AI를 수용하면서 지원 품질 향상: Intercom과 Klaus의 전략

AI가 고객 지원을 변화시킬 수 있지만 성공적인 접근 방식에는 스위치를 한 번만 누르는 것 이상이 필요합니다. 최신 웹 세미나에서는 품질과 일관성을 유지하면서 AI 우선 지원 전략을 확장할 수 있는 방법을 다뤘습니다.

일반적인 쿼리를 신속하게 처리하는 것부터 복잡한 문제를 해결하는 인간 상담원을 지원하는 것까지, 생성 AI 챗봇이 단 몇 달 만에 급습하여 고객 지원의 판도를 바꿔 놓았습니다. 지원 볼륨과 응답 시간을 즉시 줄여 상담원이 반복적인 쿼리로 인해 지루해지는 작업에서 벗어나 업무 중 가장 영향력이 큰 부분에 집중할 수 있습니다. 새로운 AI 챗봇인 Fin을 만나보세요 . 우리는 첫 번째 고객이었으며 이제 인바운드 지원 대화의 70%가 이 AI 봇 경험에서 시작되며 Fin은 해당 쿼리의 33%를 즉시 해결할 수 있습니다. 그것은 우리 작업량의 엄청난 부분을 이렇게 *손가락으로 튕겨*는 것입니다.

“문제는 AI의 효율성과 고객이 중요하게 생각하는 인간적 손길을 혼합하는 것입니다.”

AI는 또한 더 나은 검토 샘플을 구축하고, QA 프로세스를 자동화하고, 더 나은 보고를 지원함으로써 팀이 대화의 품질을 검토하는 데 도움이 됩니다.

“일을 자동으로 수행하기 때문에 감정 분석, 문법 분석 등을 100% 다룰 수 있습니다. AI가 강화된 분석 및 보고는 큰 그림에 대한 훨씬 더 깊은 통찰력을 제공합니다.”

Mervi Sepp Rei, Klaus의 ML 및 데이터 책임자

물론 AI가 제대로 구현된다면 말이다. 문제는 AI의 효율성과 고객이 중요하게 생각하는 인간적 손길을 혼합하는 것입니다. 제대로 실행되지 않은 통합과 AI 대응의 불일치로 인해 나쁜 경험과 좌절이 초래되어 전체 목적이 무산될 수 있습니다.

이를 방지하려면 지원 리더가 신중한 구현을 통해 이러한 잠재적인 문제를 예측하고 해결 해야 합니다. 이것이 바로 우리가 최근 고객 서비스 품질 관리 솔루션인 Klaus와 파트너십을 맺고 현대적인 AI 우선 고객 지원 전략을 구축하는 방법에 대한 웹 세미나를 개최한 이유입니다. 우리는 다음과 같이 합류했습니다:

• Bobby Stapleton , Intercom 고객 지원 이사
• Diogo Costa , Klaus 고객 성공 팀 관리자
• Mervi Sepp Rei, Klaus의 ML 및 데이터 책임자
• Sean Reid , Intercom 고객 지원 관리자

이를 수행하는 방법에 대한 간략한 요약은 다음과 같습니다.

1. 신중한 계획과 체계적인 실행

AI 배포는 단순히 플러그 앤 플레이가 아닙니다. 버튼 하나만 클릭하고 바로 사용할 수는 없습니다. 최신 시스템과 기존 시스템 모두 다양한 기존 시스템과 통합하여 봇에서 인간 에이전트로의 라우팅 및 핸드오버를 설정하고 프로세스와 조직 구조를 변경하고 있습니다. 성공을 위한 준비를 하고 AI의 이점을 얻는 좋은 방법은 좋은 구현 전략에 투자하는 것입니다. 때로는 단계적 배포가 포함될 수도 있습니다.

“한 단계씩 진행하는 것부터 시작했어요. 우리는 Fin이 근무 외 시간에 우리를 도와줄 수 있다는 것을 깨달았습니다. 그 시점까지는 우리가 하지 못했던 일이었습니다. 우리는 '여기서 지원을 하기 위해 Fin을 추가 팔로 어떻게 사용할 수 있는지 봅시다'라는 테스트로 접근합니다.”

Diogo Costa, Klaus 고객 성공 팀 관리자

부재 시간과 같은 특정 저위험 시나리오에서 AI의 기능을 테스트함으로써 조직은 부담을 완화하고 고객에게 즉각적인 가치를 제공할 수 있습니다. Klaus의 경우 이는 근무 시간 외 상호 작용의 17%를 해결했으며 연말까지 이를 1/3로 늘릴 계획입니다. 물론, 챗봇을 모니터링하고 지속적으로 개선하기 위한 반복적인 접근 방식 없이는 적절한 구현 전략이 완성되지 않습니다.

2. 강력한 지식 기반 구축

“가장 큰 점은 매우 포괄적이고 최신의 철저한 지원 센터 또는 지식 기반을 보유하고 있다는 것입니다. 가지고 있는 정보가 잘못되었거나 오래된 경우 고객에게 올바른 정보를 제공할 수 없습니다. (…) 우리는 모든 R&D 엔지니어에게 도움말 센터의 특정 섹션을 살펴보고 내용이 정확한지, 포함되어야 한다고 생각하는 부분이 누락되었는지 확인하도록 했습니다.”

Bobby Stapleton, Intercom 고객 지원 이사

Fin과 같은 AI 챗봇은 지식창고나 도움말 센터의 정보를 소비하여 고객이 원하는 답변을 즉시 제공합니다. 즉, 정확하고 신뢰할 수 있기를 원한다면 봇이 답변하기를 원하는 거의 모든 것을 다루는 잘 작성되고 구조화된 도움말 콘텐츠가 있어야 합니다 .

배포하기 전에 헬프 센터를 감사하여 모든 정보가 정확하고 최신인지 확인하고, 기존 콘텐츠를 최적화 및 업데이트하고, 필요한 경우 새 콘텐츠를 생성하세요. 상당한 초기 노력과 지속적인 유지 관리가 필요하지만 장기적으로는 배당금을 지급할 것입니다.

3. 인간적인 손길을 유지하다

최신 버전의 봇은 상당히 발전했지만 여전히 실제 감정을 느끼거나 표시할 수 없습니다. 그들은 괴로워하는 고객의 마음에 공감할 수 없으며, 동정적이고 시기적절한 할인과 진심 어린 사과를 제공할 수 없습니다.

“고객이 우리 서비스에서 정말 좋아하는 점은 인간적인 측면입니다. 역사적으로 그것은 항상 플러스였습니다. 그래서 그것을 잃거나 위험에 빠뜨리는 것이 첫 번째 관심사였습니다.”

Diogo Costa, Klaus 고객 성공 팀 관리자

AI는 의심할 여지 없이 효율성을 높일 수 있지만, 인간의 전문 지식 및 감성과 기술이 조화롭게 통합되어 두 세계의 장점을 모두 제공합니다. AI를 인간 에이전트에 대한 지원적 대응자로 접근함으로써 기업은 진정한 고객 관계를 유지하는 동시에 AI 기능에 대한 보상을 얻을 수 있습니다. 적절하게 구현된 봇은 지원 상담원이 최고 수준의 지원을 통해 고객 충성도를 높이는 데 집중하는 데 도움이 될 뿐만 아니라 고객과의 정확한 상호 작용을 보장하려면 지속적인 인력 모니터링과 개입이 필요합니다.

4. 최신 AI 기반 지원을 위한 QA 방식의 진화

“이전에는 품질 보증에 대한 전통적인 접근 방식이 기본적으로 사람 중심이었습니다. 당신은 당신의 제품과 프로세스로 만든 구조 내의 사람에게 QA를 실시하고 그 사람이 이를 올바르게 따르는지 확인하고 있습니다. AI를 사용하면 전체 고객 여정에 대해 QA를 수행해야 합니다.”

Intercom의 고객 지원 관리자 Sean Reid

간단히 말해서 전체 QA 전략을 새로 고쳐야 합니다. 결국, 고객 경험에 새롭고 역동적인 동작과 복잡성을 많이 추가하게 됩니다. AI가 배포되면 제품 제한 사항, 프로세스 효율성, AI의 인간 전달 효율성 등 전체 고객 여정을 고려하는 보다 포괄적인 접근 방식으로 전환하는 것이 중요합니다. Intercom에서는 이를 QA 스코어카드를 세 가지 섹션으로 나누었습니다.

• 사람: 전문가가 올바른 일을 하고 있는지 확인하는 전통적인 방법입니다.
• 프로세스: 우리가 시행 중인 프로세스가 올바른지 확인합니다. 또한 Fin이 전문가에게 인계한 것도 살펴봅니다.
• 제품: 고객 경험을 위해 더 나은 제품을 만들기 위해 무엇을 할 수 있습니까?이것도 제품의 관점에서 Fin을 바라보는 것입니다.

모든 것이 가능한 한 원활하게 실행되도록 하기 위한 핵심 구성 요소는 이를 모니터링하고 개입 방법과 시기를 이해하는 것입니다. 결국, AI 챗봇은 완벽하지 않습니다. 특히 콘텐츠 기반이 견고하지 않은 경우 더욱 그렇습니다. 예를 들어, 핀이 개입한 대화가 부정적인 CSAT 점수를 받았다면 그 원인은 무엇인가요? 해당 지식 기반 문서를 새로 고쳐야 할 수도 있습니다.

“매우 영리하지만 동시에 생성 도구가 문제를 일으킬 수 있습니다. 환각이 있습니다. 당신은 그것을 모니터링해야합니다. 그것이 무엇을 하는지 모니터링하고, 특정 시간에 어떻게 간섭할 수 있는지, 그리고 시간이 지남에 따라 어떻게 작동하는지 이해하는 것이 훨씬 더 중요해졌습니다. 우리는 Fin을 사용하기 시작하게 되어 매우 기뻤지만 QA가 이에 적응해야 한다는 것을 알고 있었습니다. 우리는 핵심 데이터 파이프라인을 완전히 변경하여 Fin을 사람처럼 행동하기 때문에 검토하고 싶은 생성 봇으로 취급합니다."

Mervi Sepp Rei, Klaus의 ML 및 데이터 책임자

AI 도구, QA 팀, 인간 에이전트 간의 협업이 중요합니다. 또한 샘플 제작이나 품질 검사 수행과 같은 일상적인 QA 작업에 대한 자동화를 수용하면 고객 상호 작용의 전체 스펙트럼에 걸쳐 프로세스를 확장할 수 있는 가능성이 제공됩니다.

“그들이 무엇을 하고 있는지 확인하는 것이 중요합니다. 여기에는 수작업이 포함되지만 너무 많아서 수동으로 확인하기가 어렵습니다. 그래서 우리는 품질 검사를 자동으로 수행합니다. (…) 모든 대화에서 우리는 Fin이 무언가를 말한 것을 봅니다 – 그것이 무엇을 하였습니까? 그런 다음 이 내용이 보고에 나타나며 그것이 어디에 관련되어 있고 무엇을 하는지 이해할 수 있으며 훨씬 더 깊은 통찰력을 제공합니다."

Mervi Sepp Rei, Klaus의 ML 및 데이터 책임자

5. 새롭고 향상된 역할을 위한 공간 만들기

많은 사람들은 이러한 변화로 인해 우리가 일자리를 잃게 될 것이라고 우려하고 있습니다. 일부 지원 역할이 바뀌는 동안 우리는 이 새로운 기술이 어떻게 새로운 직업과 역할의 필요성을 창출하는지 살펴보았습니다. 지난 몇 달 동안 Intercom에서는 품질 보증 관리자, 프로세스 개선 관리자, 대화 디자이너를 고용했습니다. 그 외에도 우리는 기존 역할이 어떻게 발전하고 있는지 확인했습니다.

“예, 이 새로운 직업이 만들어졌지만 이는 현재 지원 전문가의 역량을 강화하고 역량을 강화하는 것이기도 합니다. (…) 분명히 그들의 빵과 버터는 고객에게 도움이 되지만 훨씬 더 많은 일을 합니다. 그들은 신제품에 대해 QA를 하고, 헬프 센터 기사를 작성하고, Intercom 커뮤니티에서 고객과 대화하고 있습니다.”

Intercom의 고객 지원 관리자 Sean Reid

비즈니스와 기술이 발전함에 따라 지원 전략도 발전해야 합니다. 그러나 AI 기반 지원을 구현하는 것은 단순히 최첨단 기술을 채택하는 것만이 아닙니다. 챗봇과 인간이 각자의 고유한 강점을 활용하는 전략을 조율하는 것입니다. AI를 활용하여 운영을 간소화하고 고객 경험을 최적화하는 동시에 인간 관계의 신뢰성을 보장함으로써 지원을 새로운 차원으로 끌어올릴 수 있습니다.