Generatiivinen tekoäly ja sen hyödyntäminen on todella kuuma peruna tämän hetken liike-elämässä. Jos aiheeseen perehtyminen tai tekoälyn käyttöönotto on sinulle ajankohtainen asia tänä syksynä, kannattaa lukea tämä artikkeli, jossa jaan muutaman olennaisimman opin, joita me Aiwolla olemme oppineet käytännössä tekemistämme projekteista.
Automaisointi: älä hae pelkkiä pikavoittoja
Älä anna nykyisen tekoälyinnostuksen sokaista sinua kaikilla sen tuomilla mahdollisuuksilla. Muista, että tekoäly on erittäin hyvä renki, mutta huono isäntä. Parhaimman hyödyn tekoälystä saa silloin, kun se tukee olemassa olevia liiketoimintasuunnitelmiasi ja tavoitteitasi.
Yksi tyypillisimmistä tavoista hyödyntää tekoälyä asiakaspalvelussa on automatisoida usein kysyttyihin kysymyksiin vastaaminen. Tämä voi auttaa asiakaspalvelutiimiä lyhyellä aikavälillä, mutta kannattaa huomioida se, että se on jälleen yksi järjestelmä/ohjelmisto asiakaspalvelutiimin ylläpidettäväksi.
Ohjaaminen tekoälyllä automatisoituun itsepalvelukanavaan ei useinkaan ole asiakkaan näkökulmasta paras ratkaisu. Asiakkaan kannaltahan olisi aina parempi, jos heidän ei alunperinkään tarvitsisi ottaa yhteyttä. Tekoälyä kannattaakin hyödyntää siihen, että saat selville asiakasyhteydenottojen juurisyyt: tähän tarvitaan tiedon keräämistä, yhdistämistä ja rikastamista. Tekoälyn avulla tämä tapahtuu paljon aiempaa nopeammin.
Tunnistamalla ja poistamalla yhteydenottojen juurisyyt, pystyt aidosti vaikuttamaan yhteydenottojen kokonaismäärään ja siten myös asiakaspalvelun operatiivisiin kustannuksiin. Tällä on siis iso merkitys paitsi asiakastyytyväisyyden, myös liiketoiminnan kannattavuuden kannalta.
Lähdeaineiston laatu: Avain menestykseen
Laadukas lähdeaineisto on äärimmäisen tärkeä asia kaikissa AI-projekteissa. En voi painottaa tätä tarpeeksi. Arvokkaiden oivallusten etsiminen huonolaatuisesta tiedosta on kuin etsisi neulaa heinäsuovasta. Koska generatiivinen tekoäly tutkii ja analysoi litteroituja asiakasvuoropuheluita, on näiden litterointien ja niistä saatavien transkriptien laadulla suorastaan kriittinen merkitys.
Tässä esimerkiksi pari aivan keskeistä huomiota erityisesti puheluiden tallentamiseen ja niiden litterointiin liittyen:
- Jokaisen puhujan puhe tulee olla tallennettuna erillisille ääniraidoille, jotta voit tunnistaa puhujan litteroinnista.
- Tiedon anonymisointi tulee huolellisesti, mutta tarkoituksenmukaisesti – henkilötiedot tulee poistaa, mutta esimerkiksi tuotetiedot tulisi säilyttää. Tällä tavalla datasta voi tehdä johtopäätöksiä, joilla on käytännön arvoa.
Ja tässä on tärkeä vinkki – pidä huoli siitä, että puhelun transkriptiin ei ole litteroituna myös taustalta kuuluvaa puhetta tai odotusmusiikin sanoja (tätä tapahtuu valitettavan usein ja kyllä; tilaaja maksaa siitä).
Suosittelemmekin aina testaamaan litteroinnin laadun pienemmällä datasetillä ennen suurempiin datavolyymeihin sitoutumista. Ja muista myös tietoturva – tiedustele, minne asiakkaan tiedot menevät, erityisesti henkilötiedot, litterointiprosessin aikana.
Vaikka tekoäly voi ymmärtää ja tulkita tekstiä, se ei välttämättä itsessään riitä merkittävimpien liiketoimintaoivallusten saavuttamiseksi. Olisikin olennaista, että asiakaskeskusteluiden analyysia rikastetaan vaikkapa yrityksen CRM-järjestelmästä saatavalla metadatalla – esimerkiksi segmentti-, tuote- tai palvelutiedolla. Tällöin analyysista saatavat oivallukset ja johtopäätökset linkittyvät lähemmin liiketoimintaan ja mahdolliset kehitystoimenpiteet osataan kohdistaa oikeisiin paikkoihin.
Mittarit: Tavoittele tunnettuja liiketoimintametriikoita
Pelkät oivallukset eivät saa aikaan muutosta vaan oivallukset tulee saada vietyä käytäntöön. Käytäntöön vientiä ja tulosten seurantaa auttaa, mikäli oivallusten tukena on liiketoiminnassa yleisesti tunnettuja mittareita ja metriikoita. Siksi kannattaakin miettiä, millaisia liiketoiminnallisia mittareita harkitsemasi tekoälyratkaisu tarjoaa. Parhaimmassa tapauksessa ne puhuvat samaa kieltä päätöksentekijöiden kanssa (= eurot).
Konseptin todentaminen: luo pohja skaalautuvuudelle
Proof-of Concept -projekti (POC) on hyvä tapa testata, miten tekoäly toimii käytännössä ja miten se oikeasti tukee päivättäisen työn tekemistä. Pienemmällä datasetillä tehdyn kokeilun avulla pystyy myös tarkistamaan, tuoko siitä saatu data todella lisäarvoa ja miten hyvin se toimii teknisestä näkökulmasta.
Muista, että onnistunut POC on vasta alkua. Ratkaisun tulee tuottaa hyötyä starttiprojektin jälkeenkin, jolloin on hyvä pohtia:
- Soveltuuko sama toteutus käsittelemään enemmän dataa kysynnän kasvaessa?
- Kuinka saumattomasti se sopii olemassa oleviin työarkeen ja ohjelmistoihin?
- Onko pitkän aikavälin hyöty sijoitetun ajan ja rahan arvoinen?
- Lisääkö tekoäly operatiivista tehokkuutta samalla kun se parantaa asiakaskokemusta kokonaisuudessaan?
Kaikkinensa uskaltaisin sanoa, että generatiivinen tekoäly tarjoaa todella mielenkiintoisia mahdollisuuksia yrityksille, ja nyt on hyvä aika pohtia miten sitä omassa tapauksessa voisi ja kannattaisi hyödyntää. Huolellinen harkinta on tarpeen ennen ratkaisun valitsemista – lopputulos voi olla hyvin erinäköinen riippuen siitä, ostatko kaupasta kasan lautoja vai valmiin ja koeponnistetun toteutuksen.
Asiakaspalvelun näkökulmasta tekoälyratkaisun valinnassa kannattaa huomioida etenkin nämä neljä kuvailemaani seikkaa:
- Tekoäly tukee asiakaskontaktien juurisyiden ratkaisua eikä pelkästään automatisoi asiakkaiden siirtoa kanavasta toiseen
- Lähdeaineisto on laadukasta
- Analytiikka tukee olemassa olevia liiketoiminnan metriikoita
- POC:n valrmistaa pohjan ratkaisun skaalautuvuudelle.
Pitämällä nämä perusasiat mielessä, tekoälystä voi tulla erittäin tärkeä työkalu niin asiakaskokemuksen kuin operatiivisen tehokkuuden kehittämiseen.
Kirjoittaja:
Jani Jokela
COO
Aiwo
Aiwon operatiivisena johtajana toimiva Jani Jokela on ollut mukana kehittämässä Aiwon palvelua aivan sen alkumetreiltä lähtien. Hän on tehnyt paljon yhteistyötä ja käynnistänyt lukuisia tekoälyprojekteja niin suomalaisten kuin ulkomaalaisten asiakaspalveluorganisaatioiden kanssa. Ennen Aiwoa Jani työskenteli 15 vuotta finanssialalla. Hänellä on vahva intohimo liiketoiminnan kehittämiseen asiakaslähtöisyyden ja asiakaskokemuksen avulla.
Aiwo on suomalainen teknologiayritys, joka tuottaa yrityksille tekoälyavusteista ja reaaliaikaista analytiikka niiden eri palvelukanaviin tulevista asiakasyhteydenotoista. Aiwon tekoäly pyrkii tunnistamaan säästökohteita ja operatiivista tehottomuutta asiakasviestinnästä toteutetun analyysin avulla. Yritys pääsi kolmen parhaan joukkoon UK National Innovations Awards 2023 -innovaatiokilpailussa, jossa etsitään uusia teknologioita, jotka tuottavat liiketoimintatietoa asiakaskokemuksen kehittämiseksi. Aiwo on Salesforcen virallinen ISV-kumppani.
Lue lisää Waven toiminnasta ja jäsenyydestä
Wave asiakaspalveluverkosto, Wave, on Suomen suurimpia asiakaspalvelun ja –kokemuksen verkostoja, jonka yli 100 jäsenorganisaatiota yhdistää halu kehittää erinomaista asiakaspalvelua ja -kokemusta. Tarjoamme asiakaspalvelun kehittämisen tueksi aktiivisen ja asiantuntevan ammatillisen verkoston, ammattilaistapahtumia, koulutuksia, yritysvierailuja ja kilpailuja.