Når jeg sidder med en salgs- eller kundeservicechef i en mindre dansk virksomhed, og samtalen drejer hen mod AI-agenter, sker der ofte noget mærkeligt. Det ene minut taler vi om en konkret, dagligdags udfordring. Det næste minut er vi i en forestilling om en agent, der besvarer kunder døgnet rundt og slipper teamet for trivielle henvendelser. Det er en gigantisk afstand. Og den afstand er, hvor de fleste projekter går galt.
Det er ikke fordi teknologien ikke kan noget. Det er fordi den bare ikke kan det, mange tror, uden et meget grundigt forarbejde. Og det forarbejde sker langt fra modellen. Det sker i de samtaler, en kundeservice-medarbejder har dagligt.
Hvad agenter er gode til, og hvad de ikke er
En AI-agent kan, kort sagt, lytte, slå op, foreslå og handle. Den kan tage imod en kundes henvendelse, finde relevant information og enten svare direkte eller forberede et svar til en medarbejder. Det er, hvor den shiner. Det er også, hvor mange falder i.
Det, agenter ikke er gode til, er at træffe gode beslutninger i situationer, de aldrig har set før. De er heller ikke gode til at vurdere, hvornår en kunde er ved at blive utilfreds og har brug for en menneskelig stemme. De kan blive bedre til det med tid og træning, men det er sjældent en dag-ét-egenskab.
Det betyder, at en agent i kundeservice realistisk set ikke erstatter medarbejderne. Den ændrer, hvad medarbejderne bruger deres tid på. Hvis den er sat godt op, så bruger de mindre tid på de gentagne, ensartede sager og mere tid på de svære. Hvis den er sat dårligt op, så bruger de mere tid på at rette de fejl, agenten har lavet, end de tjente på, at den løste det lette.
Hvor forarbejdet ligger
Den største bedrift i en kundeservice-agent ligger ikke i selve agenten. Det ligger i forarbejdet. Det er en pointe, der bliver overset, fordi det ikke er sjovt. Det er det vigtigste, der bliver gjort på sådan et projekt.
Først skal man kortlægge de typiske henvendelser. Ikke i grove kategorier. I konkrete eksempler. Det er sjældent en samtaledetektion-øvelse i sig selv, det er en gennemgang af tre-fire ugers indkomne sager. Hvad gentog sig? Hvilke spørgsmål kom igen og igen? Hvilke informationer manglede, før en medarbejder kunne svare?
Dernæst skal man have de svar, der typisk gives, samlet et sted. Mange virksomheder har dem spredt ud over en intern wiki, en mail-skabelon-mappe og kollegernes hoveder. Det skal samles og kvalitetssikres, før en agent overhovedet kan begynde at give brugbare svar. Det er ikke en uge værd. Det er som regel den vigtigste investering i hele projektet.
Endelig skal man have klart, hvad der ikke skal håndteres af agenten. Det lyder simpelt. Det er det ikke. Det er let at lade agentens grænser være ufuldstændige og blive sat på prøve af mærkelige henvendelser, som ingen havde forudset. Det er der, en god procesejer er guld værd.
Hvad jeg ofte ser gå galt
Den hyppigste fejl er at sætte agenten i drift før forarbejdet er gjort. Det er fristende, fordi det føles, som om man kommer hurtigt i gang. Det betaler man dyrt for. Agenten begynder at give mindre præcise svar, kunderne bliver irriterede, medarbejderne bliver tvivlende, og indenfor en uge er der tale om at slukke den igen.
Den anden fejl er at glemme dem, der står med opgaven dagligt. En kundeservice-agent, der ikke er udviklet sammen med kundeservicemedarbejderne, bliver sjældent god. De ved, hvor sagerne ligner hinanden. De ved, hvor de er forskellige. De ved, hvad kunderne reelt spørger om, ikke hvad ledelsen tror, de spørger om.
Den tredje fejl er overforventninger. Når ledelsen tror, at agenten skal håndtere en stor del af alle henvendelser inden for kort tid, så er der ingen, der vinder den samtale. Det er en urealistisk forventning, der gør medarbejderne på defensiven og projektejeren forlegen. Bedre at sætte målet til, at agenten skal kunne hjælpe medarbejderne på en konkret type henvendelse, og så lade det vokse derfra.
Hvor man kan læse om realistiske tilgange
For dem, der gerne vil se en mere afdæmpet og praktisk gennemgang af, hvordan AI-agenter typisk lægges ind i kundeservice i mindre danske virksomheder, er en artikel om AI-agenter i kundeservice for danske SMV’er et godt sted at orientere sig. Det er ikke en demo. Det er en gennemgang af, hvad der typisk virker, og hvad der typisk er en fælde.
Et råd til den, der står på tærsklen
Hvis du står med beslutningen om at sætte en AI-agent ind i jeres kundeservice lige nu, så start ikke med agenten. Start med en uge, hvor du selv eller en kollega sætter sig ned med medarbejderne og noterer ti konkrete typiske henvendelser og deres ti tilhørende standardsvar.
Den ene uge kan forhindre en del dyrt oprydningsarbejde længere fremme. Det er den vigtigste investering, der findes på det her område, og den koster overraskende lidt at lave. Det er bare svært at få sig selv til at gøre, fordi det føles, som om man burde være i gang med noget mere teknisk.
Det skal du ikke. Det tekniske er den lille del. Det praktiske er den store. Det er der, agenterne enten lykkes eller mislykkes.