AI-kundesupport skal vurderes på mere end hurtige svar. En løsning kan virke imponerende i en demo og samtidig skabe ekstra arbejde, hvis svarene er upræcise, overdragelsen er dårlig, eller kunden mister tillid. Derfor skal kvalitet og effekt måles fra starten.
Den rigtige målemodel forbinder kundeoplevelse, faglig korrekthed og driftsøkonomi. Den viser både, hvad AI løser, og hvor mennesker fortsat er nødvendige.
Start med en baseline
Før I ændrer processen, skal I kende den nuværende situation. Mål antal henvendelser, svartid, løsningstid, genåbnede sager, kundetilfredshed og den tid medarbejderne bruger per sag. Del gerne tallene op efter emne og kanal.
En samlet gennemsnitsværdi kan skjule store forskelle. Spørgsmål om åbningstider er simple, mens reklamationer eller særlige aftaler kræver vurdering. Sammenlign derfor ens sagstyper før og efter.
De vigtigste kvalitetsmål
Korrekthed
Er svaret fagligt rigtigt og i overensstemmelse med den godkendte kilde? Lav klare kriterier, så to personer kan vurdere et svar nogenlunde ens. Ved vigtige emner bør et forkert svar vægte tungere end et manglende svar.
Løsningsgrad
Hvor stor en andel af henvendelserne bliver afsluttet uden yderligere kontakt? En høj løsningsgrad er kun positiv, hvis kunden faktisk har fået det rigtige resultat.
Overdragelsesgrad
Hvor ofte sender AI sagen videre til et menneske, og sker det på det rigtige tidspunkt? For få overdragelser kan betyde, at systemet svarer uden tilstrækkelig sikkerhed. For mange kan betyde, at anvendelsesområdet er for smalt.
Genarbejde
Hvor ofte skal en medarbejder rette, omskrive eller genåbne sagen? Genarbejde er en vigtig skjult omkostning. Registrer både den ekstra tid og årsagen til rettelsen.
Kundetilfredshed
Brug en kort vurdering efter samtalen, men kombiner den med adfærdsdata. En kunde kan vælge en høj score for et venligt svar, selv om problemet ikke blev løst. Omvendt kan en lav score handle om virksomhedens politik og ikke om AI.
Byg et fast evalueringssæt
Saml repræsentative, anonymiserede henvendelser fra den virkelige drift. Medtag almindelige spørgsmål, tvetydige formuleringer, stavefejl, frustrerede kunder og sager, som altid skal overdrages. Gem det forventede svar eller de kriterier, der skal være opfyldt.
Kør det samme sæt efter ændringer i model, prompt, vidensbase eller integrationer. Dermed kan I se, om en forbedring på ét område skaber fejl et andet sted.
Menneskelig kontrol er en målemetode
I begyndelsen bør medarbejdere gennemgå et stort udsnit af svar. Når kvaliteten er stabil, kan I gå over til stikprøver og målrettet kontrol af risikofyldte emner. Lad ikke systemet alene afgøre, om det selv gjorde det godt.
Brug en enkel fejlklassifikation: forkert kilde, manglende kontekst, opdigtet information, forkert handling, dårlig tone eller forkert overdragelse. Fejltypen peger på den konkrete forbedring.
Mål hele kunderejsen
En chat kan være kort, fordi kunden opgiver. Se derfor på, om kunden kontakter jer igen, skifter kanal eller ringer kort efter. Mål også om medarbejderen får en brugbar opsummering, når sagen overdrages.
Et godt AI-flow reducerer gentagelser. Kunden skal ikke indtaste de samme oplysninger flere gange, og medarbejderen skal kunne se, hvad der allerede er forsøgt.
Forretningseffekt og omkostninger
Beregn den samlede pris per løst sag. Medtag modelkald, platform, integrationer, overvågning, kvalitetssikring og medarbejdertid. Sammenlign med den eksisterende proces, men tag højde for, at bedre service kan skabe flere henvendelser eller højere salg.
Relevante effekter kan være kortere ventetid, længere åbningstid, flere kvalificerede leads, færre fejl og mere tid til komplekse sager. Vælg de mål, der passer til virksomhedens formål.
GDPR, sikkerhed og tillid
Fortæl tydeligt, når kunden møder en AI-løsning. Begræns indsamling af personoplysninger, og lad følsomme eller juridisk betydningsfulde sager gå til et menneske. Log adgang og handlinger, men opbevar ikke samtaler længere end nødvendigt.
Test også misbrug: forsøg på at få systemet til at afsløre instruktioner, andre kunders data eller udføre handlinger uden tilladelse. Sikkerhed skal indgå i den løbende evaluering, ikke kun før lancering.
En 30-60-90-dages plan
De første 30 dage
Brug AI internt til svarforslag. Etabler baseline, evalueringssæt og fejltyper. Gennemgå alle svar inden afsendelse.
Dag 31 til 60
Åbn for et begrænset udvalg af lavrisiko-emner. Følg kvalitet dagligt, og juster kilder og overdragelsesregler.
Dag 61 til 90
Udvid kun de områder, der når kvalitetsgrænsen. Indfør stikprøver, overvågning og en fast proces for ændringer og rollback.
Fra chatbot til dokumenteret kundeværdi
Læs den praktiske guide til AI-chatbot i kundeservice og vores guide til AI-agenter for virksomheder. I kan beskrive jeres kundeserviceflow i EesyPlus AI Problem Lab og få et forslag til en afgrænset pilot.
