När många organisationer inledde sina AI-satsningar med chatbotar och nya kundgränssnitt valde Postnord en annan väg. Kundservice började med att analysera den egna verksamheten: vad ärendena faktiskt handlade om, vilka rotorsaker som drev volymer och vilka moment som skapade onödig belastning.
Postnords AI-omtag: ”Det är som att bygga bilen medan man kör”
STYRNING Postnord valde att börja sin AI-satsning internt. Med rotorsaksanalyser, mätbara mål och tydligt mandat förändrades styrningen i kundservice.

Lenita Wennström. Foto: Linkedin & Pressbild (montage).
Någonting är fel
Du är inloggad som prenumerant hos förlaget Pauser Media, men nånting är fel. På din profilsida ser du vilka av våra produkter som du har tillgång till. Skulle uppgifterna inte stämma på din profilsida – vänligen kontakta vår kundtjänst.
Techtidningen premium
Läs vidare – starta din prenumeration
Redan prenumerant? Logga in och läs vidare.
– När många andra började med ny teknik ut mot kund valde vi att börja inåt i organisationen. Vi ville skapa bättre insikter om vad våra ärenden faktiskt handlar om och vilka rotorsaker som finns, säger Lenita Wennström, kvalitetsansvarig på Postnord.
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
