ИИ в клиентском сервисе: как измерять качество работы агентов

Исследование с участием более 7 000 потребителей показывает: именно понимание проблемы сильнее всего связано с успешным решением обращения. При этом у ИИ-агентов этот показатель пока остаётся самым слабым.

Организации всё чаще доверяют ИИ-агентам обработку клиентских обращений. Выигрыш в скорости и операционной эффективности действительно заметен: часть запросов закрывается быстрее, нагрузка на контакт-центр снижается, а клиент получает ответ без ожидания в очереди. Но для самих клиентов такой опыт далеко не всегда оказывается удачным.

Последние исследования потребительского поведения показывают, что ИИ в клиентском сервисе по-прежнему чаще других AI-сценариев вызывает разочарование. Пользователи ниже оценивают удобство, экономию времени и практическую пользу таких взаимодействий, особенно когда система не понимает контекст обращения.

В мире, где ИИ становится первым уровнем коммуникации с клиентом, качество клиентского опыта напрямую влияет на то, выигрывает компания конкуренцию или теряет доверие аудитории. Чтобы понять, что именно делает взаимодействие успешным, были изучены более 7 000 недавних обращений потребителей из семи стран и семи отраслей.

Результат оказался показательным: ИИ-агенты неплохо воспринимаются по тону общения и дружелюбности, но заметно уступают по способности понять суть проблемы. А именно понимание чаще всего связано с тем, будет ли вопрос клиента действительно решён.

Для оценки была использована модель эффективности агента. Она рассматривает три поведения, которые важны и для живых сотрудников, и для ИИ-каналов: дружелюбие, знание темы и понимание проблемы клиента.

Если вопрос остаётся нерешённым, удовлетворённость клиента резко падает. В исследовании средняя оценка таких взаимодействий составила 2,83 балла. Это уже не просто неудачный контакт, а риск для всей дальнейшей связи клиента с брендом.

Главная причина нерешённых обращений – недостаток понимания. Причём это касается не только сотрудников контакт-центра, но и ИИ-агентов. Клиенту недостаточно вежливого ответа: ему важно почувствовать, что система или специалист действительно уловили суть ситуации.

Когда агент не решает проблему, потребители оценивают его способность понять обращение на 37% ниже: показатель снижается с 4,44 до 2,78. Это более сильное падение, чем по знанию темы (34%) и дружелюбности (20%).

Во всех каналах и демографических группах участники исследования чаще всего называли агентов дружелюбными. Средняя оценка по этому критерию составила 4,36 балла, тогда как знание темы оценивалось на 4,17, а понимание – на 4,16.

Самый заметный разрыв наблюдается именно в ИИ-каналах. Взаимодействия, обработанные ИИ, вместе с социальными сетями получили один из самых высоких показателей дружелюбности – 4,41. Но по критерию понимания, то есть по способности действительно разобраться в проблеме клиента, ИИ набрал только 4,08.

Разница в 0,33 балла между дружелюбностью и пониманием стала самым большим разрывом среди всех изученных поведенческих характеристик.

Для бизнеса это особенно важно: последствия плохого опыта в ИИ-канале могут быть серьёзнее, чем в традиционных каналах обслуживания. Причина в том, что ожидания клиента от общения с человеком и с ИИ различаются.

Дружелюбие живого сотрудника воспринимается как естественная часть общения. Но дружелюбие ИИ-агента, который не способен понять проблему и предложить решение, может выглядеть пустым и даже снисходительным. Вместо снижения напряжения оно способно усилить раздражение клиента.

Понимание оказалось показателем, который сильнее всего меняется в зависимости от возраста. Чем старше потребители, тем выше они оценивают способность агента понять обращение. И наоборот: молодые клиенты, которые чаще других пользуются цифровыми и ИИ-каналами, оказываются самыми требовательными к этому критерию.

У молодой аудитории выше ожидания к тому, что её услышат, и ниже терпимость к шаблонным, механическим ответам. Такие клиенты быстро замечают, когда система отвечает формально, не учитывает контекст или заставляет повторять уже сказанное.

По мере того как молодые потребители становятся основной клиентской базой, разрыв в понимании не исчезнет сам собой. Компаниям придётся системно выявлять слабые места в клиентском опыте и исправлять их, иначе аудитория будет быстрее уходить к конкурентам.

Сравнение отраслей показывает: скорость внедрения ИИ сама по себе не гарантирует качественный сервис. Важнее то, насколько хорошо агент – человек или алгоритм – понимает контекст клиента.

Некоторые отрасли, наиболее активно внедряющие ИИ-агентов, оказались среди тех, кто отстаёт по показателям качества взаимодействия. Телекоммуникации получили самую низкую оценку по пониманию – 4,05, а розничная торговля показала самый низкий общий CSAT – 4,07.

Лучшие результаты продемонстрировало страхование, за исключением медицинского направления. Эта отрасль лидирует по всем трём параметрам: дружелюбие – 4,55, знание темы – 4,42, понимание – 4,40. На втором месте оказались путешествия и гостиничный бизнес.

Для руководителей, которые отвечают за клиентский опыт и внедрение ИИ в каналы обслуживания, результаты исследования указывают на несколько практических приоритетов.

• Давайте ИИ-агентам контекст. Система должна учитывать прошлый опыт клиента, его предпочтения, историю покупок и предыдущие обращения. Только так ИИ сможет предлагать персонализированные и действительно полезные решения в масштабе.
• Оценивайте не только факт автоматической обработки. Сам по себе показатель удержания обращения внутри ИИ-канала не говорит, был ли клиентский вопрос решён качественно. Важно дополнительно измерять эффективность агента: понимание проблемы, полезность ответа и успешность решения.
• Проектируйте передачу обращения человеку, а не только попытку избежать этой передачи. Будущее клиентского сервиса – не в полной замене людей, а в интеллектуальном сотрудничестве ИИ и сотрудников. Контекст должен сохраняться при передаче, чтобы клиенту не приходилось начинать объяснение заново.
• Продолжайте измерять качество после запуска. ИИ-агенты не остаются неизменными: сценарии обращений развиваются, ожидания клиентов растут, а качество ответов может снижаться незаметно для команды. Компании, которые быстрее анализируют данные и улучшают процессы, будут выигрывать у тех, кто просто внедрил ИИ и остановился.

Внедрение ИИ в клиентский сервис даёт эффект только тогда, когда компания измеряет не формальные показатели автоматизации, а реальное качество опыта. Клиенту важно не просто получить быстрый ответ, а почувствовать, что его ситуацию поняли и помогли решить.

Чтобы такие выводы работали не только на уровне отдельных исследований, компаниям нужна собственная система постоянного измерения клиентского опыта: от сбора обратной связи до анализа динамики, выявления причин недовольства и поиска точек роста.

Хотите увидеть, как это работает на практике? Оставьте заявку на демонстрацию системы – наши специалисты проведут демонстрацию и покажут, как FeedBackTalk помогает собирать обратную связь, выявлять инсайты и управлять клиентским опытом с помощью современных аналитических и ИИ-инструментов.