Перестрой техподдержку или умри

Логотип компании
Перестрой техподдержку или умри
Для того, чтобы проиллюстрировать опыт в области применения ИИ, в том числе для техподдержки пользователей, достаточно упомянуть всего два параметра

Рассказывает директор по развитию бизнеса и сооснователь вендора решений на базе ИИ 3iTech Дмитрий Макаренко, под управлением которого создана и развивается собственная нейросеть компании с 2006 года.

Наша нейросеть обрабатывает свыше 20 миллионов минут речи в день, а число операторов, которые используют нашу же систему речевой аналитики превышает 40 тысяч.

Это позволяет нам принимать правильные решения относительно внедрения именно полезных для технической поддержки сервисов и технологий. И сегодня, вне всяких сомнений, мы должны ориентироваться на генеративный ИИ с применением LLM-моделей. Что мы и делаем, и это на 100% наши собственные технологии, а значит весь наш опыт основан не на чужом опыте, а на глубоком, до мелочей и деталей, понимании пожеланий клиентов и сопоставление их с имеющимися технологиями.

Расскажу о некоторых аспектах внедрения ИИ в техподдержку. Начнем с типичных целей внедрения. Выделим три основные.

1.     Прогнозирование пиков в объеме запросов клиентов для того, чтобы автоматически предоставлять ответы.

2.     LLM позволяет работать не только с типичными вопросами, но и со всеми остальными. Т.е. мы говорим о понимании машиной естественной речи и о ее последующем анализе. Т.е. цель – обработать максимум запросов и корректно понять их все.

3.     Выявление общих трендов в предсказании потенциальных проблем.

Тренд на применение больших языковых моделей в контакт-центрах начался еще на стыке 2023 и 2024 годов, и основной идеей было именно распознавание естественной речи, чтобы лучше понимать звонящего в автоматическом режиме. Особое место здесь также занимает контрольная функция. Наши заказчики, которые имеют линии технической поддержки, используют искусственный интеллект для контроля качества обслуживания своих клиентов, как ботами, например, которые отвечают на вопросы, так и сотрудниками контакт-центра. И конечно, ИИ используется для обобщения запросов дня и дальнейшей настройки услуг и их параметров.

Для выполнения этих больших целей искусственный интеллект интегрируется с системами, в рамках которых происходит обслуживание. Это всевозможные чат-платформы, это контактные центры, он интегрируется в базы знаний, где содержатся всё, необходимое для оказания технической поддержки, интегрируется и в CRM-системы.

Как ИИ внедряется в техподдержку?

Речь конечно о некоторой бесшовности для клиента, о том, чтобы внедрение ИИ в техподдержку не вызвало коллапса, недовольства, снижения качества обслуживания. При этом, мы же понимаем, что фон такого внедрения изначально негативен, т.к. аудитория гораздо охотнее общается с живыми операторами, нежели с ботами первого поколения, которые вызывают у пользователей раздражение ограниченными возможностями и жесткими сценариями общения.

Сейчас в службу технической поддержки достаточно успешно внедряются современные ИИ боты-суфлеры, чат-боты и голосовые боты. Наш опыт взаимодействия с заказчиками показывает, что искусственный интеллект сначала тестируется на внутренних заказчиках, т.е. собственных сотрудниках. Потом, когда эти внедрения показывают успех и доказывают эффективность, они применяются в службе технической поддержки для внешних пользователей. Это самая оптимальная и безопасная для репутации компании рабочая практика у всех крупных корпоративных заказчиков, от банков до ретейла.

Поговорим о вызовах

На мой взгляд, что главные вызовы – технологические. Наибольшее беспокойство сегодня вызывает эффект «галлюцинаций» ИИ, в результате так называемого «повышения температуры». Иными словами, даже хорошо обученная нейросеть в какой-то момент начинает фантазировать, и порой выдает нечто неожиданное и не совсем адекватное, как для заказчиков, так и для разработчиков. Причем, это общемировое явление, связанное с современным уровнем развития ИИ. Часто это явление формулируют как генерирование искусственным интеллектом новых знаний и новой информации, которая не соотносится с реальностью. Словно ИИ оживает, превращаясь в самостоятельно мыслящее существо. Конечно, это не так, и на следующей генерации нейросетей этот эффект будет снижен, либо вовсе уйдет.

Второй важный вызов это те трудозатраты, которые придется понесли при внедрении технической поддержки на базе современного ИИ.  Работа с искусственным интеллектом - это работа, которая требует квалифицированных сотрудников нового типа: дата сайентистов, ML-инженеров, промпт-инженеров. Т.е.,  если говорить о больших языковых моделях, потребуется особенный штат сотрудников. Это если компания пользуется своими ресурсами для обучения модели искусственного интеллекта, который внедряется в техническую поддержку. Значит, придется создать команду, способную внедрить ИИ куда бы то ни было, т.к. техподдержка это лишь частный случай. При этом, если объект технической поддержки достаточно сложный, то потребуется формирование больших структурированных баз знаний и мощностей для обучения этих моделей.

Тем самым, наибольшие вызовы сегодня это именно технологические вызовы, в сочетании с экономикой предприятия, которая ощутит напряжение от такого внедрения. Персонал, о котором я сказал, это высокооплачиваемые специалисты. Но всё это окупится.

О преимуществах

Будем честны, конечная цель развития ИИ – вытеснение человека из того или иного процесса. По задумке, ИИ дешевле человека, но где-то в будущем. Заказчик ИИ – крупный капитал, цель которого состоит в снижении издержек при производстве своего продукта. Люди же требуют зарплат, больничных, отпусков, да банального сна. ИИ не болеет, не спит и не ест, у него не бывает депрессий, стрессов, усталости. Но пока это дорогое удовольствие, а экономия сегодня возникает не за счет замены людей машиной, а скорее за счет более эффективного контроля их работы искусственным интеллектом, настройки лучших практик операторов контакт-центров, некоторого  сокращения персонала, отвечающего за оценку качества операторов, и конечно за счет способности ИИ обрабатывать по истине гигантские массивы разнородной информации, выраженной естественным языком, устным или печатным. Экономический эффект тут возникает именно через предоставление услуг высочайшего качества, а значит и удержания клиентской базы в эпоху коммодитизации, т.е. оказания одноплановых услуг по одинаковым ценам конкурирующими игроками рынка.

Заключение

Внедрение ИИ с LLM в техподдержку это экономическая неизбежность. И первые, кто это сделает, первыми же и выйдут на режим комфортного использования этих технологий. Тем самым выиграв конкуренцию у своих коллег по рынку. Больше того, это станет стандартом для крупного бизнеса, а по мере удешевления технологий – стандартом для всего бизнес-пространства, вплоть до индивидуальных предпринимателей. Но до этого нас ждет еще много долгой и упорной работы.

Читайте также
Как отсутствие стандартизации и закрытые API влияют на интеграцию продуктов из разных экосистем? Как влияет на рынок существование множества одинаковых ИТ-решений? Что необходимо для создания более открытой и кооперативной среды? Разбирался IT-World.

 

Читайте также
Как защищать данные в условиях быстрого развития искусственного интеллекта? Что делать, когда старые системы уже дышат на ладан, а новые технологии пока не готовы к полному импортозамещению? Где найти баланс между эффективностью бизнеса и необходимостью повышать безопасность? Ответы на эти и другие вопросы искали участники пленарного заседания «Экономика защищенных данных: возможно ли это?» в рамках форума «ИТ-Диалог ΄2024».

Опубликовано 29.08.2024