Na posiedzeniu zarządu brzmi to często tak: "Chcemy stać się bardziej klientocentryczni, a AI nam w tym pomaga." Wszyscy przytakują. Nikt nie ma na myśli tego samego. Jeden myśli o szybszym czasie reakcji na zgłoszenia serwisowe. Drugi o spersonalizowanych ofertach. Kolejny o obsłudze klienta, która odpowiada również w nocy. Słowo "bardziej klientocentryczny" łączy trzy ambicje, z których każda zakłada inną organizację.
Skonkretyzowanie tej ambicji oznacza ułożenie jej w warstwach: wizja (dlaczego klientocentryczność liczy się teraz), vision state (jak wygląda wtedy relacja z klientem), target (co zmienia się w tym roku) i target state (jakie zachowanie staje się potem standardem). Tylko wtedy widać, jakie capabilities są potrzebne, aby to osiągnąć, i które już istnieją.
Kontakt z klientem składa się z zadań, które zachowują się różnie, gdy włącza się AI. Część można przejąć: odpowiadanie na standardowe pytania, podsumowywanie dossier klienta przed rozmową, sygnalizowanie klienta, który zagraża odejściem. Część odbywa się pod nadzorem: AI proponuje odpowiedź, pracownik ją zatwierdza lub koryguje, z podaniem powodu. A część pozostaje pracą ludzką: rozmowa, w której klient jest zły z powodu czegoś, co nie mieści się w protokole, albo decyzja o wyjątku od polityki.
Ten podział nie jest ustalony na stałe. W jednej firmie osiemdziesiąt procent pytań pierwszej linii jest już obsługiwanych automatycznie, w drugiej jeszcze nic, choć obie firmy działają w tej samej branży i obsługują porównywalnych klientów. Różnica rzadko leży w technologii. Leży w tym, czy organizacja podzieliła zapytanie klienta na zadania, które można oceniać osobno, czy wie, jakie dane są do tego potrzebne i czy są one poprawne, oraz czy ktoś ma uprawnienia do odrzucenia propozycji AI bez tego, że staje się to problemem.
Bardziej klientocentryczne działanie z AI wymaga gotowości w ośmiu wymiarach, nie tylko w technologii. Kilka, które często są przeoczane:
Gotowość procesowa. Czy proces obsługi klienta jest już podzielony na etapy, które można ocenić osobno pod kątem "czy AI może to zrobić," "czy AI może to zrobić pod nadzorem" czy "to pozostaje pracą ludzką"? Bez tego podziału ambicja pozostaje intencją.
Dostępność i jakość danych. System AI, który odpowiada na zapytania klientów, jest tak dobry, jak dossier klienta, na którym się opiera. Rozproszone, przestarzałe lub sprzeczne dane klienta prowadzą do odpowiedzi, które raczej szkodzą relacji z klientem niż ją poprawiają.
Prawa decyzyjne. Kto może odrzucić propozycję AI dotyczącą klienta i na jakiej podstawie? Jeśli to nie jest ustalone, powstaje przyzwyczajenie, że wszyscy przyjmują propozycję, bo odstępstwo trudno uzasadnić, albo że nikt jej nie przyjmuje, bo nikt nie chce brać odpowiedzialności.
Umiejętność sprawowania nadzoru. Pracownik, który ocenia propozycje AI, potrzebuje innej umiejętności niż pracownik, który sam formułuje odpowiedź: umiejętności krytycznego czytania i uzasadnionego odrzucania, nie pisania.
Ta gotowość jest sprawdzana za pomocą pięciu confidence gates: czy ambicja jest wystarczająco jasna, aby ją sprawdzić, czy organizacja jest wewnętrznie zgodna co do tego, co oznacza sukces, czy znane są ryzyka błędnej odpowiedzi dla klienta, czy istnieje sposób na wycofanie się, jeśli coś pójdzie źle, oraz czy jest ktoś, kto nadzoruje postępy. Bez tych gates "stać się bardziej klientocentrycznym z AI" pozostaje życzeniem.
Tłumaczenie na capabilities pokazuje, jakie role są potrzebne, niezależnie od tego, ile osób te role wypełnia. Ktoś, kto może podzielić procesy klienckie na zadania. Ktoś, kto pilnuje jakości danych klienta. Ktoś z prawem do odrzucenia propozycji AI. I ktoś, kto mierzy, czy satysfakcja klienta faktycznie się zmienia, nie tylko czas reakcji.
Czy te role należą do istniejących funkcji, czy wymagają nowych stanowisk, to pytanie, które różni się w zależności od organizacji i wiąże się z własnymi wymogami prawnymi, gdy dotyka decyzji personalnych. To leży w gestii pracodawcy; tutaj liczy się to, jaka praca się przesuwa i jaka capability jest do tego potrzebna, nie kto tę capability wypełnia.
Udało się, jeśli zarząd rozumie to samo pod "bardziej klientocentryczny," jeśli zapytania klientów są w sposób udokumentowany podzielone na zadania z jasnym procentem przejęcia, jeśli istnieje ustalona procedura na wypadek, gdy pracownik odrzuca propozycję AI, oraz jeśli zwolnione godziny w obsłudze klienta zostały w sposób widoczny wykorzystane na pracę, która pozostaje pracą ludzką: trudną rozmowę, wyjątek, klienta, który potrzebuje więcej niż daje protokół.
Ta ambicja łączy się z innymi. Wzrost bez proporcjonalnego rozbudowania obsługi klienta wymaga tej samej gotowości, opisanej w jakich capabilities wymaga wzrost bez dodatkowych osób od Państwa organizacji. Klientocentryczność staje się widoczna również w jakości, a to dotyka jakich capabilities wymaga podniesienie jakości, gdy AI współwykonuje pracę. A jeśli marketing, sprzedaż i serwis wszyscy mówią "bardziej klientocentryczny," ale realizują różne targety, co robić, gdy cele działów są ze sobą w konflikcie pomaga wydobyć ten konflikt na powierzchnię.
Pytanie, którą pracę klientowską w Państwa firmie faktycznie może przejąć AI, otrzymuje odpowiedź na poziomie zadania za pomocą werkscan FTE TO AI.
Bezpłatny test gotowości składa się z ośmiu krótkich pytań, jednego na wymiar, i daje obraz tego, gdzie Państwa organizacja jest najbardziej zaawansowana, a gdzie najmniej. Pełny test ambicji, z czterema warstwami i pięcioma confidence gates, jest w przygotowaniu.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.