컨택센터의 AI: 효율성 향상의 비결

기사 듣기

이 기사는 사미 아무스APAC 지역 전반에 걸쳐 광범위한 경험을 보유한 뛰어난 영업 리더이자 Scopic의 게스트 기고자 겸 파트너입니다.

이 블로그 게시물에서는 사용의 미묘한 차이점을 다루려고 합니다. 컨택센터의 AI (CC) 환경. 컨택센터는 조직과 고객 간의 기본 접점이 계속 증가하고 있습니다. 원격으로라도 고객에게 서비스를 제공하기 위해 사람에 의존하기 때문에 CC는 종종 비용이 엄격하게 조사되는 비용 센터로 간주됩니다.  

컨택센터에서 AI를 사용하는 것은 새로운 일이 아니지만 최근 다음과 같은 발전이 있습니다. AI 기반 컨택센터 대규모 언어 모델(LLM)을 사용하는 솔루션은 무엇이 가능한지와 그것이 수행되는 방식을 바꾸었습니다. 기존 AI 솔루션이 개선되었고 새로운 세대의 생성 AI(genAI) 솔루션이 도입되었습니다. 완전히 새로운 컨택센터에서의 AI 활용 사례.  

그것은 모든 문제를 해결할 수 있는 마법의 특효약일까요?  

아직은 아닙니다. 하지만 다시 방문할 만큼 새롭고 흥미로운 것이 많이 있습니다. 

일부 사용 사례를 살펴보기 전에 다음 사항을 알아두는 것이 중요합니다. CC 작업에 자동화가 많이 도입될수록 성능 측정 항목을 더 많이 조정해야 합니다. 새로운 환경에 맞게. 보다 일상적인 문제가 자동화됨에 따라, 에이전트는 자연스럽게 보다 복잡한 문제를 받게 되는데, 이는 일반적으로 해결하는 데 더 오랜 시간이 걸리고 여러 터치 포인트가 필요할 수 있습니다.  

평균 처리 시간(AHT) 및 통화당 비용(CPC)과 같은 기존 콜센터 측정 항목은 강조되지 않고 더 많은 측정 항목으로 대체되어야 합니다. 다음과 같은 의미 있는 고객 만족도 측정 항목 첫 번째 통화 해결(FCR) 순 프로모터 점수(NPS).  

그렇다면 콜센터의 어떤 부분이 AI로부터 혜택을 볼 수 있을까요? 

에이전트 지원에 있어서 AI의 역할

CC에서 가장 높은 비용은 인간 비용이므로, 거기에서 효율성이 가장 높으면 ROI가 가장 좋습니다. 요즘 고객과 조직 간의 상호 작용의 첫 번째 단계는 대개 채팅입니다. genAI 채팅봇이 그 채널에서 고객에게 서비스를 제공할 수 있도록 자유롭게 권한을 부여하는 것이 유혹적일 수 있습니다. 하지만 현재 생성 AI의 위험은 너무 높습니다.환각, 오해된 의도, 악의적인 사용자).  

차이점 이해 에이전트형 AI vs 생성형 AI 여기서 핵심은 바로 이것입니다. 생성형 AI는 인간과 유사한 반응을 만들어내는 데 탁월하지만, 에이전트형 AI 시스템은 정해진 범위 내에서 목표 지향적인 행동을 취하도록 설계되어 복잡한 고객 서비스 워크플로에 더 적합합니다.

전체 genAI 자동화를 진행하는 대신 챗봇 공급업체는 도입을 시작했습니다. 생성형 AI 컨택센터 요소를 고전적인 AI 솔루션에 통합하여 더 인간적이고 반응성이 뛰어난 것처럼 들리게 했습니다. 고객의 의도를 더 잘 알고, 더 포괄적인 답변을 제공하며, 문제를 해결할 수 없는 경우 언제 상담원에게 넘길지 알고 있어 효율성을 보여줍니다. 컨택센터 AI 솔루션.  

이 자동화는 채팅 및 음성 통화에도 적용할 수 있지만 내 경험에 따르면 음성봇의 정확성과 반응성은 아직 널리 배포될 준비가 되지 않았습니다. 

이러한 인계가 이루어진 후에도 챗봇은 "통화 중"에 머물러 실시간 지원을 계속 제공할 수 있습니다. 즉, 상담원에게 부드럽게 인계하는 방식(예: 채팅 요약과 잠재적 해결책 제공)과 상담원을 실시간으로 지원하고 응답과 도구를 제공하는 방식으로 통화 중을 유지할 수 있습니다.  

이러한 봇은 라이브 상담원에게 관련 데이터를 표시하고, 고유한 사전 구축된 응답을 제공하며, 심지어 상담원에게 피드백을 제공합니다. 챗봇은 또한 통화 후 작업을 지원합니다. 즉, 통화, 고객 문제 및 해결책을 요약하고 해당 정보를 표시하여 인간 상담원이 요약만 검토하고 저장하면 됩니다. 

AI 기반 도구로 에이전트 온보딩 및 교육 개선

컨택센터의 과제 중 하나는 신규 상담원을 탑승시키고 감독자가 처음 몇 통화 동안 그들을 따라다니게 하는 것입니다. 신규 상담원을 교육하든, 기존 상담원을 신제품에 대해 재교육하든, AI 개발 서비스 상담원이 훈련할 수 있는 페르소나(만족하는 고객, 화가 난 고객 등)를 만드는 데 도움이 되며 상담원이 채팅이나 음성을 통해 연습할 수 있습니다.  

이러한 도구는 에이전트가 얼마나 잘하는지에 대한 요약을 제공하고 개선을 위한 조치를 제안합니다. 그리고 이러한 사용 사례는 내부적이므로 전체 genAI 챗봇을 사용하여 감독자와 팀 리더를 해방할 수 있습니다. 

고급 컨택센터 분석 및 통찰력을 위한 AI 활용

CC는 통화 지표, 통화 녹음, 상담원 성과 등 많은 데이터를 생성합니다. 이러한 데이터의 과제는 양입니다. 보고서를 생성하는 것은 복잡한 프로세스이며, 소수를 제외하고 대부분의 녹음된 통화는 전혀 검토되지 않습니다.  

하지만 컨택센터의 AI 분석은 이를 바꾸고 있습니다. 최근 대량의 데이터에 GPT를 적용하는 데 있어 많은 발전이 이루어지면서 완전히 새로운 가능성의 세계가 열렸습니다. 조직들이 기본적인 자동화 단계를 넘어 발전함에 따라, 많은 조직들이 파트너십을 맺고 있습니다. 최고의 에이전트형 AI 개발 회사 자율적으로 데이터를 분석하고, 워크플로우를 조율하며, 실행 가능한 권장 사항을 제공할 수 있는 시스템을 구축하기 위해서입니다. 이러한 공급업체들은 대규모 언어 모델과 의사 결정 프레임워크를 결합하여 컨택 센터가 방대한 데이터 세트를 활용하여 운영 효율성을 대규모로 개선할 수 있도록 지원합니다.

첫째, 에이전트의 채팅과 ACW 메모를 분석합니다. 이는 콜센터 관리자에게 도움이 될 것입니다. 추세와 감정을 밝혀내다: 고객들이 특정 제품을 얼마나 좋아하는가? 다른 제품에 대한 가장 흔한 불만은 무엇인가? 모두가 묻는 기능은 무엇인가? 경쟁자는 무엇을 하고 있는가?  

이러한 모든 사항은 CC의 데이터로 LLM을 훈련함으로써 요약될 수 있습니다.  

둘째, 통화 녹음 분석: 이것은 좀 더 계산적으로 요구되지만 분석 텍스트의 자연스러운 확장입니다. 비슷한 통찰력을 얻을 수 있지만, 이것들은 또한 에이전트 통화를 분석할 수 있습니다: 그들은 어떻게 수행했고, 어디에서 개선할 수 있으며, 어디에서 추가 교육이 필요한가요?  

셋째, 인간 언어를 사용하여 통계 데이터 분석: 통화 추세는 어떠한가, 어디를 개선할 수 있는가, 이 숫자를 지난주와 비교해 볼 수 있는가 등의 질문을 합니다. 이를 통해 분석 팀의 요구 사항 중 일부를 덜어내어 보고서 작성에 소요되는 시간을 줄이고 분석 및 의사 결정에 더 많은 시간을 할애할 수 있습니다. 

컨택센터에서 AI 도구 도입을 위한 모범 사례

많은 회사에서 자주 묻는 질문은 다음과 같습니다. AI의 무한한 가능성과 함께 어디서부터 시작해야 할까?  

여기서는 몇 가지 아이디어를 얻는 데 도움이 되는 대략적인 가이드를 제공하고자 합니다. 

이러한 모든 변수는 전체 프로젝트를 전개하기 전에 고려하고 평가할 가치가 있는 것이지만, 실험하기 전에 모든 것을 해결하려는 것은 현실적이지 않습니다. 적절한 시기에 거버넌스 팀을 참여시키는 것이 중요합니다. 

이것은 가능한 것의 맛보기입니다. 생성형 AI 컨택센터 시장은 급속히 발전하고 있으며 특정 솔루션에 집중하는 대신 genAI를 실험하는 접근 방식이 사용되고 있습니다. 맞춤형 AI 솔루션 회사가 집중해야 할 점은 바로 이 부분입니다. 경험이 풍부한 사람과 일하기 AI 에이전트 개발 회사 이를 통해 조직은 파일럿 프로그램을 가속화하고, 거버넌스 프레임워크를 구축하며, 컨택 센터 운영에 맞춘 확장 가능한 구현을 구축할 수 있습니다.