Управление знаниями
Хелпдеск
Поддержка
Тарифы
Бизнесу
Управление знаниями
Конструктор отчетов
Управление персоналом
Корпоративный поиск
AI
Хелпдеск
Поддержка
Тарифы
Бизнесу
Управление знаниями
Конструктор отчетов
Управление персоналом
Корпоративный поиск
AI
Хелпдеск

Зачем использовать KCS если есть Искусственный Интеллект?

Может ли нейросеть заменить человеческий подход полностью?

Провокационный вопрос, который регулярно возникает у слушателей на конференциях, когда они слышат о принципах и выгодах использования KCS.

Как правило, мысль развивается следующим образом: Ну вот мы поставим условный ЧатГПТ, и он начнет работать, как виртуальный агент, отвечая на вопросы клиентов.

Клиентский сервис

Ок, допустим. Но где эта 🧠 нейросеть будет брать информацию для ответов? Ведь в общем случае все ИИ пользуются только публичной информацией из интернета, и далеко не всегда (а точнее почти никогда) там будет точная информация по вашему продукту или услуге.

Хорошо, - говорят мои оппоненты, - тогда мы “скормим” ему (или ей, если это нейросеть? ) нашу документацию, информацию с веб-сайта и исторические тикеты.

Уже лучше. Это несомненно даст больше информации, и поднимет процент правильных ответов и успешно закрытых кейсов. Помимо этого нужно взять эту информацию и правильно ее разметить, проведя, так называемый, fine tuning на стороне ИИ.

И тогда для относительно простых кейсов клиентского сервиса такой ИИ-агент 🔫😎 будет выдавать приемлемый результат.

А что же с технической поддержкой?

С технической поддержкой все гораздо сложнее. Одна небезызвестная компания пробовала “скармливать” все свои тикеты в ChatGPT с такой целью, но получила КПД ниже паровозного как раз по причине того, что эти данные неструктурированные.

Второй момент - в технической поддержке гораздо более сложные кейсы, которых попросту нет в документации (где обычно даются только общие инструкции) , а на веб-сайте или в открытых источниках информация попросту отсутствует.

Синергия KCS и ИИ

Однако, что мы получаем с помощью KCS с точки зрения знаний? Ведь это как раз то, что требуется для разметки и структурирования данных для нейросети:

  • Статьи имеют определенную структуру и статусы
  • Контент определяется реальными кейсами
  • Контент постоянно поддерживается в актуальном состоянии
  • Данные ограничены количеством статей, что на порядок меньше тикетов
  • Отсутствие “белого шума” нерелевантной для знаний переписки из тикетов
  • Контент описывает конкретный продукт
  • Может применятся в закрытом контуре с точки зрения ИБ

Таким образом KCS помогает создать, структурировать и поддерживать те самые данные, которые требуются для fine tuning’а нейросети, чтобы она могла более точно и качественно использовать их для ответов клиентам.

Отвечая на изначальный вопрос: ИИ пока еще не дорос до того состояния, чтобы “из коробки” уметь и знать все о продукте для его технической поддержки. Поэтому он не заменяет KCS, но может использовать ее в синергии 😎🧠📚💻для достижения максимального результата.

Swarmica планирует стратегию интеграции с ИИ и использование нейросети для оптимизации и автоматизации как стандартных рабочих процессов, так и в идеале формирования качественного “Виртуального агента” 🔫🤖 с хорошим процентом успешно закрываемых обращений.