AI Agent Assist este prezentat tot mai des ca un copilot al agentului de Contact Center. Dar dacă folosim AI pentru a genera, în timp real, replicile pe care operatorul trebuie doar să le citească, merită să ne punem o întrebare: îl ajutăm cu adevărat pe agent sau construim doar un AI care vorbește prin intermediul unui om?
Inteligența artificială începe să ocupe un loc important în Contact Center. Transcriere în timp real, sumarizarea conversațiilor, sentiment analysis, căutarea automată în knowledge base, recomandări, generarea de răspunsuri sau automatizarea activităților de după apel sunt deja funcționalități întâlnite în diverse platforme.
Una dintre direcțiile care mi se pare însă discutabilă este utilizarea AI pentru a genera în timp real texte pe care agentul uman ar trebui să le spună clientului.
La prima vedere, ideea pare foarte bună.
Clientul pune o întrebare, AI analizează conversația și pe ecranul operatorului apare răspunsul recomandat. Agentul îl citește sau îl reformulează și conversația continuă.
Dar dacă privim puțin mai atent acest model, apare o contradicție.
Dacă AI-ul înțelege suficient de bine întrebarea, are acces la informațiile necesare, poate construi un răspuns corect și are suficientă încredere încât să-i spună agentului ce să comunice clientului, atunci de ce nu ar putea AI-ul să poarte direct acea parte a conversației?
În modelul „AI scrie – omul citește” ajungem, într-un fel, să folosim simultan două resurse pentru aceeași activitate: inteligența artificială generează conversația, iar operatorul devine interfața vocală a acesteia.
Cred că există o utilizare mai valoroasă a AI în Contact Center.
AI-ul nu trebuie neapărat să-i spună agentului ce să spună. Ar trebui să-l ajute să știe ce se întâmplă, ce trebuie respectat și ce poate face mai departe.
Agentul nu are nevoie de mai mult text. Are nevoie de context.
Una dintre problemele reale ale unui Contact Center este fragmentarea informației.
În timp ce vorbește cu un client, agentul poate avea nevoie să consulte CRM-ul, istoricul interacțiunilor, sistemul de ticketing, facturarea, comenzile, knowledge base-ul sau alte aplicații interne.
Informația există, dar este distribuită.
Iar problema devine și mai evidentă atunci când clientul a mai interacționat cu organizația.
Poate a sunat acum trei zile. Poate a trimis ulterior un email. Există deja un ticket. Un coleg i-a promis o rezolvare. Apoi clientul revine.
Agentul care răspunde acum trebuie să reconstruiască povestea.
Aici văd unul dintre cele mai utile roluri pentru AI.
1. Înainte de conversație: un context relevant, nu un istoric
În loc să-i afișăm agentului zece interacțiuni pe care trebuie să le citească rapid, AI-ul poate analiza istoricul și poate produce o concluzie.
De exemplu:
Context client
Client din 2019, segment Premium.
A contactat compania de două ori în ultimele șapte zile pentru o problemă de facturare.
La ultima interacțiune i s-a promis clarificarea situației până astăzi.
Ticket #4821 este încă deschis.
Motiv probabil al apelului: follow-up privind reclamația.
Diferența este importantă.
Nu i-am dat agentului mai multe informații.
I-am redus cantitatea de informație pe care trebuie să o proceseze.
AI-ul face ceea ce poate face foarte bine: citește volume mari de date, corelează interacțiuni și extrage contextul relevant.
Agentul poate începe conversația știind deja povestea clientului.
2. În timpul conversației: Mandatory Guidance
Există situații în care agentul trebuie să respecte anumite proceduri.
Verificarea identității, comunicarea unor informații obligatorii, consimțământul, anumite condiții contractuale sau pașii unei proceduri nu sunt simple recomandări.
Sunt reguli.
În loc să genereze permanent replici pentru agent, AI-ul poate urmări conversația și poate interveni exact atunci când contextul activează o asemenea regulă.
De exemplu:
Verificare obligatorie
Identitatea clientului trebuie verificată înainte de comunicarea informațiilor despre cont.
Aici lucrurile pot deveni și mai interesante dacă platforma poate integra informații din alte sisteme.
În anumite scenarii, verificarea ar putea fi realizată sau confirmată automat:
✓ Identitate verificată automat
Din acel moment, agentul nu mai trebuie să se întrebe dacă a parcurs pasul respectiv.
Sistemul știe.
În acest model, AI-ul începe să funcționeze ca un mecanism de contextual compliance: nu îi arată agentului toate regulile posibile, ci regula relevantă pentru momentul respectiv.
3. Next Best Action: probabil cea mai interesantă utilizare
Dacă ar trebui să aleg o singură zonă în care AI poate aduce valoare agentului în timpul conversației, aceasta ar fi Next Best Action.
Pentru că problema operatorului nu este întotdeauna:
„Ce trebuie să-i spun clientului?”
Foarte des problema reală este:
„Ce pot face acum pentru a-i rezolva problema?”
Să presupunem că un client contestă valoarea unei facturi.
AI-ul poate identifica intenția din conversație și o poate combina cu informațiile din sistemele organizației.
Agentul ar putea vedea:
Următoarea acțiune recomandată
Clientul este eligibil pentru ajustarea facturii.[Vezi opțiuni]
Sau:
Există deja un ticket deschis pentru această solicitare.
Nu este necesară deschiderea unuia nou.[Deschide ticket #4821]
Sau, într-un scenariu comercial:
Client eligibil pentru oferta X
Contractul actual expiră în 32 de zile.[Vezi oferta]
Aici AI-ul nu mai încearcă să scrie conversația.
Îl ajută pe agent să ia o decizie.
De la Next Best Action la Next Best Execution
Există însă un pas și mai interesant.
Dacă sistemul știe ce trebuie făcut, de ce să se limiteze la a-i explica operatorului unde trebuie să dea click?
Să presupunem că acțiunea recomandată este deschiderea unei solicitări de ajustare.
Într-o abordare clasică, agentul primește recomandarea, deschide o altă aplicație, caută clientul, completează câmpurile și pornește procesul.
Dar dacă platforma Agent Assist este integrată cu aplicațiile de business, acțiunea poate fi inițiată direct:
[Inițiază ajustarea]
În spatele acelui buton pot exista API-uri, workflow-uri, reguli de business și integrarea cu sistemele organizației.
Din punctul meu de vedere, aici apare diferența dintre un simplu AI Assistant și o platformă care participă efectiv la proces.
AI-ul identifică situația.
Regulile determină ce este permis.
Agentul decide.
Platforma execută.
4. După conversație: AI-ul poate elimina munca administrativă
Mai există o zonă în care utilizarea AI mi se pare aproape naturală: activitatea de după apel.
În multe Contact Centere, conversația s-a terminat pentru client, dar nu și pentru agent.
Urmează completarea CRM-ului, selectarea motivului interacțiunii, introducerea unor observații, crearea unui task, actualizarea unui ticket sau trimiterea unui email.
AI-ul tocmai a urmărit întreaga conversație.
Prin urmare, poate genera:
Motivul contactului
Rezumatul conversației
Rezoluția
Acțiunile promise clientului
Follow-up necesar
Câmpurile relevante pentru CRM
Agentul verifică informația și o confirmă.
Iar acolo unde integrarea o permite, sistemul poate actualiza automat aplicațiile și poate porni workflow-urile necesare.
În loc să economisim câteva secunde sugerându-i agentului o propoziție, putem elimina minute întregi de muncă administrativă.
Un model simplu: Before – During – After
Aș privi, așadar, AI Agent Assist prin trei momente ale interacțiunii.
BEFORE — Know your customer
AI analizează istoricul și îi oferă agentului contextul relevant înainte de conversație.
DURING — Stay compliant & Know what to do next
AI urmărește contextul, semnalează obligațiile relevante și identifică următoarea acțiune potrivită.
AFTER — Automate the work
AI sintetizează conversația și ajută la actualizarea aplicațiilor și continuarea proceselor.
Observația importantă este că în niciunul dintre aceste trei momente nu este obligatoriu ca AI-ul să-i dicteze agentului conversația.
Dar atunci când AI-ul chiar poate purta conversația?
Există, evident, și astfel de situații.
Un client dorește să afle statusul unei comenzi, soldul unei facturi, programul unei unități sau să reprogrameze o întâlnire.
Dacă intenția poate fi identificată cu suficientă precizie, informația poate fi accesată în siguranță și procesul este bine definit, un AI Agent poate gestiona întreaga interacțiune.
Nu văd un motiv pentru care un operator uman să stea între client și AI doar pentru a citi răspunsurile generate.
Aș separa, prin urmare, cele două situații.
AI CAN HANDLE IT
AI Agent → înțelege solicitarea → accesează informația → execută procesul → comunică direct cu clientul.
HUMAN SHOULD HANDLE IT
Client → agent uman, asistat de AI → context + mandatory guidance + next best action + automatizare.
Această separare mi se pare mult mai sănătoasă decât încercarea de a introduce AI în fiecare secundă a conversației agentului.
Agentul uman trebuie să rămână acolo unde omul aduce valoare
Dacă o organizație decide că o anumită conversație trebuie purtată de un om, probabil există un motiv.
Poate situația este ambiguă.
Poate clientul este nemulțumit.
Poate trebuie negociată o soluție.
Poate există excepții.
Poate este nevoie de empatie, experiență sau judecată.
În aceste situații nu cred că obiectivul AI ar trebui să fie transformarea operatorului într-un mecanism de redare a unui text generat.
Dimpotrivă.
Să-i eliberăm atenția.
Să nu mai caute prin cinci aplicații.
Să nu mai reconstruiască manual istoricul clientului.
Să nu mai țină minte fiecare regulă și fiecare excepție.
Să nu mai completeze aceleași informații după terminarea conversației.
Și, mai ales, să poată acorda mai multă atenție persoanei cu care vorbește.
De la Agent Assist la orchestrarea procesului
Cred că aici se află și o evoluție importantă a conceptului.
Prima generație de Agent Assist s-a concentrat mult pe conversație: transcriere, knowledge search, sentiment și suggested responses.
Următoarea etapă poate fi mult mai interesantă dacă mutăm accentul de la conversation assistance la process assistance.
AI-ul înțelege conversația.
Dar conversația este doar începutul.
În spatele ei există un client, un contract, o factură, un ticket, o comandă, o procedură și, de cele mai multe ori, un proces care trebuie continuat.
Valoarea reală apare atunci când putem conecta aceste două lumi:
ce spune clientul
cu
ce trebuie să se întâmple în sistemele organizației.
Aici devin importante integrarea cu CRM, ERP, Contact Center, knowledge base, API-uri și motoarele de workflow.
Și aici văd inclusiv un rol interesant pentru platforme precum EbsyStudio: nu doar ca interfață pentru AI, ci ca strat de integrare și orchestrare între conversație, aplicații și procese.
Concluzie
Inteligența artificială poate schimba profund modul în care lucrează un Contact Center.
Dar cred că merită să fim atenți la problema pe care încercăm să o rezolvăm.
Dacă AI-ul este suficient de capabil și de sigur pentru a gestiona singur o conversație simplă, putem construi un AI Agent și automatiza acea interacțiune.
Dacă am decis că interacțiunea trebuie gestionată de un om, atunci AI-ul ar trebui să-i amplifice capacitatea, nu să încerce să vorbească prin el.
Pentru mine, un Agent Assist valoros înseamnă în primul rând:
context înainte de conversație, reguli la momentul potrivit, următoarea acțiune în timpul conversației și automatizare după conversație.
Nu mai mult text pe ecran.
Ci mai puțină informație de căutat, mai puține decizii repetitive și mai puțină muncă administrativă.
Astfel, paradoxal, unul dintre cele mai bune lucruri pe care AI le poate face într-un Contact Center este să-i permită agentului uman să fie mai prezent în conversația cu clientul.
AI-ul se ocupă de context și procese. Omul se ocupă de om.
