Apa itu agent assist?

Agent assist adalah ketika machine learning dan teknologi digunakan untuk membantu memberikan perwakilan layanan pelanggan informasi yang relevan secara real time untuk dukungan pelanggan yang lebih efektif, layanan-mandiri. Misalnya, alat bantuan agent assist memunculkan tanggapan umum terhadap pertanyaan yang sering diajukan, dan memberikan panduan real-time di berbagai sistem untuk menemukan jawaban dan insight. Peran mereka sebagai kopilot adalah untuk meningkatkan produktivitas agen manusia, mengoptimalkan pengalaman pelanggan secara keseluruhan dan mengurangi biaya operasional dalam satu ruang kerja agen.

Sementara chatbot yang diresepkan dapat berguna untuk menangani pertanyaan yang sering diajukan (FAQ), agen pusat kontak virtual yang lebih kompleks dapat mengekstrak insight dari data pelanggan dan menyarankan solusi yang mungkin untuk agen manusia dari situs web atau aplikasi perusahaan. Hari ini, sebagian besar pusat panggilan menggunakan beberapa bentuk teknologi bantuan untuk menghubungi alamat pelanggan, menyederhanakan alur kerja dan mengotomatiskan fungsi layanan pelanggan.

Teknologi bantuan agen berkembang dari sistem berbasis komputer untuk routing panggilan otomatis dan asisten virtual cerdas yang dapat melakukan berbagai tugas sederhana seperti mengatur timer atau mengambil informasi cuaca. Namun terkadang, kebutuhan pelanggan rumit dan memiliki banyak komponen. Chatbot dan agen virtual seringkali tidak dapat mengatasi alamat ini sendirian, menciptakan kebutuhan akan teknologi yang menggunakan manfaat agen manusia dengan basis pengetahuan alat yang didukung AI.

Bantuan agen menggunakan teknologi AI percakapan seperti Natural Language Understanding (NLU) dan pemrosesan bahasa alami (NLP) untuk menganalisis informasi dan konteks seputar masalah pelanggan. Metode ini juga menerapkan pengenalan suara untuk menyalin panggilan pelanggan dan menyediakan ringkasan interaksi pelanggan.

Misalnya, AI dapat menganalisis transkripsi panggilan dan mengidentifikasi kata kunci serta frasa untuk mengambil informasi yang relevan terkait akun pelanggan atau dokumen tertentu yang mereka rujuk, seperti laporan penagihan atau tanda terima. Hal ini dapat membantu agen manusia merampingkan percakapan mereka dengan pelanggan dan memberikan penyelesaian masalah dengan waktu respons yang lebih efisien serta memberikan metrik yang dapat digunakan untuk interaksi di masa mendatang.

Secara terpisah, agen AI telah menjadi alat teknologi yang populer, meskipun mereka berbeda dari bantuan agen. Agen AI merujuk kepada sistem atau program yang menyelesaikan tugas secara mandiri atau atas nama pengguna. Agen AI menggunakan algoritma machine learning untuk membuat garis dasar dan mengidentifikasi penyimpangan berdasarkan input awal.

Selain merampingkan alur kerja dan memberdayakan agen manusia, teknologi bantuan agen juga dapat menghasilkan layanan pelanggan yang lebih sensitif dan memberikan insight yang dapat ditindaklanjuti yang disesuaikan dengan pengguna individu. Misalnya, AI dapat memberikan masukan tentang kepuasan pelanggan dengan melakukan analisis sentimen dan menyarankan kapan agen manusia harus berhenti dan menawarkan empati atau mengakui frustrasi pelanggan.

Beberapa perusahaan menggunakan skor kepuasan pelanggan (CSAT) untuk mengukur pengalaman pelanggan. Otomatisasi adalah salah satu faktor yang dapat meningkatkan skor CSAT organisasi. Jika percakapan menyimpang dari jalur atau saran otomatis AI salah, agen manusia dapat mengambil alih.

Teknologi bantuan agen dapat membantu menurunkan tingkat kelelahan dan meningkatkan pengalaman agen juga. Mengotomatiskan tugas-tugas yang berulang, seperti menandai masalah sebagai ditutup ketika deteksi bahwa pelanggan telah meninggalkan obrolan atau menjadwalkan item tindakan lanjutan berdasarkan percakapan pelanggan dapat berdampak signifikan dalam mengurangi beban kerja manual.

Agent assist telah terbukti mengurangi waktu penyelesaian masalah sebesar 26%. Hal ini dapat meningkatkan kepuasan pelanggan dengan jawaban sekitar 150%.

Berikut adalah beberapa contoh industri di mana teknologi agent assist dapat digunakan.

• Sumber daya manusia 
• Meja bantuan TI
• Layanan pelanggan
• Layanan keuangan 
• Pelayanan Kesehatan

Dalam proses perekrutan, agen assist dapat memberi saran kepada staf SDM tentang rekomendasi gaji selama panggilan negosiasi kontrak. Selama proses orientasi untuk karyawan perusahaan, teknologi bantuan agen dapat membantu staf SDM berfokus pada pekerjaan yang lebih berharga dengan mengotomatiskan tanggapan terhadap pertanyaan kebijakan SDM. Hal ini juga dapat mempertimbangkan perbedaan kebijakan berdasarkan peran masing-masing dan berdasarkan lokasi karyawan di dunia.

Studi kasus: East and North Hertfordshire NHS Trust menggunakan bantuan agen untuk mendukung staf SDM mereka dalam menangani pertanyaan karyawan yang berkaitan dengan pelatihan manajemen, kebijakan dan peraturan, jadwal, serta gaji.

Meja bantuan TI dapat menggunakan bantuan agen untuk membantu mereka menjaga sistem tiket mereka tetap teratur. Sebagai spesialis meja bantuan yang membantu pelanggan dalam pemecahan masalah, agen bantuan dapat mengidentifikasi masalah perangkat lunak yang umum terjadi dan menyarankan petunjuk langkah demi langkah tentang cara mendiagnosis masalah. Itu juga dapat mengambil informasi yang relevan dari dokumentasi aplikasi dan panduan video.

Studi kasus: Dalam sebuah makalah yang dibuat oleh para peneliti IBM (tautan berada di luar ibm.com), bantuan agen dapat memberikan solusi cepat yang berkaitan dengan dokumentasi aplikasi, sistem manajemen tiket, dan rekaman video transfer pengetahuan. Hal ini telah digunakan dalam 650 proyek di IBM.

Pusat panggilan layanan pelanggan dapat menggunakan bantuan agen untuk mengatasi keluhan pelanggan. Fitur ini dapat membantu perwakilan pelanggan memahami keluhan pelanggan dan menarik riwayat pembelian yang relevan, kebiasaan, preferensi, dan interaksi sebelumnya untuk menyarankan penawaran harga yang dipersonalisasi atau diskon untuk membantu retensi bisnis. Pusat panggilan juga dapat menggunakan AI generatif untuk melakukan panggilan pelanggan dan mengarahkannya ke agen atau departemen manusia yang sesuai.

Studi kasus: Bradesco bank Brazil menggunakan bantuan agen untuk menjawab 283.000 pertanyaan layanan pelanggan setiap bulannya di 62 produk yang berbeda. Bantuan agennya memiliki tingkat akurasi 95%, waktu respons dalam hitungan detik, dengan hanya 5% panggilan yang memerlukan bantuan lebih lanjut.

Dengan bantuan agen, bank dapat membebaskan penasihat klien dari menghafal detail berbagai produk, layanan, dan penawaran perbankan sehingga mereka dapat fokus membangun hubungan klien. Misalnya, penyedia layanan hipotek dapat menggunakan bantuan agen untuk menyarankan kebijakan dan menjawab pertanyaan kompleks yang terkait dengan setiap kebijakan tertentu.

Studi kasus: Crédit Mutuel menggunakan bantuan agen untuk menyortir dan menjawab setengah dari 350.000 email harian yang diterima oleh para penasihat nasabah bank. Teknologi ini membantu para penasihat menemukan jawaban hingga 60% lebih cepat.

Administrator perawatan kesehatan dapat menggunakan bantuan agen untuk membantu mereka dengan berbagai tugas rutin seperti memasukkan data, menjadwalkan janji temu melalui telepon, memverifikasi informasi asuransi, mengulas pedoman kunjungan rumah sakit yang harus diikuti pasien, dan menagih berbagai layanan perawatan kesehatan. Solusi ini juga dapat membantu penyedia asuransi menjawab pertanyaan pasien tentang rencana layanan kesehatan, polis cakupan untuk layanan tertentu, dan sumber daya untuk kondisi tertentu. Bagi pasien yang tertarik pada uji klinis, bantuan agen dapat memungkinkan koordinator klinis menjawab pertanyaan tentang kelayakan, persyaratan, dan jangka waktu studi.

Studi kasus: Humana menggunakan bantuan agen yang terlatih dalam terminologi perawatan kesehatan untuk membantu penyedia layanan kesehatan mendapatkan jawaban terkait cakupan asuransi pasien di berbagai titik data. Humana dapat menangani 7.000 panggilan suara dari 120 penyedia layanan per hari kerja.