Plattform und Datennutzungsprotokolle, die strengen ethischen und regulatorischen Richtlinien entsprechen
• Integrierte KI-Pipelines, die die neuesten Technologien nutzen, um Geschwindigkeit und Genauigkeit zu maximieren
• Fachwissen, um neue Erkenntnisse auf bestehende Prozesse anzuwenden oder neue Prozesse zu erstellen, die relevant, nützlich und kostengünstig sind

Prädiktive KI kann auf folgende Weise verwendet werden:

• Mitarbeiter können die Ergebnisprognosen für Kunden im Kontext von Interaktionen sehen. Dadurch erhalten sie Kundeneinblicke, die sie normalerweise nicht hätten, und können Gesprächen eine Richtung geben, um sie persönlicher zu gestalten.
• Vorgesetzte können anhand von Vorhersagen zu Anrufen und digitalem Volumen bessere Ressourcen- und Zeitpläne erstellen, um die Kundennachfrage zu befriedigen.
• Und Journey-Architekten können damit Interaktions- und Engagement Flows erstellen, um Kunden proaktiv mit Angeboten und Informationen zu versorgen, z. B. durch die Personalisierung eines Bots.

Dialogorientierte KI: Eine Kernfunktion für moderne Contact Center

Dialogorientierte KI ist eine neue Basis für das moderne Contact Center. Automatische Unterhaltungen, virtuelle Assistenten, Bots – all dies sind Möglichkeiten, um intelligenten Self-Service über alle Arten von Interaktionskanälen bereitzustellen. Was als IVR begann (1 für Ja, 2 für Nein drücken), hat sich zu einer Möglichkeit entwickelt, mit der Verbraucher in ihrer eigenen Sprache und mit ihren eigenen Worten mit einer Marke interagieren können – und Unterstützung zu ihren eigenen Bedingungen erhalten. Während prädiktive KI eine grundlegende Technologie ist, ist dialogorientierte KI eine Technologie, die entwickelt wurde, um Gespräche zu automatisieren. Die dialogorientierte KI hat die gleichen Wurzeln wie die generative KI, zeichnet sich jedoch durch einen anderen Schwerpunkt aus. Sie wird für Bots und innerhalb von IVRs verwendet, um natürliche, kontrollierte Gespräche zwischen Kunden und Marken zu ermöglichen. Durch die Kombination von dialogorientierter KI mit prädikativer KI kann der Architekt Gespräche auf der Grundlage von Erkenntnissen personalisieren, die nicht ohne weiteres verfügbar sind. Wenn ein Kunde beispielsweise seine persönlichen Daten angegeben hat, ist es einfach, eine namentliche Begrüßung hinzuzufügen – und dieses Level an Personalisierung auf der Grundlage anderer leicht identifizierbarer Merkmale zu erweitern. Gespräche können zum Beispiel so verlaufen: „Hallo Herr Müller!“ Oder „Hallo Herr Müller! Ich hoffe, Sie haben einen angenehmen Morgen.“   „Hallo Frau Maier! Ich hoffe, Sie haben einen schönen Nachmittag.“ Mit vorhergesagten Erkenntnissen, die in das Gespräch integriert wurden, haben wir nun Folgendes: „Hallo Herr Müller! Guten Morgen! Kann ich Ihnen helfen, ein neues Produkt zu finden?“ „Hallo Frau Maier! Guten Tag! War Ihnen dieses Angebot mit 10 % Rabatt bekannt?“ Mithilfe von prädikativer KI haben wir erkannt, dass Herr Müller mit einer 90 % höheren Wahrscheinlichkeit neue Produkte kaufen wird als andere. Prädikative KI weiß auch, dass Frau Maier mit dem Kauf noch zögert und die Angebote sie wahrscheinlich zum Kauf bewegen werden. Während in diesen Beispielen reale Namen verwendet werden – was eine Beziehung und Daten voraussetzt, zu denen wir nicht immer Zugang haben – sind Personalisierung und Vorhersage auch ohne identifizierende Merkmale möglich.

Gespräche sollten helfen, nicht nur Spaß machen

Die meisten von Ihnen haben mittlerweile ChatGPT- oder ChatGPT-ähnliche Portale ausprobiert. Es macht Spaß, einen Blog zu einem esoterischen Thema zu schreiben und dann etwas zurückzubekommen, das sich gut liest und vielleicht sogar den einen oder anderen Witz enthält. Wenn Sie jedoch versuchen, Kunden zu bedienen, besteht das Ziel darin, dem jeweiligen Kunden dabei zu helfen, sein Problem schnell und genau zu lösen, ohne dass er viel Aufwand betreiben muss. Auf die Frage, worauf Kunden am meisten Wert legen, ergab der Bericht „The State of Customer Experience“ von Genesys, dass sie in erster Linie eine schnelle Antwort wünschen (55 %) und dass sie jederzeit über den Kanal ihrer Wahl bedient werden möchten (62%). Abgebrochene Anrufe, Dead-End-Servicekanäle und Hindernisse beim Kundenservice sind ganz einfach frustrierend. Und diese Frustration über den Service ist emotionaler Natur: 26 % der Kunden gaben an, dass sie während einer Interaktion die Geduld verloren haben, und 12 % mussten wegen einem schlechten Serviceerlebnis weinen. Eine farbenfrohe Benutzeroberfläche, lustige Musik und KI-generierte Witze reichen nicht aus, um einen abgebrochenen Anruf, eine falsche Antwort oder – noch schlimmer – gar keine Antwort zu kompensieren. Ein Drittel der Verbraucher gibt an, sich nach einem negativen Erlebnis mit dem Service von einer Marke abgewandt zu haben. Lösungen für dialogorientierte KI werden so trainiert, dass sie präzise und kontextbezogene Antworten anhand bewährter domänenspezifischer Daten geben. Diese Lösungen gehen oft weit über einfache Gespräche hinaus. Sie setzen KI ein, um die Frage zu verstehen und dann entsprechend zu reagieren. Doch sie können auch:

• Hilfe bei einer Folgeaufgabe bieten, z. B. bei der Planung eines Termins, und dann einen Benachrichtigungsvorgang auslösen.
• Daten aus CRM oder anderen operativen Systemen abrufen, um Statusaktualisierungen oder weitere Informationen bereitzustellen.
• Informationen im Gespräch erfassen und validieren und diese Daten dann während der Interaktion verwenden.
• Zu anderen Support-Kanälen wechseln – entweder virtuell oder persönlich – unter Beibehaltung des Gesprächs und seines Kontexts.

In einem Serviceszenario ist es wichtig, dass die Bots ihre eigenen Grenzen kennen, die Kunden in ihrer jeweiligen Situation verstehen und ihnen bei der Lösung ihrer Probleme helfen können, indem sie entweder selbst Hilfe leisten oder jemanden finden, der dies tut. Wenn ein Bot Antworten nur erraten kann, falsche Informationen liefert oder versucht, das Thema zu wechseln, ist er wenig hilfreich. Die Frameworks für die Erstellung von Bots müssen eine Grundlage für die Schaffung von Mehrwert bieten. Beispielsweise sollte es einem Geschäftsanwender möglich sein, einen Bot zu erstellen, der Fragen beantwortet, bei Transaktionen hilft oder als Service Concierge fungiert. Ein Bot muss Übergänge zu Mitarbeitern und Beschleunigern wie Intent Mining und KI-gestütztem Wissen ermöglichen.

Bühne frei für generative KI

Als Modelle der generativen KI für den Einsatz in Unternehmenssoftwarelösungen verfügbar wurden, eröffneten sie die Möglichkeit, auf neue Art und Weise mit Inhalten (Dokumenten, Gesprächen usw.) zu arbeiten. Auf modernen cloudbasierten Customer Experience-Plattformen wird generative KI eingesetzt, um Entitäten (wer, was) und Stimmungen aus Gesprächen zu extrahieren. Sie kann auch verwendet werden, um Gespräche automatisch zusammenzufassen. Es wurde bereits viel über generative KI geschrieben, doch wir werden dieses Thema weiter erforschen, um unseren Kunden und Mitarbeitern herausragende Erfahrungen bieten zu können. Die beste KI-Lösung für Unternehmen hat nicht nur einen einzigen KI-Typ integriert. Es ist eine Lösung, die sowohl nützlich als auch verwendbar ist. Nützlich bedeutet:

• Beschleunigt einen Prozess, ohne ihn zu unterbrechen.
• Passt in den Umfang der Gesamtlösung.
• Ist transparent, kontrollierbar und kann an die Geschäftsanforderungen angepasst werden.
• Schafft kein neues Risiko für das Unternehmen.

Verwendbar bedeutet:

• Hat eine definierte Implementierungsstrategie.
• Ist kosteneffektiv und liefert einen nachgewiesenen ROI.
• Bietet einen Zeitplan für die Implementierung mit einem messbaren Ergebnis.
• Erfordert keine erhebliche Investition in Spezialisten.

Prädiktive, dialogorientierte und generative KI sind allesamt Disziplinen, die Teil der Strategie eines jeden Unternehmens sein müssen, das Innovation, Effizienz und intelligente Automatisierung in seine Kundenbindungsstrategie integrieren möchte. Weitere Informationen über Genesys AI erhalten Sie in diesem On-Demand-Webinar „Unleashing the power and possibility of AI“ (Die Leistung und Möglichkeiten von KI nutzen). Außerdem erfahren Sie, wie fünf Unternehmen mit KI in ihren Contact Centern neue Maßstäbe setzen.