Wordt contactcentermedewerker straks robotsupervisor?

by Klantcontact

Wordt contactcentermedewerker straks robotsupervisor?

by Klantcontact

by Klantcontact

Worden agents van hun stoel verjaagd door robots? De customer service van de toekomst draait zonder personeel, verwacht Rob Roode (Pegamento). Kunstmatige intelligentie gaat óók complexe taken uitvoeren. Daarmee kan het idee dat alleen eenvoudig klantcontactwerk geautomatiseerd zal worden, in de prullenbak.

“Organisaties hanteren twee strategieën: zelfde werk doen met minder mensen, of meer dingen doen met dezelfde mensen”, aldus Rob Roode, consultant bij Pegamento. “In het eerste geval worden bestaande processen steeds verder verbeterd en geautomatiseerd. In het tweede geval gaat het om groeiscenario’s, waarbij alleen niet-gestandaardiseerde taken nog door medewerkers worden uitgevoerd. Binnen grotere bedrijven kunnen die twee scenario’s overigens naast elkaar bestaan.”

Beide strategieën raken nu in een stroomversnelling. Dat komt omdat systemen op basis van machine learning rechtstreeks leren van bestaande processen; een groot verschil met automatisering 1.0, waarbij programmeurs software maken die alleen beter wordt als programmeurs eraan sleutelen.

Moeilijkste vraag: wat wil de klant?

Klantprocessen bestaan in feite uit vier stappen, legt Roode uit. Stel vast wie de klant is, bepaal wat zijn of haar intentie is – de vraag achter de vraag –, voer de bijbehorende taak uit, en koppel terug of sluit af. “De meest ingewikkelde stap is die van de beoordeling van de intentie. Dat laten we nu vooral nog door mensen doen. Als duidelijk is wat er moet gebeuren, kan je het benodigde proces gaan uitvoeren. Vaak gebeurt dat voor een groot deel al geautomatiseerd. Maar ook het beoordelen van klantvragen en verzoeken – het vaststellen van de intentie – wordt geleidelijk geautomatiseerd. Dat heeft tot gevolg dat sommige klantprocessen volledig autonoom door AI kunnen worden uitgevoerd.” Daarvoor is wel nodig dat processen helder en eenduidig worden uitgevoerd.

AI beoordeelt de intentie

Tot voor kort werd in de klantcontactsector nog vastgehouden aan het idee dat complexe taken bij de medewerker zouden blijven liggen. Automatisering zou vooral betrekking hebben op het eenvoudiger werk. Maar dat beeld nadert de uiterste houdbaarheidsdatum, zo laat Roode aan de hand van een praktijkvoorbeeld zien. Bij een van Pegamento’s klanten is een begin gemaakt met het analyseren van de intentie die in de e-mailberichten zit ‘opgesloten’. Roode legt uit: “We hebben 2.700 e-mails, de bijbehorende categorie en de bijbehorende antwoorden in een machine learning model gestopt als trainingsmateriaal om tot een model te komen. Daarna hebben we 300 andere e-mails door het model laten verwerken. Na ongeveer een maand te hebben gewerkt scoorde de AI-toepassing beter dan de supervisor – sowieso sneller en daarbij consequenter: we zitten op een score van 99 procent correct, vier procent hoger dan de gemiddelde medewerker.”

Voorheen werden bij deze klant de e-mails globaal gecategoriseerd door een supervisor, zodat de juiste vragen en problemen aan de juiste medewerker konden worden toegewezen. Het verschil zit ‘m in de kosten en de doorlooptijd: een medewerker heeft een minuut nodig om de intentie uit een mail te destilleren, een AI-toepassing doet het in een fractie van een seconde.

Robot leert zoeken naar context

Na de geautomatiseerde ‘beoordeling’ stelt de engine een conceptantwoord samen op basis van bouwblokken; de medewerker kan dit concept beoordelen. Als er geen aanpassingen nodig zijn, krijgt de engine als terugkoppeling dat het gegenereerde concept optimaal is. Als de medewerker besluit om het concept aan te passen, krijgt de bot hier feedback over. Kortom, de medewerker beoordeelt het werk van de bot en de bot doet ervaring op. Er wordt hard aan gewerkt, zo legt Roode uit, om de bot te leren om bij het samenstellen van het concept op zoek te gaan naar context in bijvoorbeeld het CRM-systeem. Daarin staan klantgegevens en contacthistorie die behulpzaam kunnen zijn.

Ook op dit vlak kan een bot leren van mensen: hoe zoeken zij bijvoorbeeld naar informatie? Welke zoektermen gebruiken ze, welke zoekresultaten selecteren ze vervolgens voor gebruik? Roode geeft een voorbeeld: “Q&A-maker is een product in het cloud ecosysteem van Microsoft Azure. Die oplossing kan op basis van een tekst vragen formuleren waarbij de antwoorden in de tekst staan. Dat levert basismateriaal op, waarmee een bot aan de slag kan. Dit soort ontwikkelingen laten zien wat voor verschuivingen we kunnen verwachten in het werk van supervisors, productmanagers en kennismanagers.”

Onbemande customer service

Is dit de volgende stap in de richting van ‘mensloze’ customer service? Roode: “Dat is een interessante vraag. Het is daarbij van belang om voor ogen te houden waartoe een organisatie op aarde is. Voor veel bedrijven is het verlenen van customer service geen kernactiviteit. Als deze bedrijven willen groeien, komt het succes alleen als customer service niet even hard meegroeit. Voor andere bedrijven ligt de nuance wellicht anders, maar ik ben ervan overtuigd dat klanten primair behoefte hebben aan frictieloze dienstverlening. Steeds meer bedrijven willen bovendien groeien zonder dat de serviceprocessen – nodig om problemen en vragen af te wikkelen – navenant meegroeien. Dat zit schaalbaarheid in de weg. Een subliem proces stelt bedrijven wel in staat om op een ándere manier met je klanten te praten, over andere onderwerpen die voor beide partijen waarde toevoegen. Vergeet niet dat veel customer service-afdelingen steeds weer opnieuw op dezelfde klantvragen reageren. Waarom kan ik vandaag over een vraag bellen, en morgen en overmorgen precies dezelfde vraag stellen? De beantwoording van die vraag kan geautomatiseerd worden.”

Veranderende rollen in de frontoffice

Wat Roode betreft wordt de customerservice-medewerker niet meteen overbodig. Maar afgaand op zijn verhaal zijn er wel twee andere ingrijpende veranderingen. Op de eerste plaats zullen er minder agents nodig zijn en op de tweede plaats zal het werk in de frontoffice qua aard veranderen.

“Organisaties veranderen doorlopend: processen worden beter, producten worden toegevoegd, er worden andere markten betreden. Er is geen bot die direct thuis is in een nieuw product of een nieuwe dienst. De basis van AI is patroonherkenning, dus de bot heeft volume en tijd nodig. Met name de rol van de supervisor verandert. In de toekomst zal die een team van software robots managen: hoe zorg je ervoor dat zij het goede antwoord gaan geven? Daarnaast ziet vrijwel iedereen over het hoofd dat bots en RPA-oplossingen een beperkte levensduur hebben, juist omdat processen steeds veranderen. Ook daar gaat veel werk in zitten.” Dat biedt nieuwe perspectieven voor een carrière in klantcontact, aldus Roode.

Omgekeerde customer service

“Het is onduidelijk hoe klanten in de toekomst met robots zullen omgaan. Denkt iemand straks: ik ben een mindere klant, want ik kan alleen terecht bij een robot? Misschien gaan bedrijven straks op dat vlak segmenteren.” Ook verwacht Roode dat customerservice- en marketingmanagers zich in de nabije toekomst zullen gaat bezighouden met een omgekeerde route: bij welke klanten is het interessant om ze uit een geautomatiseerd proces te halen en ze persoonlijk te spreken? Tegenover veel automatisering staat dat de behoefte aan persoonlijk, menselijk contact weer nieuwe waarde krijgt. Er ontstaat een ander spel.”

Featured, Technologie
Top