14 способов, как использовать искусственный интеллект для улучшения обслуживания клиентов — часть 1

Прогнозирование будущих моделей

Представим ситуацию: покупатель использует инструмент чат-бота или IVR, чтобы ввести данные и получить страховое предложение, но затем покидает чат. Система автоматически отслеживает это действие и высылает пользователю уведомление, предлагая пообщаться с оператором. Если клиент соглашается на звонок, информация, собранная ранее чат-ботом или IVR, автоматически отправляется сотруднику контакт-центра. Имея эти данные, оператор сохранит драгоценное время и не будет задавать повторно одни и те же вопросы.

У абонентов всегда должна быть возможность прервать взаимодействие с автоматическими системами в удобный для них момент. Чтобы на любом этапе автоматической обработки контактов или использования инструментов самообслуживания потребители могли связаться с операторами. При этом сотрудники должны получать полную историю взаимодействия, чтобы клиентам не пришлось повторять одну и ту же информацию несколько раз.

Такие гиганты как Alibaba, Amazon, Facebook, Google массово используют глубокие искусственные нейронные сети, например, Long-Short-Term Memory, чтобы предсказать спрос пользователей и дольше удерживать их на своих платформах, заставляя переходить по большему количеству рекламных объявлений.

Компания может внедрить машинное обучение, чтобы повысить рейтинг NPS. Например, система будет анализировать настроение абонентов, отслеживая различные контакты. На основе этого анализа она предоставит данные, с помощью которых можно прогнозировать вероятные модели поведения аудитории и результаты будущих взаимодействий. Опираясь на эти сведения, руководители смогут планировать упреждающие действия, чтобы улучшить качество обслуживания и повысить удовлетворенность клиентов.

Выступая на международной конференции Сбера AI Journey 2021, Юрген Шмидхубер, ученый в области искусственного интеллекта, главный научный советник Института Искусственного Интеллекта AIRI и научный руководитель компании NNAISENSE отметил, что компании в основном сосредоточены на своих частных проблемах, а не на развитии технологий искусственного интеллекта: большая часть их прибыли от ИИ приходится на маркетинг и продажу рекламы.

Технология искусственного интеллекта с каждым годом все лучше анализирует изображения, и функция «компьютерного зрения» — следующий шаг этой эволюции. С помощью такого интеллектуального решения пользователи могут отправлять изображения со своих смартфонов напрямую виртуальным ассистентам.

Сбор информации с помощью анализа изображений

На сегодняшний день искусственный интеллект ученые определяют, как алгоритмы, способные самообучаться, чтобы применять эти знания для достижения поставленных человеком целей. Системы машинного обучения (основной подраздел ИИ) автоматизировали процессы во всех жизненно важных областях, включая банкинг, ретейл, медицину, безопасность, промышленность. Выделяют три вида искусственного интеллекта: слабый (Narrow AI), сильный (AGI) и супер-ИИ (Super AI). Первый вид используются повсеместно (включая голосовых ассистентов, рекламу в соцсетях, распознавание лиц, поиск романтических партнеров в приложениях и так далее); эти системы слабого ИИ единственные доступные на сегодня. Сильный ИИ максимально приближен к способностям человеческого интеллекта и наделен по классическому определению Тьюринга самосознанием; по мнению экспертов, AGI сформируется примерно к 2075 году, а спустя еще 30 лет придет время для супер-ИИ. Супер-ИИ мог бы не просто стать подобным людям, но и превзойти лучшие умы человечества во всех областях, при этом перепрограммируя самого себя, продолжая совершенствоваться и, вероятно, разрабатывая новые системы и алгоритмы самостоятельно.

По крайней мере так было до недавнего времени. Сейчас ситуация постепенно меняется. Новые модели чат-ботов становятся более интеллектуальными благодаря встраиваемой функции «распознавания намерений». Она позволяет ботам лучше понимать, что говорят абоненты, и отвечать более подробно, точно.

PwC прогнозирует увеличение мирового ВВП на $15,7 трлн к 2030 году благодаря развитию искусственного интеллекта. К этому времени Китай станет ведущей мировой державой в сфере ИИ с увеличением ВВП на 26%, Северная Америка будет следующей с ростом ВВП на 14,5%, за ней последует рост на 11–12% в крупнейших экономиках Европы. Развивающиеся страны получат наименьшую выгоду, поэтому есть риск усиления цифрового неравенства.

«Говоря о внедрениях, необходимо приложить усилия в пропорциях 10–20–70. То есть, примерно 10% усилий должно уйти на создание алгоритма, 20% на построение технологии и 70% на организацию бизнес-процессов. Компания должна быть на определенном уровне технологической зрелости для того, чтобы внедрение ИИ приносило пользу», — говорит Леонид Жуков, генеральный директор Института Искусственного Интеллекта AIRI, старший управляющий директор Лаборатории по искусственному интеллекту Сбербанка.

Качество данных — второе по значимости препятствие для внедрения ИИ, после нехватки специалистов. Для успешных результатов алгоритмам необходимы качественные «вводные», включая размеченные и чистые данные. Неправильно заданные паттерны могут провоцировать систему делать ложные выводы: например, ошибочно сигнализировать о мошеннической транзакции, или осудить невиновного.

Оценить динамику может каждый, кто пользуется автоматическими переводчиками. Еще лет пять назад Google Translate более-менее сносно справлялся с отдельными наборами фраз и предложениями, тогда как сегодня программа переводит большие смысловые блоки, нейросети учитывают контекст, оперируют огромными массивами статистических данных. Сейчас можно читать статьи на хинди, китайском, арабском, не зная языка. ИИ давно используется в финансовой сфере для оценки платежеспособности заемщика. Есть вам отказали в выдаче кредита на первом этапе ― вас отсеял именно искусственный интеллект. В США в некоторых штатах ИИ применяют в судебной системе для оценки продолжительности тюремных сроков для обвиняемых.