Nur wenige Themen erfahren in den letzten Monaten ein so starkes Interesse wie der potenzielle Einsatz von Robotics (RPA) und Künstlicher Intelligenz (KI) im Kundenservice. Hierbei kursieren viele Mythen und Versprechungen, die es genauer unter die Lupe zu nehmen gilt, bevor man sich auf eine der beiden Themen oder beide gleichzeitig einlässt.
Mit diesem Tipp der Woche wollen wir uns die populärsten Versprechen und Kernaussagen für Robotics und Künstliche Intelligenz im Detail anschauen und unter Praxiskriterien bewerten:
Erster Teil – Robotics (RPA)
Mythos 1: Robotics ist immer die günstigste Variante zur Reduktion von Kosten im Kundenservice
Rein wirtschaftlich betrachtet hat Robotics einen großen Vorteil bei standardisierten Vorgängen mit hohen Volumen. Allerdings existiert auch das Risiko, dass oft der Fokus weg von der Eliminierung der Ursache eines Kontakts mit der Betrachtung des Themas zur automatisierten Bearbeitung rückt und Kontaktursachen gar nicht mehr optimiert werden. Grundsätzlich sollte vor jedem Einsatz einer RPA Lösung geprüft werden ob der Use Case sich nicht besser durch Eliminierung der Root Cause vermeiden lässt.
Oftmals lohnt auch der Blick in die Kunden-, App- und Frontend-Lösung der jeweiligen Agenten. Nicht selten kann der identische Prozess durch den Kunden online viel einfacher und schneller als durch den Agenten erfolgen, da die hierfür im Einsatz befindlichen Tools nicht vom jahrelang angesammelten Ballast befreit wurden. Eine Vereinfachung Ihrer Agenten Tools oder die automatisierte Bearbeitung durch ein gutes Frontend oder App machen den Einsatz von RPA obsolet und bieten sogar Skaleneffekte für andere Prozesse.
Zuletzt kann eine manuelle Bearbeitung bei einem Offshore Dienstleister günstiger als ein Roboter sein.
Mythos 2 – Robotics rechnet sich immer
Wie in einem der früheren Tipps der Woche bereits erwähnt, sollte man vor einem Einsatz von RPA jeden potenziellen RPA Prozess einzeln hinsichtlich der Kriterien Volumina, Zeit, Standardisierung und Fehlermöglichkeit prüfen.
Wenn Volumina des betroffenen RPA Prozesses stark schwanken oder gar ganz wegfallen, kann es sein, dass sich die Setup- und Lizenzkosten nicht amortisieren. Zudem müssen in einer Gesamtrechnung auch interne RPA Team-Kosten für Set-up und Maintenance mit einberechnet werden.
Ein wichtiger Aspekt ist auch, dass bestehende Systeme, auf die ein Roboter zugreift, für diesen Zugriff spezielle Roboter Lizenzen verlangen, die preislich deutlich über einer regulären Agenten-Lizenz liegen.
Mythos 3 – Robotics bietet sofort Kostenvorteile
Sobald der Prozess im Rahmen von RPA abgebildet ist, ist eine weitere Skalierung sehr einfach und die Einspar-Effekte werden sofort möglich.
Teilweise arbeiten RPA Anbieter mit Gain-Share Modellen pro Transaktion und übernehmen im Vorfeld das Prozess-Setup, etwaige RPA-Lizenzen sowie die Anbindung an die betroffenen Systeme. Somit minimiert sich das finanzielle Risiko für den Auftraggeber.
Mythos 4 – Die teuerste RPA Lösung ist die beste
Im Bereich RPA gibt es bereits eine Vielzahl von Anbietern und ihre Zahl wächst kontinuierlich mit dem Bedarf. Grundsätzlich gibt es nicht den einen RPA Anbieter, der für alle Anforderungen und Kunden die beste Lösung ist. Vieles hängt vom jeweiligen Bedarf und hier von der langfristigen Planung Ihres Unternehmens im Bereich RPA ab.
Während für ein Kundenservice-Dienstleister-Unternehmen mandantenspezifische Roboterlizenzen für unterschiedliche Applikationen mit kurzen Laufzeiten sinnhaft sind, können für einen Konzern mit seinen spezifischen Infrastrukturen langfristige Lizenzen ohne Laufzeitbegrenzung eine sinnvolle Option sein.
Mythos 5 – Robotics dient in erster Linie nur dazu, Mitarbeiter irgendwann komplett zu ersetzen
Natürlich ist der Einsatz RPA mit einer Kostenreduzierung verbunden und meist ist das auch das Primärziel. Dass dies automatisch zu Mitarbeiterreduzierung führt, ist allerdings nicht zwangsläufig der Fall und oft wird ein ganz anderes Ziel verfolgt: Befreiung der Mitarbeiter von einfachen oder sogar lästigen Tätigkeiten im Rahmen eines Kundenkontakts und Schaffung von freien Kapazitäten für komplexere Themen.
Komplexere Themen sind allerdings über RPA nur schwer abbildbar, gerade bei schwankenden Themen, häufigen Produktwechseln oder Interaktionen, bei denen ein persönlicher Kundenkontakt unerlässlich ist.
Schauen wir uns nun den zweiten Teil, die Künstliche Intelligenz (KI) an.
Zweiter Teil – Künstliche Intelligenz (KI) im Kundenservice
Mythos 1 – Eine Maschine kann nie so gut verkaufen wie ein Agent
Eine KI, ob nun über ein Online-Interface oder telefonisch über einen Digitalen Agenten hat sicherlich Nachteile gegenüber einem menschlichen Mitarbeiter. Dieser kann mit Empathie, Humor aber auch seiner Persönlichkeit den Kunden in eine angenehme Atmosphäre für einen Kauf animieren.
Der Vorteil einer KI ist aber die maschinelle Bearbeitung mit einer Verkauf-Ansprechquote von bis zu 100 Prozent. Hier gibt es wiederum bei dem menschlichen Mitarbeiter einen Nachteil, da hier aus unterschiedlichen Gründen wie einer aktuellen schlechten Erreichbarkeit, voller Warteschleife oder aus einer persönlichen Stimmungslage eine Verkaufsansprache unterlassen wird.
Mythos 2 – Eine KI ist immer genauer und damit besser als ein Agent
Eine KI ist nur so gut wie ihr Set-up – genauer gesagt – wie die Informationen, auf die sie zugreifen darf sowie nach welchen Kriterien sie Entscheidungen treffen darf.
Insbesondere bei einfachen Prozessen und Vorgängen kann eine KI deutlich gegenüber einem Agenten punkten. Dieses Bild dreht sich jedoch, je komplizierter die Anfragen werden. Hier kann die KI nur in dem ihr vorgegebenen Aktionsradius agieren und kommt dann an ihre Grenzen.
Gleiches gilt auch bei durch KI ermittelnden Prediction Modellen auf Basis von Microservices. Grundsätzlich gilt: Je mehr Informationen und je mehr eine KI auf „Machine Learning“ und „Deep Learning“ zurückgreifen kann, desto besser wird das gewünschte Ziel einer Genauigkeit erreicht.
Mythos 3 – KI spart immer Kontakte und Kosten
Auch wenn vieles bei KI automatisiert erfolgt – automatisch werden hier nicht sofort Kosten gespart. Ganz im Gegenteil: Neben der reinen Anschaffung einer KI müssen die Prozesse im Vorfeld so gut geprüft und beschrieben werden, damit eine KI darauf aufsetzen kann.
Zudem müssen die entsprechenden Daten so aufbereitet und API-Schnittstellen bereitgestellt werden, dass diese vom System verstanden werden und die Verarbeitung möglich ist. Jeder Use-Case muss zudem getestet und regelmäßig nach Implementierung überwacht werden. Man kann sich das wie einen Agenten vorstellen, der durch einen Teamleiter auch regelmäßig gecoached werden muss, um gute Ergebnisse zu erzielen.
Kontakte werden auch nicht eingespart, wenn die Root Cause für den Kontakt nicht behoben wurde.
Mythos 4 – Eine KI im Einsatz lernt selbst und entwickelt sich kontinuierlich weiter zum Besseren
Auch wenn viele KI Systeme als „Starke KI“ konzipiert sind, können diese ihre Möglichkeiten insbesondere zum Start nur mit entsprechender Betreuung gut entfalten. Andererseits drohen Risiken, dass falsche Entscheidungen im Rahmen von „Deep Learning“ getroffen werden und dann zu nicht gewünschten Effekten führen. Gleiches gilt für mögliche Prediction Modelle, die selbstständig von einer KI erstellt werden.
Hier sollte dann über den Einsatz von „Explainable AI“ nachgedacht werden, um Transparenz zu den getroffenen Algorithmen zu erhalten.
Mythos 5 – KI geht einfach und dafür reicht ein kleines Team
Allein die bereits oben erwähnten Voraussetzungen wie die Anbindung an Systeme, Erstellung von KI-Logiken sowie die Betreuung der einzelnen Algorithmen und KI Use-Cases zeigt, dass es hier alles andere als trivial zugeht.
Hinzu kommt auch, dass die KI deutliche Auswirkungen auf Datenmodelle, Customer-Journeys und daraus resultierende Geschäfts- und Produktmodelle haben kann.
Eine KI kann auch nicht isoliert für sich agieren und gerade das Zusammenspiel mit den Verantwortlichen im Kundenservice ist hier mehr als nur eine ratsame Empfehlung.
Wichtig ist, die oben erwähnten Hinweise vor einer Entscheidung für RPA und KI im Hinterkopf zu haben, um bei einer Einführung die gewünschten Erfolgskriterien mit RPA und KI nachhaltig auch wirklich erreichen zu können.
Carlos Carvalho (Senior Berater)
junokai