10 мин
Андрей Грабарник, Анастасия Сахарова
Будущее операторов контактных центров с технологией AI-суфлер
Сегодня клиентская поддержка играет ключевую роль в успешной работе почти любого бизнеса. Часто первый контакт с компанией проходит через операторов контактного центра. Они являются лицом компании и формируют впечатление о бренде. Операторы ежедневно сталкиваются с огромным объемом информации и потребностью оперативно принимать решения. Даже опытным специалистам иногда требуется помощь, что уже говорить о новичках.
В этой статье Андрей Грабарник, ведущий руководитель продукта Just AI, расскажет об AI-суфлере — решении, которое может стать секретным оружием операторов и поможет им быстрее и лучше выполнять текущие задачи.
Что послужило триггером для разработки AI-суфлера?
— Во многих контактных центрах, с которыми мы общались, так или иначе существует проблема повышения качества и скорости ответа операторов. Сдерживающих факторов тут может быть несколько:
- дефицит сотрудников и значительная нагрузка на текущий персонал;
- большой процент выгорания сотрудников и, как следствие, высокая текучесть кадров;
- отсутствие времени у опытных сотрудников для передачи знаний менее опытным.
Про идею умного помощника говорили давно и много, но подходящего инструмента до сих пор так и не появилось. Почему не было AI-суфлера? Нужно было разработать удобное и качественное решение, в котором присутствовали бы 3 важных составляющих:
- высокотехнологичное AI-решение: бот, который очень хорошо понимает о чем его спрашивают (качество классификации >90%) и релевантно отвечает;
- продуманный пользовательский интерфейс, который не потребует от оператора дополнительных усилий, а наоборот — сокращает нагрузку на него;
- внедрение и адаптация: важно не просто интегрировать AI-суфлера в рабочее место оператора, но и объяснить, чем он поможет сотруднику и научить его пользоваться этим инструментом.
До сих пор решения, которое решало бы эти проблемы, не было. Из этого и родилась идея сделать своего AI-суфлера.
Из чего состоит AI-суфлер?
— Решение состоит из трех частей.
Первая часть. Это собственно сам интерфейс суфлера, который встроен в рабочее место (экран) оператора.
Вторая часть. Технология, которая помогает оператору отвечать на вопросы. Она сделана на нашей платформе JAICP. Бот-суфлер обращается к базе знаний и выдает несколько вариантов ответов с учетом их соответствия текущему запросу. Бот может повести оператора и по более сложному сценарию, если этого требует вопрос пользователя.
Например, клиент хочет получить кредит, уточняет ставки и условия, а суфлер помогает оператору принять правильное решение, ориентируясь на контекст предыдущих запросов пользователя.
Третья часть. Это API, через который AI-суфлера можно подключить к рабочему месту оператора и с ним взаимодействовать.
Как проходит процесс взаимодействия бота с базами знаний компании?
— Тут тоже есть несколько сценариев работы. Во-первых, если нужно, чтобы бот хорошо распознавал запрос пользователя и находил максимально подходящий ответ (даже если пользователь или оператор не смогли точно описать, что требуется), то базу знаний нужно загрузить в нашу платформу, чтобы на ее основе обучилась NLU-модель.
Во-вторых, можно отправлять запросы во внешние базы знаний. Это востребовано при возникновении узких вопросов, ответы на которые могут отсутствовать в общих базах. Например, можно отправить запрос на полнотекстовый поиск в корпоративной Confluence. Кроме того, возможна интеграция с другими системами клиента — Bitrix, AmoCRM, Salesforce и т.п. У нас есть как готовые интеграции, так и возможность отдельно их прописать в коде сценария.
В-третьих, AI-суфлер может не только помогать отвечать оператору на вопросы, но и подсказывать конкретные действия, которые ему необходимо совершить. Для этого собирается сценарий, по которому должен действовать сотрудник, и бот будет вести его в зависимости от того, что говорит клиент. Например, это удобно использовать в отделах активных продаж.
При разработке суфлера что вызвало больше всего сложностей?
— Самый открытый вопрос, на который у нас нет до конца ответа — это UX, то есть как должен вести себя интерфейс, чтобы оператору удобнее всего было взаимодействовать с AI-суфлером. Сейчас мы разработали три разных варианта решения.
Первый — это автоматические подсказки. Пользователь что-то спрашивает, а оператору на экран сразу выводится информация по теме запроса. Все происходит автоматически.
Тут есть нюанс — пользователь может сделать полноценный запрос, а может спрашивать отдельными предложениями или использовать непонятные фразы. Это предсказать невозможно. Так как суфлер реагирует на каждую фразу, то тут может возникнуть путаница.
Для этого случая мы сделали второй вариант — полуавтоматический вывод информации. Оператор сам определяет, на какую фразу он хочет получить подсказку.
В третьем случае, когда оператору нужно найти что-то такое, о чем клиент не спрашивает или бот не знает контекста, он может вручную сделать запрос.
Какой из вариантов окажется более востребованным — будет ясно в процессе практического использования.
Есть ли на рынке похожие по функциональности решения?
— Как я уже говорил в начале, идея AI-суфлера существует на рынке уже давно, и многие компании пытались встраивать такой функционал в свои операторские платформы. Но большинство из тех, что я видел, не были достаточно удобными и функциональными. В основном это достаточно простые решения без сильной NLU-части и гибких настроек.
На зарубежном рынке такие решения есть, но они гораздо более дорогие. Кроме того, многие из них заточены больше на продажи, чем на поддержку. Например, менеджерам подтягивались сприпты и чек-листы, по которым они общались с клиентами. Бот слушал, что говорит менеджер, и подсказывал, что делать дальше. В нашем решении, кстати, такой кейс тоже реализуем.
Как проходил процесс обучения AI-суфлера? Предполагается ли его дообучение?
— Чтобы обучить AI-суфлера, нужно загрузить в него либо базу знаний в формате «вопрос-ответ», либо обучить на основе логов операторов. Часто бывает, что у компаний уже накоплены данные по общению с клиентами. При помощи специального инструмента логи можно автоматически разметить и получить готовую базу знаний. Конечно, информацию нужно постоянно дополнять и обновлять в соответствии с изменениями в процессах и данных компании.
Контактные центры используют разное ПО. Насколько легко AI-суфлер интегрируется в чужие системы?
— Для большинства типовых систем мы ведем разработку готовых интеграций, так что заказчику будет достаточно просто подключить наше решение.
Второй вариант — подключение по API. Здесь можно сделать какой-то кастомный скрипт, который будет проксировать данные из одного API в другой. Это не очень сложная задача, с решением которой мы тоже можем помочь.
Кроме того, у нас готов отдельный чат-виджет, который компании смогут встроить в качестве простого интерфейса. Подключившись, мы сможем выводить информацию в этот чат-виджет.
Как обеспечивается безопасность и конфиденциальность пользовательских данных?
— Да, эти вопросы всегда волнуют компании, которые работают с большими массивами данных. Если решение ставится в контур заказчика, то тут нет никаких проблем. Если же компания хочет использовать облако, то тут у нас есть инструмент маскирования персональных данных.
У каких компаний больше всего будет востребован AI-суфлер?
— Везде, где есть большой поток запросов, где много операторов. Особенно, когда компании сталкиваются с большой текучкой кадров. Здесь приходится решать проблему помощи не только действующих операторам, но и онбординга для новичков. Такой сотрудник еще не знает точно, как ему отвечать. Здесь нужно подсказывать, помогать ему.
Можно разработать специальные обучающие сценарии, где оператор будет видеть не просто варианты ответов, а советы, как лучше сформулировать в том или ином случае. Кроме того, сейчас мы активно встраиваем во все наши решения генеративные модели. Здесь ИИ может подсказать оператору разные формулировки, чтобы общение было более живым и естественным.
Ты затронул важную тему развития AI-суфлера. Расскажи об этом поподробнее?
— Участие генеративного ИИ в формулировании подсказок для оператора — эта первая история. Вторая история — AI-суфлер научится формулировать ответы, используя не только базу знаний. Мы хотим, чтобы он, например, мог проанализировать информацию на сайте, и на основе данных оттуда, сформулировать ответ.
По какому принципу будет складывается ценообразование на решение?
— В данный момент оплата за использования AI-суфлера точно такая же, как за обычного бота на нашей платформе. Вы платите за количество уникальных пользователей в месяц, в общении с которыми оператор воспользовался функционалом суфлера.
Для клиентов, которые планируют использовать AI-суфлера на больших объемах пользователей у нас предусмотрены скидки, а также безлимитные тарифы.
Как компании могут запустить AI-суфлера?
— Для начала надо понять, какой вы используете софт и каким образом можно встроить в него нашего AI-суфлера. Нужно сделать простого FAQ-бота. Это делается в три клика. Или обратиться к нам. Мы в этом тоже можем помочь. Далее бота надо загрузить и подключить этот канал. Этого достаточно. AI-суфлер — это не какой-то там сложный бот.