De ger dig koll på samspelet mellan AI och människa

Enligt Magnus Geverts, som är global produktmarknadschef på Calabrio, har AI-användningen ökat i många kontaktcenter men utan att vi har lyckats förändra sätten hur vi mäter kvalitet och prestation. Nu vill man råda bot på just det problemet genom att

samla hela kundresan, från chattbot till mänsklig agent, i ett gemensamt kvalitetsramverk, så att din organisation kan förstå vad som faktiskt händer när människa och AI samspelar.

Samtidigt står företaget Calabrio inför stora förändringar. Magnus Geverts berättar att ma befinner sig i en pågående sammanslagning med Verint.

– Vi är inne i en spännande period rent företagsmässigt. Vi håller på att slå samman bolagen och är fortfarande ganska tidigt i den processen. Det blir en stor gemensam organisation och Verint gör ungefär samma saker som Calabrio, vilket ger oss en väldigt stor utvecklingskapacitet att rikta åt det håll vi vill.

Ingen paus i innovationstakten

Samtidigt betonar han att sammanslagningen inte innebär någon paus i innovationstakten. Tvärtom fortsätter produktutvecklingen i högt tempo, med tydligt fokus på en fråga som många organisationer brottas med just nu: hur man ska mäta kvalitet i ett kontaktcenter där både AI och människor hanterar kundärenden.

– Nästan alla använder AI i kundservice i dag, på ett eller annat sätt. Men det finns inget sammanhållet sätt att mäta kvalitet för människor och AI tillsammans. Det är det vi försöker adressera nu, genom att slå ihop det vi gjort länge för människor med det vi gjort för botar och skapa ett enat ramverk för hur man utvärderar prestation i kontaktcentret.

Utmaningen är att kundresan i dag nästan alltid är uppdelad. Många ärenden börjar i automation, via en chattbot eller självservice, och eskaleras senare till en mänsklig agent. Trots det mäts och analyseras delarna ofta var för sig.

– Man behöver se resan ur kundens perspektiv. Vad händer när ärendet går från bot till människa? Var uppstår överlämningsproblem, och var går det snett? I slutändan vill man kunna avgöra om man behöver justera AI-agenten eller om det finns coachingmöjligheter för personalen.

I praktiken använder många organisationer flera olika system, något som gör helhetsbilden svår att ta fram. Det kan handla om ett system för kontaktcenterplattformen, ett annat för AI-agenter, och dessutom ytterligare verktyg för analys och rapportering.

– Tar man ett svenskt exempel kan en kund ha Puzzel som kontaktcenterplattform och en AI-agent från Boost. De har bra rapportering i respektive system, men de får inte ihop helheten. Det är svårt att förstå var det går fel. Där lägger vi oss som ett lager ovanpå, samlar in informationen och föreslår förbättringsmöjligheter.

Det är just detta lager som Calabrio nu rullar ut till sina kunder, som en utökning av bolagets befintliga Conversation Intelligence-erbjudande. Historiskt har analysen i kontaktcenter gått från manuell kvalitetsgranskning av inspelade samtal, via automatisering med generativ AI, till analys av hur botar presterar. Nästa steg är att slå ihop allt.

– Från ena hållet har man analyserat mänskliga agenter, från andra hållet botar. Det vi har gjort är att skapa ett gemensamt ramverk och gemensamma analysverktyg så att man kan se hela resan för ett ärende, från chatt på hemsidan till eskalering och vidare till en agent.

Enligt Magnus Geverts är Calabrio tidiga med den här typen av helhetsperspektiv, särskilt i miljöer där flera plattformar samexisterar.

– Verkligheten är mer komplex än vad kontaktcenterleverantörer ibland vill ge sken av. Man har många olika system som man försöker få information ur. Att samla in och normalisera data så att den blir begriplig ur ett kvalitets- och verksamhetsperspektiv, snarare än ur ett enskilt systems perspektiv, där tycker vi att vi ligger väldigt långt framme.

Oberoende av vilka leverantörer som används

Lösningen har redan rullats ut till ett antal kunder och finns nu tillgänglig för hela kundbasen. Internt kallas funktionaliteten, som finns inbyggd i Calabrio ONE-plattformen, för Omni Agent Intelligence. Eftersom den är helt leverantörsoberoende så kan man mäta och analysera mjukvara från olika leverantörer i ett och samma gränssnitt. Om man skulle bestämma sig för att byta ut någon komponent i techstacken så medför det heller inga problem, efter Omni Agent Intelligence kan anpassa sig till förändringarna.

– Det handlar om alla agenter, oavsett om det är människor eller AI, röst- eller chattbotar. Allt ska in på ett och samma ställe så att man kan förstå vad som faktiskt händer.

Ett återkommande problem som lösningen ska adressera är felaktiga slutsatser om kvalitet och prestation. När ett ärende börjar i en bot men misslyckas och eskaleras, riskerar konsekvenserna att hamna hos den mänskliga agenten.

– Det vi ofta ser är längre samtal, sämre sentiment och sämre kvalitetsmätningar hos agenten. Tittar man bara på den delen tror man att agenten har misslyckats. Men orsaken är AI-agenten. Utan en samlad vy ser man inte det sambandet, och då riskerar man att optimera fel saker.

Magnus Geverts beskriver lösningen som ett kontrolltorn för kundresan, där alla kanaler och aktörer kopplas ihop. Det gör det möjligt att identifiera rotorsaker istället för att bara reagera på symptom.

– Man får ett kvalitetsramverk för hela resan och kan förstå vilka insatser som faktiskt förbättrar kundservicen. Dessutom kan man behålla det här lagret även om man byter ut delar av sin plattform eller kopplar in nya, mer specialiserade botar.

Att använda olika botar för olika ärendetyper blir också allt vanligare, enligt Magnus Geverts. Specialiserade lösningar används parallellt, beroende på behov och komplexitet.

– Det finns specialiserade bottillverkare och vi ser hos kunder att man använder flera olika. Tekniken är mogen för det, men det ställer ännu större krav på att kunna mäta och förstå helheten.

Samtidigt finns det begränsningar i hur snabbt AI kan ta över. Även om tekniken finns på plats är det inte alltid användarna som hänger med.

– Tekniskt är det inte en flaskhals, utan beteendemässigt. Våra kunder säger ofta att de har tekniken, men att deras kunder, alltså konsumenterna, har svårt att ändra sitt beteende. Det gör att utvecklingen alltid går lite långsammare än prognoserna.

Längre men mer värdefulla samtal

AI:s roll förändrar också kontaktcentrets affärslogik. Funktioner som realtidsstöd till agenter har inte lett till kortare samtal, som många trodde, utan snarare längre men mer värdefulla samtal.

– När agenter får bättre stöd ser man fler merförsäljningsmöjligheter. Några minuter extra samtalstid kan ge betydligt högre intäkter. AI driver kundtjänsten från att vara ett kostnadscenter till att bli ett intäktscenter, och det var inte så man tänkte från början.

Allt detta bidrar till att rollen som kontaktcenterchef blivit mer komplex än tidigare.

– Jag tror att det är mycket svårare i dag än för fem år sedan. Vissa sitter i ledningsgruppen och är med och utvecklar affären eftersom de är närmast kunderna. Andra är fortfarande reaktiva och saknar investeringar i teknik. Spannet är väldigt stort.

Just därför, menar Magnus Geverts, blir behovet av en samlad, faktabaserad bild av kundmötet allt viktigare.

– När man får en ny kanal som påverkar både kundnöjdhet och bemanning så måste man mäta alltihop tillsammans. Det är bara en tidsfråga innan alla kontaktcenter inser det.