{"id":26249,"date":"2024-03-11T10:37:36","date_gmt":"2024-03-11T09:37:36","guid":{"rendered":"https:\/\/www.sysbus.eu\/?p=26249"},"modified":"2024-03-04T10:46:48","modified_gmt":"2024-03-04T09:46:48","slug":"gen-ai-im-contact-center-nachhaltige-transformation-im-kundenservice","status":"publish","type":"post","link":"https:\/\/www.sysbus.eu\/?p=26249","title":{"rendered":"Gen AI im Contact Center: Nachhaltige Transformation im Kundenservice"},"content":{"rendered":"\n

Autor\/Redakteur: Patrick Kern, Head of Customer Architecture & Consulting bei Avaya<\/a>\/gg<\/p>\n\n\n\n

In den letzten Jahren haben Unternehmen verst\u00e4rkt auf Automatisierungstechnologien gesetzt, um Routineanfragen von Kunden zu bearbeiten. Trotz dieser Fortschritte bleibt eine Herausforderung bestehen: Laut einer Userlike-Studie warten 60 Prozent der Kunden<\/a> \u00a0lieber in einer Warteschlange, um mit einem menschlichen Servicemitarbeiter verbunden zu werden, statt mit einem Bot zu sprechen. Bot-Features wie schnelle Reaktionszeiten, Hilfe au\u00dferhalb der Gesch\u00e4ftszeiten und Freundlichkeit empfinden die Kunden als nicht so relevant wie die F\u00e4higkeit, Kundenanliegen schnell und richtig zu verstehen.<\/p>\n\n\n\n

\"\"
Quelle: Avaya<\/figcaption><\/figure>\n\n\n\n\n\n\n\n

Die vielversprechende Antwort auf diese Priorisierung findet sich in den j\u00fcngsten Fortschritten im Bereich der k\u00fcnstlichen Intelligenz \u2013 die Integration von generativer k\u00fcnstlicher Intelligenz (kurz: Gen AI) in Contact Centern.<\/p>\n\n\n\n

Funktionsweise von Gen AI im Contact Center<\/strong><\/p>\n\n\n\n

Gen AI ist eine Form der k\u00fcnstlichen Intelligenz, die auf der Grundlage vorhandener Daten und der Analyse von Mustern neue Inhalte erstellen kann. Dank ChatGPT verlieren immer mehr Menschen ihre Scheu davor, KI zu nutzen. \u00c4hnlich wie dieses Modell arbeitet auch die Gen AI, da diese auch gegen eigene Daten laufen kann. Durch die Verwendung gro\u00dfer Sprachmodelle (Large Language Models, LLMs) mit umfangreichen Datens\u00e4tzen, kann Gen AI pr\u00e4zise, auf individuelle Kundenbed\u00fcrfnisse zugeschnittene Antworten geben, wenn diese bereits irgendwo erfasst sind. LLMs nutzen eine gr\u00f6\u00dfere Anzahl von Datens\u00e4tzen als konventionelle absichtsorientierte Modelle oder Algorithmen und bieten den Vorteil, dass trainierte Modelle besser auf neue Daten generalisiert werden k\u00f6nnen. \u00a0<\/p>\n\n\n\n

Die Integration von Gen AI in Contact Centern steht noch am Anfang, birgt aber ein enormes Potenzial, die Zukunft des Kundenservice branchen\u00fcbergreifend neu zu gestalten. In welchen Bereichen k\u00f6nnen Unternehmen generative KI bereits heute einsetzen, um die Customer Experience im Contact Center nachhaltig zu verbessern?<\/p>\n\n\n\n

1. Customer Experience in Echtzeit verbessern<\/strong><\/p>\n\n\n\n

In erster Linie kann die Integration von Gen AI im Contact Center Chat-Konversationen durch die automatisierte Analyse von Kunden\u00e4u\u00dferungen erheblich verbessern. Da Gen AI \u00fcber den vorkonfigurierten Datensatz hinausgeht, kann sie nicht nur die in Echtzeit verf\u00fcgbaren Informationen, sondern auch den Kontext der Kundenanfrage ber\u00fccksichtigen, um ma\u00dfgeschneiderte, menschen\u00e4hnliche Antworten zu generieren. Ziel ist es, Dialoge zu verfeinern, Informationswiederholungen und Unterbrechungen zu minimieren und die Interaktion mit dem KI-gest\u00fctzten virtuellen Assistenten f\u00fcr den Kunden verst\u00e4ndlicher zu machen. Dazu sollten Unternehmen auf dialogorientierte Benutzerschnittstellen, kontextsensitives Wissensmanagement und Predictive Analytics setzen.<\/p>\n\n\n\n

Unternehmen k\u00f6nnen mit kleinen, \u00fcberschaubaren Anwendungen wie virtuellen Agenten beginnen, die die ersten Kontaktpunkte \u00fcbernehmen und den Kunden durch einfache Schritte wie das Zur\u00fccksetzen eines Passworts, das Einreichen eines Support-Tickets oder das Buchen einer Reise f\u00fchren. Weitergehend kann die generative KI eingesetzt werden, um beispielsweise Gespr\u00e4che in Echtzeit zu erfassen und analysieren, sodass der Kunde direkt nach dem Gespr\u00e4ch eine KI-generierte Zusammenfassung f\u00fcr seine pers\u00f6nliche Dokumentation erh\u00e4lt.<\/p>\n\n\n\n

2. Kundeninteraktionen flexibler gestalten<\/strong><\/p>\n\n\n\n

Eine weitere Einsatzm\u00f6glichkeit von Gen AI im Contact Center besteht darin, die Kundeninteraktion flexibler zu gestalten. Aktuell f\u00fchren die meisten von Bots initiierten Interaktionen zu einer \u00dcbergabe an einen Mitarbeiter. Die Integration von KI-Bots kann die Flexibilit\u00e4t der Kundeninteraktionen deutlich erh\u00f6hen und einen nahtlosen Wechsel zwischen Mitarbeitern und Bots w\u00e4hrend eines laufenden Gespr\u00e4chs erm\u00f6glichen. Dadurch k\u00f6nnen sich die Mitarbeiter auf anspruchsvollere Aufgaben konzentrieren, w\u00e4hrend die Bots die Routineprozesse \u00fcbernehmen \u2013 ob sie zu Beginn, am Ende oder mitten im Gespr\u00e4ch auftreten.<\/p>\n\n\n\n

Dies erm\u00f6glicht den Contact Center-Agenten, die Auftr\u00e4ge, bei denen sensible Informationen wie Kreditkartendaten \u00fcbermittelt werden m\u00fcssen, flexibel und situationsgerecht zu steuern. Ein Anruf bei einer Bank k\u00f6nnte beispielweise wie folgt ablaufen: Der Kunde interagiert zun\u00e4chst mit dem Bot, authentifiziert sich und gelangt als verifizierter Benutzer zu einem menschlichen Mitarbeiter. Dieser f\u00fchrt den Kunden durch die weiteren notwendigen Schritte und beantwortet alle Fragen. Bei Bedarf bietet er dem Kunden an, ihn f\u00fcr weitere Vorg\u00e4nge an eine digitale Schnittstelle weiterzuleiten. Nimmt der Kunde das Angebot an, wird das Gespr\u00e4ch pausiert und der Bot schaltet sich per Text\/SMS ein. Auf diese Weise kann ein Bot die notwendigen Daten sammeln, um die Transaktion sicher, Compliance-konform und effizient abzuschlie\u00dfen. Wichtig dabei ist: Der Kunde kann jederzeit diese digitale Erfahrung abbrechen und wird mit allen kontextbezogenen Informationen an einen Mitarbeiter zur\u00fcckverwiesen.<\/p>\n\n\n\n

3. Fortgeschrittene Kommunikationsanalyse betreiben<\/strong><\/p>\n\n\n\n

Eine positive Kundenerfahrung h\u00e4ngt heute nicht mehr nur von den Funktionen der Contact Center-Plattform ab, sondern auch von deren F\u00e4higkeit, Daten zu sammeln, zu verarbeiten und auf die gewonnenen Erkenntnisse zu reagieren. Die in Kundengespr\u00e4chen verborgenen Daten k\u00f6nnen in verwertbare Informationen umgewandelt werden, die f\u00fcr strategische, taktische und operative Unternehmensentscheidungen genutzt werden k\u00f6nnen, ohne dass die Call Center-Agenten durch manuelle Analysen zus\u00e4tzlich belastet werden.<\/p>\n\n\n\n

Ein Beispiel daf\u00fcr ist der Einsatz von KI-gest\u00fctzter Sprachanalyse. Sie erm\u00f6glicht es Unternehmen, wichtige Einblicke in das Verhalten spezifischer Kundengruppen zu gewinnen, um die Bed\u00fcrfnisse und sogar die Emotionen der Kunden besser zu verstehen. Mithilfe von KI-Algorithmen k\u00f6nnen Gespr\u00e4che automatisch ausgewertet und relevante Informationen zusammengefasst werden. KI-generierte Reports wiederum helfen Unternehmen, ohne manuellen Aufwand zu erfahren, welche spezifischen Anliegen eine bestimmte Kundengruppe h\u00e4ufiger \u00e4u\u00dfert oder warum Kunden an einem bestimmten Tag besonders viel anrufen. Dies tr\u00e4gt nicht nur zur Effizienzsteigerung und Mitarbeiterentlastung bei, sondern schafft auch die Grundlage f\u00fcr datenbasierte Unternehmensentscheidungen in der Zukunft.<\/p>\n\n\n\n

Ein Blick in die Zukunft<\/strong><\/p>\n\n\n\n

Eine aktuelle Studie<\/a> von Insight zeigt, dass etwa zwei Drittel der Unternehmen planen, Gen AI in den n\u00e4chsten drei Jahren einzusetzen, w\u00e4hrend 81 Prozent der Unternehmen bereits eine Gen AI-Strategie eingef\u00fchrt haben oder gerade dabei sind, dies zu tun. Die Integration von Gen AI in Contact Centern verspricht nicht nur eine schnellere Effizienzsteigerung, sondern auch eine h\u00f6here Kundenzufriedenheit bei gleichzeitiger Reduzierung des Personalaufwands.<\/p>\n\n\n\n

Die Implementierung entsprechender Modelle l\u00e4sst sich bestens innerhalb einer Cloud-Umgebung skalieren. Hier sollte strikt auf getrennte Tenants geachtet werden, um die Sicherheitsvorgaben nicht zu verletzen. Auch der Einsatz von LCND-Tools (Low-Code-\/ No-Code) bietet sich an, um von der technischen Komplexit\u00e4t der Interaction Flows Abstand zu nehmen und diese noch weiter zu optimieren. Diese Entwicklung ginge \u00fcber die reine Customer Experience hinaus und bindet zus\u00e4tzlich die Ebenen der Supervisor- und Admin Experience mit ein.<\/p>\n","protected":false},"excerpt":{"rendered":"

In den letzten Jahren haben Unternehmen verst\u00e4rkt auf Automatisierungstechnologien gesetzt, um Routineanfragen von Kunden zu bearbeiten. Trotz dieser Fortschritte bleibt eine Herausforderung bestehen: Laut einer Userlike-Studie warten 60 Prozent der Kunden \u00a0lieber in einer Warteschlange, um mit einem menschlichen Servicemitarbeiter verbunden zu werden, statt mit einem Bot zu sprechen. Bot-Features wie schnelle Reaktionszeiten, Hilfe au\u00dferhalb der Gesch\u00e4ftszeiten und Freundlichkeit empfinden die Kunden als nicht so relevant wie die F\u00e4higkeit, Kundenanliegen schnell und richtig zu verstehen.<\/p>\n","protected":false},"author":81,"featured_media":26251,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"colormag_page_container_layout":"default_layout","colormag_page_sidebar_layout":"default_layout","footnotes":""},"categories":[8,10036],"tags":[472,11561,17928,17929,9166],"class_list":["post-26249","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-artikel","category-kuenstliche-intelligenz","tag-avaya","tag-contact-center","tag-gen-ai","tag-kundenservice","tag-transformation"],"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts\/26249","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/users\/81"}],"replies":[{"embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=26249"}],"version-history":[{"count":1,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts\/26249\/revisions"}],"predecessor-version":[{"id":26252,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts\/26249\/revisions\/26252"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/media\/26251"}],"wp:attachment":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=26249"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=26249"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=26249"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}