Hören Sie auf, Chatbots zu optimieren: Warum der Kundenservice eine agentische Koordination benötigt

Aktuell können automatisierte Lösungen nur etwa 14 % der Kundenanfragen bearbeiten. Kunden erwarten, dass sie einem Chatbot eine Frage stellen, eine klare Antwort erhalten, ihre Frage präzisieren, das Thema wechseln und dennoch verstanden werden. Sie erwarten, dass Systeme den Kontext bewahren, mit Mehrdeutigkeiten umgehen, sich über mehrere Sitzungen hinweg an ihre Bedürfnisse erinnern und auf eine natürliche Weise reagieren, denn Verbraucher-Chatbots wie ChatGPT bieten diese Erfahrungen.

Anschließend wenden sie sich an ihre Bank, ihre Versicherung oder ihren Telekommunikationsanbieter und machen dort eine ganz andere Erfahrung mit dem Kundenservice. Sie fragen sich: „Warum funktioniert dieser Chatbot nicht genauso wie der Chatbot, den ich benutze?“

Stattdessen sehen sie sich mit starren Abläufen, sich wiederholenden Fragen und Sackgassen konfrontiert, die sie dazu veranlassen, einen menschlichen Mitarbeiter anzufordern. Wenn dies häufig genug vorkommt, verlieren die Kunden das Vertrauen in digitale Kanäle insgesamt. Möglicherweise nutzen sie externe KI-Tools als primäre Schnittstelle, um sich über Produkte, Richtlinien und Dienstleistungen zu informieren, wodurch Unternehmen Gefahr laufen, die Kontrolle über die Kundenbeziehung zu verlieren.

Für Führungskräfte in der Kundenbetreuung sind die Folgen dieser Erfahrung unmittelbar spürbar: steigende Servicekosten, sinkende Eindämmungsmaßnahmen und ein Zusammenbruch der Customer Experience. Der Ersatz menschlicher Mitarbeiter durch Chatbots, die Probleme nicht lösen können, führt dazu, dass Kunden frustriert sind und keine Unterstützung erhalten. Wenn ein Kunde keine Hilfe erhält, verliert er nicht nur das Interesse, sondern wendet sich ab.

Der Großteil der Automatisierung im Kundenservice basierte auf einem einfachen Modell: den Kunden durch einen vordefinierten Ablauf zu führen. Drücken Sie die 1 für dies, die 2 für jenes. Auch wenn Chatbots die Telefonmenüs abgelöst haben, ist die zugrunde liegende Architektur weitgehend unverändert geblieben. Diese Systeme nutzten eine regelbasierte Logik mit begrenzter KI im Hintergrund. Sie konnten Sprache in Text umwandeln, Absichten erkennen, einige Entitäten erfassen und Nutzer durch vordefinierte Abläufe führen – allerdings nur, wenn das Gespräch genau dem vom System erwarteten Verlauf folgte.

Kunden ändern jedoch die Richtung, stellen Folgefragen und kombinieren Probleme. Sie erwarten, dass das System versteht und richtig interpretiert, was sie meinen. Genau hier scheiterten frühere Generationen der Automatisierung häufig, und dies ist auch der Grund, warum viele Unternehmen trotz jahrelanger Investitionen in die Automatisierung des Kundenservice weiterhin nur eine geringe Lösungsquote verzeichnen.

Um den steigenden Erwartungen gerecht zu werden, ist ein anderer Ansatz erforderlich. Eine Lösung, die Kunden nicht in starre Bahnen zwingt, sondern ihre Absichten versteht, sich in Echtzeit anpasst und die Aufgabe erledigt.

Große, komplexe Serviceprobleme werden besser handhabbar, wenn sie in kleinere, fokussierte Aufgaben unterteilt werden. Anstatt ein einziges System mit allem zu betrauen, können Unternehmen Teile der Interaktion spezialisierten KI-Agenten zuweisen.

Ein Mitarbeiter kann das Gespräch beginnen und die Bedürfnisse des Kunden ermitteln. Gleichzeitig kann ein anderer Benutzer relevante Informationen abrufen, während ein dritter eine Transaktion ausführen kann, wie z. B. die Aktualisierung eines Kontos oder die Überprüfung des Anspruchsstatus usw. Jeder KI-Agent erfüllt eine Aufgabe gut, und gemeinsam tragen sie zur Lösung des Gesamtproblems bei.

Dieses Modell ist die Kernidee hinter agentischer Orchestrierung in der Kundenbetreuung. Es verlagert die Automatisierung von monolithischen Wenn-Dann-Programmen hin zu einem koordinierten System von KI-Agenten, das auf Problemlösung ausgerichtet ist.

Ein Kunde erlebt einen medizinischen Notfall und hat den ganzen Monat knapp bei Kasse. Sie muss einen Aufschub für eine bevorstehende Autozahlung von 500 USD beantragen. Anstatt ein Contact Center anzurufen, wendet sie sich an den KI-Assistenten ihrer Bank.

So handhabt ein agentisches System die Interaktion:

• Der Hauptagent versteht die Anfrage und zerlegt sie in Aufgaben.
• Ein Kreditagent ruft ihre Kreditwürdigkeit ab, um die Eignung zu beurteilen.
• Ein Zahlungshistoriker prüft versäumte Zahlungen in den letzten Jahren.
• Ein deferral eligibility agent Verify, ob sie kürzlich einen Aufschub beantragt hat.
• Ein Kreditberechnungsagent ermittelt die aktualisierten Kreditbedingungen, einschließlich der aufgelaufenen Zinsen und des geänderten Rückzahlungstermins.

Jeder Agent erfüllt eine spezifische Aufgabe und teilt die Ergebnisse über eine gemeinsame Kontextschicht. Die Orchestrierungsschicht stellt dann das Ergebnis zusammen und präsentiert dem Kunden die aktualisierten Kreditbedingungen zur Genehmigung.

Wenn sie akzeptiert:

1. Ein Agent aktualisiert den Darlehensvertrag.
2. Ein weiterer aktualisiert das CRM-System.
3. Die Interaktion erfolgt vollständig ohne die Beteiligung eines menschlichen Akteurs.

In traditionellen Systemen hätte jeder Schritt dieses Prozesses eine explizit programmierte Logik erfordert. Entwickler müssten jede Regel, jede Bedingung und jeden möglichen Weg im Voraus definieren, was das System starr und schwer anpassungsfähig macht.

Mit der agentischen Orchestrierung ändert sich das Modell. Anstatt jedes Ergebnis zu skripten, können Teams Ziele, Einschränkungen und Richtlinien definieren. Die Agenten bestimmen dynamisch, wie die Aufgabe innerhalb vorgegebener Rahmenbedingungen zu erledigen ist. Dieses Verfahren reduziert die Entwicklungszeit erheblich, von wochenlanger Programmierung auf stundenlange Konfiguration, und Ergebnisse in Systemen, die deutlich weniger anfällig sind, wenn in der realen Welt unweigerlich Komplexität auftritt.

Identifizieren Sie die 10–15 Absichten, die das größte Volumen, die höchsten Kosten oder die größte Kundenfrustration verursachen. In vielen Unternehmen gehören dazu Anwendungsfälle wie Rechnungsstreitigkeiten, Forderungen, Kontoaktualisierungen, Fragen zum Liefer- oder Servicestatus und andere Interaktionen, die sowohl häufig als auch schwer effizient zu lösen sind.

Bei diesen Reisen werden die wirtschaftlichen Zusammenhänge oft am deutlichsten. Automatisierte Interaktionen kosten typischerweise 0,03–0,25 USD pro Anruf, während Live-Agenten-Interaktionen zwischen 3,00 und 6,50 USD liegen pro Anruf. Wenn zu viele dieser Interaktionen eskalieren, bleiben Unternehmen in der menschlichen Kanalökonomie gefangen. Die Chance besteht darin, den Anteil der Interaktionen zu verbessern, die durch Automatisierung gelöst werden, insbesondere bei stark frequentierten und komplexen Abläufen.

Das Ziel ist nicht, menschliche Akteure vollständig aus dem Prozess zu entfernen. Es geht darum, sie im richtigen Moment einzubeziehen, wenn Urteilsvermögen, Empathie, Verhandlungen oder Ausnahmebehandlung erforderlich sind.

Richtig eingesetzt, verbessert die agentische Orchestrierung die Qualität der menschlichen Übergabe, indem sie den gesamten Kontext weitergibt, Wiederholungen reduziert und den Agenten dabei hilft, die Interaktion aufzunehmen, ohne den Kunden zu zwingen, von vorne zu beginnen.

Ein weiterer Vorteil der Orchestrierung ist, dass sie eine stärkere Feedbackschleife erzeugt.

Durch die Analyse der Interaktionsergebnisse und der Leistung der Mitarbeiter können Unternehmen ihre Arbeitsabläufe optimieren, die Koordination zwischen den Mitarbeitern verbessern, Wissenslücken oder Mängel bei der Systemintegration aufdecken und die Lösungsquoten im Laufe der Zeit kontinuierlich steigern.

IBM® watsonx Orchestrate bietet Kundenbetreuungsteams die Möglichkeit, von fragmentierter Automatisierung zu einem besser koordinierten, handlungsorientierten Modell zu verschieben. Es ermöglicht Unternehmen, KI-Agenten zu entwickeln und zu steuern, die über bestehende Systeme und Workflows hinweg funktionieren und Teams helfen, Lösungen zu verbessern, ohne dass ihre Contact-Center-Umgebung komplett ersetzt werden muss.

Es unterstützt außerdem einen offenen Ökosystemansatz, einschließlich Sprach- und Gesprächsfunktionen von Partnern wie Deepgram und ElevenLabs. Dieser Ansatz ermöglicht es Unternehmen, Erfahrungen mit den neuesten Technologien zu gestalten, die besser widerspiegeln, wie Kunden interagieren möchten.

Am wichtigsten ist, dass es Orchestrierung, Aktion und Verwaltung zusammenbringt. Das bedeutet, dass Kundenbetreuung Organisationen mehr tun können, als nur bessere Antworten zu generieren – sie können Gespräche mit Geschäftssystemen verknüpfen, den Kontext bei Interaktionen bewahren und innerhalb der von Unternehmen erforderlichen Kontrollen agieren. Das Ergebnis ist eine stärkere Grundlage für eine verbesserte Eindämmung, eine geringere Abhängigkeit von Live-Agenten und eine konsistentere Kundenbetreuung in großem Maßstab.

Sehen Sie IBM watsonx Orchestrate im Einsatz bei der Farmers State Bank

IBM watsonx Orchestrate erkunden