Gli Umani Contribuiscono alla Formazione dei Sistemi Basati su AI

Dalla prospettiva di un dipendente, sapere che la propria azienda sta sposando i sistemi basati su AI e le opzioni di automazione potrebbe far tornare alla loro memoria gli anni ‘90 e l’arrivo dei cosiddetti “esperti di efficienza“, e interpretare il tutto come un segnale che si sta cercando di sostituirli

Sebbene le prime implementazioni abbiano visto rivettatori, assemblatori e molte altre figure manuali sostituite dall’automazione, queste perdite sono state tipicamente equilibrate dalla creazione di nuovi ruoli prima inesistenti. Ecco che nel contact center, l’automazione non si traduce istantaneamente in perdite di posti di lavoro, ma potrebbe cambiare in positivo le tue modalità operative.

I sistemi basati su AI e l’automazione hanno effetto almeno su queste tre tipologie di lavoro.

1. Attività ripetitive.

Di norma queste attività prevedono la verifica dell’indirizzo o numero d’ordine di un cliente, o la risoluzione di problemi ricorrenti, come la reimpostazione delle password.

2. Attività monotone o noiose che richiedono un’attenzione particolare.

Questo lavoro potrebbe comprendere la revisione di un documento per scovare delle parole chiave o un impegno di ore su trascrizioni preziose. Ma non solo. Potrebbe anche significare il coinvolgimento di un supervisore all’ascolto di centinaia di chiamate per determinare la qualità del lavoro svolto dagli agenti.

3. Attività complesse che richiedono il controllo e l’analisi di tanti dati molto rapidamente.

Alle macchine bastano millisecondi per controllare informazioni provenienti da parecchie fonti dati; inoltre sono in grado di cercare schemi ricorrenti che l’uomo potrebbe avere difficoltà a individuare. E per queste attività, un compenso può al limite agire da elemento motivazionale.

Secondo alcuni studi, per attività complesse affidarsi ai soldi come incentivo può in realtà produrre un abbassamento delle prestazioni. L’uso migliore del capitale umano risiede nel non affidare più questo tipo di lavoro ai singoli individui. Tuttavia, orientarsi verso i sistemi basati su AI e l’automazione significa anche addestrare le macchine perché si comportino come i dipendenti dalle prestazioni migliori. Per fare questo, le aziende devono affiancare le persone ai sistemi che apprenderanno da loro. In particolare quelli basati su AI possono imparare con la partecipazione attiva e passiva dei dipendenti.

Nel contesto di un contact center, i sistemi che apprendono senza intervento osservano le interazioni tra agenti e clienti, leggono attentamente le trascrizioni e registrazioni di chiamate e chat per trovare atteggiamenti ed emozioni, e organizzano in argomenti le diverse parti di un’interazione. I sistemi possono quindi analizzare come le varie risposte diverse degli agenti possono influire sulle emozioni di un cliente o addirittura costruire un elenco di domande e risposte comuni. Tramite questa conoscenza possono poi presentare consigli durante le future interazioni.

Dove gli Umani Aiutano i Sistemi Basati su AI
L’automazione e i sistemi basati su AI potrebbero anche beneficiare di suggerimenti e formazione diretta da parte degli agenti. Questa attività si svolge tipicamente tramite tagging, flagging ed esempi.

Con il tagging, un agente evidenzia segmenti di una trascrizione identificandoli come un argomento particolare o un’informazione critica. Un caso riguarda le informazioni di identificazione personale per una futura elaborazione.

Tramite il flagging, l’agente segnala a un sistema che si è verificato un problema. Questa attività potrebbe suggerire alcune azioni successive basate sulle ragioni della segnalazione di quel particolare oggetto. In una trascrizione, l’agente potrebbe quindi indicare che un’interazione è particolarmente complessa o contiene linguaggio inappropriato, portando un supervisore a rivederla. Il flagging potrebbe anche avere la forma grafica di un pollice orientato verso l’alto o il basso rispetto alla valutazione di un servizio. Infine può entrare in gioco nelle attività di valutazione di un giudizio.

Per fare degli esempi, un agente può fornire i dati utili ad approfondire la formazione del sistema. Nel caso della conoscenza dei sinonimi di un termine o di frasi equivalenti questa attività potrebbe richiedere la digitazione del testo o la fornitura di un campione vocale da parte dell’agente. Questo contributo manuale permette ai sistemi di apprendere da molti agenti in modo tale da poter successivamente offrire informazioni approfondite a ogni singolo operatore. In pratica ricevono le risposte che verrebbero fornite in determinate situazioni per poter formulare suggerimenti futuri qualora gli agenti dovessero imbattersi in un caso simile.

Addestrando questi sistemi basati su AI, gli agenti possono beneficare delle informazioni che hanno appreso e della velocità di elaborazione che li caratterizza — e quindi concentrarsi sull’offerta di un valore maggiore nel corso delle interazioni. Anziché sostituire i lavori degli agenti, questi sistemi ne potenzieranno le capacità. Di fatto si dedicheranno meno alla risposta alle domande ripetitive, potendo invece lavorare su problemi più complessi. Questo, in ultima analisi, significa che l’agente si sentirà più pronto, valorizzato e soddisfatto del lavoro.

Leggi questo report per scoprire come coinvolgere il tuo team per offrire la migliore Customer Experience affidandoti a tecnologie come la AI. Scopri inoltre perché Gartner ha nominato Genesys come Visionaria nell’ambito del Workforce Engagement Management.