Τα chatbot εξυπηρέτησης πελατών δεν αρέσουν στους καταναλωτές – Μπορεί η τεχνητή νοημοσύνη να τα βελτιώσει;

Του Nicholas Gordon

Η λέξη ‘chatbot’, πριν το ChatGPT φέρει την επανάσταση στον κόσμο της τεχνητής νοημοσύνης, ήταν περίπου σαν βρισιά. Για πολλούς καταναλωτές, ένα chatbot ήταν ένα μικρό κουτάκι στη γωνία της οθόνης, όπου ένα ευχάριστο αυτοματοποιημένο πρόγραμμα ήταν διαθέσιμο να προσφέρει βοήθεια – αλλά στη συνέχεια δυσκολευόταν να κατανοήσει τα ερωτήματα και να παράσχει τις σωστές πληροφορίες.

Μια έρευνα του YouGov τον Νοέμβριο ανέφερε ότι το 60% των καταναλωτών νοιώθουν αρκετά σίγουροι για την ικανότητά τους να ξεχωρίσουν έναν ανθρώπινο υπάλληλο εξυπηρέτησης πελατών από ένα ρομπότ. Και πάνω από το 80% των πελατών είναι πρόθυμοι να περιμένουν για κάποιο χρονικό διάστημα – για κάποιους, έως και 11 λεπτά – για να μιλήσουν με ένα πραγματικό άτομο, ακόμα κι αν ένα chatbot τεχνητής νοημοσύνης είναι άμεσα διαθέσιμο, σύμφωνα με δεδομένα από την Callvu, μια υπηρεσία παροχής πλατφόρμας εξυπηρέτησης πελατών.

Αλλά τώρα, τα νεότερα προγράμματα τεχνητής νοημοσύνης καταλαβαίνουν καλύτερα τι χρειάζονται οι πελάτες, αναζητούν τις σωστές πληροφορίες και τις εμφανίζουν με ευανάγνωστο τρόπο. Κατά τη διάρκεια μιας συνεδρίας στις 31 Ιουλίου στο Fortune Brainstorm AI Singapore, με χορηγία της Accenture, οι ομιλητές μοιράστηκαν μερικά παραδείγματα για το πώς τα νέα προγράμματα τεχνητής νοημοσύνης θα μπορούσαν να αναζωογονήσουν την εξυπηρέτηση πελατών.

Τα προγράμματα παραγωγικής τεχνητής νοημοσύνης μπορούν να προσφέρουν καλύτερες απαντήσεις από τα επίσημα chatbot εξυπηρέτησης πελατών, ισχυρίστηκε ο Joon-Seong Lee, γενικός διευθυντής στο Κέντρο Προηγμένης Τεχνητής Νοημοσύνης της Accenture. Ο Lee είπε ότι το πρόγραμμα Gemini AI της Google τον βοήθησε να καταλάβει πώς να πλοηγηθεί στο σύστημα μιας τράπεζας για να συνδέσει έναν λογαριασμό με έναν άλλο∙ το chatbot της τράπεζας δεν κατάλαβε την ερώτηση.

Ο Lee υποστήριξε ότι οι ιστότοποι πρέπει να απομακρυνθούν από ένα μοντέλο αναζήτησης, όπου οι χρήστες πρέπει να ψάχνουν οι ίδιοι για απαντήσεις. «Δεν ψάχνετε για απαντήσεις. Θέλετε την απάντηση», είπε χαρακτηριστικά.

Ο Sami Mahmal, επικεφαλής δεδομένων της Zurich Insurance, αναφέρθηκε σε ένα παράδειγμα στην Ινδονησία όπου η εταιρεία χρησιμοποίησε τεχνητή νοημοσύνη για να εξοικονομήσει χρόνο για τον πελάτη. Η νομοθεσία της Ινδονησίας απαιτεί από τους ασφαλιστές να επιθεωρούν τα αυτοκίνητα προτού πουλήσουν ένα ασφαλιστήριο συμβόλαιο στον ιδιοκτήτη. Αυτές οι επιθεωρήσεις γίνονται συνήθως αυτοπροσώπως, πράγμα που σημαίνει ότι ο ιδιοκτήτης πρέπει να περιμένει πριν γίνει διαθέσιμος ένας αξιολογητής.

«Μπορείτε να το φανταστείτε; Μόλις αγοράσατε το αυτοκίνητό σας. Είναι μεταχειρισμένο. Και πρέπει να περιμένετε μία εβδομάδα πριν έρθει η Zurich στο σπίτι σας», είπε ο Mahmal, σημειώνοντας ότι η αναμονή είχε επεκταθεί σε δύο εβδομάδες σε ορισμένες τοποθεσίες.

Τώρα, η Zurich ζητά από τους πελάτες να υποβάλουν οι ίδιοι φωτογραφίες των αυτοκινήτων. Μια αυτοματοποιημένη διαδικασία μπορεί τώρα να εκτιμήσει τη ζημιά και είτε να εγκρίνει μια πολιτική είτε να την παραπέμψει σε έναν αξιολογητή για περαιτέρω αξιολόγηση. «Μεταβήκαμε από μια διαδικασία όπου έπρεπε να περιμένουμε μέρες και να έχουμε μια χειροκίνητη αξιολόγηση, σε κάτι που συμβαίνει σε λίγα λεπτά», κατέληξε ο Mahmal.

ΔΙΑΒΑΣΤΕ ΠΕΡΙΣΣΟΤΕΡΕΣ ΕΙΔΗΣΕΙΣ:

• Ο νέος CEO της Boeing έχει φιλοδοξίες – Αλλά πρώτα πρέπει να αντιμετωπίσει τα απαίσια οικονομικά της εταιρείας
• Στροφή των Ευρωπαίων καταναλωτών για αγορά μεταχειρισμένων ηλεκτρικών αυτοκινήτων