Финансовая сфера

Банковское обозрение


  • Эффективный ИИ-помощник в контакт-центре: чек-лист возможностей
07.09.2020 FinTechАналитика

Эффективный ИИ-помощник в контакт-центре: чек-лист возможностей

Диалоговый искусственный интеллект уже не первый год удерживает лидирующие позиции в рейтингах технологий, которые финансовые компании внедряют наиболее активно


По прогнозу Accenture, в России в 2020 году только рынок чат-ботов без учета голосовых роботов вырастет на 400–600 млн рублей и достигнет отметки 2 млрд рублей. По мере роста числа запусков чат-ботов и голосовых роботов в контакт-центрах появляются не только эталонные кейсы с впечатляющим уровнем автоматизации обслуживания, но и неудачные примеры, когда технология не принесла ожидаемого результата. Какой набор диалоговых способностей и технологических возможностей робота сделает его полезным для клиентского сервиса и увеличит шансы проекта на успех?

  1. Работа с контекстом и переключение между темами диалога

Операторы с легкостью справляются с внезапной сменой темы диалога, потому что людям с рождения присущи навыки коммуникации. Но ИИ-помощника придется специально готовить к тому, что на старте клиент озвучит одну проблему, а в процессе разговора может захотеть решить еще и парочку других. Так, разговор об условиях текущей кредитной карты может быть прерван просьбой рассказать о карте с самым большим кэшбэком, а жалобы на проблемы с входом в личный кабинет — запросом баланса по одному из счетов. В этом случае для робота важно распознать новое намерение клиента, запомнить изначальную тему диалога и предложить вернуться к ней после обслуживания второго запроса. Развитие этого навыка — еще один шаг в сторону более естественного и комфортного для клиента общения с ИИ-ассистентами, который к тому же позволит реже привлекать операторов для помощи с многозадачными запросами.  

  1. Гибкость в ведении разговора и внимательность к деталям

Если первая задача робота в диалоге — определить суть запроса клиента, то следующая — уточнить его детали: тип и срок кредита, город, версию мобильного приложения. Если клиент озвучил все эти детали самостоятельно, не дожидаясь уточняющих вопросов, то робот должен быть способен распознать эту информацию в его репликах и скорректировать ход диалога, исключив из сценария избыточные шаги. От того, насколько полным было извлечение всех значимых фактов, зависят точность подобранного ответа и качество всей консультации. Успешно решить эту задачу поможет обучение ИИ-помощника работе с синонимами, многообразием формулировок и специфике отраслевой лексики, где могут использоваться «ЛК», «КК» и «платежка» вместо формальных «личный кабинет», «кредитная карта» и «платежное поручение». 

  1. Обучаемость и управляемость

Возможность в короткие сроки обучать ИИ-помощников работе с новыми сценариями и самостоятельно корректировать их поведение стала новым стандартом индустрии, который возник благодаря развитию no-сode-решений для создания роботов. No-code-подход обеспечивает скорость и маневренность, которые необходимы в клиентском сервисе с постоянно меняющимися бизнес-процессами. Он также незаменим в шоковых для рынка условиях, когда на контакт-центр резко возрастает нагрузка. К примеру, во время пандемии весной 2020 года команде банка из топ-3 по POS-кредитованию потребовалось всего два часа, чтобы обучить чат-бота на платформе Naumen Erudite новой теме о кредитных каникулах и запустить соответствующий сценарий обслуживания на сайте. Возможность управлять диалоговыми ботами без программирования также сокращает стоимость поддержки и развития ИИ-решений, что снижает порог входа в проект и риски для компаний. 

  1. Простое масштабирование из текста в голос и наоборот

Для робота важно распознать новое намерение клиента, запомнить изначальную тему диалога и предложить вернуться к ней после обслуживания второго запроса

После успешного тест-драйва технологий диалогового ИИ компании стремятся роботизировать еще большую долю коммуникаций с клиентами и вывести бота в другие каналы обслуживания — мессенджеры, мобильные приложения, соцсети или на входящую линию колл-центра. Если потребность в масштабировании не была учтена изначально, то запуск чат-бота, аналогичного голосовому роботу, потребует массу финансовых и человеческих ресурсов для обучения с нуля, переноса сценариев, данных и настроек. Этих сложностей можно избежать, если на старте выбрать подход, при котором роботизация в голосовых и текстовых каналах управляется из одной точки, а обученная ИИ-модель является универсальной. Это позволит настраивать единые сценарии для звонков и чатов и максимально упростить масштабирование в новые каналы.

  1. Готовность признать неудачу и соединить с оператором 

Робот, который не может понять вопрос или суть проблемы и при этом игнорирует просьбы подключить к диалогу оператора, вызывает раздражение клиентов. Чтобы не зацикливать диалог на ошибающемся ИИ-ассистенте, лучше ограничить количество попыток робота понять запрос двумя или тремя, а затем подключать специалиста. В первое время после запуска ИИ-помощника, когда он еще продолжает «набираться ума», можно и вовсе оставить ему право только на один промах: все нераспознанное из диалогов станет ценным обучающим материалом при минимальных рисках для клиентского опыта. При этом всегда остаются особо сложные или чувствительные темы обслуживания, которые стоит осознанно передавать оператору сразу после того, как робот определил намерение клиента. Например, виртуальный помощник «Манибот», созданный NAUMEN для популярного сервиса электронных платежей, сразу соединяет со специалистами клиентов, которые обращаются с жалобами на мошенничество, так как каждый такой кейс разбирается индивидуально. 

В базе знаний NAUMEN можно найти еще больше материалов о диалоговых ассистентах: разборы типовых ошибок, примеры лучших практиках внедрения роботов, бизнес-кейсы, экспертные статьи и гиды по технологиям.






Новости Релизы
Сейчас на главной

ПЕРЕЙТИ НА ГЛАВНУЮ