Pracovníci zákaznické péče často střídají technickou podporu, obnovování smluv a hledání příležitostí, jak klientovi zvýšit přínos služby. AI může zkrátit přípravu podkladů a sestavit první návrh zákaznického plánu. Člověk však musí ověřit předpoklady, řešit složité vztahy a zachytit chybný výklad kontextu, který automatický souhrn může podat velmi přesvědčivě.
Role pracovníka odpovědného za úspěch zákazníka bývá mimořádně široká. Během jednoho dne může řešit technický problém, pokračování smlouvy a současně klientovi pomáhat lépe využívat zakoupený produkt. Umělá inteligence nabízí možnost část přípravných činností výrazně zkrátit. Místo dlouhého studia veřejných dokumentů lze rychle sestavit přehled strategických priorit zákazníka a následně zkoumat, jak se k nim dodávaná služba vztahuje. To však není hotový zákaznický plán. Je to výchozí hypotéza, kterou musí pracovník ověřit přímo s klientem.
Konkrétní zkušenost popisuje propojení několika menších pracovních postupů: informace o prioritách zákazníka se spojí s použitím produktu a jeho hodnotou a systém vytvoří první návrh společného plánu dopadů. Činnost, která dříve zabrala týdny, se tak může zkrátit přibližně na půl hodiny. Následný rozhovor s klientem ale zůstává nutný. Jeho zásadní částí jsou otázky, které ověřují, kde jsou podklady neúplné nebo nesprávné.
AI může sloužit také jako oponent. Pokud se spojí veřejné cíle firmy s údaji o skutečném používání produktu, může pracovník hledat oblasti, kde klient nevyužívá existující funkce nebo kde se jeho současný způsob práce rozchází s deklarovaným cílem. Hodnota nástroje pak nespočívá jen v psaní e-mailů a souhrnů, ale v hledání otázek, které by člověka nemusely napadnout.
Automatizace má ovšem různou vhodnost podle typu úkolu. Zakládání uživatelů, reset hesla nebo vytvoření základního přehledu jsou pravidelné a dobře popsatelné činnosti. Předání zákazníka z prodeje do následné péče nebo návrh zaváděcího plánu lze připravit automaticky a poté zkontrolovat. Naproti tomu složitá hrozba odchodu zákazníka nebo vyjednávání v rozsáhlé organizaci vyžaduje porozumění vztahům, mocenským vazbám a historii spolupráce.
Závažným omezením zůstává schopnost systému přesvědčivě vyvodit chybný závěr. Popsaný případ automatického souhrnu obchodního hovoru například tvrdil, že zákazník chce vztah ukončit, přestože to v rozhovoru nezaznělo. Takový omyl může být při automatickém předání do dalších systémů nebezpečnější než běžná administrativní chyba, protože ovlivní způsob, jakým další pracovníci s klientem jednají. Firma proto potřebuje určit, které závěry musí člověk ověřit před jejich použitím.
Vedoucí zákaznické péče by měl rozvíjet schopnost zaměstnanců klást systému přesnější otázky a vytvářet společné knihovny osvědčených zadání. Současně má sledovat, zda ušetřený čas skutečně přechází do práce s klientem. Smyslem automatizace není pouze obsloužit větší počet účtů. Měla by zaměstnancům umožnit věnovat více času situacím, kde zákazník potřebuje zkušenost, úsudek a schopnost spojit produkt s konkrétním obchodním výsledkem.
Klíčové pojmy
- Zákaznický plán: Dohoda propojující cíle klienta, využití produktu a konkrétní výsledky, které má spolupráce přinést.
- Automatizace přípravy: Použití AI k získání a uspořádání podkladů před tím, než pracovník provede vlastní rozhodnutí.
- Ověření kontextu: Kontrola, zda automaticky vytvořený závěr odpovídá skutečnému obsahu rozhovoru a vztahu se zákazníkem.
Prompt pro DALL-E (3 : 2, česky)
Realistická redakční fotografie pracovnice zákaznické péče, před ní AI připravuje strukturované podklady z více zdrojů, zatímco ona vede videohovor s klientem a ručně ověřuje závěry, důraz na spojení technologie a lidského úsudku, bez textů a log.