31.08.2023
Научно подтвержденная эффективность
В апреле Массачусетский технологический институт опубликовал единственное на данный момент академическое исследование по генеративному ИИ (Generative AI at Work). В исследовании было отражено изменение эффективности бизнес-процессов после внедрения ранней версии ChatGPT в неназванной американской компании (разработчик программного обеспечения).
С учетом того, что исследование описывает результат внедрения генеративного ИИ в рабочие процессы колл-центра еще в 2020 году, то есть задолго до всеобщего всплеска интереса к технологии, речь может идти о пилотном проекте в компании уровня Microsoft. И в Microsoft анонсировали инвестиции на уровне $10 млрд в Open AI — разработчика продвинутого чат-бота на основе ChatGPT.
Итак, что же было сделано в компании X три года назад и какой результат показало это внедрение? Доступ к чату-боту на основе технологий речевого ИИ получили пять тысяч операторов службы поддержки, которые ежедневно общаются с клиентами компании и помогают им решать проблемы с программными продуктами. Нейросеть была обучена на массивах расшифровок чатов предыдущих консультаций.
После того как сотрудники поддержки стали использовать ИИ-ассистента, автоматически анализировавшего текущую переписку с клиентом и дававшего операторам подсказки в режиме реального времени, их производительность выросла в среднем на 14%. Операторы стали закрывать больше обращений в течение часа, а рост показателя CSI по этим консультациям отразил повышение уровня удовлетворенности клиентов.
Повышенный интерес к ИИ уже привел к появлению целой индустрии вендоров
При этом исследователи отмечают, что наиболее востребован функционал бота-ассистента оказался у наименее опытных сотрудников службы поддержки. А квалифицированные и опытные операторы не получили почти никакой выгоды от использования системы.
Гипотеза исследователей предполагает, что обучение нейросети при взаимодействии с клиентами шло через генерацию системой вариантов коммуникаций более опытных операторов колл-центра. Это помогало новичкам, но не давало преимуществ экспертам. По словам авторов работы, после внедрения бота-ассистента работники с двухмесячным опытом стали работать на уровне людей с полугодовым опытом работы. Такая интенсификация впечатляет, учитывая сроки подготовки новых сотрудников и текучку кадров в колл-центрах.
Зарубежная практика и инвестиции в ИИ
В США крупный бизнес, работающий в потребительском секторе, активно использует технологию ИИ, на которой построен ChatGPT, для развития ботов клиентской поддержки.
При этом возможные риски, связанные с непредсказуемостью диалогов, генерируемых AI в ходе коммуникации с клиентами, нивелируются еще на стадии разработки. Это делается путем программных ограничений на обсуждение не связанных с продуктами и услугами компании тематик. Условно говоря, забронировать билет на ближайший рейс бот авиакомпании вам поможет, но если вы захотите вести с ним политические дебаты, быстро и вежливо вернет диалог в нужное русло.
Повышенный интерес к ИИ уже привел к появлению целой индустрии вендоров. Стартапы Zoho и Levity AI активно разрабатывают сложные генеративные чат-боты, помогающие компаниям автоматизировать свои клиентские сервисы и, как следствие, значительно экономить на их обслуживании. Эти компании уже привлекают внимание венчурных инвесторов.
Канадская компания Ada, один их крупнейших в мире разработчик клиентских чат-ботов, объявила о стратегическом партнерстве с OpenAI, цель которого — интеграция лингвистической модели GPT-3.5 в клиентские чат-боты крупнейших компаний мира. По словам CEO Ada Майка Маркинсона, лингвистическая модель ChatGPT позволила улучшить клиентский опыт для 30% потребителей при обработке типовых рутинных запросов. При этом стратегическая цель компании — успешно автоматизировать до 70% нетиповых клиентских обращений, подразумевающих сложные и вариативные диалоги.
IT-гиганты, Microsoft, Amazon и Google, также активно развивают направление разговорного AI. Microsoft уже имеет лицензионное соглашение с OpenAI и уже интегрировал технологию в поисковый сервис Bing. Как отмечают эксперты, у крупных компаний, активно взаимодействующих с пользователями, есть объективное преимущество — возможность использовать большие массивы данных для самообучения и улучшения AI-интерфейсов.
Отечественные, не генеративные, но эффективные
Российские контакт-центры также внедряют чат-ботов и голосовых роботов уже не первый год. Правда, речь в многочисленных кейсах о применении генеративного ИИ и сложных языковых моделях пока не идет.
На проектах центра коммуникаций Voxys, лидера российского рынка аутсорсинговых контакт-центров (по данным исследования «Рынок аутсорсинговых контакт-центров России» агентства iKS Consulting), роботизированные решения показывают хорошую эффективность при первичной обработке больших баз данных, работе на первой линии по обработке типовых запросов клиентов или автоматическому предоставлению информации из CRM. C рутиной роботы справляются отлично.
Кроме того, они успешно экономят время сотрудников и сокращают скорость обработки запросов за счет автоматической переадресации вызовов на профильных специалистов, позволяют снизить потери конверсии за счет голосового меню, обеспечивают непрерывное обслуживание и круглосуточную информационную поддержку. Всё это работает на повышение клиентской лояльности.
Как показывает наш опыт, внедрение роботизированных технологий в ряде случаев позволяет сократить затраты на трафик на уровне до 30%, снизить расходы на проведение исходящих запросов на 12-15%, оптимизировать на 15% доступный операторский ресурс при обработке массивных клиентских баз.
Примеры внедрения
С внедрением подобных чат-ботов и голосовых роботов российский бизнес уже хорошо знаком и активно применяет их. Мы в Voxys сконцентрированы на разработке и внедрении перспективных решений на основе технологий генеративного речевого ИИ с рабочими названиям «бот-суфлер» и «бесшовный голосовой робот». Для этого мы используем решения TWIN — ведущего российского разработчика голосовых и чат-ботов. Приведем примеры из нашей совместной практики.
1. Заказчик: системообразующий банк.
Задача: автоматизация процесса привлечения депозитных средств клиентов.
Решение: за четыре спринта был спроектирован, разработан и внедрен голосовой бот. Оперативность «сборки» бота стала возможной за счет доступа к датасету с уже размеченным набором речевых данных, включающему большой объем аудиоданных и обученную на них модель распознавания речи. Под этот проект был в кратчайшие сроки разработан новый синтезируемый голос, который использовался для озвучки вариативных параметров в коммуникации с потенциальными клиентами. По уровню качества он близок к реальному голосу оператора.
Результат: обработка базы контактов голосовым роботом по эффективности оказалась сопоставима с показателями сотрудников контакт-центра. Так, конверсия составила 6,97% - столько клиентов выразили заинтересованность в депозитном продукте банка.
Кейс на практике демонстрирует: голосовые боты могут решать задачи эффективной коммуникации с клиентами, достигая целевых KPI и оптимизируя затраты. Экономическая выгода автоматизации на проекте подтверждена достигнутыми результатами. В сравнении со стандартной коммуникацией, когда мы задействуем операторов, робот снижает затраты на диалог практически в двое, что позволило снизить стоимость привлечения одного клиента и сократить ФОТ.
2. Заказчик: работающая на рынке пассажирских перевозок транспортная компания.
Задача: автоматизация обработки входящих обращений пассажиров, повышение качества клиентского сервиса.
Решение: разработка и внедрение в работу контакт-центра голосового робота и чат-бота для обработки входящих обращений. До реализации весь пул обращений обрабатывали операторы контакт-центра, предоставляя пассажирам информацию о расписании движения, оказывая помощь в оформлении билетов, консультируя по правилам перевозки и прочим вопросам. Консультации оказывались как по телефонной связи, так и в цифровых неголосовых каналах: электронной почте, чатах и мессенджерах.
Результат: после запуска голосового робота по части самых распространенных тематик обращений информационно-справочного характера удалось на 10% снизить нагрузку на операторов. После внедрения все входящие вызовы первоначально обрабатываются голосовым роботом и чат-ботом, переключение на оператора происходит в том случае, если обращение не было закрыто на первой линии взаимодействия автоматически. Средний процент закрытых обращений для голосового робота составляет 61%, для чат-бота – 65%.
Бот использует программные алгоритмы, позволяющие определять контекст запросов, выявлять главную мысль, включая составные намерения клиента в одном вопросе, что делает диалог более естественным. Если бот не смог ответить на вопрос, а также по первому указанию клиента вызов переводится на оператора. Чат-бот в текстовых каналах работает по аналогичной схеме. Итогом реализации также стали: снижение среднего времени обработки запроса и времени ожидания клиентом, снятие пиковых нагрузок на контакт-центр в периоды сезонных колебаний спроса, экономия ФОТ.
3. Заказчик: страховая компания.
Задача: анализ причин системного снижения дистанционных продаж страховых продуктов через контакт-центр, разработка комплекса мер, направленных на изменение тренда, обеспечение роста дистанционных продаж кредитных страховых продуктов.
Решение: проведение двухмесячного пилота с внедрением в работу контакт-центра инструментов речевой аналитики. В ходе пилотирования речевой аналитики мы определяли наиболее эффективные согласия; анализировали причины отказов клиентов; оценивали эффективность и частоту использования кросс-сейл предложений; анализировали негатив и выявляли причины появления фиктивных согласий. В личном кабинете оператора мы настроили автоматический чеклист исполнения сервисных стандартов, а также добавили:
- маркер на выявление эффективных согласий;
- рейтинг лидеров среди нарушителей;
- маркер по анализу отказов от предложений;
- маркер по выявлению кросс-сейл предложений (в каких звонках сотрудник не предлагал перекрестные продажи);
- маркер анализа негатива со стороны клиентов (в каких случаях у клиентов возникает негатив, что не нравится, что раздражает);
- рейтинг генерирующих негатив операторов (выявление систематических нарушителей).
Результат: пилот показал высокую эффективность в части сокращения фиктивных согласий (- 99%). Доля звонков с перекрестными продажами увеличилась на 27%, продажи по дополнительным страховым продуктам выросли на 7%. На момент старта пилота уровень отказа от предложения в части первичного сопротивления составлял 89% - операторы не справлялись с первичным сопротивлением. По итогам пилота уровень отказа снизился до 42%, а неотработка первичного сопротивления сократилась на 47%.
Технологии и их перспективы
Принцип работы бота-суфлера построен на фоновом сопровождении диалога клиента и оператора колл-центра в режиме реального времени. Бот автоматически анализирует содержание диалога средствами речевой аналитики и предоставляет оператору релевантные ответы на запросы клиента. Также бот ранжирует наиболее вероятные варианты сценариев диалога для работы с дополнительными продажами, эффективной отработки возражений и пресечения возможного негатива.
Ожидаемый результат внедрения: уменьшение продолжительности обучения операторов, сокращение показателя текучки кадров, рост качества и удовлетворенности клиентов, снижение длительности диалогов.
Механика работы бесшовного голосового робота построена на синтезе речи на основе цифрового слепка голоса — записи речи конкретного оператора. Поэтому каждая фраза, сгенерированная роботом, звучит максимально естественно, с сохранением тембра и индивидуальных речевых особенностей. Синтезированный таким образом голос используется роботом для первичной обработки баз данных контактов. В ходе звонка робот выявляет уровень заинтересованности клиента и выполняет бесшовный перевод диалога на конкретного оператора (голосом которого он разговаривает с клиентом). При этом система классифицирует звонок и автоматически составляет краткое содержание по ключевым параметрам: степень заинтересованности в продукте, тип услуги, вопросы со стороны клиента.
Бесшовный голосовой робот призван увеличить эффективность исходящих звонков. Робот совершает до 400 звонков в минуту в автоматическом режиме, сокращая затраты на операторов колл-центра по первичному обзвону. При этом повышается эффективность работы колл-центра, увеличиваются показатели конверсии и продаж.
Сегодня два этих продукта находятся в завершающей стадии разработки — рассчитываем предложить их бизнесу во второй половине текущего года. А уже сейчас заинтересованные во внедрении перспективных технологий могут принять участие в пилотных проектах по этим и другим цифровым продуктам Voxys.
