“Homem e máquina sempre conseguem uma resposta melhor do que o homem sozinho ou a máquina sozinha.” – Ginni Rometty, CEO, IBM
No contexto da transformação digital e da experiência do cliente, a inteligência artificial (IA) já tem um pé na porta. E esse pé está pronto para chutar a porta aberta.
O IDC prevê que até 2019, 40% das iniciativas de transformação digital serão apoiadas por algum tipo de computação cognitiva ou esforço de IA. A Servion prevê que a IA irá alimentar 95% de todas as interações com clientes até 2025, e fará isso de forma tão eficaz que os clientes não conseguirão identificar o bot. O Gartner diz que 85% das relações com clientes ocorrerão sem interação humana até 2020. E a Juniper Research prevê que as conversas por chatbot serão responsáveis pela redução de custos de mais de U$ 8 bilhões por ano até 2022, acima dos U$ 20 milhões em 2017.
Essas são previsões fantásticas.
Por outro lado, Elon Musk, Bill Gates e o falecido Stephen Hawking expressaram preocupações sobre os impactos da IA ingovernável nos empregos e na sociedade em geral. No ano passado, o Facebook reduziu o uso de chatbots em seu aplicativo Messenger depois de descobrir que os bots não conseguiram atender a 70% das solicitações dos usuários quando implantados sozinhos, em vez de em conjunto com um agente humano. E todos nós sentimos a frustração instantânea que sistemas inteligentes de resposta de voz mal projetados podem provocar.
Impedindo que o experimento de IA se torne um desastre CX
As boas notícias? Apesar das terríveis previsões e dos erros bem divulgados, a IA – quando implementada corretamente – pode ser uma grande vantagem para as experiências dos clientes e as transformações digitais. A IA pode melhorar o tempo de resposta, fornece recomendações personalizadas contextualmente relevantes, incorpora sentimentos às respostas, elimina gargalos e automatiza consultas de rotina, liberando os humanos para lidar com problemas mais complexos. Em todos os casos, uma abordagem combinada – uma que combine homem e máquina – é a chave para evitar erros e erros recorrentes.
Existe uma maneira de efetivamente integrar a inteligência artificial à experiência do cliente (CX)? Aqui está uma visão em vários aplicativos emergentes que podem ajudar, junto com recomendações para o sucesso.
Chatbots e agentes assistidos por IA
As opções comuns para o IA no CX incluem bots front-end que lidam com transações do início ao fim e configurações assistidas por IA nas quais os representantes de serviços humanos são suportados pelas IA durante as transações.
Os bots front-end geralmente lidam com consultas de primeiro nível, fornecendo respostas para perguntas simples e perguntas frequentes. Podendo também ser até mesmo configurados para realizarem soluções mais complexas, não sendo só utilizados para solicitações de nível inicial. A automatização de respostas a essas consultas permite que as empresas diminuam o tempo de treinamento dos representantes de serviço e reduzam o número de pessoas necessárias para lidar com consultas de serviço altamente repetitivas. Essa abordagem geralmente resulta em uma diminuição nos tempos de atendimento de chamadas, um aumento no número de resoluções de primeira chamada e uma diminuição nos custos de serviço.
Em instalações onde agentes humanos confiam na IA para assistência, inteligência artificial pode ser usada para rotear consultas, interpretar mensagens recebidas e desenvolver respostas iniciais que podem ser editadas pelo representante de serviço, ou encontrar conteúdo relevante baseado em conhecimento e entregá-lo ao representante. Isso quase sempre encurta o tempo de espera e o tempo de atendimento das chamadas.
Recomendação: Não busque a economia de custos até o ponto de se arriscar a diminuir a satisfação do cliente. Confiar nos bots para lidar com muitas interações, particularmente aquelas que envolvem problemas complexos, pode causar frustração tanto para os clientes quanto para os agentes humanos que precisam lidar com eles. Quando não ocorre a implantação e acompanhamento devidos.
Muitas empresas subestimam o esforço e os recursos necessários para que um ambiente baseado em bot funcione efetivamente. Aqui está uma visão no que está envolvido: você deve desenvolver (e aumentar continuamente) bases de gestão de conhecimento. Você deve monitorar a voz dos mecanismos de feedback do cliente para estar ciente de quaisquer problemas que surgirem. Você deverá realizar o estudo da base de atendimentos do chatbot para identificar os pontos em que o bot ainda não está apto o suficiente para sanar os problemas levantados pelo cliente, para que consiga realizar a devida melhoria, para que estas situações sejam tratadas de imediato e não se tornem um problema recorrente.
Cortar recursos antes de entender completamente os tipos de toque humano que serão necessários pode ser um grande erro. Antes de entrar em uma implementação do chatbot, considere desenvolver um conjunto de mapa da jornada do cliente para ilustrar como os clientes realmente navegam pela organização e estruturar dois cenários o primeiro sendo: definição de quais demandas ficarão sob responsabilidade do atendimento via chatbot e em um segundo momento: o que será implementado em transição, ou seja, iniciado com atendimento misto humano juntamente com o chatbot, e que com o decorrer do tempo ocorrerá a transição definitiva para o atendimento do chatbot. E em paralelo a esses dois momentos, deve-se ter em antemão já um plano de atuação para acompanhamento e tratativas que devem ser feitas para que o chatbot funcione de maneira assertiva.
Engajamento visual, voz e análise de sentimentos de texto
As tecnologias de engajamento visual, voz e análise de sentimentos de texto podem medir emoção e sentimento em vários tipos de comunicação. A tecnologia de engajamento visual analisa expressões faciais em conversas cara-a-cara ou de bate-papo por vídeo. O processamento de linguagem natural aumentada pode usar biometria de voz e nuances de tom e modulação em chamadas telefônicas para entender emoções e autenticar vozes. E a análise de sentimentos pode analisar comunicações escritas para determinar emoção e intenção. Essas tecnologias ajudam a determinar como rotear as comunicações, identificar a satisfação e ajudar a justificar os gastos com tecnologia, permitindo que as empresas vinculem o sentimento positivo a valores mais elevados do tempo de vida, pedidos mais lucrativos e mais negócios repetidos.
Recomendação: Garantir que os seres humanos sejam parte integrante da implementação e do processo de revisão em andamento para essas tecnologias. Embora muitas tecnologias de análise de sentimentos sejam “pré-concebidas” para identificar uma gama de emoções, empresas específicas podem exigir modificações. Revisar as interações para determinar onde a IA não entendeu o cliente ou perdeu uma emoção ou intenção será uma atividade contínua. Por exemplo, um cliente dizendo “Eu ficaria seriamente frustrado se perdesse meu telefone” pode ser marcado nativamente como uma emoção negativa, em vez de uma emoção positiva. Fazer com que os representantes de serviço revisem e identifiquem palavras, frases e tons ajudará os mecanismos de aprendizado de máquina a continuarem aprendendo. Isso também pode levar a novas métricas ou a métricas de satisfação do cliente mais granulares.
Análise contextual ampliada por IA
Recomendações geradas de forma analítica, as próximas melhores ações e as ofertas de produtos contextualmente corretas entregues em tempo real a todos os pontos de contato com o cliente estão indo além dos simples mecanismos de recomendação para aplicativos mais poderosos de IA e aprendizado de máquina. A playlist inteligente do Spotify, Deezer ou Netflix, é um bom exemplo. As listas de reprodução geradas personalizadas são criadas a cada semana com base no histórico e nos gostos de um usuário e no que outras pessoas com gostos semelhantes experimentaram e gostaram. Os bancos também estão usando esse tipo de IA na forma de aplicativos de otimização de oferta que peneiram milhares de ofertas em vários canais para encontrar a comunicação mais apropriada com base na propriedade do produto, transações históricas, navegação e ações móveis de um cliente e atividade atual. Essas experiências do cliente baseadas em IA criam confiança.
Recomendação: Fornecer esse tipo de análise baseada em inteligência artificial exige uma infraestrutura de TI que ofereça suporte a um hub abrangente de decisão do cliente, forneça recomendações em tempo real em vários canais e processe grandes quantidades de dados de clientes e transações em formatos estruturados e não estruturados. As empresas que lutam para obter uma visão de 360 graus do cliente e as que vivem com aplicativos antigos e ou dados de baixa qualidade devem abordar os problemas de infraestrutura antes de implementar análises ampliadas de IA em larga escala.
Aproveite agora mesmo para conhecer nosso serviço de Atendimento Multicanal, basta clicar no botão abaixo:
