Agenci AI w obsłudze klienta: które sprawy automatyzować

Najlepsze pierwsze zastosowania agentów AI w obsłudze klienta to intencje o dużym wolumenie, ze spisanymi zasadami, niskim ryzykiem działań i danymi, do których agent ma dostęp: status zamówienia, pomoc z logowaniem i proste pytania o konto. Intencje, które wyglądają na równie proste, jak rezygnacje, zmiany adresu, zwroty i kody rabatowe, często kryją niespisane reguły biznesowe i należą do drugiej fali, gdy te reguły zostaną spisane.

W skrócie

• Pierwsze intencje dla agenta AI warto wybierać według punktacji, a nie intuicji: wolumen, złożoność rozwiązania, jasność zasad, ryzyko działania, dostęp do danych i emocje klienta, każde od 1 do 5 i ważone.
• Przed uruchomieniem każdej intencji trzeba dodać jeden próg: jeśli z transkrypcji i logu działań nie da się stwierdzić, czy agent zrobił to dobrze, intencja nie idzie na pierwszy ogień.
• Rezygnacje, zmiany adresu, zwroty i kody rabatowe wyglądają na jedno działanie, ale kryją decyzje, które doświadczeni konsultanci podejmują z pamięci, a których agent AI nie zna.
• Ukryte reguły trzeba znaleźć przed uruchomieniem: przeczytać 50 rozwiązanych zgłoszeń dla każdej intencji, porozmawiać z najlepszymi konsultantami, spisać każdy wyjątek, a dopiero potem ocenić jasność zasad.
• Podział intencji (standardowy zwrot w terminie kontra wszystkie wyjątki) często zmienia słabego kandydata do pierwszej fali w dobrego kandydata do drugiej.

Ten przewodnik dotyczy pierwszej decyzji o zakresie w ramach przejścia do agentowej obsługi klienta.

Które sprawy klientów agent AI powinien obsługiwać najpierw?

Agent AI powinien najpierw obsługiwać intencje, które zgłasza wielu klientów, które opierają się na spisanych zasadach z niewieloma wyjątkami i w których błędne działanie łatwo i tanio cofnąć. Typowi pierwsi kandydaci to status zamówienia, pomoc z hasłem i logowaniem, godziny otwarcia i informacje o planie. Wszystko, co przesuwa pieniądze, kończy umowę lub wymaga osądu, czeka.

Intencja to powód kontaktu: to, co klient chce załatwić, na przykład „gdzie jest moje zamówienie” albo „chcę zrezygnować z subskrypcji”. Lista powodów kontaktu w Państwa helpdesku, nawet nieuporządkowana, jest punktem wyjścia.

Częsty błąd to wybór według samego wolumenu: wolumen pokazuje, gdzie są oszczędności, ale nie to, czy agent AI zrobi to dobrze, ile kosztuje pomyłka i czy ktokolwiek ją zauważy. Wiele poradników dostawców umieszcza zwroty i zarządzanie kontem w bezpiecznej grupie, a właśnie tam żyją niespisane reguły. Dalsza część przewodnika zamienia tę heurystykę w punktację, której można bronić.

Jakie są typowe zastosowania agentów AI w obsłudze klienta?

Typowe zastosowania agentów AI w obsłudze klienta to status zamówienia i dostawy, pomoc z kontem i logowaniem, zwroty i refundacje, zmiany adresu i zamówienia, zmiany i rezygnacje z subskrypcji, pytania o rozliczenia, umawianie wizyt oraz przyjmowanie i kierowanie zgłoszeń. Różnią się mniej technologią niż ryzykiem: jedne tylko odczytują dane, inne przesuwają pieniądze.

Agent AI wykonuje działanie w Państwa systemach, więc działanie liczy się tak samo jak pytanie. Tabela grupuje typowe zastosowania według poziomu autonomii, którego zwykle wymaga działanie, zgodnie z poziomami z naszego przewodnika o poziomach autonomii agentów AI.

Ostatnia kolumna pokazuje typowy wynik, a nie regułę; decyduje Państwa własna punktacja.

Jak punktować sprawy klientów pod kątem automatyzacji?

Każdą intencję ocenia się od 1 do 5 w sześciu kryteriach (wolumen, złożoność rozwiązania, jasność zasad, ryzyko działania, dostęp do danych i emocje klienta), mnoży przez poniższe wagi i dzieli sumę przez 5, co daje wynik priorytetu od 20 do 100. Potem, zanim cokolwiek zostanie uruchomione, stosuje się próg mierzalności i reguły eliminujące.

W każdym kryterium 5 oznacza „lepszy pierwszy kandydat”, więc wyższy wynik zawsze oznacza bezpieczniejszą i cenniejszą wczesną automatyzację.

Karta punktacji priorytetów intencji

Wartości pośrednie uzupełnia się w oczywisty sposób: wolumen 4 to od 8% do 14%, a wolumen 2 to od 2% do 3%; jasność zasad 4 to 1 lub 2 niespisane wyjątki, a 2 to od 6 do 10. Ryzyko działania wynika z poziomu autonomii: poziom 0 to 5 punktów, poziom 1 to 4, poziom 2 to 3, poziom 3 to 2, a poziom 4 to 1. Jeśli intencja obejmuje działania z dwóch poziomów (rezygnacja z końcem okresu kontra anulowanie od razu ze zwrotem pieniędzy), ocenia się to bardziej ryzykowne albo dzieli intencję.

Wynik priorytetu = (wolumen × 20 + złożoność × 15 + jasność × 20 + ryzyko × 20 + dane × 10 + emocje × 15) ÷ 5.

Przedziały: 80 lub więcej to pierwsza fala. Od 65 do 79 to druga fala, gdy najsłabsze kryterium zostanie poprawione. Poniżej 65 sprawa zostaje u ludzi albo agent AI wspiera człowieka, aż do ponownej oceny.

Próg mierzalności jakości

Zanim intencja zostanie uruchomiona, trzeba zapytać: czy osoba oceniająca albo automatyczny system oceny mógłby z transkrypcji i logu działań stwierdzić, czy agent AI zrobił to dobrze? Poprawny wynik musi dać się zapisać jako kryteria karty oceny, na przykład „podał status przewoźnika zgodny z danymi śledzenia przesyłki” albo „zatrzymał odnowienie i nie anulował od razu, chyba że klient o to poprosił”. Jeśli się nie da, intencja odpada bez względu na wynik, bo jej błędy pozostaną niewidoczne, dopóki klienci nie zaczną się skarżyć. O pisaniu takich kryteriów piszemy w artykule o kontroli jakości agentów AI.

Reguły eliminujące

Trzy wyniki wykluczają intencję z pierwszej fali, nawet przy wysokiej sumie:

1. Jasność zasad 1: zasady są sprzeczne albo większość przypadków opiera się na niespisanych regułach, więc agent będzie improwizował.
2. Ryzyko działania 1: działania z poziomu 4 (usuwanie danych osobowych, zmiana danych bankowych) zostają u człowieka.
3. Niespełniony próg mierzalności.

Przykład: ranking 8 spraw klientów

Poniższy przykład to ilustracja, a nie dane klienta: zespół e-commerce sprzedający w subskrypcji, 40 000 kontaktów miesięcznie, ocenia osiem intencji. Status zamówienia i pomoc z logowaniem trafiają do pierwszej fali, zmiana planu do drugiej, a cztery intencje, które „wyglądają na proste”, mają poniżej 65 punktów, dopóki ich ukryte reguły nie zostaną spisane.

Sprawdzenie jednego wiersza: status zamówienia to (5 × 20 + 5 × 15 + 4 × 20 + 5 × 20 + 5 × 10 + 4 × 15) ÷ 5 = 465 ÷ 5 = 93.

Co ranking mówi temu zespołowi:

• Pierwsza fala obejmuje 31% kontaktów (12 400 miesięcznie) dwiema intencjami: to mniejszy start niż „wszystko, co trwa poniżej pięciu minut”, ale taki, który da się zmierzyć.
• Zwroty mają drugi największy wolumen, ale tylko 62 punkty. Problemem jest jasność zasad: w 50 rozwiązanych zgłoszeniach zwrotu zespół znalazł 7 decyzji, których nie opisywał żaden artykuł pomocy.
• Kody rabatowe zostają wyeliminowane. Nikt nie potrafił spisać, kiedy konsultant honoruje przeterminowany kod, więc żaden system oceny nie oceniłby też odpowiedzi agenta AI.
• Rezygnacje są oceniane według bardziej ryzykownego działania. Anulowanie od razu ze zwrotem pieniędzy wymaga zatwierdzenia (poziom 3), więc ryzyko działania to 2, a nie 4 jak przy zwykłym zatrzymaniu odnowienia.

Teraz warto podzielić intencję zwrotu. „Standardowy zwrot w terminie, produkt kwalifikujący się do zwrotu” to 10% kontaktów. Po spisaniu zasad złożoność i jasność rosną do 4: (4 × 20 + 4 × 15 + 4 × 20 + 3 × 20 + 4 × 10 + 3 × 15) ÷ 5 = 365 ÷ 5 = 73. To przenosi ją do drugiej fali. Pozostałe 4% (uszkodzone, personalizowane, spóźnione, gesty dobrej woli) zostaje u ludzi i jest przekazywane z kontekstem.

Które „proste” sprawy kryją reguły biznesowe?

Intencje, które najczęściej kryją reguły biznesowe, to rezygnacje, zmiany adresu, zwroty, kody rabatowe, zwroty pieniędzy za spóźnione dostawy i zmiany metody płatności. Każda wygląda na jedno działanie, ale najlepsi konsultanci podejmują po drodze kilka decyzji na podstawie doświadczenia i żadna z nich nie jest zapisana tam, gdzie agent AI mógłby ją przeczytać.

Część ukrytych reguł to reguły prawne. W UE konsument co do zasady ma 14 dni na odstąpienie od umowy zawartej na odległość bez podawania przyczyny (dyrektywa 2011/83/UE, art. 9), a art. 16 wymienia 13 wyjątków, takich jak towary wyprodukowane według specyfikacji konsumenta, towary szybko psujące się i zapieczętowane towary higieniczne, które po dostarczeniu zostały otwarte. Agent, który mówi „sprzedaż jest ostateczna” albo „można zwrócić wszystko”, myli się w obu przypadkach. Warto sprawdzić z prawnikiem przepisy na Państwa rynkach i wpisać wynik do zasady.

Szybki test: jeśli dwóch doświadczonych konsultantów obsłużyłoby to samo zgłoszenie inaczej, intencja ma niespisaną regułę, a agent AI zastosuje jedną wersję wobec wszystkich.

Jak odkryć ukryte reguły przed uruchomieniem?

Ukryte reguły odkrywa się w czterech krokach: przeczytać 50 rozwiązanych zgłoszeń dla każdej intencji i zapisać każdą podjętą decyzję, porozmawiać z dwoma lub trzema najlepszymi konsultantami o sytuacjach, w których odchodzą od standardowej odpowiedzi, spisać każdy wyjątek jako regułę z właścicielem i zamienić każdy z nich w przypadek testowy. Jasność zasad ocenia się dopiero po tej pracy.

1. Proszę przeczytać 50 rozwiązanych zgłoszeń dla każdej intencji. Nie 50 ostatnich, tylko mieszankę: około 20 zwykłych, 10 ponownie otwartych, 10 eskalowanych i 10 z niską oceną satysfakcji lub najdłuższym czasem obsługi. Przy każdym proszę zapisać decyzję, użyte dane i to, czy zastosowana reguła jest gdziekolwiek spisana. Liczba niespisanych decyzji wyznacza ocenę jasności zasad.

2. Proszę porozmawiać z dwoma lub trzema najlepszymi konsultantami, po trzydzieści minut z każdym, zadając pytania, które wydobywają wyjątki:

• „Kiedy nie robi Pan/Pani tego, co mówi artykuł pomocy?”
• „Co sprawdza Pan/Pani, zanim to zrobi?”
• „Których klientów traktuje się inaczej i dlaczego?”

3. Proszę spisać wyjątki i przypisać każdemu właściciela. Każdy wyjątek zapisuje się jako regułę z wyzwalaczem, działaniem i limitem, i rozstrzyga, czy agent AI ją stosuje, czy przekazuje sprawę. Szablon karty zasady z artykułu o politykach dla agentów AI pilnuje, by makro dla konsultantów i instrukcja agenta AI wskazywały tę samą regułę.

4. Proszę zamienić wyjątki w przypadki testowe: wiadomość klienta, oczekiwane działanie i oczekiwana odpowiedź, uruchamiane przed startem i po każdej zmianie. O rozmowach ze scenariuszem piszemy w artykule o testowaniu chatbota, a o działaniach i korzystaniu z narzędzi w artykule o testowaniu agentów AI.

Na zgłoszenia warto zaplanować około pół dnia na intencję, plus rozmowy: to taniej niż odkrywanie reguł ze skarg.

Czy intencja powinna działać w trybie deterministycznym, czy generatywnym?

Tryb deterministyczny, ze stałymi krokami i regułami w kodzie, sprawdza się, gdy decyzja wynika z jasnych kryteriów, takich jak terminy uprawniające, limity i weryfikacja tożsamości. Model generatywny powinien zajmować się tym, czego kod nie potrafi: zrozumieniem prośby klienta, dopytaniem o brakujące dane i wyjaśnieniem wyniku. Większość dobrze zaprojektowanych intencji łączy oba podejścia.

Anthropic opisuje workflow jako „systems where LLMs and tools are orchestrated through predefined code paths” (systemy, w których modele językowe i narzędzia są koordynowane przez z góry zdefiniowane ścieżki w kodzie), a agentów jako systemy, w których modele „dynamically direct their own processes and tool usage” (dynamicznie kierują własnymi procesami i użyciem narzędzi), i zaleca „finding the simplest solution possible, and only increasing complexity when needed” (szukanie możliwie najprostszego rozwiązania i zwiększanie złożoności tylko wtedy, gdy to potrzebne) (Anthropic, Building effective agents, po angielsku).

Praktyczny podział dla intencji w obsłudze klienta: weryfikacja tożsamości, wyszukiwanie zamówień, uprawnienia (terminy, wyłączenia, limity), wywołanie API z egzekwowanymi limitami, wymagane prawem sformułowania i stałe wyzwalacze przekazania należą do kodu lub narzędzia. Zrozumienie prośby, dopytanie o brakujące dane, wybór pasującego zatwierdzonego działania, ton i rozpoznanie frustracji należą do modelu. Uprawnienie do pieniędzy lub zmian w umowie nigdy nie jest wyłącznie decyzją modelu.

Jest tu pewne napięcie. Przewodnik OpenAI o budowaniu agentów podaje zatwierdzanie zwrotów w obsłudze klienta jako przykład „complex decision-making” (złożonego podejmowania decyzji), w którym agenci się sprawdzają, i dodaje, że w innych przypadkach „a deterministic solution may suffice” (rozwiązanie deterministyczne może wystarczyć) (OpenAI, A practical guide to building agents, po angielsku). Ten sam przewodnik mówi, że „canceling user orders, authorizing large refunds, or making payments” (anulowanie zamówień, autoryzowanie dużych zwrotów lub dokonywanie płatności) powinno uruchamiać nadzór człowieka, dopóki zaufanie do agenta nie wzrośnie. Obie rzeczy są prawdziwe: intencje wymagające osądu to te, w których agenci dają najwięcej wartości i najpierw wymagają najwięcej dowodów. Przychodzą później, a nie nigdy.

Skąd wiadomo, kiedy dodać kolejną intencję?

Kolejną intencję dodaje się, gdy obecne utrzymują stabilne wyniki przez kilka tygodni: poprawne rozwiązania są na docelowym poziomie, eskalacje następują we właściwych momentach, a przyczyny przejrzanych błędów są znane i mają wdrożone poprawki. Jednocześnie warto ponownie ocenić oczekujące intencje, bo spisane zasady i nowy dostęp do danych zmieniają ich wyniki.

Decydują dowody, nie daty w kalendarzu:

• Poprawne rozwiązanie, nie containment. Zamknięta rozmowa to nie rozwiązana sprawa; jak zmierzyć tę różnicę, opisujemy w artykule o wskaźniku poprawnych rozwiązań.
• Jakość przekazania. Agent przekazuje sprawę przy właściwym wyzwalaczu, z kontekstem, więc klient nie musi się powtarzać (przekazanie rozmowy z bota do konsultanta).
• Przyczyny błędów. Każda nieudana rozmowa ma przypisaną przyczynę: brakująca reguła, błędne dane, błędne działanie, ton. Powtarzającą się przyczynę trzeba usunąć przed poszerzeniem zakresu.
• Właściciel, który co tydzień przegląda każdą działającą intencję; patrz rola menedżera agentów AI.

Liczy się też Państwa poziom w modelu dojrzałości AI w obsłudze klienta: na początku dodaje się jedną intencję naraz; zespół, który ocenia każdą rozmowę AI i ma działający proces zmian, może dodać niewielką grupę jednocześnie.

Kiedy ta karta punktacji nie jest dla Państwa?

Ta karta punktacji to więcej, niż potrzeba, jeśli obsługują Państwo kilkaset kontaktów miesięcznie, mają tylko trzy lub cztery powody kontaktu albo agent AI jedynie odpowiada na pytania na podstawie zatwierdzonych treści i nie wykonuje żadnych działań. Wtedy wystarczy przeczytać próbkę zgłoszeń, spisać zasady i ręcznie przetestować odpowiedzi.

Nie zastępuje też uporządkowanej listy powodów kontaktu (niewiarygodne tagi dają błędne wyniki wolumenu) ani przeglądu prawnego: karta punktacji pokazuje, że intencja ma reguły prawne, ale nie mówi, jakie.

Gdzie pasuje Kaizo

Kaizo sprawdza każdą rozmowę w obsłudze klienta, prowadzoną przez człowieka lub AI, według Państwa własnych kryteriów i pokazuje, co poprawić. AutoPilot ocenia każdą rozmowę po jej rozwiązaniu, więc widać, gdzie agent AI i zespół radzą sobie dobrze, a gdzie jakość się załamuje: to dowody potrzebne do decyzji, kiedy dodać kolejną intencję. Proszę zobaczyć, jak działa kontrola jakości agentów AI, albo umówić demo, aby zobaczyć to na własnych rozmowach.

Jak zacząć w tym tygodniu

Pierwsze intencje można ocenić w tydzień z jednym analitykiem, jednym liderem zespołu, eksportem z helpdesku i arkuszem kalkulacyjnym. W piątek mają Państwo uporządkowaną listę, listę wyjątków dla najlepszych kandydatów i uzgodnioną pierwszą falę dwóch lub trzech intencji.

1. Poniedziałek: proszę wyeksportować kontakty z ostatniego miesiąca według powodu kontaktu i wybrać 10 największych według wolumenu.
2. Wtorek: proszę ocenić wolumen, złożoność, ryzyko działania (według poziomów autonomii), dostęp do danych i emocje.
3. Środa i czwartek: dla 4 najlepszych proszę przeczytać po 50 rozwiązanych zgłoszeń, policzyć niespisane decyzje, aby ustalić jasność zasad, i porozmawiać z dwoma najlepszymi konsultantami.
4. Piątek: proszę zastosować próg i reguły eliminujące, obliczyć wyniki, uzgodnić pierwszą falę z właścicielem agenta AI i przenieść wyjątki do kart zasad.

Następnie proszę sprawdzić kontrole potrzebne przed uruchomieniem w przewodniku o agentowej obsłudze klienta.

Najczęściej zadawane pytania

Jakie są realne przykłady agentów AI w obsłudze klienta?

Agenci AI, którzy sprawdzają status dostawy zamówienia i wyjaśniają opóźnienie, resetują hasło, umawiają lub przesuwają wizytę, obsługują standardowy zwrot i wystawiają etykietę albo zmieniają plan subskrypcji. To agenci, a nie chatboty, bo wykonują działanie w Państwa systemach, a nie tylko je opisują.

Czym różni się chatbot w obsłudze klienta od agenta AI?

Chatbot oparty na regułach działa według stałych intencji i gotowych odpowiedzi, zwykle z przyciskami lub słowami kluczowymi. Agent AI rozumie swobodny tekst, decyduje, jakie kroki podjąć, i działa przez Państwa narzędzia, na przykład zwracając pieniądze za zamówienie. Właśnie ta swoboda sprawia, że wybór intencji i ich zasad ma większe znaczenie.

Jak wąski powinien być zakres pierwszego agenta AI?

Na tyle wąski, by dało się sprawdzić każdy wynik. Dwie lub trzy intencje ze spisanymi zasadami i niskim ryzykiem działań sprawdzają się w większości dużych zespołów; w powyższej ilustracji dwie intencje obejmowały 31% kontaktów.

Czy agent AI może obsługiwać zwroty pieniędzy od pierwszego dnia?

Rzadko. Małe zwroty w ramach spisanej zasady mogą działać w limicie, gdy istnieją reguły i przypadki testowe, ale zwroty łączą pieniądze, wyjątki i emocje, więc zwykle trafiają do drugiej fali lub później. Większe zwroty i spory wymagają zatwierdzenia przez człowieka.

Jak agenci AI mogą poprawić obsługę klienta bez szkody dla jakości?

Gdy w pełni rozwiązują proste intencje, a wszystko inne przekazują człowiekowi z kontekstem. Jakość cierpi, gdy zespoły automatyzują intencje z niespisanymi regułami albo mierzą containment zamiast poprawnych rozwiązań; ocenianie rozmów AI według standardu zespołu sprawia, że te problemy pozostają widoczne.