Nos últimos tempos, a inteligência artificial tem avançado consideravelmente, em especial no que diz respeito à experiência do cliente. Todos foram afetados por essas melhorias, desde conversas desconectadas com um bot que nunca compreendia nossas necessidades, até interações mais naturais apoiadas por Inteligência Artificial que normalmente oferecem assistência imediata. Obviamente, ainda existe um enorme potencial a ser explorado: como a IA pode servir melhor os clientes em todas as interações de atendimento, já que empresas e consumidores esperam cada vez mais utilizar e se comunicar com ela?
O progresso da inteligência artificial é ininterrupto. Hoje em dia, existem tecnologias movidas pelo aprendizado de máquina capazes de identificar o sentimento e a intenção do cliente, o que pode proporcionar experiências mais personalizadas. Com essas novas ferramentas, os clientes não precisam mais contar a mesma história diversas vezes. Os atendentes recebem informações automaticamente para compreender o contexto relevante e aplicar as sugestões para uma resolução rápida.
A vasta maioria dos clientes não precisa ficar maravilhada. Eles apenas desejam que o atendimento funcione de forma eficiente, sem atritos e obstáculos. Nesse sentido, realizar uma triagem das solicitações é um componente que auxilia as empresas a alcançarem soluções mais rápidas, já que os atendentes passam a receber solicitações conforme prioridade, assunto ou área, por exemplo. Isso permite que resolvam os problemas com maior agilidade e, consequentemente, sejam mais produtivos.
Na experiência do cliente (CX), a IA atua particularmente bem em três situações: previsão, recomendação e automação. Um exemplo de aplicação eficiente da Inteligência Artificial é o caso da Foxbit, uma das maiores e mais antigas corretoras de criptoativos do mundo que, para aprimorar ainda mais seu atendimento, passou a contar com recursos que permitem ao cliente se autoatender. Isso se tornou possível através de uma ferramenta de automação que auxilia o cliente a buscar soluções conforme sua necessidade, ou seja, à medida que ele faz perguntas, as respostas já o encaminham para a resolução.
O objetivo era eliminar a possível desorganização das informações coletadas a partir das conversas com cada investidor. Este canal rapidamente se tornou o mais utilizado pelos investidores, concentrando atualmente cerca de 81% da demanda total. Com ele, o tempo médio de primeira resposta foi reduzido para 7,38 horas, abaixo do benchmark de 26 horas do setor.
Por meio da inteligência artificial, é possível também combinar percepções de milhares de pontos de dados e aplicar um foco maior para criar um modelo exclusivo para cada cliente. Aproximadamente 4 em cada 5 interações de suporte se resumem em 20 problemas mais frequentes. Por exemplo, o setor de varejo enfrenta os mesmos tipos de perguntas comuns relacionadas a devoluções, envios, status de pedidos, etc. Utilizar um modelo de software nessas interações para estabelecer soluções automatizadas e eliminar qualquer "achismo" permite que os clientes se concentrem em tarefas mais gerais.
Outra observação relevante é que ferramentas de aprendizado de máquina pré-treinadas, que realizam tarefas mais rápido e com menos suposições envolvidas, são capazes de aliviar a carga das equipes de CX. O estudo CX Accelerator mostrou que 57% das empresas que usam bots apontam a produtividade do agente como o maior benefício. Alguns modelos já vêm prontos para uso, continuam aprendendo com o tempo e se tornam personalizados para as operações de cada empresa, incorporando continuamente o feedback.
O fato é que há uma nova maneira de implementar a IA em escala e democratizar o acesso a esses tipos de soluções. Em um momento de expectativas crescentes dos clientes, as empresas estão sob pressão para acertar nas experiências digitais e aquelas que podem identificar imediatamente a intenção, extrair sentimentos e categorizar segmentos de clientes estão mais bem equipadas para ter sucesso a longo prazo.
À medida que a IA continua a evoluir e adquirir novas funcionalidades, a expectativa é de que surjam muitos novos casos de uso que impactarão qualquer área que lide com a experiência do cliente. Não apenas quando falamos em inteligência artificial voltada para o cliente, como interações na linha de frente, mas também no lado das operações comerciais para administradores e desenvolvedores, por exemplo.
Muitos modelos de IA ainda requerem que cada empresa forneça seus próprios dados para treinar completamente um modelo. No entanto, atualmente, algumas ferramentas já são capazes de fornecer uma compreensão básica de um conjunto sólido e robusto de dados prontos para uso por todas as empresas de um determinado setor. Para cada segmento, existem necessidades de suporte comuns que são fáceis de identificar – como dar um retorno para um cliente do e-commerce sobre o status do pedido de suporte dele.
Este tipo de dado já pré-processado, também conhecido como sintético, pode ser utilizado junto aos dados capturados do cliente na operação para oferecer soluções muito mais rápidas e precisas. Um exemplo disso são as trocas de produtos no varejo. A prática é comum em qualquer loja, e isso significa que é possível inserir no mecanismo de inteligência artificial um conceito básico do que envolve o processo. Assim, a inteligência artificial desse varejista não vai precisar que um primeiro cliente faça uma pergunta sobre troca para aprender o processo.
Ainda podem haver ajustes finos para necessidades específicas – como imagem da nota fiscal, se a troca será feita por crédito ou reembolso – mas os principais temas relacionados ao suporte para a troca já estarão incorporados nessa IA. Dessa forma, será muito mais fácil e rápido personalizar a solução de IA.
A realidade é que à medida que a IA se expande, haverá um impacto maior na experiência do cliente, e é crucial continuar desenvolvendo ferramentas que garantam que os clientes se beneficiem das principais tendências de pesquisa e desenvolvimento de IA, enquanto a tecnologia continua a crescer de maneira acelerada e constante.
*Walter Hildebrandi é CTO da Zendesk para a América Latina.
Fonte: https://exame.com/
