Minden támogatási csapat tapasztalta már ugyanazt a súrlódási pontot: egy ügynök felvesz egy jegyet a szál közepén, végiggörget egy tucat üzeneten, és próbálja összerakni, mi történt, mielőtt cselekedhetne. Az ügyfél már kétszer elmagyarázta a problémáját. Az előző ügynök kipróbált egy megkerülő megoldást, ami nem működött. Valahol a szálban egy vezető tett egy ígéretet, amiről a következő műszak semmit sem tud.
A belső jegyzeteknek ezt a problémát kellene megoldaniuk. A gyakorlatban ritkán teszik, mert az ügynökök túl elfoglaltak a jegyek megoldásával ahhoz, hogy jól dokumentálják azokat.
Az MI jegy összefoglaló technológia teljesen megváltoztatja a dinamikát. Ahelyett, hogy az ügynökökre hagyatkoznánk, hogy a semmiből írjanak átadási jegyzeteket, a mesterséges intelligencia elolvassa a teljes beszélgetési szálat, és másodpercek alatt egy strukturált belső jegyzetet generál. Az eredmény gyorsabb átadások, kevesebb ismételt kérdés és egy ügyfélszolgálat, amely megőrzi a szervezeti tudást minden műszakváltáskor.
Ez a cikk elmagyarázza, hogyan állítsuk be az MI által generált belső jegyzeteket, mely eszközök csinálják ezt a legjobban, és mely gyakorlatok alakítanak egy alapvető MI összefoglalót egy igazán hasznos dokumentációs réteggé a támogatási csapata számára.
Miért működnek rosszul a belső jegyzetek automatizálás nélkül
A belső jegyzetek három kritikus funkciót töltenek be egy támogatási csapatban: rögzítik a jegy életciklusa során hozott döntéseket, tájékoztatják a következő ügynököt arról, ami már történt, és kereshető nyilvántartást hoznak létre jövőbeli hivatkozás céljából. Amikor ezek a jegyzetek hiányoznak vagy hiányosak, a költség több mérhető módon is megjelenik.
A hiányzó belső jegyzetek rejtett költsége
Amikor egy ügynök megfelelő kontextus nélkül vesz fel egy jegyet, időt tölt a teljes szál elolvasásával ahelyett, hogy egyből a következő lépésre ugrana. Az ügyfélszolgálati termelékenységgel kapcsolatos tanulmányok szerint az ügynökök jegyenként 15-30 másodpercet veszítenek pusztán a tájékozódással, és hosszú, 20 vagy több üzenetet tartalmazó jegyeknél ez a szám jelentősen megnő. Szorozzuk meg ezt napi több száz jeggyel, és a termelékenységveszteség jelentős.
A puszta időn túl a hiányos jegyzetek dupla munkát teremtenek. A pontos nyilvántartás nélkül arról, hogy mit próbáltak már ki, az ügynökök megismétlik a hibaelhárítási lépéseket. Az ügyfelek észreveszik. Frusztrálttá válnak, amikor harmadszor is el kell magyarázniuk ugyanazt a problémát. Az elégedettségi pontszámok csökkennek. Az eszkalációk nőnek.
Miért bukik meg a kézi jegyzetelés
A kézi jegyzetelés azért bukik meg, mert ugyanazért az okból, amiért bármilyen dokumentációs feladat: versenyez az elsődleges munkával. Amikor az ügynök prioritása a jegy megoldása, a megoldás részletes összefoglalásának megírása többletmunkának tűnik. Az eredmény olyan jegyzetek, amelyek elnagyoltak, következetlenek vagy egyszerűen hiányoznak.
Egy ügyfélszolgálati szoftver platform beépített MI képességekkel teljesen megszünteti ezt a feszültséget. Az ügynök megoldja a jegyet. A mesterséges intelligencia megírja a jegyzetet. Egyik feladat sem versenyez a másikkal.
Hogyan generál a mesterséges intelligencia belső jegyzeteket jegybeszélgetésekből
Az MI által generált belső jegyzetek mögötti technológia gyorsan fejlődött. A modern nagy nyelvi modellek képesek elolvasni egy teljes támogatási beszélgetést, a nyilvános válaszokat, a privát ügynökjegyzeteket, a chat átiratokat és akár az e-mail szálakat is, és egy strukturált összefoglalót készíteni, amely rögzíti azokat az alapvető információkat, amelyekre egy emberi ügynöknek szüksége van.
A háromlépéses folyamat
A legtöbb MI jegy összefoglaló rendszer ugyanazt az alapvető munkafolyamatot követi, bár a megvalósítás részletei platformonként eltérőek.
| Lépés | Mi történik | Mit lát az ügynök |
|---|---|---|
| Beszélgetés betöltése | A mesterséges intelligencia elolvassa a teljes jegy szálat, beleértve az ügyfél üzeneteit, az ügynök válaszait és a rendszerjegyzeteket vagy metaadatokat. | Semmit, ez a háttérben történik. |
| Kontextus kinyerése | A mesterséges intelligencia azonosítja a központi problémát, a kulcsfontosságú hibaelhárítási lépéseket, a meghozott döntéseket, a tett ígéreteket és az aktuális állapotot. A zaj, mint a köszöntések, aláírások és ismétlődő szövegek kiszűrésre kerülnek. | Semmit, a mesterséges intelligencia csendben dolgozik. |
| Jegyzet generálása | A mesterséges intelligencia a kinyert információkat egy strukturált belső jegyzetté formázza, gyakran olyan fejlécekkel, mint “Probléma”, “Megtett lépések” és “Következő lépések”. | A jegyzet megjelenik a jegy belső jegyzetek szekciójában, felülvizsgálatra készen. |
Ez a munkafolyamat akkor is érvényes, ha egy natív MI jegy összefoglaló funkciót használ az ügyfélszolgálatán belül, vagy egy automatizációs platformmal épített egyedi folyamatot.
Mit nyer ki a mesterséges intelligencia és mit hagy figyelmen kívül
Egy jól konfigurált MI összefoglaló szelektív. Tudja, hogy az ügyfél fájdalompontjait, a technikai hibaüzeneteket, az ügynöki döntéseket és a beszélgetés során tett ígéreteket részesítse előnyben. Azt is tudja, hogy figyelmen kívül hagyja a jegy szál azon részeit, amelyeknek nincs információs értékük: köszöntések, aláírások, ismételt “köszönöm” üzenetek és az integrált rendszerekből származó automatikus állapotfrissítések.
Ez a szűrési képesség különösen fontos azoknak a csapatoknak, amelyek rendszer által generált értesítéseket kapnak a jegy szálakban. Az a mesterséges intelligencia, amely képes megkülönböztetni egy emberi üzenetet egy automatikus naplóbejegyzéstől, sokkal tisztább belső jegyzeteket készít, mint az, amelyik minden szöveget egyformán kezel.
Készen áll a következő szintre lépni?
Próbálja ki a LiveAgentet ingyen és győződjön meg róla.
Natív MI funkciók használata az ügyfélszolgálati platformon
A legegyszerűbb út az MI által generált belső jegyzetekhez, ha engedélyezi a funkciót egy olyan ügyfélszolgálati platformon belül, amely már támogatja azt. Számos modern platform ma már tartalmaz jegy összefoglalást az MI eszközkészletének részeként, és a beállítás általában csak néhány kattintást igényel.
Az olyan platformok, mint a Zendesk, a Freshdesk és a HubSpot Service Hub, mind saját megvalósítást kínálnak. A Zendesk AI Copilotja például képes összefoglalni mind a nyilvános, mind a belső jegy megjegyzéseket, gyors áttekintést adva az ügynököknek a beszélgetési előzményekről közvetlenül a jegy nézetben. A Freshdesk Freddy AI-ja tartalmaz egy dedikált “Összefoglalás” gombot, amely a teljes interakciót egy strukturált áttekintéssé állítja össze.
A natív funkciók előnye, hogy nem igényelnek integrációs munkát. A mesterséges intelligencia már hozzáfér a jegy adataihoz, érti az ügyfélszolgálat struktúráját, és képes közvetlenül a belső jegyzet mezőbe írni az összefoglalókat anélkül, hogy bármilyen köztes rétegre lenne szükség.
A natív eszközök korlátai
A natív MI funkciók kényelmesek, de nem mindig rugalmasak. Az összefoglaló formátumát a platform határozza meg, és előfordulhat, hogy nem tudja testreszabni, mely mezők jelenjenek meg, vagy hogyan legyen az információ strukturálva. Néhány platform összefoglalónkénti díjat is felszámít, vagy az MI funkciókat magasabb szintű csomagok mögé korlátozza.
Azoknak a csapatoknak, amelyek nagyobb kontrollt szeretnének a kimeneti formátum felett, vagy amelyeknek összefoglalókat kell küldeniük külső rendszerekbe, például Slackbe, Notionba vagy egy tudásbázisba, egy egyedi folyamat lehet a jobb megoldás.
Egyedi MI folyamat építése jegy összefoglalókhoz
Ha az ügyfélszolgálatának nincs natív MI összefoglalása, vagy ha olyan összefoglalókat szeretne, amelyek egy adott belső formátumot követnek, építhet egy egyedi folyamatot egy automatizációs platform és egy nagy nyelvi modell segítségével.
Az automatizációs munkafolyamat
Az alapvető architektúra egyszerű. Amikor egy jegy elér egy bizonyos állapotot, jellemzően “Megoldva” vagy “Lezárt”, egy webhook vagy automatizációs trigger aktiválódik. A teljes beszélgetési átirat lekérésre kerül az ügyfélszolgálatból API-n keresztül, és elküldésre kerül egy nagy nyelvi modellhez, például az OpenAI GPT-4o vagy az Anthropic Claude modelljéhez. A nagy nyelvi modell feldolgozza a beszélgetést az Ön által meghatározott utasítás sablon szerint, majd visszaad egy strukturált összefoglalót. Az összefoglaló visszaíródik a jegybe belső jegyzetként.
Az olyan automatizációs platformok, mint a Zapier, a Make és a Celigo, képesek összekapcsolni ezeket a lépéseket anélkül, hogy egyedi kódra lenne szükség. Azoknak a csapatoknak, amelyek rendelkeznek fejlesztői erőforrásokkal, egy közvetlen API integráció az ügyfélszolgálat és a nagy nyelvi modell szolgáltató között nagyobb kontrollt és alacsonyabb késleltetést kínál.
Utasítás tervezés a tisztább belső jegyzetekért
Egy MI által generált belső jegyzet minősége nagyban függ az utasítástól. Egy homályos utasítás, mint “foglald össze ezt a jegyet”, homályos eredményeket produkál. Egy strukturált utasítás, amely pontosan meghatározza, hogy mely mezőket kell kinyerni, milyen formátumot kell használni, és mely információkat kell figyelmen kívül hagyni, olyan jegyzetet eredményez, amelyet az ügynökök ténylegesen használni tudnak.
Íme egy utasítás sablon, amely következetesen hasznos belső jegyzeteket készít:
“Elemezd a következő támogatási jegy beszélgetést. Készíts egy belső jegyzetet a következő szekciókkal: Probléma (mit jelentett az ügyfél, egy mondatban), Hibaelhárítás (mit próbáltak ki és mi működött), Döntések (bármilyen ígéret vagy változtatás), Státusz (megoldva, függőben vagy eszkalálva), és Következő lépések (mit kell tudnia a következő ügynöknek). Hagyd figyelmen kívül a köszöntéseket, aláírásokat és automatikus rendszerüzeneteket. Ha valami nem egyértelmű, jelöld meg ‘Tisztázandó’ jelzéssel.”
Rendszerzaj szűrése az emberi beszélgetésből
A támogatási jegyek, amelyek automatikus rendszernaplókat tartalmaznak, gondoljunk CI/CD pipeline értesítésekre, monitorozási riasztásokra vagy webhook adatokra, egyedi kihívást jelentenek az MI összefoglalás számára. A mesterséges intelligencia számára fel kell ismernie ezeket a bejegyzéseket zajként, és ki kell zárnia azokat az összefoglalóból.
Ezt jellemzően egy előfeldolgozási lépéssel kezelik. Mielőtt a beszélgetés elérné a nagy nyelvi modellt, egy könnyű szűrő eltávolítja az ismert mintáknak megfelelő üzeneteket: olyan küldőneveket, mint “Rendszer”, “Webhook” vagy “Automatizáció”; olyan tartalmat, amely nyers JSON-t vagy veremkövetést tartalmaz; valamint a jegy metaadataiban automatikusként jelölt üzeneteket.
A LiveAgent jegykezelő rendszer támogatja a strukturált jegy adatokat, ami megkönnyíti az ilyen típusú szűrést, mivel az automatikus bejegyzések és az emberi üzenetek már elkülönítve vannak az adatmodellben.
Iratkozzon fel hírlevelünkre
A legfrissebb tippek és ajánlatok közvetlenül a postaládájába.
Legjobb gyakorlatok MI által generált belső jegyzetekhez
Az MI által generált belső jegyzetek csak annyira hasznosak, amennyire a körülöttük lévő folyamat. Azok a csapatok, amelyek a legjobb eredményeket érik el, néhány következetes gyakorlatot követnek.
Határozzon meg egy szigorú sablont és tartsa magát hozzá
A strukturálatlan MI szöveget nehéz áttekinteni. Amikor minden belső jegyzet ugyanazt a formátumot követi, kiszámítható fejlécekkel, mint “Probléma”, “Megtett lépések” és “Következő lépések”, az ügynökök pontosan tudják, hol keressenek. Ez a konzisztencia megkönnyíti a régi jegyzetek későbbi keresését is, mivel ugyanaz az információ mindig ugyanott jelenik meg.
Tartsa meg az emberi felülvizsgálatot
Az MI összefoglalók kiindulópontok, nem kész termékek. Különösen a kezdeti bevezetés során az ügynököknek felül kell vizsgálniuk az MI által generált jegyzeteket, mielőtt azok véglegesítésre kerülnének. A visszajelzésük visszakerül az utasításba, idővel javítva a pontosságot. Néhány csapat egy kéthetes felülvizsgálati időszakot futtat, ahol minden MI jegyzet gyors jóváhagyási ellenőrzésen megy keresztül. Ezt követően a felülvizsgálati folyamat lazítható a rutin jegyek esetében, miközben a nagy tétűeknél továbbra is érvényben marad.
Szűrje ki az udvariassági fordulatokat és összpontosítson a technikai tartalomra
Az általános beszélgetési adatokon tanított mesterséges intelligencia hajlamos reprodukálni a tanítási korpuszban látott udvariasságot. A belső jegyzetekben ez csak zaj. Utasítsa a mesterséges intelligenciát, hogy távolítsa el a köszöntéseket, a hálálkodás kifejezéseit és más beszélgetési tölteléket. A jegyzet csak azt az információt tartalmazza, amelyre az ügynöknek szüksége van a cselekvéshez: mi ment rosszul, mit tettek ellene, és mi következik.
Mérje, ami számít
Kövessen nyomon néhány konkrét mérőszámot annak ellenőrzésére, hogy az MI által generált belső jegyzetek működnek: a megoldási időt az átadással járó jegyeknél, az ügyfelek által feltett ismételt kérdések számát és az ügynökök elégedettségi pontszámait. Ha ezek a számok javulnak, a mesterséges intelligencia végzi a dolgát. Ha nem, az utasítást vagy a munkafolyamatot kell módosítani.
Hogyan generál a LiveAgent belső jegyzeteket jegybeszélgetésekből
A LiveAgent MI jegy összefoglaló funkcióját úgy tervezték, hogy azonnali kontextust adjon az ügynököknek bármely jegyhez, függetlenül attól, hogy mennyi ideje fut a beszélgetés. Az összes olyan csatornán működik, amelyet a LiveAgent támogat, e-mail, élő chat , call center átiratok és közösségi média üzenetek, így az ügynökök egységes összefoglalót kapnak még akkor is, ha a beszélgetés több csatornán átível.
Mit rögzít az MI jegy összefoglaló
Amikor egy ügynök megnyit egy jegyet, a mesterséges intelligencia lekéri a teljes beszélgetési előzményeket, kiszűri a rendszerüzeneteket és a nem releváns metaadatokat, és egy strukturált összefoglalót generál, amely lefedi a Problémát, a már megtett Megoldási lépéseket és a Nyitott Tételeket. A kész összefoglaló automatikusan belső jegyzetként kerül közzétételre a jegyen belül, így a szál közepén csatlakozó ügynök másodpercek alatt teljes képet kap anélkül, hogy végig kellene görgetnie minden üzenetet.
Hogyan illeszkedik az ügynök munkafolyamatába
Az MI összefoglaló közvetlenül a jegy belső jegyzeteibe kerül, így az ügynököknek nem kell eszközöket váltaniuk vagy külön folyamatot indítaniuk. Azoknak a csapatoknak, amelyek nagy jegy mennyiséget kezelnek több csatornán keresztül, ez az azonnali kontextus csökkenti a tájékozódási időt, ami a produktív munkába beleeszik.
Konfiguráció és költség
Az MI jegy összefoglaló beállítása a LiveAgentben minimális konfigurációt igényel. Beállíthatja az utasítást a Probléma, Megoldás és Nyitott Tételek struktúrájának, valamint a hangnem és a részletesség szintjének módosításához, hogy megfeleljen a csapata tényleges munkamódszerének. A LiveAgent nem számít fel további díjakat a funkció engedélyezéséért; a használat a FlowHunt kredit-alapú árazási modelljén keresztül történik, és a jegyenkénti költség általában alacsony, mivel minden összefoglaló egyetlen, fókuszált generálási feladatot jelent.
A funkció a LiveAgent MI-alapú ügyfélszolgálati képességeinek része, amelyek magukban foglalják az MI-asszisztált válaszszerkesztést, az automatikus jegyútvonalválasztást és a proaktív chatet is. Azoknak a csapatoknak, amelyek csökkenteni szeretnék a támogatás teljes költségét, ezen MI funkciók egyetlen platformba csomagolása költséghatékonyabb lehet, mint külön eszközök rétegezése egy alap ügyfélszolgálat tetejére.
Megközelítések összehasonlítása az MI jegy összefoglaláshoz
Különböző csapatoknak különböző szintű kontrollra van szükségük az MI összefoglalóik felett. Az alábbi táblázat összehasonlítja a három fő megközelítést.
| Megközelítés | Beállítási idő | Testreszabás | Kinek való |
|---|---|---|---|
| Natív ügyfélszolgálati MI (pl. LiveAgent, Zendesk, Freshdesk) | Percek | Alacsony vagy közepes | Csapatok, akik plug-and-play összefoglalást szeretnének extra eszközök nélkül |
| Kód nélküli automatizáció (Zapier, Make + nagy nyelvi modell) | Órák | Magas | Csapatok, akik egyedi összefoglaló formátumokra vagy több rendszeres integrációra van szükségük |
| Egyedi API integráció (közvetlen hozzáférés a nagy nyelvi modellhez) | Napoktól hetekig | Maximális | Fejlesztői csapatok, akik teljes kontrollt igényelnek a folyamat felett |
A legtöbb támogatási csapat számára a natív MI megközelítés nyújtja a legjobb egyensúlyt az erőfeszítés és az érték között. A LiveAgent MI jegy összefoglaló funkciója például közvetlenül az aktiválás után strukturált belső jegyzeteket készít, munkafolyamat-tervezés vagy utasítás-optimalizálás nélkül.
Első lépések az MI által generált belső jegyzetekkel
Ha készen áll arra, hogy bevezesse a mesterséges intelligenciát a belső dokumentációs munkafolyamatába, az út rövidebb, mint gondolná. Kezdje ezzel a három lépéssel.
1. lépés: Ellenőrizze a jelenlegi jegyzetminőséget
Mielőtt bekapcsolná a mesterséges intelligenciát, töltsön egy hetet a csapata által jelenleg készített belső jegyzetek áttekintésével. Számolja meg, hány jegyhez egyáltalán nincs jegyzet. Jegyezze fel, hány jegyzet olyan rövid, hogy nem ad hasznos kontextust. Ez az alapvonal tiszta előtte-utána összehasonlítást ad, ha a mesterséges intelligencia fut.
2. lépés: Válassza ki a megközelítését
Ha az ügyfélszolgálatának van natív MI funkciója, kezdje ott. Engedélyezze először egy kis jegyhalmazon, hagyja, hogy az ügynökök áttekintsék a kimenetet, és finomítsa a konfigurációt a visszajelzéseik alapján. Ha olyan platformot használ, mint a LiveAgent, amely MI funkciókat csomagol az ügyfélszolgálatba, aktiválhatja az MI jegy összefoglalót ugyanazon a bevezetési folyamaton belül.
Ha az ügyfélszolgálatából hiányzik a natív MI, építsen egy gyors prototípust Zapier vagy Make segítségével. Csatlakoztassa a jegyrendszerét egy nagy nyelvi modellhez, tesztelje az utasítást néhány valódi jeggyel, és iteráljon, amíg a kimenet következetesen hasznos nem lesz.
3. lépés: Mérjen és iteráljon
Miután a mesterséges intelligencia néhány hétig futott, hasonlítsa össze a mérőszámait az alapvonallal. Vizsgálja meg az ügynökök visszajelzéseit, az átadási sebességet és a jegyek megoldási idejét. Használja a tanulságokat az utasítás, a munkafolyamat vagy a felülvizsgálati folyamat módosításához.
A cél nem a tökéletesség az első napon. Hanem a belső dokumentáció minőségének és konzisztenciájának folyamatos javítása, valamint egy olyan támogatási csapat, amely kevesebb időt tölt olvasással és többet a megoldással.
Következtetés
A támogatási csapat legrégebbi panasza, hogy “senki sem írta le, mi történt”, végre valódi megoldást kapott. A mesterséges intelligencia ugyanazt a beszélgetést olvassa el, mint amit egy emberi ügynök olvasna, de másodpercek alatt teszi, fáradtság nélkül, és anélkül, hogy kihagyná azokat a részleteket, amelyek számítanak a következő átadásnál.
Akár egy natív funkciót engedélyez, mint a LiveAgent MI jegy összefoglalója , akár egy egyedi folyamatot épít egy automatizációs platformmal, akár egészen egy közvetlen API integrációig megy el, az alapvető cél ugyanaz: minden megoldott beszélgetést strukturált, kereshető feljegyzéssé alakítani ahelyett, hogy egy szövegfalból állna, amit senkinek nincs ideje elolvasni. Kezdje kicsiben, tartsa meg az emberi felülvizsgálatot, amíg validálja a kimenetet, és hagyja, hogy a mesterséges intelligencia átvegye azt a dokumentációs munkát, amely mindig is versenyben volt a tényleges ügyfélsegítéssel.
