많은 경우에, 콜센터는 전화를 받는 데 조건이 있습니다, 해결책 찾기, 이유를 기록하고 다음 대기 고객에게 넘기다, 민첩하게. 마스, 몇 분만의 연락으로, 관련 정보를 얻는 것은 어렵다. 미래를 위한 학습으로 이러한 상호작용을 변환하는 기술이 있다면?
이 기술은 이미 존재하며 전화 통화를 넘어섭니다, 고객과 회사 간의 모든 종류의 대화는 분석될 수 있다. 포괄적, 경험이 긍정적이었는지 부정적이었는지를 정의하는 것은 목소리의 톤만이 아니다, 오히려 의사소통의 전반적인 맥락. 지역주의와 문화적 표현과 같은 요소들은 이 해석에서 중요한 역할을 한다, 사람이 사건에 대해 언급할 때 불만이 없더라도 흥분한 것처럼 들릴 수 있으며 부정적인 의미가 없는 구어체 표현을 사용할 수 있다
생성적 인공지능과 함께 — 단순히 작업을 자동화하는 것이 아닌, 하지만 데이터도 분석하고 인사이트를 생성합니다 —, 기업들은 할 수 있다, 특정 문제를 해결하는 것 외에도, 수천 개의 파일과 데이터를 검사하다, 대화에서 불만의 패턴 식별하기, 필요성을 미리 파악하고 기업들이 소비자 여정을 개선하도록 돕다.
AI는 각 상호작용에 대해 자세한 분석을 수행합니다, 인간 분석가가 하는 것, 데이터 양 때문에, 같은 범위와 같은 시간 안에 할 수 없을 것이다. 기회를 식별할 때, 가장 작은 대화에서도, 이 도구는 이러한 통찰력을 기업에 대한 실행 가능한 지능으로 변환합니다, 카를로스 세나를 설명하다, 설립자에이다, AI 생성 사용에 특화된 플랫폼으로 상호작용을 실행 가능한 인텔리전스로 변환
브라질은 이미 이 AI의 "팔" 채택에서 글로벌 리더 중 하나로 부상하고 있으며, 세계에서 생성적 인공지능을 가장 많이 사용하는 국가 중 하나에 속한다, 구글이 의뢰한 조사에 따르면 — 54%의 응답자들이 작년에 기술을 사용했다고 응답했다, 전 세계 평균은 48%에 머물렀다.
고객 서비스에 적용됨, 생성적 AI는 그 전통적인 사용을 넘어설 수 있다, 챗봇과 가상 비서를 포함하여 연락을 자동화하는 것. 왜냐하면, 자동화된 상호작용에서도, 사용자 경험이 항상 만족스럽지는 않다. 그래서, 더 복잡한 서비스 — 또는 심지어 고객 — 여전히 인간의 존재를 요구한다.
이런 경우에 AI의 그리 명백하지 않은 사용이 가치 있을 수 있다: 생성적 AI는 고객이 상담원과의 대화에서 보이는 행동을 분석한다, 불만 패턴을 식별하고 마찰 지점을 매핑합니다, 지속적인 조정을 허용하여 여정을 더 효율적으로 만들기. 툴이 수행하는 데이터 분석은 브랜드가 고객 서비스에서의 병목 현상과 가장 큰 불만 사항을 이해하는 데 도움을 줍니다, 아무것도 “추측”할 필요 없이. 그렇게, 개선 결정은 더 잘 근거가 마련되어 있고, 따라서, 긍정적인 효과를 낼 가능성이 더 높다
사용자의 요청에 응답하는 것보다 더, 인공지능은 기업이 각 상호작용을 서비스 개선의 기회로 전환할 수 있도록 합니다, 생성 중, 마지막에, 문제의 '근본'에 가서 해결책을 찾는 진정한 정보의 원천. 잘 듣다, 반영하다, 호출을 분석하고 정리하는 것은 고객을 잃는 것과 영원히 확보하는 것 사이의 차별점이 될 수 있다. 모순처럼 보인다, 하지만 기술은 서비스를 보다 인간적으로 만드는 데 큰 동반자가 된다, 세나를 마무리하다
