Sztuczna inteligencja wspomaga B2B, czyli jak obsłużyć 100 tys. e-maili miesięcznie

Nadal mamy tą samą liczbę maili do przetworzenia, ale dzisiaj ich treść analizuje sztuczna inteligencja, co oszczędza czas operacyjny.

ADAM SKIBIŃSKI: Wcześniej to też teoretycznie było możliwe, ale z powodu skomplikowania i kosztów mało opłacalne. Kiedy pojawił się ChatGPT, rozpoczęliśmy poszukiwania dostawców technologii GenAI/LLM. Rozmawialiśmy z Microsoftem i z Googlem (z OpenAI było trudno). Długo zabiegaliśmy o specjalnie przygotowane, bezpieczne środowisko pracy, które zabezpieczy dane naszych klientów i zagwarantuje, że nikt ich nie będzie wykorzystywał, np. do trenowania dużych modeli językowych.

Na początku narzędziami GenAI wspomagaliśmy rozbudowywanie bazy szkoleniowej maili dla modeli machine learning, dzięki czemu mogliśmy znacząco ograniczyć ilość potrzebnych ręcznie klasyfikowanych maili. Drugi obszar zastosowań to było streszczanie (sumaryzacja) maili, żeby ułatwić doradcy zrozumienie, o co dokładnie chodzi klientowi. Pojawiło się podsumowanie historii konwersacji mailowej z klientem, co jest funkcją bardzo pozytywnie odbieraną przez doradców. Ostatnim z ważnych zastosowań jest możliwość wygenerowania odpowiedzi na maila klienta.

GSMONLINE.PL/TELKO.in: Czy stworzone w 2020 r. zasoby były nadal przydatne, kiedy rozpoczęliście eksperymenty z GenAI?

MARCIN KOZAK: Absolutnie tak. MML od początku był zaprojektowany jako otwarty na nowe technologie. Pojawiła się generatywna AI i część zadań realizujemy z jej wykorzystaniem, ale w części przypadków modele uczenia maszynowego wciąż są efektywniejsze i tańsze. Korzystamy z miksu technologii.

GSMONLINE.PL/TELKO.in: Podstawowe założenia systemu są bez zmian: odsiewanie maili bezobsługowych i właściwa kategoryzacja maili obsługowych? GenAI dodaje tylko nowe funkcje?

MARCIN KOZAK: Tak. To jest ewolucja. Nie wszędzie warto korzystać z GenAI, jeżeli sprawdzają się inne rozwiązania. Tokeny to koszty.

ADAM SKIBIŃSKI: Sprawdzaliśmy uważnie, co się da zrobić lepiej, co efektywniej, a co taniej. Kategoryzacja dalej jest oparta o standardowy machine learning, bo świetnie się to sprawdza. Natomiast w podsumowaniu treści, w generowaniu odpowiedzi czy w korzystaniu z własnych baz wiedzy to GenAI jest lepsza.

Dodam jeszcze, że wybudowane w 2020 r. środowisko jest bardzo elastyczne.

Kiedy sięgaliśmy po GenAI, to więcej czasu zajęło nam zbudowanie bezpiecznego środowiska, oczekiwanie na akty prawne, niż samo wdrożenie nowych narzędzi. Z całego roku przygotowań na właściwe wdrożenie potrzebowaliśmy może jednego kwartału.

GSMONLINE.PL/TELKO.in: Możecie podać przykład funkcji dostępnej w MML dzięki GenAI?

MARCIN KOZAK: Dobrym przykładem jest cesja usług: klient chciałby przenieść numer na inne konto, bądź pracownik opuszcza firmę i chciałby zabrać ze sobą numer telefonu. Pyta mailem, jak to zrobić. Generatywna AI doskonale rozpoznaje treść pytania. Sięgamy wtedy do analizy informacji, widzimy, czego nam brakuje do wniosku, zaglądamy do bazy wiedzy, wyciągamy formularz, który klient musi uzupełnić, wrzucamy to do propozycji odpowiedzi, która mailem dociera do doradcy. Doradca od razu wie, że mail dotyczy cesji, a klient chciałby przenieść numer z konta X na konto Y. Cały ten zestaw informacji pojawia się automatycznie. Inaczej doradca musiałby sam wykonać te wszystkie czynności.

GSMONLINE.PL/TELKO.in: Zawsze pytamy, które z obszarów najlepiej poddają się automatyzacji, a z którymi idzie opornie. Zlecenie restartu kart SIM jest w pełni automatyczne. Co jest na drugim biegunie?

MARCIN KOZAK: Rezygnacje oraz reklamacje. Tutaj zwykle jest jakiś powód, jakaś głębsza przyczyna, unikalna dla konkretnego klienta.

GSMONLINE.PL/TELKO.in: Wspominaliście o wyzwaniach formalno-prawnych. Na ile one mogą ograniczać rozwój automatyzacji procesów obsługi klienta?

ADAM SKIBIŃSKI: Machine learning nie wywoływał takich dylematów w ogóle.