مراکز تماس یکی از مهم‌ترین نقاط ارتباط سازمان با مشتریان هستند و کیفیت عملکرد مرکز تماس تأثیر مستقیمی بر تجربه مشتری، رضایت از خدمات و تصویر سازمان دارد. در سال‌های گذشته، سیستم‌های پاسخ‌گویی تعاملی صوتی یا IVR (Interactive Voice Response) بخش مهمی از این ارتباط را مدیریت کرده‌اند. این سیستم‌ها با استفاده از منوهای از پیش تعریف‌شده، مشتری را به سمت خدمت یا واحد موردنظر هدایت می‌کنند.
با این حال، محدودیت در درک زبان طبیعی و انعطاف‌پذیری پایین IVRهای سنتی باعث شده است که بسیاری از سازمان‌ها به سمت استفاده از هوش مصنوعی صوتی (Voice-based AI) حرکت کنند. این فناوری تلاش می‌کند تعامل مشتری با مرکز تماس را از یک فرایند مبتنی بر انتخاب گزینه‌ها به یک گفت‌وگوی طبیعی‌تر و هوشمندانه‌تر تبدیل کند.
اما یک پرسش مهم وجود دارد: آیا جایگزینی IVR سنتی با هوش مصنوعی واقعاً باعث بهبود عملکرد مرکز تماس و تجربه مشتری می‌شود؟
یک مطالعه میدانی در یک شرکت بزرگ مخابراتی، با استفاده از داده‌های واقعی تعاملات مشتریان، به بررسی همین موضوع پرداخته است. نتایج این مطالعه نشان می‌دهد که تأثیر هوش مصنوعی صوتی بر رفتار مشتری یکسان و ساده نیست و عواملی مانند پیچیدگی درخواست، تجربه قبلی مشتری، سن، جنسیت و حتی کیفیت تشخیص گفتار می‌توانند بر نتیجه استفاده از این فناوری اثرگذار باشند.
هوش مصنوعی صوتی چگونه عملکرد مرکز تماس را تغییر می‌دهد؟
مهم‌ترین تفاوت هوش مصنوعی صوتی با IVR سنتی، توانایی آن در برقراری تعامل طبیعی‌تر با مشتری است. در سیستم‌های سنتی، مشتری معمولاً باید از میان گزینه‌های مشخص انتخاب کند؛ در حالی که سیستم‌های مبتنی بر هوش مصنوعی می‌توانند گفتار مشتری را دریافت، درخواست او را تفسیر و بر اساس محتوای مکالمه، فرایند مناسب را اجرا کنند.
با وجود این، پیاده‌سازی یک سیستم هوش مصنوعی لزوماً به معنای کاهش فوری زمان خدمت یا کاهش انتقال تماس به کارشناسان انسانی نیست.
نتایج مطالعه مورد بررسی نشان می‌دهد که در دوره ابتدایی اجرای سیستم AI، مدت تعامل مشتری با سیستم ماشینی و همچنین تقاضای مشتری برای دریافت خدمات انسانی افزایش پیدا می‌کند. این موضوع می‌تواند ناشی از ناآشنایی مشتریان با شیوه تعامل با فناوری جدید، تلاش برای پیدا کردن مسیر مناسب و یا محدودیت‌های اولیه سیستم در درک درخواست‌ها باشد.
بنابراین، ارزیابی موفقیت یک سیستم هوش مصنوعی تنها بر اساس شاخص‌هایی مانند کاهش زمان تماس یا کاهش تعداد تماس‌های منتقل‌شده به کارشناسان انسانی، ممکن است تصویر کاملی ارائه نکند.
کاهش پایدار شکایت مشتری؛ مهم‌ترین دستاورد
یکی از مهم‌ترین یافته‌های مطالعه این است که اگرچه اجرای سیستم هوش مصنوعی در ابتدا می‌تواند موجب افزایش مدت تعامل و تقاضا برای خدمات انسانی شود، اما در بلندمدت تعداد شکایت‌های مشتریان را کاهش می‌دهد.
این یافته از منظر مدیریت تجربه مشتری اهمیت زیادی دارد. هدف اصلی در عملکرد مرکز تماس صرفاً پاسخ‌گویی سریع نیست؛ بلکه ایجاد تجربه‌ای است که مشتری در آن احساس کند درخواستش به‌درستی درک و پیگیری شده است.
در نتیجه، ممکن است یک سیستم هوش مصنوعی در کوتاه‌مدت باعث افزایش برخی شاخص‌های عملیاتی شود، اما در بلندمدت با کاهش نارضایتی و شکایت مشتری، ارزش بیشتری برای سازمان ایجاد کند.
این موضوع نشان می‌دهد که برای ارزیابی فناوری‌های هوش مصنوعی در مراکز تماس، لازم است مجموعه‌ای از شاخص‌ها به‌صورت هم‌زمان مورد بررسی قرار گیرد؛ از جمله زمان تعامل، نرخ انتقال به کارشناس، نرخ حل مسئله، تعداد شکایت‌ها و رضایت مشتری.
پیچیدگی درخواست؛ عامل تعیین‌کننده در موفقیت AI
یکی از نکات قابل توجه مطالعه، تفاوت عملکرد سیستم هوش مصنوعی در مواجهه با درخواست‌های ساده و پیچیده است.
برای درخواست‌های ساده، استفاده از سیستم هوش مصنوعی می‌تواند برای مشتریان با تجربه و حتی مشتریان کم‌تجربه مفید باشد و به کاهش شکایت منجر شود. در این شرایط، سیستم می‌تواند وظایف مشخص و تکراری را بدون نیاز به دخالت کارشناس انسانی انجام دهد.
اما در مورد درخواست‌های پیچیده‌تر، رفتار مشتری متفاوت است. یافته‌ها نشان می‌دهد مشتریان می‌توانند از تجربه قبلی خود در تعامل با سیستم هوش مصنوعی یاد بگیرند. به عبارت دیگر، مشتری پس از چند بار استفاده از سیستم، ممکن است بهتر بداند چگونه درخواست خود را مطرح کند یا از چه مسیری به نتیجه برسد.
این موضوع یک نکته مهم برای طراحی مراکز تماس هوشمند ایجاد می‌کند: هوش مصنوعی نباید الزاماً جایگزین کامل نیروی انسانی تلقی شود، بلکه می‌تواند بخشی از یک مدل ترکیبی انسان–هوش مصنوعی باشد.
در این مدل، درخواست‌های ساده و قابل پیش‌بینی توسط AI مدیریت می‌شوند و موارد پیچیده، حساس یا نیازمند قضاوت انسانی به کارشناسان منتقل می‌شوند.
تجربه مشتری و تفاوت‌های فردی
مطالعه همچنین نشان می‌دهد که اثر سیستم هوش مصنوعی برای همه مشتریان یکسان نیست. برای مثال، کاهش شکایت در میان مشتریان مسن‌تر و زنان بیشتر مشاهده شده است. همچنین مشتریانی که تجربه گسترده‌تری در استفاده از سیستم‌های IVR داشته‌اند، واکنش متفاوتی نسبت به فناوری جدید نشان داده‌اند.
این یافته اهمیت طراحی مشتری‌محور سیستم‌های هوش مصنوعی را نشان می‌دهد. سازمان نباید فرض کند همه مشتریان با یک سطح از مهارت، تجربه و آمادگی دیجیتال با سیستم صحبت می‌کنند.
یک سیستم موفق باید بتواند تفاوت‌های موجود میان گروه‌های مختلف مشتریان را در نظر بگیرد و در صورت نیاز، مسیر ساده‌تری برای دسترسی به کارشناس انسانی فراهم کند.
چالش تشخیص گفتار؛ نقطه حساس تعامل انسان و AI
یکی از مهم‌ترین چالش‌های سیستم‌های صوتی، Speech Recognition یا تشخیص صحیح گفتار مشتری است. زمانی که سیستم نتواند صحبت مشتری را به‌درستی تشخیص دهد، احتمال تکرار درخواست، طولانی شدن مکالمه و انتقال تماس به کارشناس انسانی افزایش پیدا می‌کند.
مطالعه مورد بررسی نیز نشان می‌دهد که خطاهای تشخیص گفتار باعث افزایش تقاضای مشتری برای دریافت خدمات انسانی و همچنین افزایش شکایت‌ها می‌شوند.
این مسئله نشان می‌دهد کیفیت فناوری تشخیص گفتار یکی از عوامل کلیدی در موفقیت و افزایش عملکرد مرکز تماس مبتنی بر AI است. حتی اگر موتور هوش مصنوعی از نظر تحلیلی قدرتمند باشد، در صورتی که نتواند ورودی صوتی مشتری را به‌درستی دریافت و تفسیر کند، تجربه کاربر بهبود نخواهد یافت.
بنابراین، سازمان‌ها هنگام انتخاب یا توسعه سیستم‌های Voice AI باید علاوه بر قابلیت‌های هوش مصنوعی، شاخص‌هایی مانند دقت تشخیص گفتار، نرخ خطا، عملکرد در شرایط مختلف صوتی و توانایی سیستم در مدیریت لهجه‌ها و شیوه‌های مختلف بیان مشتریان را نیز ارزیابی کنند.
از «جایگزینی انسان» تا «همکاری انسان و هوش مصنوعی»
یکی از برداشت‌های مهم از این مطالعه آن است که موفقیت هوش مصنوعی در مرکز تماس را نباید صرفاً با میزان کاهش نیروی انسانی سنجید.
واقعیت این است که برخی تعاملات را می‌توان به شکل مؤثرتری توسط ماشین انجام داد، در حالی که برخی درخواست‌ها همچنان به درک انسانی، همدلی، تصمیم‌گیری یا حل مسئله پیچیده نیاز دارند.
از این منظر، مدل مناسب می‌تواند ایجاد یک مرکز تماس ترکیبی (Hybrid Contact Center) باشد؛ مرکزی که در آن AI مسئول مدیریت درخواست‌های ساده، جمع‌آوری اطلاعات اولیه، مسیریابی و پاسخ‌گویی به سؤالات تکراری است و کارشناسان انسانی بر تعاملات پیچیده‌تر تمرکز می‌کنند.
این رویکرد می‌تواند علاوه بر کاهش فشار کاری کارشناسان، به آن‌ها اجازه دهد زمان بیشتری را برای مشتریانی صرف کنند که واقعاً به مداخله انسانی نیاز دارند.
جمع‌بندی
ورود هوش مصنوعی صوتی به مراکز تماس، تغییری اساسی در نحوه تعامل سازمان‌ها با مشتریان ایجاد کرده است. با این حال، نتایج استفاده از این فناوری را نمی‌توان صرفاً بر اساس کاهش زمان تماس یا کاهش نیاز به نیروی انسانی ارزیابی کرد.
مطالعه مورد بررسی نشان می‌دهد که اجرای Voice AI ممکن است در ابتدا باعث افزایش مدت تعامل با سیستم و تقاضا برای خدمات انسانی شود، اما در بلندمدت می‌تواند به کاهش پایدار شکایت مشتریان منجر شود. همچنین میزان موفقیت این فناوری به عواملی مانند پیچیدگی درخواست، تجربه قبلی مشتری و کیفیت تشخیص گفتار وابسته است.
برای مدیران مراکز تماس، پیام اصلی این یافته‌ها روشن است: پیاده‌سازی هوش مصنوعی باید یک پروژه تجربه مشتری و بهبود فرایند باشد، نه صرفاً یک پروژه فناوری.
به همین دلیل، پیش از توسعه یا جایگزینی IVR سنتی با سیستم‌های هوش مصنوعی، سازمان‌ها باید درخواست‌های مشتریان را تحلیل کرده، موارد مناسب برای اتوماسیون را شناسایی کنند، مسیر انتقال هوشمند به کارشناس انسانی را طراحی کنند و عملکرد سیستم را با مجموعه‌ای از شاخص‌های عملیاتی و تجربه مشتری ارزیابی کنند.
در نهایت، ارزش واقعی هوش مصنوعی در مرکز تماس زمانی ایجاد می‌شود که فناوری بتواند تعادل مناسبی میان سرعت و کارایی ماشین و درک، انعطاف‌پذیری و همدلی نیروی انسانی ایجاد کند.
منبع:
[1] L. Wang, N. Huang, Y. Hong, L. Liu, X. Guo, and G. Chen, “Voice-based AI in call center customer service: A natural field experiment,” Production and Operations Management,2023, doi: 10.1111/poms.13953.
[2] Z. Aksin, M. Armony, and V. Mehrotra, “The modern call center: A multidisciplinary perspective on operations management research,” Production and Operations Management, doi: 10.1111/j.1937-5956. 2007.tb00288. x.
