Классификация обращений с помощью искусственного интеллекта

При поступлении сообщения в службу клиентской поддержки, его необходимо классифицировать — определить срочность и тип, подобрать соответствующую услугу и назначить исполнителя. Если ежедневно в компанию поступают сотни похожих обращений от разных клиентов, обрабатывать их вручную становится нереально. Для решения таких рутинных задач сегодня используют искусственный интеллект.

В этой статье рассказываем, как можно классифицировать обращения, используя ИИ, и в чем преимущества такого подхода.

Базовая автоматизация для классификации заявок

Независимо от направления и масштабности бизнеса автоматизация классификации заявок помогает гарантировать высокое качество услуг каждому клиенту благодаря повышению эффективности внутренних сервисных процессов. При увеличивающемся потоке обращений многие организации переходят на ITSM-системы.

Сервисы на базе ITSM позволяют в разы упростить классификацию заявок. В системе можно настроить автоматизацию следующих процессов:

• настройки каталога услуг;
• регламент сроков для сообщений разных видов;
• маршрутизация бизнес-процесса;
• подбор и назначение исполнителей.

То, как будет протекать классификация, будет зависеть от нескольких параметров, например, от канала подачи обращения. Если у компании есть портал с самообслуживания с интуитивно понятным и простым интерфейсом, тот, кто подает заявку, может самостоятельно выбрать категорию своего запроса.

Если же обращение подается через почту или по телефону, для ее обработки потребуется участие диспетчера. Дополнительный этап обработки добавляется в том, случае, если клиент указал не все данные по запросу. Тогда с ним нужно связаться и уточнить все детали. Чем больше таких обращений поступает, тем сложнее их обработать диспетчерам. Если учесть, что во многих компаниях количество услуг может насчитывать до 300 и более позиций, обрабатывать обращения, используя функционал только базовой автоматизации, становится сложно. Заметно увеличиваются шансы допустить ошибку и выбрать не ту услугу. Скорее всего, что в таком случае разумнее доверить процесс искусственному интеллекту.

Когда бизнесу нужна классификация заявок с помощью ИИ

Выделим основные предпосылки для перехода классификацию заявок с применением искусственного интеллекта:

• Объективная статистика показывает, что в службе поддержки возрастает число обращений, которые не успевают обрабатывать в срок. Благодаря аналитике ИИ можно проследить, какой объем обращений реально может обработать первая линия, а сколько заявок обрабатываться несвоевременно, из-за чего сильно страдает эффективность. Если замечено, что заявки с опозданием передаются исполнителям как раз по причине задержки на этапе обработки, имеет смысл подключить ИИ.
• Рост клиентской базы из-за чего службы поддержки больше не в состоянии справиться с возросшим потоком обращений. Здесь может быть два пути — расширить штат специалистов или подключить ИИ, чтобы справиться с растущей нагрузкой.
• При расширении штата у новых сотрудников может быть неравномерная загрузка. В компании ситуация может складываться так, что первая линия поддержки специализируется на различных задачах. При этом сложно гарантировать, что при увеличении обращений количество дополнительных задач также возрастет. Велика вероятность, что во время спада количества поступающих запросов, новый сотрудник будет мало загружен.

Очевидно, что обработка входящих заявок с помощью ИИ помогает упростить процесс, ускорить его и разумно распределять ресурсы компании, например, привлекая специалистов первой линии поддержки к более сложным задачам. Чтобы понять, как работает классификация обращений с ИИ, рассмотрим ее основные принципы или постулаты.

Принцип работы интеллектуальной классификации

Механизмы ИИ помогают автоматизировать первичную обработку заявок. В результате нагрузка на специалистов снижается, процесс движется быстрее, риск допущения ошибок сводится  к нулю. ИИ, проведя текстовых анализ обращения, определяет, к какой услуге она относится и насколько приоритетной является.

Как выглядит процесс интеллектуальной обработки заявок:

1. Клиент формирует и отправляет свою заявку. Допустим, в компании должен появиться новый сотрудник и к его приходу нужно подготовить соответствующие документы. Руководитель формирует заявку с перечнем задач, которые нужно выполнить в связи с появлением нового сотрудника.
2. ИИ анализирует содержание текста обращения и определяет вид услуги. Также алгоритм может оценить следующие факторы:
3. Местоположения. Актуально в тех случаях, когда в офисах, расположенных в разных локациях, сотрудникам доступны разные услуги.
4. Должность клиента, который обратился с заявкой. В зависимости от позиции в компании ИИ может определить доступные клиенту сервисы.
5. ИИ оценивает приоритетность обращения и назначает ответственного исполнителя. Обычно в компаниях зоны ответственности распределяют по категориям услуг, но кроме этого ИИ обращает внимание на такие параметры: 
   • местоположения клиента — в компании, где много офисов, ИИ выберет исполнителя, находящегося в одном или соседнем офисе с заявителем;
   • сложность заявки — когда ИИ определяет, что обращение сложное, то подбирает специалиста, обладающего должным уровнем компетенций;
   • язык — актуально в тех случаях, если это международная компания и сотрудники общаются на разных языках;
   • часовой пояс — если офисы находятся в разных странах или даже на разных континентах;
   • клиентский статус — заявки вип-пользователей решаются в приоритетном порядке.

   Критичность заявки определяется следующим образом. Система анализирует, когда случилась проблема и как быстро ее нужно решить.

6. Назначенный исполнитель занимается решением задачи. ИИ автоматически сформирует несколько задач в зависимости от выбранной категории услуг.

Мы рассмотрели, как ИИ может классифицировать заявки и назначать ответственных специалистов. Но для того, чтобы внедрить обработку заявок на базе ИИ, необходимо, чтобы в компании было накоплено необходимое количество данных для обучения ИИ.

Как обучать ИИ

Обучение системы для интеллектуальной классификации проводят на массиве данных компании, так как каждый бизнес имеет свою специфику, семантика запросов может сильно отличаться. Для создания собственной модели по обучению ИИ, важно соблюсти следующие условия:

1. Потребуется большой объем данных — минимум 500 обращений на каждую из услуг. Если обращений меньше, обучение ИИ будет неэффективным.
2. Отсутствие противоречий в каталоге услуг. Это значит, что все виды услуг должны быть четко разграничены, нет повторений в названии услуг, сотрудники легко могут определить, к какому виду услуг принадлежит их обращение. Расплывчатость формулировок и похожие между собой обращения клиентов только усложнят обучение ИИ.
3. Минимум ошибок при обработке заявок от клиентов. Базируясь на исторических данных машина научится правильно обрабатывать заявки. Если в прошлых обращениях допущено много ошибок, она будет повторять накопленные ошибки. Небольшое число ошибок допускается, но важно понимать, что если раньше специалисты допускали определенные ошибки, классифицируя заявки, то и ИИ будет их допускать.

Если организация имеет проблемы с качеством исходных данных для обучения ИИ, возможно, предварительно придется изменить каталог услуг, сделать его более понятным и точным. После этого нужно выждать определенный период, чтобы накопилось достаточно обращений, на основании которых ИИ будет обучаться.

Мы разобрались, как выглядит обработка заявок от клиентов при участии ИИ, узнали, в чем преимущества такого подхода и как правильно обучить систему. В завершение затронем вопрос готовых инструментов для автоматизации классификации обращений и внедрения ИИ.

Как правильно выбрать поставщика ИИ для обработки заявок

Перед тем, как выбирать поставщика, важно провести внутренний анализ и понять, какие задачи компания собирается решать с ИИ, а также оценить предположительные результаты внедрения ИИ.

Вопросы, которые мы предлагаем рассмотреть до внедрения ИИ в работу вашей компании:

• Действительно ли конкретная бизнес-задача решается благодаря внедрению в рабочий процесс искусственного интеллекта? Несмотря на преимущество ИИ при помощи него не получится устранить все проблемы. Возможно, в вашем случае разумнее использовать другие инструменты. Инвестируя в ИИ не нужно гнаться за модной опцией. Важно четко сформулировать задачу и прийти к поставщику решений с конкретным запросом.
• Каким будет коэффициент окупаемости или ROI? Инвестиции в ИИ будут оправданы, если решение управленческой задачи с участием искусственного интеллекта будет иметь выраженный стоимостный эффект. Например, если оценить временные затраты операторов, скорее всего, станет очевидно, что благодаря ИИ компания сможет повысить производительность, не увеличивая числа сотрудников.
• Понимает ли поставщик суть бизнес-задачи, которую вы хотите решить, используя ИИ? Проанализируйте вероятные риски, продумайте, как будете действовать в случае непредвиденных обстоятельств, как встроить новое решение в уже сложившуюся техническую схему, будет ли оно совместимо с вашими CRM-системами.
• Кто будет управлять/работать с ИИ? Решение на базе искусственного интеллекта может быть реализовано в различных департаментах организации, например, в колл-центре, маркетинговой или ИТ-отделе, а может быть развернуто по всей системе компании и интегрировано с действующими CRM-системами. Важно, чтобы все специалисты, которые будут задействованы в работе с ИИ, научились правильно использовать новые инструменты. При внедрении ИИ-инструментов очень важно назначить ответственного за технологию. Это может быть внутренняя структура в самой организации, аутсорсинговая компания или техпровайдер. В любом случае важно четко определить, кто будет мониторить и анализировать результаты, по необходимости настраивать инструменты, развертывать решения в других отделах.

Многие компании начинают с того, что переходят на использование ITSM-систем, а затем избирательно подключают ИИ-инструменты, которые будут действительно эффективны в решении определенных задач.

Что предлагает компания КСК ТЕХНОЛОГИИ

Хотим познакомить вас с готовым решением, которое разработали эксперты компании КСК ТЕХНОЛОГИИ. Мы создали полнофункциональное решение ITSM класса для автоматизации ИТ и бизнес-услуг — KCK.SD, состоящий из нескольких модулей с функционалом для непрерывной клиентской поддержки. Также для наших клиентов мы можем проработать дополнительную классификацию обращений с ИИ.

Преимущества КСК.Service Desk:

• имеет ресурс для взаимодействия 5 000+ пользователей в единой базе;
• обеспечивает доступ 24/7;
• обеспечивает быструю маршрутизацию обращения — всего 30 минут от регистрации заявки до назначения исполнителя;
• повышает эффективность обработки обращений первой линии поддержки на 30%
• позволяет ускорить обработку заявок — 300+ обращений в день;
• экономит ресурсы на обработку обращений в 2 раза.

Чтобы узнать, как KCK.SD и дополнительная классификация обращений с ИИ помогут вашей компании, оставьте заявку на сайте. Мы свяжемся с вами и расскажем обо всех преимуществах KCK.SD и готовых решениях, которые мы предлагаем.