ChatGPT, oder "Generative Pre-trained Transformer", ist ein Deep-Learning-Modell, das auf einer großen Menge von Textdaten trainiert wurde, um Text zu erzeugen, der dem von Menschen gesprochenen Text ähnlich ist. Im Wesentlichen handelt es sich um ein Computerprogramm, das in der Lage ist, natürliche Spracheingaben zu verstehen und darauf zu reagieren, um eine menschliche Konversation zu imitieren. Eine weitere wichtige Fähigkeit von ChatGPT ist es, den Kontext eines Gesprächs zu verstehen. Es ist in der Lage, zu berücksichtigen, was zuvor gesagt wurde, und in einer Art und Weise zu antworten, die im Kontext des Gesprächs Sinn ergibt. Dies ist ein entscheidender Schritt, um natürliche, menschenähnliche Interaktionen mit Computern zu ermöglichen. Und damit sind ChatGPT oder andere Large Language Models (LLMs), die auf demselben Prinzip beruhen, tatsächlich eine exzellente Arbeitshilfe im Customer Service.
Statt Fachkräftemangel: Intent-Erkennung und automatisierte Verarbeitung
Chatbots und Voicebots, die auf dieser Technologie basieren, können allgemeine Kundenfragen beantworten, Probleme lösen und sogar komplexere Anfragen bearbeiten und zwar in einem natürlichen Dialog. Der Kunde hat nicht das Gefühl, mit einem Roboter, zu sprechen. Dies kann dazu beitragen, die Loyalität und das Vertrauen in eine Marke zu stärken. Solche Bots geben rund um die Uhr schnelle und präzise Antworten. Das verkürzt die Wartezeiten für Kunden und steigert die Kundenzufriedenheit. Angesichts des gravierenden Fachkräftemangels im Customer Service und in den Contact Centern sind Conversational Automation-Technologien eine wirklich erfolgversprechende Lösung zur dauerhafte Entlastung der personell angespannten Situation.
Achtung: Personenbezogene Daten!
Zwei Aspekte sind allerdings generell zu beachten. Werden persönliche Daten des Kunden verarbeitet, greifen die Regelungen der DSGVO. Hier heißt es also: Unternehmen müssen sicherstellen, dass die eingesetzten LLMs diese Regelungen einhalten.
Der zweite Aspekt betrifft die spezifischen Daten bzw. Informationen des Unternehmens. Der Chatbot kann nur dann eine befriedigende Antwort zum Status einer Lieferung geben, wenn er Zugriff auf die entsprechenden Systeme hat. Auch unternehmensinterne Richtlinien, kundenspezifische Daten aus dem CRM-System, Logistik- oder Rechnungsdaten müssen für Conversational Automation integriert werden, wenn beim Einsatz mehr herauskommen soll, als ein oberflächlicher Dialog. Fordert ein Kunde im Dialog mit dem Chatbot etwa eine Gutschrift an, lassen sich die Gutschrifterteilung und die Überweisung selbst automatisch auslösen. Es wird also schnell komplex, wenn wirklich eine fallabschließende Bearbeitung erfolgen soll – und das sollte sie!
Wahre Goldgrube: Automatisierte Intent-Analyse
Conversational Automation verspricht aber nicht nur große Effizienzgewinne im Dialog mit den Kunden. Bislang kaum genutzt und vielleicht unterschätzt ist das Potenzial der Intent-Analyse. Ob hierbei ChatGPT, ein anderes LLM oder ein semantisches Netz zum Einsatz kommt, ist eine unternehmensindividuelle Entscheidung. Das Ergebnis ist eine Goldgrube: Eine Intent-Analyse gibt Auskunft über die Haupttreiber der Anruf- und Kontaktgründe. Und hier hakt es in der Praxis bislang gewaltig. Die Erfassung im Contact Center ist fehlerbehaftet, nicht repräsentativ und wenig aussagekräftig, gerade wenn der Hauptanrufgrund „Sonstiges“ lautet. Wer jedoch die Kontakttreiber kennt, kann Einfluss darauf nehmen und etwa die Online-Angebote verbessern, Trainings- und Coaching-Programme anpassen, das Wissensmanagement aktualisieren, das Produktmanagement optimieren.
Wenn der Mitarbeiter gewinnt, gewinnt der Kunde: Copiloten unterstützen
Employee Experience bedeutet: Was den Mitarbeiter:innen hilft, hilft den Kunden. Wie kann Conversational Automation hier unterstützen? Ideal ist es, wenn sich die Servicekräfte auf den Dialog – Telefonat, Chat – konzentrieren können und fleissige digitale Helferlein im Hintergrund zuarbeiten. Wissensmanagement ist ein ideales Einsatzfeld für Conversational Automation. Das automatische Auffinden passender Antworten, die sich in PDFs, Datenbanken, Word und Excel-Dateien, im Intranet versteckt haben, bedeutet im Gespräch Zeitgewinn, ebenso wie automatische Informationen zu komplexen Fragen.
Hilfreich ist auch, dem Mitarbeiter anzuzeigen, aus welchem Kontext heraus Kund:innen agieren und wie sinnvolle Antworten oder Angebote aussehen könnten. Die Servicekraft entscheidet dann immer noch selbst, was wie im Dialog angewendet wird. Bei solchen Copilot-Lösungen geht es nicht um die Entmündigung der Mitarbeiter:innen oder gar ihren Ersatz, sondern um Unterstützung.
Fazit: Bislang hat Conversational Automation nur an der Oberfläche der Möglichkeiten gekratzt. Das ist aber schon so beeindruckend und erfolgsversprechend, dass man sich auf weitere Anwendungen freuen kann!
