Что произошло

Одна компания запустила ИИ-бота поддержки, подключенного к своему центру помощи в январе, с целью уменьшить количество заявок в службу поддержки. Обучив бота на самых распространенных типах заявок, они изначально увидели лишь 6% снижение обращений к третьему месяцу, что позже увеличилось до 8% к восьмому месяцу. Несмотря на то, что эти цифры соответствовали отраслевым стандартам для сложных B2B-сред, команда начала сомневаться, действительно ли эти показатели представляют собой успех.

Почему это важно

Осознание того, что их бот работает ниже ожиданий, побудило переоценить технологии. Сравнив свой инструмент ИИ-поддержки с другими на рынке, особенно с тем, который, как сообщается, достиг 47% снижения обращений, стало очевидно, что архитектура ИИ-системы играет решающую роль. Это вызвало опасения по поводу достоверности стандартов и того, являются ли существующие решения действительно эффективными или просто переработанными традиционными системами тикетов.

Контекст

Исторически ИИ-инструменты поддержки разрабатывались для повышения эффективности обслуживания клиентов. Однако многие решения просто накладывают модели машинного обучения на существующие системы тикетов, не изменяя принципиально, как решаются проблемы. Это привело к восприятию, что определенные уровни снижения обращений допустимы, хотя они могут не отражать оптимальную работу. Поскольку компании все больше полагаются на ИИ для клиентской поддержки, понимание архитектуры и основных возможностей этих инструментов становится жизненно важным.

Что это означает

Полученные данные указывают на значительное расслоение в эффективности ИИ-поддержки, основанное на дизайне системы. Если средний уровень снижения обращений действительно так низок, как 8%, организациям может потребоваться пересмотреть свои инвестиции. Это вызывает вопросы о том, могут ли многие решения ИИ-поддержки действительно приносить реальную ценность или они лишь переодетые системы тикетов. Эта ситуация побуждает компании критически оценивать свои инструменты ИИ, гарантируя, что они используют решения, созданные для эффективного разрешения проблем, а не просто для автоматизации.