AI-routing dringt door tot in het WFM-proces

by Ziptone

AI-routing dringt door tot in het WFM-proces

by Ziptone

by Ziptone

Intelligent routeren biedt grote voordelen voor je klant en voor je medewerkers. Samen met Sander Hesselink van Telecats kijken we naar wat de mogelijkheden van intelligent routeren zijn. Conclusies: AI kan beslissingen nemen die bijdragen aan de contactcenter-KPI’s en AI-routing gaat een deel van het WFM-proces overnemen.

 

AI-routingSlim routeren is het antwoord op de toegenomen complexiteit in klantcontact. Een eenvoudige beslisboom die je in twee of drie standaardkeuzes richting het juist antwoord leidt, dat is steeds vaker niet meer toereikend, aldus Sander Hessenlink. Klantvragen worden complexer: ze bevatten steeds vaker meerdere variabelen die je zou moeten meewegen in de routering. En aan de kant van de oplossing zijn meerdere uitkomsten mogelijk. Je kunt uitkomen bij een medewerker, bij een selfserviceomgeving zoals een app of een webpagina of bij een voicebot. Wanneer je routeert op basis van AI, kan wél rekening worden gehouden met al die variabelen. Met Hesselink gaan we op zoek naar de potentie van AI-routing.

Sturen op medewerkertevredenheid of klanttevredenheid?

Wat AI-routing ook zo interessant maakt, is dat je de wijze van routeren mede kunt laten bepalen door je doelstellingen. Streef je naar de hoogste medewerkertevredenheid? Dan zet je vol in op fijnmazig routeren op basis van skills waarbij je AI ook inzet voor agent-assist. Wie op efficiency stuurt, stelt de routering in op een zo snel mogelijke en correcte beantwoording. En wie voor maximale klanttevredenheid wil gaan, zou kunnen inzetten op persoonlijke dienstverlening waarbij de klant misschien wat langer moet wachten, maar wel zijn of haar vaste contactpersoon te spreken krijgt. Je kunt zelfs zo routeren dat beginnende medewerkers niet al te ingewikkelde vragen krijgen aangeboden, maar wel divers qua inhoud.

Het wordt al snel ingewikkeld

Met AI-routing kan je je contactcenterbesturing dus relatief snel erg ingewikkeld maken. Hesselinks advies is dan ook om dat vooral niet te doen en AI-routing in beginsel eenvoudig te houden. “Dat betekent dat je primair helder hebt van wie de vraag komt, wat de vraag is en wie van het team die vraag het best kan beantwoorden. Deze aanpak is al ingewikkeld genoeg, want je zult in deze opzet bijvoorbeeld al moeten nadenken over welke klantdata bij deze beslissingen mag worden gebruikt. De mogelijkheid om hierbij klantgegevens te gebruiken is beperkt vanuit de AVG.”

“Aan de kant van de oplossingen moet je kijken naar de competenties van medewerkers – denk aan product- en technische kennis en eventueel soft skills en eigenschappen,” aldus Hesselink. “Het niveau van die kwaliteiten kan je al dan niet afstemmen op eigenschappen van de klant en de inhoud van de klantvraag. En tot slot: als een klant een positieve beoordeling heeft gegeven aan een eerder contact met een bepaalde medewerker, zou je kunnen overwegen om de klant de volgende keer met dezelfde medewerker te laten spreken.”

De kunst om niet in te grijpen

Slim routeren is niet alleen een manier om dienstverlening aan klanten meer gepersonaliseerd te maken – denk aan dossierhouders of klanteigenaren – maar je kunt zelfs de omstandigheden laten meespelen. Ofwel: als het erg druk is, laat je de routeringsmachine net iets andere beslissingen maken, dan wanneer het relatief rustig is. Of je biedt de klant de keuze: als u sneller geholpen wilt worden, laten we u niet wachten totdat uw favoriete medewerker beschikbaar is.

Dat leidt waarschijnlijk tot een ander soort besluitvormingsproces, aldus Hesselink: “Een geavanceerde opzet van AI-routing kan beslissingen nemen die je in eerste instantie misschien niet begrijpt. Zoals een medewerker die op ‘beschikbaar’ staat, terwijl er toch aanbod in de wachtrij te zien is. Het systeem kan bedacht hebben dat het laten wachten van de klant totdat een specifieke andere medewerker beschikbaar is, een beter eindresultaat zal opleveren.”

Als je AI-routing beschouwt als een blackbox tussen enerzijds vraag en anderzijds antwoord, kom je ook op het punt van uitlegbaarheid van de totstandkoming van een resultaat – er is Europese wetgeving die voorschrijft dat AI uitlegbaar moet zijn.

Complexiteit en wendbaarheid?

Als AI-routing een complexe beslismachine is geworden die met een groot aantal variabelen rekening houdt, holt je wendbaarheid dan niet hard achteruit? Een aanpassing in je productenaanbod of servicemodel kan alles overhoopgooien. “Juist uit het voorbeeld van VGZ blijkt dat essentiële aanpassingen – denk aan nieuwe producten en merken – juist relatief eenvoudig door te voeren zijn als de basis goed staat. Het herkennen van nieuwe intents zal ook niet de uitdaging zijn, die zit meer aan de kant van oplossingen: wie heb je beschikbaar om welke vragen te beantwoorden. En vergeet niet: als je een nieuw product introduceert, moet je ook je medewerkers hierin opleiden.”

Meervoudige vragen

AIWat doe je bij meervoudige vragen zoals ik ben mijn bankpas kwijt en moet met spoed een overboeking doen, maar ik zit in het buitenland? “De reactie op de uitnodiging van een voicebot om je vraag in te spreken is meestal dat mensen zich al beperken tot datgene wat zij als hoofdvraag zien. Maar machine learning leert ondertussen ook omgaan met samengestelde vragen, namelijk het optimaal routeren van veelvoorkomende combinaties. Het is niet nodig om te veel te blijven stilstaan bij uitzonderingen. Wel is het van belang om in te zien dat het inregelen eerst ten koste enigszins zal gaan van je efficiency. Maar dat is nodig om de modellen te ontwikkelen die uiteindelijk je efficiency vergroten.

“De modellen voor AI-routing zullen uiteindelijk uitstekend in staat zijn te voorspellen welke volumes voor welke competenties je kunt verwachten.”

AI-routing neemt deel takenpakket WFM-team over

Wanneer organisaties (intensiever) gebruik gaan maken van speech routing, is WFM een van de rollen binnen het contactcenter die geraakt wordt. “De modellen voor AI-routing zullen uiteindelijk uitstekend in staat zijn te voorspellen welke volumes voor welke competenties je kunt verwachten,” zo is de overtuiging van Hesselink. “De complexe puzzel die het WFM-proces nu nog kan zijn, kan worden overgenomen door AI-routing. Natuurlijk zal je zelf moeten definiëren wat je beschikbare resources zijn. De rol van een WFM-team zal daarnaast meer verschuiven naar het creëren van waarborgen dat de benodigde resources ook daadwerkelijk beschikbaar zijn.”

Samenhang

Tot nu toe, zo legt Hesselink uit, heeft Telecats in sterke mate gefocust op de inzet van technologie die voor het begin van het klantgesprek zit. Maar dat werkgebied verschuift geleidelijk naar het stukje dat tussen vraag en antwoord in zit. En dus naar aanpalende terreinen zoals kennismanagement (denk aan agent assist: een voicebot die on the fly meeluistert en meedenkt met de medewerker) en WFM door voorspellend inzicht te geven in workloads en benodigde resources. Zo komt er steeds meer samenhang in de besturing van het contactcenter. (Ziptone/Telecats)

Ook interessant

Featured, Technologie

One Comment

  1. Ik denk dat Sander deels gelijk heeft over de mogelijkheden die AI-routing biedt voor volume forecasts. Ik denk alleen niet dat AI-routing (zeker niet alleen routing, maar misschien zelfs wel überhaupt AI) volledig inzicht kan hebben in alle mogelijke drivers. Een paar voorbeelden, een AI kan niet:
    • Impact bepalen van communicatieve uitingen, laat staan afstemming daarover hebben met een communicatie en/of marketingafdeling
    • Onderdeel zijn van changemanagement: een AI kan bijv. niet voorspellen dat een aanpassing in een systeem door uitval calls tot gevolg kan hebben
    • Een AI kan niet externe factoren zoals weersomstandigheden of nieuwsberichten verwerken in historische data en daarmee voorspellingen
    Wat mij betreft kan een AI-routing dus bijdragen aan een forecast, maar niet volledig overnemen.

    Het statement dat WFM meer zal verschuiven naar het “creëren van waarborgen dat de benodigde resources ook daadwerkelijk beschikbaar zijn”, vind ik een ronduit gevaarlijke uitspraak. WFM is niet verantwoordelijk voor de formatie (resources) van contact centers. Wij hebben een adviserende rol aan de operatie. Het is aan hen om besluiten omtrent het inzetten van bestaande resources en eventueel afstoten of aantrekken van resources te nemen. Dat gezegd hebbende, ben ik het wel eens met Sander dat WFM meer zal verschuiven naar het voorspellen en adviseren op arbeidscapaciteit wanneer AI-routing kan ondersteunen in de arbeidsbehoeftebepaling. Dat lijkt mij zelfs naadloos aan te sluiten bij onze (lees: Vlirdens) slogan ‘meer werkend maken’.

    Ondanks dat ik het niet (geheel) eens ben met Sander zijn uitspraken over de rol van WFM bij AI-routing, ben ik wel overtuigd van de toegevoegde waarde ervan. De verschuiving naar self service maakt van contact centers steeds meer de ingang voor complexe vraagstukken en daar is een IVR minder geschikt voor. De IVR zal verouderd raken en een AI-routing systeem op basis van spraak zal wellicht de nieuwe standaard worden. Hoewel ik ook wel dezelfde drempel zie als Sander in de investering die het kost.

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

Top