6 октября 2020 г.

Вячеслав Морозов

Управление качеством — один из стратегически важных элементов повседневной работы контакт-центра. Это естественный драйвер повышения производительности сотрудников и улучшения обслуживания клиентов, а также один из механизмов соблюдения норм действующего законодательства. Как и любой другой процесс в контакт-центре, управление качеством требует эффективных инструментов, по возможности обеспечивающих высокую степень автоматизации.

Когда оценка качества в контакт-центре проводится человеком, результат во многом зависит от человеческого фактора. Помимо него, на качество неизбежно влияют организационные и технологические составляющие. Традиционно можно выделить 3 типа препятствий, затрудняющих построение эффективных процессов управления качеством в контакт-центрах:

  • Избыточный объем ручной работы. Руководителям и тем, кто непосредственно отвечает за оценку, приходится искать и собирать данные, разбросанные по изолированным информационным системам. В таких условиях проблематично сравнивать данные за разные периоды и проводить качественный анализ. Когда нужной информации нет под рукой и ее нужно собирать по крупицам, на действительно корректную оценку рассчитывать не приходится.
  • Недостаточный размер выборки. В большей части контакт-центров оценке подвергаются в среднем 2-3% взаимодействий в месяц. В итоге отчеты строятся на основе очень небольшой выборки данных, в которой может быть значимый процент погрешностей.
  • Низкое качество обратной связи. Тот сегмент обратной связи от клиентов, который охватывается 3% выборкой, может предоставлять крайне субъективную информацию. Поэтому сформулированные выводы будут основываться на неверных предпосылках, не соответствующих реальному положению дел. Очевидно, что решения, принятые на основе таких выводов, могут быть весьма далеки от оптимальных. Что еще хуже, содержание тренинговых программ, созданных в качестве реакции на проанализированную обратную связь, окажется практически бесполезным, поскольку прорабатываться будут несуществующие кейсы.

Описанные подходы безнадежно устарели. Они не позволяют компаниям выстроить хоть сколько-нибудь эффективные процессы управления качеством в контакт-центрах. У каждой компании свои собственные методы обслуживания клиентов, наборы правил и процедур. Если ограничивать оценку качества анализом небольшой случайной выборки взаимодействий с клиентами, внести необходимые изменения в работу контакт-центра просто не удастся. В оценке качества важно видеть все процессы в перспективе, поэтому в ней должны участвовать не только команды управления качеством, но и супервайзеры, операторы и специалисты по обучению.

Искусственный интеллект как инструмент для управления качеством

Компании постепенно внедряют отдельные инструменты на базе искусственного интеллекта: автоматизируют с помощью ИИ мониторинг и скоринг, проводят автоматизированный анализ эмоциональной окраски сообщений в соцсетях. Некоторые инструменты позволяют персонализировать обучение и наладить получение мгновенной обратной связи при обнаружении ошибок.

«Большая тройка» сфер применения ИИ в коммерческом секторе: контроль качества, обслуживание клиентов и обеспечение кибербезопасности*.

ИИ имеет все возможности, чтобы стать ключевым элементом процессов управления качеством. По мере внедрения ИИ во все привычные инструменты для оценки качества будут совершенствоваться следующие аспекты:

  • принятие качественных решений на основе глубокого анализа;
  • точность анализа;
  • автоматизация;
  • обучение и консультирование.

ИИ-системы, которые смогут выявлять и отбирать взаимодействия для проведения анализа, освободят людей от выполнения однообразных повторяющихся задач и снизят соответствующую нагрузку. При этом качество получаемых данных и выводов повысит эффективность принимаемых решений.

ROI проектов с применением ИИ соответствует ожиданиям в 59% компаний, превосходит ожидания — в 39% компаний*.

С их же помощью будет проводиться анализ всего объема взаимодействий на предмет эмоциональной окраски высказываний. Ручной труд будет сведен к минимуму, оценка будет автоматизирована, а случаи некачественного и, наоборот, исключительного обслуживания будут фиксироваться с высокой точностью.

Соединив возможности ИИ с алгоритмами машинного обучения, можно полностью автоматизировать процесс преобразования звуковых записей в текст. Это позволит проводить оценку качества уже для всех взаимодействий, что недостижимо при ручных процедурах. В этом случае руководителям становятся доступны максимально точные данные об эффективности операторов. На основе таких данных можно формировать индивидуальные KPI. В итоге это должно привести к повышению качества обслуживания.

Автоматизация с применением ИИ высвобождает дополнительные ресурсы на всех уровнях контакт-центра. С супервайзеров и руководителей снимается необходимость отбора записей для подробного ручного анализа. Кейсы с лучшими и худшими примерами обслуживания подбирает искусственный интеллект. А руководители получают достоверную информацию о слабых местах в подготовке операторов. Это заметно упрощает процесс создания учебных программ и тренингов.

Искусственный интеллект в современных решениях для контакт-центров

Крупные производители решений для контакт-центров уже рассматривают технологии искусственного интеллекта как неотъемлемую составляющую своих продуктов. Для таких вендоров оптимизация работы контакт-центра с помощью механизмов ИИ — не обещание завтрашнего дня, а часть базовых функций уже существующих решений.

В современных платформах для омниканального обслуживания клиентов искусственный интеллект используется для повышения эффективности управления персоналом контакт-центров. С помощью ИИ автоматизируется прогнозирование загрузки операторов и составление рабочих графиков. Точность прогнозирования при этом может достигать отметки 95% и даже превышать ее — результат, который практически недостижим при планировании традиционными «ручными» методами.

Искусственный интеллект применяется и для прогнозной маршрутизации (автоматического подбора наиболее подходящего оператора), для автоматизированной помощи операторам, оценки производительности и во многих других повседневных рабочих процессах контакт-центра.

Нативные функции анализа взаимодействий с клиентами используют возможности ИИ для проверки записей и оценки ключевых событий без участия человека. Супервайзер или руководитель получает обработанные данные по обслуживанию клиентов, продуктивности операторов, исполнению плана продаж и регламентов подразделения. Заодно ИИ помогает оценить уровень навыков операторов, глубину предметных знаний, выявить паттерны поведения лучших сотрудников. Вся эта информация используется не только в кадровой работе — на тренингах и в обучении, но и для непрерывного совершенствования прогнозной маршрутизации.

В современных решениях технологии искусственного интеллекта могут и должны играть большую роль в том, что касается оптимизации управления персоналом контакт-центра, процессов управления качеством обслуживания и повышения эффективности работы операторов. Это то, что можно выделить в первую очередь в числе внутренних процессов организации работы контакт-центра. В наших решениях, которые прямо сейчас используются компаниями в разных странах мира, искусственный интеллект широко применяется для оптимизации процессов контакт-центра и непосредственно в обслуживании клиентов: для проактивного решения входящих запросов, автоматизации взаимодействий, персонализации обслуживания, предоставления помощи в формате интеллектуального виртуального ассистента и для реализации многих других функций, без которых сегодня не может существовать по-настоящему качественное омниканальное обслуживание.

Искусственный интеллект способен кардинально изменить управление качеством в контакт-центрах. Решения с интегрированными функциями анализа текста и речи, распознавания эмоций, предиктивного обучения и сопровождения переводят эту часть деятельности контакт-центров на принципиально иной уровень. Вместе с эффективностью оценки качества работы операторов неизбежно растет и уровень обслуживания клиентов, а значит — усиливаются позиции компаний в конкурентной гонке.

* По данным исследования «The global AI agenda», MIT Technology Review Insights, 2020.

Источник: Вячеслав Морозов, директор по развитию бизнеса Genesys в России и СНГ