AI dalam Aliran Kerja Support Specialist

Seorang specialist dalam pasukan sokongan yang pernah saya kerjakan bersama menghantar jawapan yang kelihatan sempurna pada panel pratonton. Pembukaan yang jelas. Masalah dinyatakan semula. Tiga langkah bernombor. Penutup yang sopan. AI menjananya dalam empat saat. Specialist itu mengimbasnya, menekan hantar, dan beralih ke tugas seterusnya.

CSAT kembali pada keesokan paginya: satu bintang. Komen satu baris.

"Nada bunyi seperti robot. Adakah seorang manusia benar-benar membacanya?"

Perkataannya bukanlah masalah. Perkataannya baik sahaja. Pelanggan itu sedang berada pada peningkatan isu kedua mereka pada minggu itu, jawapan sebelumnya berakhir dengan "kami akan menyiasatnya," dan AI tidak tahu langsung bahawa semua itu penting. Ia menghasilkan jawapan yang bersih, neutral, dan menepati jenama. Tepat seperti yang diminta untuk dihasilkan. Kemesraan yang akan ditambah oleh seorang manusia tidak ada di situ. AI menggunakan perkataan yang betul tetapi terlepas keseluruhan suasananya.

Inilah kisah sebenar AI dalam kerja sokongan. Bukan "alat produktiviti ajaib," bukan juga "bakal merosakkan segala-galanya." Hakikatnya: AI sedang mengalihkan kerja sokongan daripada melakukan kepada mengarahkan, dan specialist yang menang ialah mereka yang belajar menyunting tanpa belas kasihan, bukan mereka yang belajar memberi prompt dengan bijak.

Mengapa Peralihan Ini Penting Sekarang

Tugasnya dahulu ialah "taip jawapan." Kini ia menjadi "tentukan jawapan mana yang dihantar."

Itu kedengaran seperti perubahan kecil. Sebenarnya tidak. Ia mengubah kemahiran mana yang berganda nilainya. Kelajuan menaip dahulu penting. Kini ia hampir tidak penting lagi. Mengetahui KB secara mendalam dahulu penting. AI boleh mencari lebih pantas daripada anda. Apa yang penting sekarang ialah pertimbangan: mengetahui bila draf pertama AI cukup hampir untuk dihantar dengan suntingan ringan, bila ia silap dengan cara yang akan merosakkan hubungan, dan bila ia sepatutnya tidak digunakan langsung.

Specialist yang mengarahkan AI dengan baik melihat peningkatan produktiviti sebanyak 30 hingga 50 peratus pada kategori tiket yang boleh diselesaikan dan berulang: penetapan semula kata laluan, soalan pengebilan, ralat konfigurasi biasa. Tetapi peningkatan itu hanya muncul apabila specialist mengekalkan pertimbangan mereka dalam gelung kerja. Specialist yang menganggap output AI sebagai bentuk akhir menghantar lebih pantas dan menjatuhkan CSAT mereka. Mereka kelihatan produktif pada papan pemuka selama dua minggu, kemudian semakan suku tahunan mendedahkan corak peningkatan isu dan seseorang terpaksa membetulkannya semula.

Kemahiran yang anda bina bukanlah kejuruteraan prompt. Ia ialah pertimbangan editorial yang diterapkan kepada seorang rakan sepasukan yang pantas tetapi kurang berpengalaman.

Di Mana AI Benar-benar Membantu

Memulakan draf tiket

AI sangat baik untuk rangka struktur. Ucapan, penyataan semula masalah, langkah bernombor, penutup. Rangka itu mengambil masa empat minit untuk ditaip dari awal dan empat saat untuk dihasilkan oleh AI. Biarkan ia membina rangka itu. Kemudian anda menyunting untuk nada, ketepatan, dan sejarah pelanggan. Inilah penggunaan AI yang paling berkesan dalam aliran kerja, dan di sinilah kebanyakan specialist melampaui batas. Mereka membiarkan rangka itu menjadi jawapan dan bukannya menganggapnya sebagai titik permulaan.

Mengesan corak penghasilan semula isu

Beri AI tiket pepijat 30 hari terakhir, minta ia mengelompokkannya mengikut simptom. Ia akan mendedahkan corak yang manusia akan terlepas dalam jumlah yang besar: ralat samar yang sama merentas enam akaun, tahap pelan yang sama, minggu yang sama. Itu ialah pepijat produk yang berbaloi untuk dibawa kepada kejuruteraan sebelum pelanggan ketujuh menghadapinya.

Cadangan KB

AI mengimbas tiket, mencadangkan tiga artikel KB. Anda mengesahkan yang mana satu benar-benar terpakai. Langkah pengesahan ini tidak boleh ditawar. AI akan dengan yakin mencadangkan artikel yang berkongsi kata kunci dengan isu tetapi tidak menyelesaikannya.

Sintesis nota dalaman

Satu rangkaian 14 mesej yang perlu diserahkan kepada seorang jurutera. AI meringkaskannya dalam lapan baris: persekitaran pelanggan, apa yang mereka cuba, apa yang kami cuba, keadaan semasa, apa yang mereka perlukan seterusnya. Menjimatkan kira-kira 10 minit setiap penyerahan. Ini ialah kes penggunaan AI hujung ke hujung yang paling selamat kerana tiada apa yang ditulisnya di sini akan dihantar kepada pelanggan.

Di Mana AI Benar-benar Merosakkan

Jawapan kepada pelanggan yang dihantar tanpa suntingan

AI tidak tahu pelanggan itu ialah akaun enterprise yang membayar dan kini berada pada tiket ketiga mereka pada minggu ini. Ia tidak tahu jawapan sebelumnya disambut dengan buruk. Ia tidak tahu account manager baru sahaja memberitahu jualan bahawa pelanggan ini berisiko. Penalaan nada gagal kerana AI menalanya kepada tiada apa-apa.

Nada peningkatan isu

AI lalai kepada nada korporat-neutral. Peningkatan isu sebenar memerlukan sama ada pengakuan terhadap kekecewaan atau ketegasan yang setara tenaganya. AI tidak dapat membaca suasana kerana ia tidak berada dalam suasana itu. Jika pelanggan marah, AI ialah alat yang salah, titik. Tulis sendiri.

Soalan penghasilan semula isu yang rumit

Apabila pepijat itu benar-benar pelik, AI dengan yakin mereka-reka punca yang berkemungkinan. Specialist yang mempercayai ini menghantar pelanggan mengejar bayang-bayang selama dua hari, kemudian terpaksa meminta maaf dan bermula semula. Keyakinan AI tidak berkorelasi dengan ketepatan pada masalah baharu. Anggap apa-apa punca utama yang dicadangkan AI untuk pepijat yang tidak jelas sebagai hipotesis, bukan jawapan.

Pokok Keputusan "AI Di Sini, Bukan Di Sana"

Satu aliran ringkas sebelum anda menjangkau butang AI:

Pelanggan marah? → Jangan guna AI pada jawapan. Tulis sendiri.
Topik KB yang diketahui? → AI mendraf, anda menyunting.
Pepijat baharu? → AI meringkaskan rangkaian mesej, anda menulis jawapan.
Nota dalaman? → AI baik sahaja dari hujung ke hujung.
Mesej penutup selepas penyelesaian positif? → AI mendraf, anda membacanya semula, kemudian hantar.

Cetak ini. Lekatkan pada monitor anda untuk bulan pertama. Keputusan itu tidak sepatutnya menjadi "patutkah saya guna AI di sini?" di tengah-tengah tiket. Ia sepatutnya sudah dibuat sebelum anda membuka tetingkap draf.

Pustaka Prompt AI Sokongan

Berikut ialah tujuh prompt yang berfungsi dalam mana-mana pembantu AI moden: Zendesk AI, Intercom Fin, Front AI, ChatGPT, atau copilot dalaman anda. Tampal prompt itu, laraskan bahagian dalam kurungan, dan gunakannya hari ini.

1. Memulakan draf

Pelanggan berkata: [tampal]. Tahap akaun mereka ialah [X]. Hubungan
terakhir adalah [Y] hari lalu. Draf satu jawapan yang menyatakan semula
masalah dalam perkataan mereka, bertanya satu butiran yang tertinggal,
dan menawarkan penyelesaian sementara jika anda mempunyainya. Jangan
minta maaf melainkan saya memberitahu anda.

Baris "jangan minta maaf melainkan saya memberitahu anda" ialah baris penting. Jawapan AI lalai dipenuhi permohonan maaf. Membuang permohonan maaf refleks memaksa AI mendahulukan isi.

2. Mengelompokkan penghasilan semula isu

Berikut ialah 30 subjek tiket dari minggu lalu. Kelompokkannya mengikut
punca utama yang berkemungkinan. Tandakan mana-mana kelompok dengan 3+
tiket sebagai kemungkinan pepijat produk. Untuk setiap kelompok, berikan
saya simptom, punca yang berkemungkinan, dan satu ID tiket yang patut
saya tarik untuk disiasat.

Jalankan ini setiap pagi Isnin. Ia menangkap pepijat produk sebelum ia menjadi trend, dan memberi anda sesuatu yang konkrit untuk dibawa ke sesi 1:1 kejuruteraan anda.

3. Pemadan KB

Isu pelanggan: [tampal]. Cari tiga artikel KB yang paling berkemungkinan
menyelesaikan ini. Beritahu saya ayat mana dalam setiap artikel yang
sepadan dengan isu itu. Jika tiada yang sepadan dengan baik, kata "tiada
padanan baik" dan bukannya meneka.

Klausa "tiada padanan baik" itulah yang menyelamatkan anda daripada cadangan KB yang yakin tetapi salah. Tanpanya, AI akan sentiasa memberi anda tiga artikel, walaupun tiada satu pun yang betul.

4. Nota penyerahan dalaman

Ringkaskan rangkaian tiket ini untuk jurutera yang mengambil alih.
Sertakan: persekitaran pelanggan, apa yang mereka cuba, apa yang kami
cuba, keadaan semasa, apa yang mereka perlukan seterusnya. Maksimum 8
baris. Tiada bahan sampingan.

Had 8 baris itulah yang menjadikannya berguna. Tanpa kekangan panjang, AI menghasilkan ringkasan yang lebih panjang daripada rangkaian asal.

5. Semakan nada

Baca draf jawapan ini. Tandakan mana-mana frasa yang akan kedengaran
seperti robot, merendah-rendahkan, atau berttemplat kepada pelanggan
membayar yang kecewa. Jangan tulis semula. Tandakan sahaja.

Inilah satu prompt yang setiap specialist patut jalankan pada setiap jawapan peningkatan isu yang mereka tulis sendiri, walaupun AI tidak mendrafnya. Ia menangkap frasa yang anda berhenti perasan kerana anda telah menaipnya 4,000 kali.

6. Tulis semula peredaan ketegangan

Jawapan ini betul dari segi teknikal tetapi pelanggan marah. Tulis semula
untuk mengakui kekecewaan tanpa merendah diri secara berlebihan dan tanpa
mengubah fakta. Kekalkan di bawah 120 perkataan.

Gunakan ini apabila anda telah mendraf jawapan yang betul dari segi fakta tetapi anda boleh dengar dalam fikiran anda sendiri bahawa ia kedengaran dingin. Perhatikan had panjang. Jawapan panjang kepada pelanggan yang marah dibaca sebagai bersikap mempertahankan diri.

7. Pendraf masa penutup

Isu telah diselesaikan. Pelanggan terakhir berkata: [tampal]. Draf satu
mesej penutup yang mengesahkan pembaikan dalam perkataan mereka dan
membiarkan pintu terbuka tanpa kelihatan terdesak. Tiada bahasa "sila
jangan teragak-agak."

Mengharamkan "sila jangan teragak-agak" memang kecil tetapi ia penting. Frasa itu ialah petanda universal bagi jawapan bertemplat. Pelanggan merasainya serta-merta walaupun mereka tidak dapat menamakan apa yang membongkarkannya.

Kesilapan Biasa

Jawapan AI sepenuhnya. Menghantar apa yang dijana AI tanpa membaca baris demi baris. Laluan terpantas kepada keruntuhan CSAT, kesilapan paling mudah dilakukan di bawah tekanan jumlah kerja.

Menganggap cadangan AI sebagai kebenaran. AI berkata "ini ialah isu pengebilan yang diketahui." Anda mengulanginya. Ia sebenarnya halusinasi AI. Kini anda terhutang satu pembetulan, dan pelanggan belajar bahawa pasukan anda membuat dakwaan yang yakin tetapi tidak benar. Kepercayaan mengambil masa berminggu-minggu untuk dibina semula.

Tiada penolakan pertimbangan manusia. AI mencadangkan menutup tiket kerana pelanggan berkata "terima kasih." Anda menutupnya. Pelanggan sebenarnya bersikap sindir. Dibuka semula dengan 1 bintang. AI membaca bahasa secara literal. Manusia membaca konteks. Jangan biarkan AI menutup tiket tanpa seorang manusia membaca mesej terakhir.

Membiarkan AI mengendalikan peningkatan isu. Pelanggan yang kecewa boleh mengesan serta-merta apabila satu jawapan bertemplat. Baca keseluruhan rangkaian, taip sendiri, dan gunakan skrip yang kedengaran seperti manusia sebagai asas anda, bukan output AI.

Melangkau bacaan semula. Tidak membaca draf AI dalam fikiran anda sebelum menghantar. Anda terlepas frasa janggal setiap kali. 12 saat itu ialah insurans CSAT paling murah yang anda akan beli sepanjang suku tahun.

Senarai Semak Semakan Output

Sebelum mana-mana jawapan yang didraf AI dihantar keluar, jalankan lima soalan ini:

Adakah setiap dakwaan fakta dalam jawapan ini sesuatu yang boleh saya sahkan dalam KB atau tiket?
Adakah nada sepadan dengan keadaan emosi pelanggan ini?
Adakah saya telah memadamkan bahan sampingan AI ("Saya faham kekecewaan anda", "Terima kasih kerana menghubungi", "Sila jangan teragak-agak...")?
Adakah ia menjawab soalan sebenar, atau hanya soalan bersebelahan?
Adakah saya akan berasa malu untuk membacanya dengan kuat di mesyuarat pasukan?

Jika mana-mana jawapan ialah tidak, sunting sebelum menghantar. Jika tiga atau lebih ialah tidak, padam draf AI dan tulis sendiri. Anda tidak menjimatkan masa pada ketika itu, anda hanya menambah satu langkah.

Sebelum dan Selepas: Satu Jawapan AI Yang Gagal vs. Satu Yang Berjaya

Yang gagal. Pelanggan menulis: "Ini kali ketiga saya melaporkan ini dan tiada apa yang dibuat. Saya rugi $400/hari sementara anda berdiam diri." Draf AI, dihantar tanpa suntingan:

"Helo! Terima kasih kerana menghubungi. Saya faham kekecewaan anda dengan isu berterusan ini. Pasukan kami sedang menyiasat dan kami menghargai kesabaran anda. Sila jangan teragak-agak untuk memberitahu kami jika anda mempunyai sebarang soalan lain!"

CSAT: satu bintang. Mesej pelanggan itu mempunyai keterdesakan dan satu nombor. Jawapan itu tidak mempunyai kedua-duanya.

Versi yang berjaya. Tiket yang sama, disunting oleh specialist selepas draf AI:

"Tiga laporan dan kerugian $400/hari memang tidak boleh diterima di pihak kami. Saya telah menarik sejarah tiket. Inilah apa yang telah dicuba dan di mana kami tersekat. Saya meningkatkan isu ini kepada kejuruteraan hari ini dan anda akan mendengar daripada saya esok dengan sama ada satu pembaikan atau satu laluan yang jelas ke arahnya. Talian terus jika anda perlukan saya lebih awal: [nombor]."

CSAT: lima bintang. Tiket yang sama, status asas yang sama. Bezanya ialah seorang manusia yang mengakui butiran khusus dan komited kepada satu tarikh.

AI memberi anda rangka. Specialist itu melakukan tugasnya.

Mengukur Sama Ada AI Benar-benar Berfungsi

Jika anda seorang pengurus yang melaksanakan AI, perhatikan lima nombor ini, bukan hanya metrik produktiviti utama.

Masa penyelesaian yang dijimatkan setiap kategori tiket. Jejak sebelum-dan-selepas mengikut kategori, bukan secara agregat. Purata menyembunyikan kategori yang AI membuat sesuatu lebih perlahan. Penetapan semula kata laluan mungkin 60 peratus lebih pantas sementara tiket penghasilan semula isu yang rumit 20 peratus lebih perlahan. Agregat kelihatan mendatar sementara dua mod kegagalan saling memakan satu sama lain.

Peratus output AI yang disunting sebelum dihantar. Julat sihat ialah 40 hingga 70 peratus. Di bawah 40 peratus bermakna specialist menghantar draf tanpa suntingan; anda akan lihatnya pada CSAT dalam masa tiga minggu. Di atas 70 peratus bermakna prompt perlu ditala.

Kesan CSAT mengikut jenis tiket. Nombor utama boleh kekal mendatar sementara CSAT peningkatan isu jatuh 8 mata. Perhatikan segmen, bukan purata. Jejak metrik yang berkorelasi dengan pengekalan dan bukannya yang kelihatan baik pada slaid lembaga pengarah.

Kadar halusinasi. Ambil sampel 50 padanan KB yang dicadangkan AI setiap minggu, kira berapa banyak yang salah. Di atas 10 peratus bermakna AI dengan yakin mengelirukan specialist, dan prompt pemadan KB anda memerlukan klausa "tiada padanan baik."

Skor keyakinan specialist. Tinjauan satu soalan suku tahunan: "Adakah anda mempercayai draf pertama AI cukup untuk dihantar dengan suntingan ringan?" Jejak arah aliran itu. Meningkat bermakna prompt dan KB semakin baik. Menurun bermakna sesuatu telah terlencong: kemas kini model, kerosakan KB, jurang latihan.

Bagaimana AI Bersesuaian dengan Set Teknologi Yang Lebih Luas

AI tidak menggantikan alat anda yang lain. Ia duduk di dalamnya. Meja bantuan, panel konteks CRM, wiki dalaman, penjejak pepijat: di situlah kerja masih berlaku. AI ialah satu lapisan di atas yang mendraf, meringkas, dan mengelompok. Panduan alat dan set teknologi sokongan merangkumi apa yang patut ada sebelum anda memasang AI padanya; AI di atas set teknologi yang rosak hanya menghasilkan output rosak dengan lebih pantas. Mod kegagalan yang lain dirangkumi dalam kesilapan biasa yang setiap support specialist patut elakkan. Kebanyakan kesilapan AI bukan khusus AI; ia ialah kesilapan pertimbangan yang dibuat AI dengan lebih pantas.

Bagaimana Rework Menyokong Aliran Kerja AI

Seorang specialist yang menjalankan AI dengan baik memerlukan tiga perkara dalam satu tempat: konteks tiket, sejarah penuh pelanggan, dan satu tempat untuk mencatat apa yang AI buat dengan betul dan salah. Kebanyakan pasukan menyusunnya merentas meja bantuan, CRM, dan alat AI berasingan yang tidak tahu tentang kedua-duanya. Rework Work Ops menyatukan aliran kerja tiket dan profil pelanggan, jadi apabila anda mendraf jawapan anda melihat tahap pelanggan, hubungan terkini, dan penanda peringkat akaun dalam paparan yang sama. Rework CRM menarik konteks deal dan kitaran hayat ke permukaan yang sama untuk akaun yang sokongan bertindih dengan jualan. Work Ops bermula pada $6/pengguna/bulan, CRM pada $12/pengguna/bulan. Lebih sedikit tab bermakna lebih banyak pertimbangan tinggal untuk jawapan sebenar.

Apa Yang Ini Bermakna Akhirnya

AI dalam sokongan ialah seorang rakan sepasukan junior yang tajam. Pantas, berkebolehan, sanggup mendraf apa sahaja yang anda minta, dan tidak menyedari apa yang hanya seorang manusia dalam perbualan itu dapat lihat. Layan ia seperti rakan sepasukan junior dan peningkatannya nyata. Layan ia seperti produk siap dan anda akan menghabiskan peningkatan itu membina semula kepercayaan dengan pelanggan yang dapat mengesannya.

Specialist yang menang bukanlah mereka yang mempunyai prompt paling bijak. Mereka ialah yang menyunting tanpa belas kasihan, menghantar lebih sedikit draf tanpa perubahan, dan tahu bila perlu menutup panel AI dan menulis jawapan sendiri. Kebijaksanaan dalam prompt tidak membaiki output yang tidak peka nada. Pertimbangan yang membaikinya.

Panduan Pakar Sokongan Pelanggan