완전히 새로운 세상: AI가 고객 지원에서 창출하는 흥미롭고 새로운 역할

고객 서비스 공간이 AI로 작업하는 새롭고 흥미로운 방법을 찾으면서 지원 팀을 구성하는 역할, 책임 및 경력 경로가 재편되고 있습니다.

Intercom에서는 AI가 고객 서비스를 더욱 만족스럽고 영향력 있고 기회가 가득한 경력으로 변화시킬 것이라고 굳게 믿습니다. AI 봇인 Fin이 팀의 업무를 채우는 반복적인 쿼리를 더 많이 처리하기 시작하면서 CS 담당자는 복잡한 고객 문제에 집중하는 데 더 많은 시간을 할애하게 되었습니다. 이를 통해 그들은 문제 해결 및 관계 구축 기술을 적용하고 개발하여 고객이 필요할 때 상담할 수 있는 분야 전문가가 될 수 있습니다.

"미래의 많은 고객 서비스 역할은 인간-AI ​​파트너십을 극대화하는 데 초점을 맞출 것입니다. 즉, 고객 서비스는 더 이상 다른 경력을 향한 단계가 아니라 가장 흥미로운 경력 중 하나가 될 것입니다."

그뿐만 아니라 우리는 팀의 AI 도구가 지원 팀과 함께 최대한 효과적으로 작동하도록 보장하는 데 중점을 두고 고객 서비스에서 AI를 중심으로 완전히 새로운 역할과 책임 범주가 생겨나는 것을 이미 보기 시작했습니다. 모든 고객에게 최고의 경험을 제공합니다.

간단히 말해서, 미래의 많은 고객 서비스 역할은 인간-AI ​​파트너십을 극대화하기 위해 협력하게 될 것입니다. 즉, 고객 서비스는 더 이상 다른 경력을 향한 단계가 아니라 가장 흥미로운 경력 중 하나가 될 것입니다. 고객 서비스가 AI를 수용함에 따라 이미 등장하고 있는 새로운 역할 중 일부는 다음과 같습니다.

지식 관리자

오래된 속담처럼 AI 봇은 사용자가 제공하는 콘텐츠만큼만 훌륭합니다. 고품질 지원 콘텐츠는 AI 봇의 성공에 매우 중요하므로 지식 기반 관리의 우선순위를 지정하는 것은 AI 우선 세계에서 필수입니다.

지원 팀은 격차를 파악하고 부정확성을 식별하며 지원 콘텐츠의 흐름을 개선하는 데 이상적으로 배치됩니다. 지원 팀 내의 지식 관리는 새로운 것이 아니지만 전통적으로 특정 소유자도 없고 구체적인 프로세스도 거의 없이 팀 전체에 분산되어 있었으며 팀원에서 팀원으로 전달되는 제도적 지식에 크게 의존했습니다.

역할과 관련된 책임 중 일부는 다음과 같습니다.

• 콘텐츠 생성: 지원 콘텐츠에서 확인된 격차를 메우고, 기존 기사를 최신 상태로 유지하며, 제품 출시 또는 기능 릴리스와 함께 새로운 콘텐츠를 생성합니다.
• 헬프 센터 관리: 헬프 센터 전체 콘텐츠의 정확성을 모니터링하고, 업데이트, 교체 또는 제거가 필요한 문서에 플래그를 지정하고, 각 콘텐츠의 가치를 평가하기 위해 얻는 조회수에 주의를 기울입니다.
• 대화 분석: AI 봇이 제공하는 콘텐츠가 고객이 묻는 질문에 실제로 답변하고 있는지, 지식 기반에 업데이트가 필요한지 여부를 평가합니다.
• 봇 성능 분석: 봇의 성능을 잠재적인 콘텐츠 개선과 연결하여 고객 요구 사항을 더 잘 충족합니다.

지식 관리자가 회사 전체의 지식 관리 활동을 전담 조정하는 역할을 맡게 되지만, 지식 관리는 지원 팀의 모든 구성원이 수행해야 하며 이미 수행하고 있는 경우가 많습니다. 소규모 지원 팀이고 전담 지식 관리자를 고용할 수 없는 경우 기존 팀 내에서 지식 관리 기능을 구축하여 AI 세계에 대비하기 위해 취할 수 있는 작은 조치가 있습니다. 보조 지원:

1. 팀과 협력하여 AI 봇이 답변해야 하는 질문을 식별하고 해당 답변을 뒷받침하는 콘텐츠가 최신이고 정확하며 이해하기 쉬운지 확인하세요. 상위 10개 FAQ에 집중하여 소규모로 시작할 수 있습니다.
2. 지원 담당자가 AI 봇이 답변할 수 없는 질문이나 고객이 인간 담당자와 대화를 요청하게 되는 질문을 추적하도록 권장하세요. 간단한 콘텐츠 업데이트로 문제가 해결됩니까?
3. 콘텐츠 제작에 특히 능숙하거나 관심을 보이는 지원팀 구성원이 있나요? 나머지 팀원들이 지적한 격차와 기회를 해결하기 위해 매주 몇 시간씩 시간을 할애할 수 있도록 하십시오.
   가면서 배워보세요! 작업 결과를 모니터링하고 필요에 따라 지원 콘텐츠를 계속 업데이트하고 추가하세요.

고객이 질문하고 지원 담당자가 답변하는 동일한 스타일의 고객 지원이 수십 년 동안 이어져 온 후, 이 새로운 접근 방식에는 약간의 문화 변화가 필요합니다. 그러나 우리는 이것이 팀과 고객 모두의 경험을 향상시켜 지원 담당자의 지식을 극대화하여 고객에게 이전보다 더 많은 혜택을 줄 것이라고 믿습니다. 이상적으로는 질문에 처음 대답하는 것이 마지막 대답이 되는 것입니다. AI 봇은 나중에 다시 질문을 받을 때마다 동일한 질문에 대답할 수 있기 때문입니다.

"받은편지함이 넘쳐서 어려움을 겪고 있다면 대화를 체크리스트의 항목으로 보기 쉽습니다. 그러나 현실은 고객 대화가 고객 여정의 한 단계일 뿐이라는 것입니다."

우리는 스니펫 기능을 사용하여 Intercom 지원팀에서 바로 이러한 문화 변화를 가능하게 하고 있습니다. 스니펫을 사용하면 답변 품질과 적용 범위를 향상시키는 AI 봇용 콘텐츠를 신속하게 추가할 수 있지만 공개 지원 콘텐츠에서는 사용할 수 없습니다. 이는 지원 팀이 고객 여정과 그 과정에서 직면할 수 있는 과제에 대해 생각하도록 장려하고 고품질의 유용한 지원 콘텐츠를 통해 이러한 과제를 미리 해결할 수 있도록 해줍니다.

AI 봇을 위한 지식 기반 최적화에 대한 추가 팁을 찾아보세요.

대화 디자이너

받은편지함이 넘쳐서 어려움을 겪고 있는 경우 대화를 체크리스트의 항목으로 쉽게 확인할 수 있습니다. 고객이 질문하고 팀이 이에 답변하면 끝입니다. 그러나 현실은 고객과의 대화가 고객 여정의 한 단계일 뿐이라는 것입니다.

대화 디자이너가 필요한 곳입니다. 이들의 역할은 봇, 자동화, 인적 고객 서비스를 포괄하여 고객을 위한 엔드투엔드 지원 경험을 최적화하고 원활한 고객 지원에 대한 장애물을 찾는 것입니다. 이 역할의 출현은 고객 지원과 고객 성공 간의 연관성이 커지고 있음을 나타냅니다. 고객 여정에 초점을 맞추면 기존의 반응형 고객 지원과는 달리 고객 경험에 대한 보다 총체적이고 적극적인 접근 방식이 장려됩니다.

역할과 관련된 책임 중 일부는 다음과 같습니다.

• UX 매핑: 고객 여정이 정말 원활하게 진행되려면 사용자 경험이 원활하고 직관적이어야 합니다.
• 고객 피드백 수집 및 해석: 대화 디자이너는 고객 설문 조사, 대화, 사용 지표 또는 기타 소스에서 얻은 고객 행동 및 선호도에 대해 수집할 수 있는 모든 정보에 의존하여 고객 경험을 개선합니다.
• 문제 해결: 고객 여정에서 고객이 직면하는 장애물을 파악한 후에는 이를 피할 수 있는 방법을 찾는 문제 해결 기술이 필요합니다.
• 워크플로 생성: 고객이 쿼리를 해결할 수 있는 경로로 안내하는 가장 좋은 방법을 찾아냅니다. 이를 위해서는 사용자 경험, 회사 프로세스, 지원 플랫폼의 기능에 대한 심층적인 지식이 필요합니다.

기존 팀 내에서 이 기능을 육성하는 방법은 다음과 같습니다.

1. 지원 팀원을 지명하여 AI 봇이 고객이 제품을 보다 효과적으로 사용할 수 있도록 적극적으로 지원할 수 있는 기회가 누락된 영역을 찾아보세요. 예를 들어, 봇이 대안을 제안하지 않고 특정 기능이 고객의 요구에 충분하지 않다고 말하고 있습니까?
2. 팀의 작업량을 더욱 줄이는 워크플로를 구현할 수 있는 기회를 식별합니다. 고객이 환불을 요청하는 경우 지침이 포함된 도움말을 제공하는 대신 채팅에서 바로 요청을 제출할 수 있도록 자동화된 워크플로를 설정하세요.
3. 팀이 고객 활동의 모든 패턴을 기록하도록 장려하고 자동화와 AI가 경험을 개선할 수 있는 방법을 제안하십시오.
4. 팀에 이 분야에 특히 관심이 있는 사람이 있다면 AI 도구와 그 기능에 대한 전문가가 되도록 지명하세요. AI 봇은 여전히 ​​놀랍도록 새롭고 새로운 기능이 항상 추가되고 있습니다. 고객이 가능한 한 빨리 이점을 확인할 수 있도록 봇이 수행할 수 있는 작업에 대한 최신 정보를 유지하세요.

Intercom에서는 고객의 엔드투엔드 경험을 관리하기 위해 대화 디자이너 Fred Walton을 고용했습니다. 고객 서비스 역할 개발에 대한 그의 생각은 다음과 같습니다.

대화 분석가

AI 봇의 놀라운 점은 자연스럽고 인간적인 방식으로 대화하는 능력입니다. 우리의 사용자 연구에 따르면 AI 봇은 특히 이전 로봇 로봇과 비교할 때 이미 고객의 기대를 뛰어넘는 것으로 나타났습니다.

AI가 비즈니스 개선을 촉진하는 데 도움을 줄 수 있는 유일한 방법은 아닙니다. AI를 사용하여 고객 대화를 분석하면 일상적인 고객 대화에서 발생하는 문구, 어조, 미묘한 제품 용어에 대한 심층적인 통찰력을 얻을 수 있습니다. 그러나 이러한 통찰력을 해석하고, 잠재적인 개선 사항을 식별하고, 지원 팀과 더 넓은 비즈니스 전반에 걸쳐 변화를 주도하려면 대화 분석가가 필요합니다.

“대화 분석가는 AI 기반 분석을 사용하여 회사의 모든 팀에 영향을 미칠 주요 고객 피드백을 표면화할 수 있습니다.”

전체 고객 여정을 전체적으로 살펴보는 대화 디자이너와 달리 대화 분석가는 AI 도구가 고객의 말을 해석하는 방법과 고객의 응답을 개선할 수 있는 방법에 중점을 둡니다. 대화 분석가는 AI 기반 분석을 사용하여 회사의 모든 팀에 영향을 미칠 주요 고객 피드백을 표면화할 수 있습니다.

역할과 관련된 책임 중 일부는 다음과 같습니다.

• 데이터 분석: 대화 분석가는 숫자를 넘어 숫자가 의미하는 바를 해석하고 고객이 문제를 전달하는 방식과 문제 해결에 필요한 답변에 대한 귀중한 통찰력을 이끌어내야 합니다.
• 자연어 처리(NLP)에 대한 이해: NLP는 대규모 언어 모델(LLM)의 핵심입니다. AI 봇이 질문에 대답하는 방식을 이해하려면 대화 분석가는 이러한 답변을 종합하는 방식에 대한 심층적인 이해를 발전시켜야 합니다.
• 보고: 대화 분석가가 수집한 통찰력은 지원 팀뿐만 아니라 비즈니스 전반의 팀에 매우 귀중하며 제품, 마케팅, 영업 등에 대한 결정을 알려줍니다. 이러한 결과를 명확하고 실행 가능한 방식으로 보고하는 것은 대화 분석가의 핵심 기술입니다.
• 팀 간 협업: 대화 분석가는 비즈니스 전반에 걸쳐 팀과 정기적으로 효과적으로 작업하여 커뮤니케이션을 개방적으로 유지하고 주요 개선 사항이 실행되도록 할 수 있어야 합니다.

기존 팀 내에서 이 기능을 육성하는 방법은 다음과 같습니다.

1. 매주 시간을 할애하여 팀이 고객 대화에서 발견한 흥미로운 문제나 패턴을 공유하고 AI 봇 보고서의 통찰력과 조치 사항을 논의합니다.
2. 어떤 사람들은 다른 사람들보다 데이터 분석과 해석에 더 중점을 둡니다. 고객 지원 측면에 관심이 있는 팀원이 있다면 AI 봇의 대화를 분석하는 것은 그들의 역할을 확장할 수 있는 흥미로운 기회가 될 수 있습니다. 이러한 팀원들이 AI 봇 대화의 작은 샘플 분석을 시작하는 데 필요한 시간을 확보하고 가능한 개선 사항에 대한 생각을 제공할 수 있도록 하십시오.

프롬프트 엔지니어/문제 공식화 엔지니어

우리는 질문을 아무리 어색하게 표현하더라도 우리가 요청하는 내용을 이해하는 ChatGPT의 능력에 모두 놀랐습니다. AI 봇은 즉시 "놀라운" 경험을 제공할 수 있지만, 회사별 고객 문의의 경우 챗봇이 최고 수준으로 성능을 발휘하는지 확인하는 것이 중요합니다. 바로 여기서 신속한 엔지니어, 즉 문제 공식화 엔지니어가 등장합니다.

프롬프트 엔지니어

OpenAI 창립자인 Sam Altman이 "놀랍도록 활용도가 높은 기술"이라고 명명한 프롬프트 엔지니어링에는 AI 봇이 질문에 답변하는 방식을 깊이 이해하고, 최적화된 프롬프트를 생성하고, 최상의 결과를 얻기 위해 봇의 응답을 개선하는 작업이 포함됩니다. 기본적으로 그들은 최적의 결과를 얻기 위해 전략적 질문을 던진 다음 해당 템플릿을 사용하여 향후 응답을 알립니다.

고객 서비스의 세계에서 이는 회사의 특정 용어와 고객이 유용한 답변을 제공하기 위해 쿼리를 표현하는 방식 및 일부 후속 정보를 고려하여 매번 올바른 답변을 제공하도록 봇을 교육하는 것을 의미합니다. .

어떤 사람들은 프롬프트 엔지니어링의 역할이 오래 가지 못할 것이라고 말합니다. 미래의 AI 모델이 최적화된 프롬프트에 대해 훈련됨에 따라 이러한 역할은 쓸모없게 될 수도 있습니다. 또는 The Guardian이 다음과 같이 말했습니다. 스프레드시트 관리 또는 검색 엔진 최적화 방식 – 다양한 역할에서 요구되는 기술이며 고용 관리자가 이력서의 또 다른 깃털로 높이 평가하는 기술입니다.”

문제 공식화 엔지니어

프롬프트 엔지니어링은 특정 AI 도구의 작동과 이를 조작하여 최상의 결과를 생성하는 방법에 중점을 두는 반면, 문제 공식화 엔지니어링은 고객에게 존재하는 더 넓은 문제 영역을 해결합니다.

이 역할에는 문제 영역을 식별 및 이해하고 분석하며 초점, 범위 및 경계를 정의하는 작업이 포함됩니다. 문제 영역에 대한 심층적인 이해를 개발하면 봇 조정 프로세스가 더욱 효과적으로 이루어지고 궁극적으로 더 나은 고객 경험을 제공할 수 있습니다. 고객이 겪고 있는 문제를 깊이 이해하기 위해 문제 공식 엔지니어가 훈련한 봇은 비즈니스에 매우 귀중한 자산이 될 것입니다. 즉각적 문제에 대한 단기 솔루션뿐만 아니라 내부 경험을 향상시킬 수 있는 관련 개선 사항을 제안할 수도 있습니다. 귀하의 제품.

다음은 이러한 역할과 관련된 책임 중 일부입니다.

• AI 도구 이해: AI 도구는 이를 지원하는 LLM과 그리는 소스 콘텐츠에 따라 다양한 방식으로 프롬프트에 응답합니다. 가장 적합한 프롬프트를 설정하려면 사용 중인 AI 도구와 이 도구가 고객의 질문에 응답하는 방식에 대한 깊은 지식이 필요합니다.
• 고객의 가장 시급한 문제와 고객의 의사소통 방법 이해: 지원 팀은 가장 일반적인 문제 영역과 고객이 문의하는 방식을 철저히 이해합니다. 프롬프트/문제 공식화 엔지니어로서 당신은 이 경험을 AI 봇에 전달할 방법을 찾아야 합니다.
• 테스트 및 최적화: 실험은 접근 방식을 테스트하고, 고객 피드백을 모니터링하고, 프롬프트 또는 문제 공식화를 최적화하기 위해 조정하는 과정에서 이 역할의 주요 부분이 됩니다.
• 사용자 연구: 정량적 및 질적 사용자 연구는 위에서 언급한 실험에 대한 정보를 제공하고 실행하기로 선택한 테스트의 방향을 제시합니다.

기존 팀 내에서 이 기능을 육성하는 방법은 다음과 같습니다.

1. 팀이 AI 도구를 사용하는 것뿐만 아니라 작동 방식, 지원 콘텐츠 처리 방식, 질문을 해석하는 방식에 대해 포괄적으로 이해하도록 장려하십시오.
2. 고객이 필요한 답변을 얻지 못하는 인스턴스를 기록하도록 팀에 요청하고 일부 봇 조정으로 해결될 수 있는 패턴을 표시하세요.
3. Coursera 및 Udemy와 같은 회사에서 제공하는 온라인 프롬프트 엔지니어링 학습 및 개발 기회가 많이 있습니다. 팀원이 해당 분야에 관심이 있고 회사에 학습 및 개발 예산이 있는 경우 이러한 기술 향상 기회를 자세히 살펴보세요.

지원 설계 전략가

이 역할에는 전체 지원 경험을 조감하고 고객 여정의 각 단계에서 AI와 인간이 가장 적합한 위치를 결정하는 것이 포함됩니다.

당신이 지원 리더라면 아마도 "나는 이미 그렇게 하고 있다"고 생각할 것이고, 당신의 말이 완전히 옳습니다. 이 작업은 한동안 지원 리더의 임무에 속하게 될 것입니다. 그러나 AI가 업계 표준이 되면 기업은 최적의 인간-AI ​​파트너십을 통해 조정되는 원활한 서비스 제공으로 차별화될 것입니다. 이때 전담 지원 설계 전략가가 필요하게 됩니다.

역할과 관련된 책임 중 일부는 다음과 같습니다.

1. 프로세스 분석 및 개선: AI 봇이 지원 팀과 완전히 통합됨에 따라 지원 설계 전략가는 빠르게 증가하는 고객 기대를 충족하기 위해 레거시 프로세스를 지속적으로 모니터링, 업데이트 및 점검해야 합니다.
2. 전략 및 계획: AI가 작업 세계를 변화시키면서 미리 계획을 세우는 것이 압도적인 작업처럼 보일 수 있지만, 지원 팀이 AI와 함께 작업하는 데 익숙해지면 지원 설계 전략가는 무엇이 효과가 있고 무엇이 효과가 없는지, 팀이 해야 할 목표는 무엇인지 파악하게 됩니다. 도달하기 위해 노력하십시오.
3. 리소스 관리: 최적의 인간-AI ​​지원 전략을 수립하려면 올바른 리소스 균형이 필요합니다. 즉 시간, 팀 구성원, 도구 및 예산입니다.
4. 대화 디자이너와 같은 다른 주요 역할과의 협업: 지원 디자인 전략가는 진정으로 전체적인 지원 전략을 만들기 위해 전체 지원 팀의 통찰력이 필요합니다.

전체적인 지원 설계 전략을 개발하기 위해 취할 수 있는 가장 좋은 첫 번째 단계는 이 엄청난 전환을 통해 팀을 안내하면서 팀으로부터 최대한 많은 것을 배우는 것입니다.

기존 팀 내에서 이 기능을 육성하는 방법은 다음과 같습니다.

1. 역할에 대한 결정을 내리는 데 팀을 포함시키고 업데이트, 변경 사항 및 실험에 대해 전체적으로 논의하는 시간을 가지세요.
2. AI가 가져올 새로운 경력과 기술 향상 기회에 대해 흥미를 갖게 하면서 우려 사항을 인정함으로써 역할 보안에 대해 걱정하고 있는 팀원들을 안심시키세요.
3. 의사소통의 통로를 활짝 열어두고 팀에 AI 도입이 자신의 기분과 일상 업무에 어떤 영향을 미치는지에 대해 솔직한 피드백을 제공하도록 격려하십시오. 작동하지 않는 것이 있으면 변경하는 것을 두려워하지 마십시오. AI가 점점 더 많은 프로세스에 통합됨에 따라 많은 실험이 있을 것입니다.
4. 워크플로 효율성 개선부터 팀 프로세스 자동화까지 팀 작업의 모든 측면에 대한 제안을 환영합니다.
5. 인간-AI ​​지원 세계에서 팀의 성과가 어떻게 측정될지 생각해 보세요. 많은 시간을 소비했던 반복적인 쿼리를 처리하는 AI 봇을 사용하면 보다 영향력 있는 작업에 관심을 돌리고 받은 편지함 밖에서 더 많은 시간을 보낼 수 있습니다. 이것이 목표, 경력 목표 및 성과 평가에 어떻게 반영됩니까?

고객 서비스 분야 경력의 미래는 그 어느 때보다 밝으며, 여기서 논의한 역할은 시작에 불과합니다. AI가 고객 서비스 공간과 그 이상에서 업무의 성격을 변화시키면서 고객 서비스 역할이 점점 더 바람직해지는 것을 보게 되어 기쁩니다.

AI 곡선에서 앞서 나가기 위해 노력하는 지원 리더를 위한 더 많은 팁, 요령, 뉴스를 찾고 계십니까? 격주로 제공되는 통찰력을 얻으려면 Intercom 뉴스레터에 가입하세요.