Künstliche Intelligenz ist ein heißes Thema im Dienstleistungsbereich. Die automatisierte Unterstützung durch KI-Anwendungen wie Chatbots und interaktive Sprachtechnologie ist auf dem Vormarsch. Die immer ausgefeilteren KI-Technologien helfen Servicefachleuten in vielen Branchen, bessere Kundenerlebnisse mit größerer Effizienz und zu geringeren Kosten zu liefern.
Da KI-Projekte immer mehr an Bedeutung gewinnen, befürchten viele Servicefachleute, dass Unternehmen sie durch Maschinen ersetzen werden, um Kosten zu sparen. Düstere Statistiken nähren diese Angst. Laut Fortune werden 48 % der menschlichen Arbeitskräfte irgendwann durch Robotik und Softwareautomatisierung ersetzt werden. Einige Servicefachleute sind jedoch skeptisch, dass Maschinen ihre Fähigkeiten überflüssig machen können. Kann ein Roboter wirklich ihr hart erarbeitetes Wissen reproduzieren?
Werden KI und Roboter meinen Job übernehmen?
Auch die klügsten Maschinen können nicht immer gewinnen
In Wirklichkeit kann selbst die ausgefeilteste KI die Nuancen der menschlichen Erfahrung nicht ersetzen. Nehmen Sie das Beispiel von AlphaGo, einem von Google DeepMind entwickelten Computerprogramm, das in Tausenden von Stunden, in denen es gegen sich selbst gespielt hat, gelernt hat, das komplexe Brettspiel zu spielen. AlphaGo wurde von vielen als eine der fortschrittlichsten Anwendungen von KI im realen Leben gelobt, die jemals entwickelt wurde.
AlphaGo gegen Lee Sedol | Mensch gegen Maschine
Im Jahr 2016 verblüffte AlphaGo Go-Enthusiasten auf der ganzen Welt, indem es Lee Sedol, den 18-fachen Weltmeister, in einer Reihe von Spielen mit 4:1 besiegte. Immer wieder machte die Maschine ungewöhnliche Züge, die die Fähigkeiten und die Kreativität der menschlichen Ingenieure, die sie programmiert hatten, übertrafen. Dennoch gelang Sedol der einzige Sieg in der vierten Partie, als er einen Zug machte, der nur mit einer Wahrscheinlichkeit von 1:10.000 möglich war.
Sedols Sieg bewies, dass selbst die intelligentesten Maschinen manchmal an menschlichem Einfallsreichtum und Intuition scheitern können. In zukünftigen Spielen passte AlphaGo seine Herangehensweise an, basierend auf den Lehren aus Sedols entscheidendem Zug. Sedol seinerseits dankt AlphaGo dafür, dass es seine Herangehensweise an das Spiel verändert und ihn zu einer Reihe von Turniersiegen inspiriert hat.
Was kann man daraus lernen?
Führungskräfte im Dienstleistungssektor sollten diese Lektion bei der Implementierung von KI-gestützter Software berücksichtigen. Im Idealfall bieten diese Anwendungen den Mitarbeitern neue Dimensionen von Erkenntnissen, um ihre Leistung auf die nächste Stufe zu heben. Aber Maschinen werden ohne den Einfluss menschlicher Weisheit nicht ihre volle Leistung erbringen. Um Erkenntnisse zu gewinnen, die sich auf die Leistung auswirken, benötigen Anwendungen das Element des Stammeswissens. Sehen wir uns einige Unterscheidungsmerkmale an, die KI durch den Einsatz von Experten auf die nächste Stufe heben.
Wie lernt die KI?
Menschliche Einsichten sind in freiem Text verborgen
Viele KI-Lösungen können maschinelles Lernen auf strukturierte Daten anwenden - also auf Informationen in Datenbanken, Ersatzteilkatalogen und anderen Systemen, die vordefinierte Felder enthalten, die leicht zu durchsuchen sind. Dies bietet einen enormen Wert für Unternehmen, die mit siloartigen Daten zu kämpfen haben. Antworten auf Servicefragen können in CRMs, Wissensdatenbanken, Maschinenprotokollen, ERPs und vielen anderen Systemen zu finden sein. Mit maschinellem Lernen können all diese unterschiedlichen Daten ausgewertet und kombiniert werden, so dass Servicefachleute auf einfache Weise Einblicke in das Unternehmen erhalten.
Einige Lösungen sind jedoch nicht in der Lage, Freitext zu bewerten. Freier Text ist per Definition unstrukturierte Daten. Für viele Teams gehören dazu Notizen von Technikern, Kommentare zu Supportfällen, E-Mails und andere wertvolle Dokumente, die einen kleinen Einblick von erfahrenen Technikern, Supportmitarbeitern und Kunden enthalten.
Eine intelligente Lösung bringt wichtige Informationen, die in Datenbanken gespeichert sind, mit den Nuancen menschlicher Erfahrungen zusammen, die in freien Texten verborgen sind. Durch die Demokratisierung des Zugangs zu all diesen Daten können Unternehmen ihrem gesamten Team eine neue Dimension von Erkenntnissen eröffnen, die es ihnen ermöglicht, einen besseren Kundenservice zu bieten.
Welche Sprache eignet sich am besten für maschinelles Lernen?
Maschinen müssen "menschlich sprechen"
Verschiedene Menschen beschreiben dieselben Probleme auf unterschiedliche Weise.
Während ein HVAC-Kunde vielleicht sagt: "Das Gerät ist undicht", könnte ein anderer sagen: "Die Klimaanlage tropft." Weniger ausgefeilte Anwendungen für maschinelles Lernen sind nicht in der Lage, diese beiden Beschwerden als das gleiche Szenario zu interpretieren. Das Ergebnis ist, dass das HLK-Unternehmen eine Wissensdatenbank mit zwei Artikeln für dieselbe Lösung aufbaut, dass die Kundendienstmitarbeiter bei ihren Antworten auf Kundenanfragen inkonsistent sind und dass den Technikern die entscheidenden Erkenntnisse fehlen, um Probleme beim ersten Versuch zu beheben.
Natürliche Sprachverarbeitung ist eine Art der künstlichen Intelligenz, die Computer dem menschlichen Sprachverständnis näher bringt. Softwareprogramme, die NLP einsetzen, berücksichtigen bei der Interpretation von Daten Variablen wie regionalen Slang, sozialen Kontext und Tippfehler. Dies ist eine besonders wichtige Komponente bei der Analyse von Freitext.
Mit einer Servicelösung, die NLP einschließt, können "das Gerät ist undicht" und "die Klimaanlage tropft" automatisch demselben Szenario zugeordnet und Lösungen auf der Grundlage des in historischen Daten verborgenen Kontexts gefunden werden. Auf diese Weise können Mitarbeiter mit Kundenkontakt fundiertere Antworten auf Kundenprobleme geben, die auf den Erfahrungen anderer Teammitglieder basieren.
Künstliche Intelligenz vs. menschliche Intelligenz
Sie sollten nicht miteinander konkurrieren; KI-Erkenntnisse brauchen Expertenwissen
Selbst die Analyse von Freitext und strukturierten Daten liefert möglicherweise nicht das gesamte Bild. Die Experten und qualifizierten Techniker vieler Unternehmen verfügen über Wissen, das nirgendwo dokumentiert ist. Unternehmen müssen ihren qualifizierten Mitarbeitern die Möglichkeit geben, KI-gesteuerte Entscheidungen und Vorhersagen zu validieren und zu beeinflussen.
In der Vergangenheit mussten Experten für den Aufbau präziser Wissensdatenbanken monatelang aus dem Einsatz herausgeholt werden, um ihr Wissen einzubringen. Aber mit KI-gesteuerten Lösungen, die automatisch Lösungen für Kundenherausforderungen bieten, sollte es für Experten einfach sein, Antworten zu bewerten und ihr Wissen anzuwenden.
Diese Anwendung wird in der heutigen Zeit immer wichtiger, da 70 % der Dienstleistungsunternehmen angeben, dass die Verrentung von Mitarbeitern in den nächsten fünf bis zehn Jahren eine Belastung darstellen wird. Das durch jahrelange Erfahrung erworbene Fachwissen muss im gesamten Unternehmen weitergegeben werden, damit es nicht mit der Zeit verloren geht und die nächste Generation von Servicefachkräften erfolgreich sein kann.
Während sich einige über die Auswirkungen der KI-Revolution auf die Servicemitarbeiter aufregen, ist die Wahrheit, dass es keinen Ersatz für die Erfahrung im wirklichen Leben vor Ort gibt. Unternehmen sollten KI-gesteuerte Software einsetzen, um ihre Mitarbeiter zu unterstützen, nicht um sie zu ersetzen. KI ist für die Optimierung des Kundenservices am effektivsten, wenn sie die Erfahrungen der Mitarbeiter nutzt und informiert.
Neueste Beiträge
-
Überbrückung der Kompetenzlücke im Service™: Einblicke aus dem Field Service Benchmark Report 2025
Mehr lesen "23. Januar 2025 Janice Camacho -
Von Boomern zu Zoomern: Die Generationslücke in der IT-Führung schließen
Mehr lesen "15. Januar 2025 Assaf Melochna