10 labākie klientu atbalsta šķirošanas un risinājumu aģenti

Mūsdienu AI darbinātie atbalsta aģenti sola revolucionizēt klientu apkalpošanu, automatizējot šķirošanu, novirzīšanu un pat veicot darbības jūsu CRM sistēmā. Praksē tie ir paredzēti, lai nekavējoties atbildētu uz biežiem jautājumiem un tikai pārējos novirzītu cilvēkiem. Nesenā analīzē atklāts, ka “mūsdienu AI atbalsta platformas atrisina 60–80% 1. līmeņa pieteikumu bez cilvēka aģenta iejaukšanās” (foundonai.com). Labākie rīki ne tikai atkārto bieži uzdotos jautājumus – tie izmanto visu jūsu zināšanu bāzi un pieteikumu vēsturi, lai ģenerētu informētas atbildes (foundonai.com). Šajā rakstā mēs aprakstīsim galvenās iespējas (nodoma novirzīšana, novirzīšana, makro, CRM darbības, zināšanu ieguve, eskalācijas loģika utt.), salīdzināsim veiktspējas rādītājus (FCR, CSAT, apstrādes laiks, ierobežošana) un aplūkosim, kā veicas vadošajiem AI aģentiem. Mēs arī apspriedīsim būtiskas drošības garantijas: atmaksas/kredīta politikas, daudzvalodu atbalstu un darbību audita žurnālus.

AI atbalsta aģentu galvenās iespējas

Nodoma novirzīšana un šķirošana

Pirmais solis ir ienākošo pieprasījumu klasificēšana un to novirzīšana pareizajam resursam. Vadošie AI rīki integrē inteliģentu pieteikumu šķirošanu tieši palīdzības dienestos vai kā front-end slāņus. Piemēram, Zendesk Inteliģentā šķirošana automātiski marķē un piešķir pieteikumus, savukārt Salesforce Einstein Case Classification identificē problēmas veidu ienākošajos gadījumos. RedBrick Labs atzīmē, ka labākie šķirošanas rīki var “klasificēt sarežģītus klientu pieprasījumus, novirzīt tos pareizajam īpašniekam, saglabāt kontekstu un padarīt izņēmumus redzamus, pirms atbalsta kvalitāte pasliktinās” (www.redbricklabs.io). Praksē spēcīgs AI šķirošanas dzinējs nolasīs pieprasījumu, noteiks valodu/nodomu, iegūs jebkuru CRM kontekstu (konts statusu, prioritāti) un pēc tam attiecīgi piešķirs vai eskalēs. Daudzas platformas tiek apmācītas, izmantojot vēsturiskos pieteikumu datus, lai 90 dienu laikā jūs redzētu galvenos problēmu veidus. Jūsu pieteikumu žurnāla analīze bieži atklāj, ka apmēram 50 bieži uzdotie jautājumi veido pusi no apjoma – ideāli kandidāti automatizācijai (foundonai.com).

Šodienas rīki iedalās dažās kategorijās: palīdzības dienesta iebūvētie aģenti (Zendesk AI, Freshdesk Freddy, HubSpot AI, Salesforce Einstein), kas darbojas platformā; integrētie roboti (Intercom Fin, Kustomer AI), kas pieslēdzas CRM vai iesūtnēm; un nozares specifiskas sistēmas (Gorgias e-komercijai, DevRev vai Jira Service Desk inženierzinātnēm). Ja jūs jau izmantojat tādu programmatūru kā Zendesk vai HubSpot, to AI moduļus var būt visvieglāk ieviest. Piemēram, RedBrick Labs iesaka: “ja jūsu komanda jau strādā ar Zendesk, sāciet ar Zendesk inteliģentās šķirošanas un Copilot novērtēšanu...” (www.redbricklabs.io). Bet tīri funkcionāli roboti (Intercom Fin, Ada, Kustomer) novirza pāri kanāliem un pat starp dažādām sistēmām. Šķirošanas dzinēja patiesais pārbaudījums ir, cik labi tas izvairās no nepareizām novirzīšanām. Labs aģents ne tikai piešķirs pieteikumu, bet arī atzīmēs anomālijas (piemēram, VIP klientus, valodu neatbilstības, dublētus ziņojumus) īpašai apstrādei.

Zināšanu ieguve un novirzīšana

Kad nodoms ir identificēts, AI ir jāatrod vai jāģenerē atbilde. Mūsdienu aģenti izmanto iegūšanas-papildināto ģenerēšanu (RAG): tie meklē dokumentus, wiki un iepriekšējos pieteikumus (bieži, izmantojot semantisko vai vektoru meklēšanu), un pēc tam veido atbildi dabiskā valodā. Piemēram, Zendesk apraksta ar AI darbinātu zināšanu grafiku, kas “apvieno saturu no trešo pušu avotiem” un „automātiski optimizē saturu, pamatojoties uz nesenām sarunām” (www.zendesk.com). Citiem vārdiem sakot, sistēma nepārtraukti atjaunina savu zināšanu bāzi ar jauniem rakstiem un atgriezeniskās saites cilpām no atrisinātajiem pieteikumiem.

Mērķis ir novirzīšana – problēmu risināšana bez cilvēka palīdzības. Piegādātāji apgalvo augstas novirzīšanas likmes, taču definīcijas atšķiras. Viena analīze brīdina, ka “ne visas novirzīšanas ir vienādas”, jo platformas mēra atšķirīgi: “Saruna slēgta” pret “Nav cilvēka nodošanas” pret “Klients apstiprināja atrisināšanu” var atšķirties par ~20 procentpunktiem (foundonai.com). Praksē stingrākais rādītājs ir klienta apstiprināta atrisināšana. Vadošie aģenti reklamē šo līmeni: piemēram, Ada publicētā atrisināšanas likme ir virs 70% (foundonai.com), Intercom Fin ap 50–60% (foundonai.com), un pat vienkārši roboti var sasniegt ~40–60% novirzīšanu (skatīt tabulu zemāk).

Risinājumu plūsma: Vadošās platformas demonstrē pilnīgu risinājumu plūsmu: nolasīt un klasificēt jautājumu, meklēt zināšanu bāzē, iegūt lietotāja/konta kontekstu, ģenerēt tiešu personalizētu atbildi un pēc tam apstiprināt atrisināšanu vai eskalēt, ja uzticēšanās līmenis ir zems (foundonai.com). Ja aģents nespēj izskaidrot katru šīs plūsmas soli, pastāv risks nepareizi novirzīt pieteikumu.

Piemēram, viens Vimeo gadījuma pētījums ziņoja, ka pēc AI ieviešanas viņi novēroja “30–40% automatizācijas līmeni [un] 20% pieaugumu pašapkalpošanās rādītājā” (www.zendesk.com), kas atspoguļo ātrākas atbildes un apmierinātākus klientus.

Makro ģenerēšana un aģenta atbalsts

Pat tad, ja ir jāiejaucas cilvēka aģentam, šīs AI sistēmas var paātrināt atbildi. Daudzas platformas ietver AI atbalstītas makro vai ieteiktas atbildes. Zendesk AI Copilot, piemēram, ne tikai šķiro pieteikumus, bet arī “automātiski iesaka makro un atbilžu projektus”, pamatojoties uz pieteikuma saturu. Patiesībā FoundOnAI atzīmē, ka “Agent Copilot būtiski samazina apstrādes laiku sarežģītiem pieteikumiem” (foundonai.com). Praksē AI atbalsta aģents ieteiks sagatavotas atbildes un atbilstošus palīdzības rakstus cilvēkam vai pat automātiski aizpildīs pieteikumu laukus. Šī hibrīda pieeja saglabā aģenta uzraudzību, bet ievērojami samazina sagatavošanas laiku. Līdzīgi Tidio un Crisp (viss vienā risinājumi) nodrošina spraudņu logrīkus, kur aģenti var izvēlēties AI ģenerētus blokus vai izmantot gudrus sarunu kopsavilkumus. Ar labu integrāciju AI var ievietot datus (pasūtījuma informāciju, tikšanās laikus) arī atbildēs, vēl vairāk samazinot manuālo darbu.

Darbību izpilde un CRM integrācija

Šo “šķirošanas un risinājumu aģentu” galvenā priekšrocība ir datu krātuves integrācija: spēja veikt darbības, piemēram, atjaunināt CRM ierakstus, veikt atmaksas vai plānot atzvanus. Piemēram, Intercom Fin ir izstrādāts, lai strādātu ar Intercom vai “jūsu esošo palīdzības dienestu” (Salesforce, HubSpot utt.), un tas ir veidots, lai „precizētu pieprasījumus, veiktu darbības un ievērotu jūsu politikas” (www.intercom.com). Zendesk Copilot līdzīgi var „rīkoties autonomi”, pamatojoties uz aģenta vai administratora iestatījumiem (www.zendesk.com) (piemēram, slēgt pieteikumus, eskalēt prioritāti, piemērot tagus vai makro). Labākās sistēmas izveido savienojumu ar pasūtījumu un rēķinu sistēmām, izmantojot API. Piemēram, aģents var pārbaudīt pasūtījuma numuru un pēc tam aktivizēt atkārtotu pasūtījumu vai atmaksu, neizejot no tērzēšanas loga. Šāda integrācija no gala līdz galam nozīmē, ka klienti saņem visaptverošu pakalpojumu un aģenti izvairās no atkārtotām CRM atjaunināšanām.

Tomēr dziļums atšķiras: daži rīki tikai informē aģentu par nepieciešamajām darbībām, savukārt citi ļauj AI tās izsaukt tieši. FoundOnAI norāda, ka Kustomer AI izmanto “nepārspējamu CRM konteksta dziļumu visā klienta laika joslā” (foundonai.com), nodrošinot ļoti personalizētas darbības (piemēram, savstarpējās pārdošanas vai saglabāšanas piedāvājumus). Turpretim viegli tērzēšanas roboti var nodrošināt tikai saites vai instrukcijas. Darbības izpildes AI (dažreiz saukts par “AI atbalstam”, nevis tikai tērzēšanai) joprojām attīstās. Bet risinājumi, piemēram, Fini vai Tactful, lepojas ar “darbību izpildi”, ko regulē noteikumi, kur AI faktiski var veikt uzdevumus savienotajās sistēmās.

Ieguves plūsmas un zināšanu aktualitāte

Visu iepriekš minēto pamatā ir sistēmas zināšanu plūsma. Agrīnie roboti bija statiski FAQ meklētāji, taču mūsdienu aģenti izmanto arvien jaunākus datus. Tie apstrādā palīdzības centra rakstus, produktu dokumentāciju, iepriekšējos pieteikumus un pat vietnes saturu. Vadošie risinājumi piedāvā savienotājus ar bieži izmantotiem avotiem (Zendesk zināšanu bāze, Confluence, Google Drive utt.) un pēc tam veic semantisko meklēšanu. Piemēram, Zendesk AI min, ka tas “nepārtraukti mācās no reālām mijiedarbībām, tāpēc atrisināšanas kvalitāte uzlabojas” (www.zendesk.com) – kas nozīmē nepārtrauktu mācīšanās cilpu.

Dažas platformas atbalsta arī vektoru datu bāzes vai reāllaika RAG plūsmas. Praksē jūs vēlaties, lai aģents ņemtu vērā jaunākos politikas dokumentus vai produktu atjauninājumus. Ja jūsu atbalsta saturs ir novecojis, daudzas AI sistēmas ļauj ātri pārapmācīt vai precizēt jaunos dokumentus. FoundOnAI pētījumā katra rīka veiktspēja ļoti atkarīga no KB kvalitātes; novecojusi vai nepilnīga zināšanu bāze ierobežos jebkuru AI. No otras puses, daudzi risinājumi tagad ļauj periodiski atkārtoti indeksēt dokumentus vai pat dinamisku tērzēšanas ģenerēšanu ar API pieprasījumiem. Jebkurā gadījumā ir svarīgi bieži “sinhronizēt” zināšanu avotus. Lielākajā daļā pašreizējo rīku trūkst automatizētas jaunas informācijas atklāšanas (izņemot to, ko jūs augšupielādējat), tāpēc uzņēmumiem joprojām regulāri jānodrošina jauns saturs.

Eskalācijas jutīgums un izņēmumi

Neviens AI aģents nav ideāls. Nobriedušas sistēmas iezīme ir zināšana, kad eskalēt pie cilvēka. Tas parasti ietver zemu uzticības rādītājus, neapmierinātību vai sarežģītus izņēmumus. Piemēram, atmaksas gadījumos (ko mēs apspriežam tālāk) AI vajadzētu apstrādāt tikai vienkāršas, politikai atbilstošas atmaksas un novirzīt jebkādus neparastus gadījumus (vēlas atgriešanas, augstvērtīgus pasūtījumus, ļaunprātīgas izmantošanas brīdinājumus) cilvēku rindām. Viens ceļvedis iesaka izmantot “nosacītas eskalācijas ceļus”, lai dažādi izņēmumu veidi nonāktu pie atbilstošās komandas (loģistikas, finanšu, saglabāšanas) (www.usefini.com). Labi aģenti arī uzrauga notiekošās sarunas veselību: ja klients norāda neapmierinātību vai apjukumu, robots var atvainoties un vienmērīgi nodot sarunu. Praksē platformas bieži ļauj iestatīt eskalācijas atslēgvārdus vai uzticības sliekšņus. Tās var arī integrēt pieplūduma analītiku (piemēram, gaidīšanas laika pīķus), lai piesaistītu papildu resursus. Pārējā šī raksta daļa novērtē šo uzvedību vispārējās veiktspējas kontekstā.

Veiktspējas rādītāji un etaloni

Efektīvus atbalsta aģentus mēra pēc galvenajiem rādītājiem. Pirmā kontakta atrisināšana (FCR) bieži ir mērķis Nr. 1 – problēmu atrisināšana pirmajā mijiedarbībā. Augsts novirzīšanas līmenis no AI pārvēršas augstā FCR automatizētajos pieprasījumos. FoundOnAI ziņoja par vadošo rīku novirzīšanas “apgalvojumiem” salīdzināšanas tabulā (foundonai.com): piemēram, Ada (~70%+), Intercom Fin (~51% vidēji), Freshdesk Freddy (40–60%), Tidio Lyro (~67%). Šie apgalvojumi atbilst idejai, ka AI var atrisināt lielāko daļu 1. līmeņa problēmu. Tomēr, kā jau minēts, tikai “klienta apstiprinātie” risinājumi patiesi tiek ieskaitīti. Pat pie 50–70% novirzīšanas šie pieteikumi tiek izņemti no manuālās rindas, tādējādi palielinot kopējo FCR.

Klientu apmierinātība (CSAT) ir sarežģītāka. Ideālā gadījumā ātrākas atbildes nozīmē apmierinātākus klientus. Tas pats Vimeo gadījuma pētījums (Zendesk AI) ziņoja par 20% pieaugumu viņu pašapkalpošanās CSAT pēc automatizācijas (www.zendesk.com). Kopumā konsekvents diennakts pakalpojums un precīzas atbildes palielina CSAT, taču kļūdas vai dīvainas atbildes var to pasliktināt. Tāpēc mēs uzsveram auditējamību un drošības pasākumus, lai novērstu, ka roboti “halucinē” vai dīvaini sola atmaksas. Automatizēta noskaņojuma analīze (dažas platformas piedāvā AI CSAT vērtēšanu) var arī atgriezt datus rīkam.

Apstrādes laiks (vidējais laiks, kas pavadīts ar vienu klientu) parasti samazinās ar AI palīdzību. Aģentiem nepieciešams mazāk vārdu, kad AI iepriekš aizpilda atbildi. Attiecībā uz sarežģītiem pieteikumiem, ko apstrādā cilvēki, Zendesk uzsvēra, ka to Agent Copilot “ievērojami samazina apstrādes laiku sarežģītiem pieteikumiem” (foundonai.com). Praksē apstrādes laika rādītājs uzlabojas gan pateicoties novirzīšanai (mazāk pieteikumu), gan palīga rīkiem (ātrākas atbildes atbalstītajos pieteikumos).

Ierobežošanas vai eskalācijas rādītāji mēra, cik bieži AI saglabā problēmas sākotnējā darba plūsmā. Ideālā gadījumā augstas kvalitātes aģents vai nu atrisinās, vai pareizi eskalēs problēmu pirmajā piegājienā. FoundOnAI ceļvedis apraksta ideālu plūsmu: klasificēt → iegūt → ģenerēt → apstiprināt/eskalēt (foundonai.com). Šīs plūsmas ievērošana samazina bēdīgi slaveno “atstāts izlasīt” efektu. Ja klienta problēma paliek neatrisināta vai tiek novirzīta no viena aģenta pie otra, ierobežošana ir zema. Mūsu piegādātāju novērtējumā mēs dodam priekšroku risinājumiem, kas programmatiski pārbauda izpratni un nodrošina skaidru signālu “jūsu problēma ir atrisināta vai tiek eskalēta”, lai maksimāli palielinātu patieso ierobežošanu.

Drošības pasākumi: atmaksas, eskalācija un audits

Uz politiku balstītas atmaksas un kredīti

Atmaksas un kredītu apstrāde ir drošības lakmusa papīrs. Slikts robots var iztukšot veikala kredīta kontus vai apstiprināt nepamatotas kompensācijas. Vadošās platformas izolē šos augsta riska darījumus ar stingriem noteikumiem. Tā vietā, lai pilnībā automatizētu visas atmaksas, tās izmanto selektīvu automatizāciju: vienkāršas, politikai atbilstošas atmaksas (piemēram, standarta produktiem atgriešanas periodā) var nekavējoties piešķirt AI; jebkurš pelēkās zonas pieprasījums tiek atzīmēts. Fini Labs uzsver šo modeli: “Platformas, kas to dara pareizi, samazina atmaksas apstrādes izmaksas par 60–80% neieviešot atmaksas vai atbilstības risku” (www.usefini.com). Citiem vārdiem sakot, gudri atmaksas roboti apstrādā vienkāršus gadījumus, bet vienmēr nosūta izņēmumus cilvēkiem.

Aizkulisēs AI ir jāsaprot sarežģīta politikas loģika – pirkuma datumi, nodokļi, maksājumu metodes utt. Tāpēc aģents bieži pirms lēmuma pieņemšanas iegūst darījumu datus (pasūtījumu vēsturi, maksājuma statusu). Svarīgi, ka katram automatizētam atmaksas lēmumam jābūt reģistrētam un pārskatāmam. Kā norādīts vienā pārvaldības rokasgrāmatā, “Katram atmaksas lēmumam jābūt reģistrētam ar pamatojumu, apstiprinātāja identitāti un politikas atsauci” (www.usefini.com). Šis audita ceļš nodrošina, ka jebkādas atmaksas pieprasījumu vai strīdus var aizstāvēt. Augstas klases risinājumi pat rediģē sensitīvus datus modeļa robežās (PII Shield) un pievieno pilnīgu pamatojuma izsekošanu katrai darbībai (www.usefini.com). Uzņēmumam tas nozīmē, ka AI var ieteikt “atmaksāt $30”, un pieteikumu žurnāls precīzi parādīs, kuras politikas rindas to pamatoja.

Eskalācijas stratēģija

Papildus atmaksām, visiem anomāliju gadījumiem ir nepieciešami līdzīgi drošības pasākumi. Aģentam ir jāatzīst, kad pieteikums atšķiras no parastajiem modeļiem (nopietna drošības problēma, atbilstības jautājums, VIP klients) un nekavējoties jāsaskalo. Labas platformas ļauj izveidot nosacītas eskalācijas ceļus: piemēram, norēķinu strīdus vienmēr finanšu komandai, tehnisko kļūdu ziņojumus inženieriem utt. Tā vietā, lai izmantotu vienkāršu saiti “nosūtīt cilvēkam”, AI nodrošina pilnu kontekstu saņēmēju rindai. Šī jutība ir ļoti svarīga, jo viens nepareizi apstrādāts gadījums (daudzpakāpju problēma, ko AI faktiski neatrisināja) var negatīvi ietekmēt apmierinātību un izmaksas. Kā Fini Labs iesaka, robotam vajadzētu “atzīmēt izņēmumus pareizajai rindai”... pretējā gadījumā “vienas rindas nodošana zaudē savu jēgu” (www.usefini.com).

Praksē daudzi risinājumi ļauj pielāgot eskalācijas aktivizētājus pēc uzticības rādītāja vai noskaņojuma. Daži pat integrē prognozējošus signālus: piemēram, atzīmējot tērzēšanas sarunas, kas atbilst vēsturiskiem “atmaksas nodoma” modeļiem (www.usefini.com). Galarezultātam jābūt tādam, ka sarežģīti vai robežsituāciju pieprasījumi nekad netiek “nepareizi slēgti” ar AI.

Auditējamība un atbilstība

Visbeidzot, auditējamība ir negrozāma prasība AI darbībām. Katrai automatizētai darbībai (atmaksai, datu atjaunināšanai, pieteikuma slēgšanai) jābūt izsekojamai. Kā minēts, vadošie piegādātāji iestrādā audita žurnālus un uz lomām balstītas kontroles. Piemēram, Ada reklamē pilnīgas atbilstības funkcijas (SSO/RBAC, audita žurnāli, šifrēšana) pat aģent darbībām (aiopsschool.com). Intercom norāda, ka Fin “ievēro jūsu politikas” un ietver administratora kontroles. Daudzi risinājumi atbilst SOC 2, ISO 27001 un GDPR, kas apstiprina to žurnālēšanu. Labākajos gadījumos katrs lēmums tiek reģistrēts ar precīzu pamatojumu un laika zīmogu. Vienas platformas PII aizsardzība pat “pievieno politikas citātu, uzticības rādītāju un pilnīgu pamatojuma izsekošanu” katrai darbībai (www.usefini.com), atbilstot maksājumu apstrādātāju audita prasībām. Izvēloties piegādātāju, pieprasiet šo funkciju pierādījumus (pašreizējos audita ziņojumus, PCI-DSS pieminējumus norēķinu aģentiem utt.).

Kopumā zelta likums ir šāds: „jūs vadāt, AI ievēro jūsu noteikumus.” AI nekad nedrīkst ignorēt politiku, tikai to piemērot. Ar pārvaldītām darbībām robots kļūst par uzticamu palīgu, nevis par “entropijas ģeneratoru” atbalsta procesā.

Daudzvalodu atbalsts

Globāliem uzņēmumiem jāapkalpo klienti daudzās valodās. Lielākā daļa mūsdienu tērzēšanas aģentu reklamē daudzvalodu iespējas. Piemēram, Intercom Fin skaidri norāda, ka tas “darbojas vairākās valodās un kanālos” (www.intercom.com). Ada, kas pazīstama ar savu starptautisko fokusu, atbalsta desmitiem valodu tērzēšanā, e-pastā un pat balsī: to dokumentācijā ir uzskaitītas vairāk nekā 90 valodas ar dažādiem atbalsta līmeņiem (reāllaika tulkošana, noteikšana utt.) (docs.ada.cx). Praksē AI aģents automātiski noteiks klienta valodu un vienmērīgi pārslēgsies, vai arī, ja nepieciešams, tulkos saturu no angļu valodas rakstiem. Daži rīki izmanto iebūvētus LLM tulkotājus (piemēram, Google Translate vai iekšējos modeļus), lai atbildētu tekoši.

Lai novērtētu rīka valodu prasmes, pārbaudiet to savās 3–5 galvenajās klientu valodās. Pārbaudiet, vai zināšanu raksti tiek pareizi iegūti un atbildes ģenerētas šajā valodā, un vai scenārija makro pastāv vietējā idiomā. Labākie aģenti atbalsta pat labās puses uz kreiso pusi rakstošo UI un dzimtās valodas inteliģenci (slenga, idiomu noteikšanu). Ja jūsu uzņēmums aptver vairākus reģionus, daudzvalodu atbalsts jau pirmajā dienā ir obligāts; tā ir ievērojama SaaS AI priekšrocība salīdzinājumā ar ierobežotākiem veciem robotiem.

Vadošās AI šķirošanas un risinājumu platformas

Tirgū ir daudzi dalībnieki. Šeit ir desmit ievērojamākie, ar galvenajām stiprajām pusēm un apsvērumiem:

1. Intercom Fin – Speciāli izstrādāts “klientu aģents”, kas integrējas ar Intercom vai citiem palīdzības dienestiem (www.intercom.com). Fin lepojas ar vidēji 76%+ pieprasījumu atrisināšanu (www.intercom.com) un izceļas ar sarežģītiem, regulētiem lietošanas gadījumiem (finanses, SaaS). Tās stiprās puses ir dziļš konteksts un daudzvalodu prasmes (www.intercom.com). Tas var veikt darbības (atjaunināt pieteikumus, veikt atmaksas) saskaņā ar politikas noteikumiem (www.intercom.com). Etalonvērtībās Fin uzrāda augstu 1. līmeņa novirzīšanu (~51% vidēji (foundonai.com)) un kontekstuāli pārslēdzas starp sarunu lomām (atbalsts, pārdošana, e-komercija). Trūkumi: tas darbojas tikai ar Intercom vai dažām CRM sistēmām, un cenas ir uzņēmuma līmeņa.

2. Zendesk AI – AI funkciju komplekts Zendesk Suite (ietver inteliģento šķirošanu un aģenta Copilot) (foundonai.com). Tās šķirošana var automātiski klasificēt pieteikumus, taču Zendesk AI patiesi izceļas ar aģenta palīdzību. Copilot iesaka makro un palīdz atrisināt daudzpakāpju pieteikumus, bieži vien ievērojami samazinot apstrādes laiku (foundonai.com). Tā kā tas ir Zendesk vietējais risinājums, tas nevainojami integrējas ar jūsu esošo zināšanu bāzi un makro (foundonai.com). Novirzīšanas likmes ir mērenas (aptuveni 20–30% pats par sevi (foundonai.com)), taču aģenta efektivitātes pieaugums ir augsts. Tas nepārtraukti mācās no atrisinātiem pieteikumiem (a “risinājumu mācīšanās cilpa” (www.zendesk.com)). Vislabāk piemērots lielām atbalsta komandām, kas jau izmanto Zendesk.

3. Ada – Uzņēmuma līmeņa tērzēšanas robots, kas darbojas ārpus jūsu palīdzības dienesta (aiopsschool.com). Ada pieslēdzas CRM un KB, nodrošinot sarunvalodas saskarni visur (tīmeklī, lietotnē, ziņojumapmaiņā) (aiopsschool.com). Tas ir pazīstams ar ļoti augstu pašapkalpošanās līmeni: publicētie gadījumu pētījumi (Zoom, BlueJeans) liecina par ~70%+ problēmu automatizāciju (foundonai.com). Ada atbalsta pilnīgas kontekstuālas sarunas (izmantojot gan strukturētas plūsmas, gan LLM atbildes), spēcīgu politikas loģiku un divvirzienu integrācijas (Salesforce, Zendesk, Shopify utt.) (aiopsschool.com) (aiopsschool.com). Tas arī nodrošina daudzvalodu tērzēšanu uzreiz. Kompromiss ir vairāku nedēļu ieviešana un augstākās klases cenas. Mūsu etalonvērtībās Ada konsekventi ieņēma vadošās pozīcijas novirzīšanas rādītājos (citēti ~70%+ (foundonai.com)), taču prasa rūpīgu zināšanu un dizaina plūsmu uzturēšanu.

4. Freshdesk Freddy AI – Freshworks iebūvētais aģents. Freddy ir viegli ieviešams, ja izmantojat Freshdesk; tas pieslēdzas jūsu atbalsta portālam un CRM. Tas piedāvā pieteikumu automātisku marķēšanu (līdzīgas problēmas), ieteiktās atbildes no KB un pamata darbplūsmas. Praksē Freddy var nodrošināt aptuveni 40–60% novirzīšanu pēc pielāgošanas (foundonai.com). Tas ir ātri palaižams Freshdesk klientiem ar esošo FAQ saturu. Tomēr tā daudzpakāpju iespējas ir ierobežotas – tam var būt grūtības ar sarežģītām darbplūsmām, kurām nepieciešami API izsaukumi. Ja jūsu komanda jau izmanto Freshdesk un vēlas pakāpenisku automatizāciju (bez jauna piegādātāja), Freddy ir stabils risinājums. Tā SDK arī ļauj izveidot pielāgotus darbību robotus tādos rīkos kā Slack vai WhatsApp.

5. Tidio (Lyro AI) – Populāra izvēle e-komercijas (Shopify, WooCommerce) un mazām komandām. Lyro AI asistents Tidio atbild uz tērzēšanas jautājumiem, var iegūt pasūtījuma informāciju un atgūt grozus. Iestatīšana ir ātra (Tidio piedāvā visātrāko palaišanu no visiem, ko esam redzējuši (foundonai.com)) un cenas sākas ļoti zemas (izmaksas par sarunu). Novirzīšanas apgalvojumi (līdz ~67% (foundonai.com)) ir daudzsološi veikaliem, kas balstās uz FAQ. Ierobežojumi: tas galvenokārt ir vērsts uz tērzēšanu/tīmekli (nav balss), un integrācija ārpus parastajām e-komercijas plūsmām ir vājāka. Tidio vislabāk der veikaliem, kuriem nepieciešams draudzīgs iepirkšanās asistents 24/7.

6. HubSpot Breeze (Service Hub AI) – HubSpot jaunais diennakts AI aģents. Breeze ir iekļauts Service Hub Professional/Enterprise komplektā. Tas izmanto jūsu CRM datus, lai sniegtu atbildes (konts info, atbalsta vēsture) un var reģistrēt rezultātus atpakaļ pieteikumā. Tā kā tas darbojas uz HubSpot platformas, tas automātiski izmanto jūsu Hub zināšanu bāzi. Mēs redzam zemākus publicētos novirzīšanas etalonus (vēl tiek apkopoti) (foundonai.com), bet galvenā priekšrocība ir konteksts: katra mijiedarbība jau zina klienta ierakstu. Breeze ir “bonuss” HubSpot klientiem – tas pievieno AI bez piegādātāja maiņas. Trūkumi ir acīmredzami: ja neizmantojat HubSpot CRM, tas nav piemērots, un pašlaik tā novirzīšana ir mazāk pierādīta nekā atsevišķi roboti.

7. Salesforce Einstein (Service Cloud) – Salesforce jau gadiem ilgi ir AI gadījumu klasifikācija un Einstein atbilžu ieteikumi. Jaunākie Einstein roboti, ko darbina uz GPT balstīti modeļi, var šķirot tērzēšanas sarunas un atbildēt uz FAQ pakalpojumā Service Cloud. Einstein izceļas ar Salesforce datu izmantošanu, lai personalizētu atbildes (piemēram, iespējas statuss, atjaunošanas datums). Tas piedāvā arī Einstein gadījumu klasifikāciju, lai novirzītu pieteikumus, pamatojoties uz prognozēto iemeslu. Etalonvērtībās Salesforce aģenta palīdzības funkcijas ievērojami uzlabo aģentu produktivitāti, lai gan tīrās novirzīšanas likmes ir diapazonā no 20–30%. Ja jūsu atbalsts ir cieši saistīts ar Salesforce datiem, Einstein/Copilot Service Cloud ir vērts novērtēt; tas labi sader ar jūsu e-pastu, tērzēšanu un zināšanu bāzi šajā platformā (www.redbricklabs.io).

8. Drift (Salesloft) – Drift AI ir orientēta uz tiešraides tērzēšanu un pārdošanas sarunām. Nesen integrēta ar Salesloft, tā ir spēcīga potenciālo klientu kvalifikācijā un tērzēšanas nodošanā. Atbalsta pusē tā var atbildēt uz biežiem jautājumiem un novirzīt pieteikumus. Drift atšķirīgā iezīme ir CRM sinhronizācija: tā saista tērzēšanas sarunas ar Salesforce/HubSpot un var automātiski atjaunināt kontaktu ierakstus. Tā izceļas arī daudzvalodu tērzēšanā. Tomēr tās uz atbalstu orientētā novirzīšana nav vadošā (tā vairāk koncentrējas uz pārdošanu), tāpēc tā bieži vien vislabāk darbojas, ja lielāko daļu apstrādā cilvēka aģenti. Etalonvērtībās tā uzrāda zemākus automatizētās atrisināšanas rādītājus; to labāk uztvert kā hibrīda tērzēšanas platformu ar AI komponentiem. Labi piemērots strauji augošiem (PLG) uzņēmumiem, kuriem nepieciešamas vienotas pārdošanas/atbalsta tērzēšanas plūsmas.

9. Help Scout AI – Help Scout ir kopīga iesūtne/palīdzības dienests, un tā ir ieviesusi AI asistentu. Ja esat maza vai vidēja komanda, kas izmanto Help Scout, iebūvētais AI apkopos ienākošos e-pastus, ieteiks atbildes un automātiski marķēs. Tās tūlītēja priekšrocība ir nulles iestatīšana – tas darbojas tieši jūsu kopīgajā iesūtnē un nemaksā neko papildus. Tomēr tas nav paredzēts liela apjoma autonomai novirzīšanai. FoundOnAI to sauc par “nav piemērots rīks komandām, kas optimizē novirzīšanas apjomu” (foundonai.com). Praksē Help Scout AI ir lielisks “aģenta palīdzībai” – ātrākas atbildes mazām komandām (atbilžu robots tīmeklī vai e-pastā) – taču tas neaizstās zināšanu bāzes vadītu tērzēšanu tā, kā to var Ada vai Fin.

10. Kustomer AI – Kustomer (nesen atdalīts no Facebook) ir CRM plus palīdzības dienests vienā, un tā AI piekļūst visai klienta laika joslai. Ir ziņots par novirzīšanas likmēm 40–60% apmērā (foundonai.com), taču patiesais spēks ir konteksta dziļums: katrs pasūtījums, saruna un rādītājs atrodas vienā vietā. AI var izmantot visu šo vēsturi, lai uzreiz atbildētu uz jautājumiem, piemēram, “kādas bija pagājušā mēneša izmaksas?” vai “piemērot 10% lojalitātes atlaidi” uz vietas. Tomēr Kustomer ir platformas migrācija – tā pieņemšana nozīmē jūsu atbalsta sistēmas un CRM pārvietošanu uz vienu mitinātu sistēmu. Ieviešana var ilgt 8–12 nedēļas (foundonai.com). Lielu apjomu, sarežģītu atbalsta operācijām (īpaši nozaru SaaS), Kustomer vienotais modelis nodrošina spēcīgus rezultātus, taču tas prasa ievērojamu apņemšanos.

*(Godpilna pieminēšana: Forethought – AI slānis, kas atrodas virs jebkura palīdzības dienesta (Zendesk, Freshdesk, Salesforce). Tā Solve produkts veic autonomu novirzīšanu (apmācīts ar jūsu pieteikumiem), savukārt Triage uzlabo novirzīšanu. Forethought neaizstāj jūsu sistēmu; tas to papildina. Etalonvērtībās tā novirzīšana (~50-70%) ir ticama, un ROI pieaug ar apjomu (foundonai.com). Tā audita ceļš ir stabils, ja konfigurēts. Mēs to šeit uzskaitām, jo dažas komandas dod priekšroku pārklājuma pieejai, nevis robota maiņai pa robotam. Bet stingri ņemot, “top 10” sarakstā mēs koncentrējāmies uz pilnas platformas aģentiem.)

Katra no šīm platformām dažādā mērā atbalsta aģenta AI darba plūsmas. Dažas atšķirības, kas jāņem vērā: Intercom Fin un Kustomer ir nepārprotami “aģenti” (viņi sevi sauc par klientu apkalpošanas aģentiem), Ada un Tidio ir tērzēšanas roboti, Zendesk/HubSpot/Salesforce ir palīdzības dienesta paplašinājumi, bet citi ir hibrīdi. Cenu modeļi atšķiras (par atrisināšanu, par vietu/licenci, par lietošanu), tāpēc salīdziniet to, kas atbilst jūsu apjomam. Daudzi apgalvo augstas automatizācijas likmes, taču atcerieties pārbaudīt rezultātus ar reāliem pieteikumiem.

Drošība, internacionalizācija un pārvaldība

Rezumējot, kopīgais pavediens ir šāds: AI aģenti var ietaupīt milzīgu laiku paredzamos jautājumos, taču sarežģītu vai sensitīvu jautājumu gadījumā ir nepieciešama rūpīga kontrole. Pārbaudiet visus piegādātājus, ņemot vērā šos galīgos kritērijus:

• Drošības noteikumi atmaksām/kredītiem: Vai aģents automātiski apstiprina tikai nelielas atmaksas, vai arī tas lūgs cilvēku katrā neparastā gadījumā? Meklējiet platformas, kas atļauj nosacītas atmaksas (piemēram, AI var apstiprināt summas zem 50 USD saskaņā ar politiku) un nosūtīt izņēmumus vadītājam (www.usefini.com). Nodrošiniet integrāciju ar norēķinu/pasūtījumu API, lai apstiprinātās atmaksas notiktu automātiski, nevis tikai ģenerētu ieteikumus. Apstipriniet, ka katra darbība tiek reģistrēta ar darījuma ID, politikas atsaucēm un lietotāja e-pastu (daudzi piegādātāji uzsver SOC2/PCI atbilstības funkcijas (www.usefini.com)). Vienkāršs veids, kā pārbaudīt, ir lūgt AI atmaksu dažādās summās vai scenārijos un pārbaudīt, vai tas ievēro biznesa noteikumus.

• Daudzvalodu pārklājums: Mēs to jau minējām iepriekš, bet, lai izvēlētos starp platformām, apkopojiet, kuras valodas jums ir nepieciešamas. Daži produkti (Ada, Intercom, Zendesk AI) viegli atbalsta desmitiem valodu (www.intercom.com) (docs.ada.cx), savukārt mazākie var nodrošināt tikai 5–10. Apsveriet arī, vai aģents var iekļaut jūsu lokalizēto zināšanu bāzi (daži rīki tikai nosaka valodu, bet joprojām atbild, izmantojot angļu KB, kas tulkota izpildes laikā).

• Auditējamība un atbilstība: Visbeidzot, organizācijai jāpieprasa pilnīga reģistrēšana. Vai varat pārskatīt katru AI ģenerētu atbildi vai darbību? Pārbaudiet, vai piegādātājs nodrošina audita saskarni vai ziņojumus. Pārbaudiet atbilstības apgalvojumus, pieprasot SOC2 / ISO sertifikātus. Mēs iesakām, ka katrs automatizētais solis ir izsekojams līdz politikas noteikumam vai zināšanu rakstam, kas to virzīja – tas tagad tiek uzskatīts par labāko praksi (www.usefini.com).

Trūkumi un iespējas

Neskatoties uz straujo progresu, neviens pašreizējais produkts nav ideāls. Daži trūkumi, kam jāpievērš uzmanība vai kuros jāinvestē:

• Vienoti, starpplatformu aģenti: Daudzi rīki ierobežo jūs vienā palīdzības dienestā vai tērzēšanas kanālā. Joprojām ir iespēja izveidot vienu aģentu, kas patiesi aptver tērzēšanu, e-pastu, tālruni (autonomu transkribēšanu/tekstu sūtīšanu) un vairākas CRM, izmantojot vienu saskarni. Šis aģents vienmērīgi pārnestu kontekstu starp nodošanām.

• Reāllaika zināšanu atjauninājumi: Lai gan lielākā daļa sistēmu var atkārtoti indeksēt saturu katru dienu vai nedēļu, patiesi dzīva mācīšanās ir reta. Uzņēmēji varētu izveidot robotu, kas nekavējoties ievieto jaunus dokumentus vai Slack zināšanas, bez manuālas pārapmācības – saglabājot nevainojamu svaigumu.

• Skaidrojamība un uzticamība: Daži piegādātāji pievieno “skaidrojošo režīmu” (pamatojuma izsekošana, citētais avota teksts). Risinājums, kas vienmēr parāda fragmentu vai dokumenta lapu aiz katras atbildes, palielinātu uzticību un paātrinātu auditus.

• Plug-and-play pilnveidota pārvaldība: Mēs redzējām sarežģītas prasības attiecībā uz atmaksām/kredītiem. Tomēr daudzi rīki joprojām prasa manuālu darbplūsmas kodēšanu. Nākamās paaudzes aģents varētu nākt ar kopēju politiku bibliotēku (piemēram, “30 dienu atmaksa”, “atmaksas novēršana”), ko administratori vienkārši ieslēgtu/izslēgtu, nevis veidotu no nulles.

• Uzlabota daudzvalodu inteliģence: Pašreizējais atbalsts ir spēcīgs, taču reģionālais slengs vai zema resursu valodas joprojām rada izaicinājumus AI. Jaunuzņēmums, kas koncentrējas uz ārpus kastes atbalstu nepietiekami apkalpotām valodām (piemēram, pamatiedzīvotāju valodām, vairāku skriptu vaicājumiem), varētu izcelties.

• Sarunu nodošana: Visbeidzot, ir nepieciešams vairāk darba pie vienmērīgas cilvēka-AI-gaisa pārejas. Dažas sistēmas pēkšņi beidzas, sajaucot klientus. Labāka daudzpakāpju izpratne, kas var turpināt no abām pusēm, vēl vairāk samazinātu atkarību no cilvēkiem.

Noslēgumā, uzņēmumi šodien var izvēlēties no vairākiem spējīgiem AI atbalsta aģentiem. Intercom Fin, Ada, Zendesk un citi katrs izceļas dažādās nišās – no liela apjoma, regulētām vidēm līdz veikliem e-komercijas veikaliem. Lielākā daļa nodrošina ievērojamus ieguvumus Pirmā kontakta atrisināšanā un CSAT, nekavējoties risinot ikdienas problēmas (www.zendesk.com). Pašlaik tie vislabāk darbojas kā spēka reizinātāji jūsu komandai, nevis aizvietotāji. Pareiza iestatīšana – tīras zināšanu bāzes, definētas darbplūsmas un drošības pasākumi – ir būtiska.

Raugoties nākotnē, cerība ir, ka uzņēmēji radīs vēl integrētākus un inteliģentākus risinājumus: iedomājieties vienu AI aģentu, kas varētu pieslēgties jebkuram CRM, piekļūt jaunākajiem atbalsta dokumentiem, vienmērīgi sarunāties jebkurā valodā un reģistrēt katru lēmumu auditam reāllaikā. Šāda veida inovācijas varētu vēl vairāk pārveidot klientu apkalpošanu – un mēs ceram to drīzumā ieraudzīt īstenotu.