مرکز تماس دیگر فقط محلی برای پاسخگویی به تماسهای تلفنی نیست. افزایش تعداد کانالهای ارتباطی، رشد حجم تعاملات مشتری و بالا رفتن انتظارات کاربران باعث شده است سازمانها به دنبال راهکارهایی باشند که بتوانند همزمان سرعت، دقت، بهرهوری و کیفیت تجربه مشتری را افزایش دهند.
در این میان، هوش مصنوعی در مرکز تماس به یکی از مهمترین فناوریهای تحولآفرین تبدیل شده است.
البته ارزش هوش مصنوعی در مرکز تماس فقط به چتبات یا تولید متن محدود نمیشود. الگوریتمهای پیشبین، هوش مصنوعی مکالمهای، تحلیل داده، مسیریابی هوشمند و هوش مصنوعی مولد میتوانند در بخشهای مختلف مرکز تماس به کار گرفته شوند.
به همین دلیل، مرکز تماس هوشمند را نباید صرفاً یک مرکز تماس مجهز به یک ربات دانست؛ بلکه باید آن را مجموعهای از فناوریهای هوشمند دید که به تصمیمگیری، اتوماسیون، پشتیبانی کارشناسان و شخصیسازی تجربه مشتری کمک میکنند.
در این مقاله از توسعه و فناوری هاوش بررسی میکنیم هوش مصنوعی چگونه در مرکز تماس استفاده میشود، چه قابلیتهایی دارد و چگونه میتواند به سازمانها در بهبود عملکرد و تجربه مشتری کمک کند.
هوش مصنوعی در مرکز تماس چه کاری انجام میدهد؟
هوش مصنوعی در مرکز تماس با استفاده از فناوریهایی مانند یادگیری ماشین (Machine Learning)، پردازش زبان طبیعی (NLP)، درک زبان طبیعی (NLU)، تحلیل مکالمات و هوش مصنوعی مولد میتواند بخشهایی از فرآیند ارتباط با مشتری را خودکار یا هوشمندتر کند.
کاربردهای AI در مرکز تماس میتواند شامل موارد زیر باشد:
-
پیشبینی رفتار و نیاز مشتری
-
مسیریابی هوشمند تماسها
-
پاسخگویی خودکار به درخواستهای ساده
-
دستیار هوشمند کارشناسان
-
تحلیل مکالمات
-
تشخیص احساس و نارضایتی مشتری
-
خلاصهسازی خودکار تماسها
-
پیشنهاد اقدام بعدی به کارشناس
-
پیشبینی حجم تماسها
-
بهینهسازی برنامهریزی نیروی انسانی
-
شخصیسازی تعاملات
-
کنترل کیفیت و ارزیابی عملکرد
بنابراین، AI میتواند هم در سمت مشتری و هم در سمت کارشناسان و مدیران مرکز تماس مورد استفاده قرار گیرد.
سه نوع مهم هوش مصنوعی در مرکز تماس
یکی از اشتباهات رایج این است که هوش مصنوعی را فقط با هوش مصنوعی مولد یا چتباتها برابر بدانیم.
در یک مرکز تماس مدرن، چند نوع فناوری هوش مصنوعی میتوانند در کنار یکدیگر کار کنند:
-
هوش مصنوعی پیشبین (Predictive AI)
-
هوش مصنوعی مکالمهای (Conversational AI)
-
هوش مصنوعی مولد (Generative AI)
ترکیب این سه حوزه میتواند مرکز تماس را از یک سیستم صرفاً پاسخگو به یک زیرساخت هوشمند برای مدیریت تجربه مشتری تبدیل کند.
۱. هوش مصنوعی پیشبین در مرکز تماس
هوش مصنوعی پیشبین با استفاده از دادههای گذشته، الگوها و رفتارهای ثبتشده تلاش میکند احتمال رخدادهای آینده را تخمین بزند.
برای مثال، سیستم میتواند با تحلیل دادههای گذشته، احتمال خرید یک مشتری، احتمال ریزش یا حتی حجم تماسهای آینده را پیشبینی کند.
در مرکز تماس، این قابلیت میتواند برای پیشبینی تقاضا، برنامهریزی نیروی انسانی، مسیریابی و شخصیسازی تعاملات مورد استفاده قرار گیرد.
مسیریابی پیشبینانه
در یک مرکز تماس سنتی، تماس ممکن است بر اساس قوانین از پیش تعیینشده به اولین کارشناس در دسترس یا یک صف مشخص هدایت شود.
اما در مسیریابی هوشمند، سیستم میتواند اطلاعات مختلفی مانند مهارت کارشناس، سابقه تعامل مشتری و نوع درخواست را تحلیل کند و تعامل را به کارشناس مناسبتر هدایت کند.
هدف این است که احتمال حل مسئله در اولین تعامل افزایش پیدا کند و تجربه مشتری بهبود یابد.
پیشبینی حجم تماس
یکی دیگر از کاربردهای مهم AI، پیشبینی حجم تعاملات است.
اگر سازمان بتواند پیشبینی کند در یک بازه زمانی چه تعداد تماس یا تعامل دیجیتال دریافت خواهد کرد، میتواند تعداد کارشناسان و شیفتها را بهتر برنامهریزی کند.
این موضوع میتواند به کاهش زمان انتظار و استفاده بهینهتر از منابع کمک کند.
پیشبینی رفتار مشتری
تحلیل دادههای قبلی میتواند الگوهایی را نشان دهد که برای پیشبینی رفتار مشتری قابل استفاده هستند.
برای مثال، سیستم میتواند احتمال مواردی مانند:
-
خرید مجدد
-
درخواست پشتیبانی
-
ریزش مشتری
-
نیاز به پیگیری
-
افزایش تعامل
را بررسی کند.
این اطلاعات میتواند به سازمان کمک کند قبل از تبدیل شدن یک مسئله به مشکل بزرگتر، اقدام مناسب را انجام دهد.
۲. هوش مصنوعی مکالمهای در مرکز تماس
هوش مصنوعی مکالمهای (Conversational AI) یکی از شناختهشدهترین کاربردهای AI در مرکز تماس است.
این فناوری به سیستم اجازه میدهد زبان طبیعی انسان را در قالب صوت یا متن درک کند و بر اساس نیت و زمینه مکالمه، پاسخ مناسب ارائه دهد.
چتباتها، Voicebotها و دستیارهای مجازی نمونههایی از کاربرد هوش مصنوعی مکالمهای هستند.
از IVR سنتی تا مکالمه طبیعی
در سیستمهای IVR سنتی، مشتری معمولاً با منوهای عددی مواجه است:
«برای فروش عدد ۱، برای پشتیبانی عدد ۲ و…»
در راهکارهای مدرنتر، مشتری میتواند درخواست خود را با زبان طبیعی بیان کند.
برای مثال:
«میخواهم وضعیت درخواست پشتیبانیام را بدانم.»
سیستم میتواند نیت مشتری را تشخیص دهد، اطلاعات مورد نیاز را از سیستمهای سازمان دریافت کند و پاسخ مناسب ارائه دهد.
این تغییر میتواند مسیر دریافت خدمات را سادهتر کند و نیاز به عبور از منوهای طولانی را کاهش دهد.
چتبات و Voicebot هوشمند
رباتهای مکالمهای میتوانند بخشی از درخواستهای پرتکرار را بدون دخالت مستقیم کارشناس پاسخ دهند.
برای مثال:
-
پیگیری سفارش
-
اعلام وضعیت درخواست
-
رزرو یا تغییر زمان
-
پاسخ به پرسشهای متداول
-
دریافت اطلاعات مشتری
-
راهنمایی اولیه
-
ثبت درخواست
اما یک ربات موفق نباید فقط پاسخ تولید کند؛ باید بتواند در صورت نیاز، تعامل را به کارشناس انسانی منتقل کند و اطلاعات و زمینه مکالمه را نیز حفظ کند.
این انتقال یکپارچه میان ربات و کارشناس یکی از عوامل مهم در ایجاد تجربه مشتری مناسب است.
۳. هوش مصنوعی مولد در مرکز تماس
با توسعه مدلهای زبانی بزرگ و هوش مصنوعی مولد، قابلیتهای جدیدی به مرکز تماس اضافه شده است.
Generative AI میتواند محتوای موجود در مکالمات و دادههای سازمان را تحلیل کرده و خروجیهایی مانند خلاصه تماس، پاسخ پیشنهادی، محتوای آموزشی و اطلاعات قابل استفاده برای کارشناس تولید کند.
یکی از کاربردهای مهم آن، خلاصهسازی خودکار مکالمات است؛ به این ترتیب، پس از پایان تماس، کارشناس مجبور نیست تمام جزئیات را به صورت دستی ثبت کند.
خلاصهسازی خودکار مکالمات
هوش مصنوعی میتواند پس از پایان تماس، موارد مهمی مانند:
-
موضوع تماس
-
مشکل مشتری
-
اقدام انجامشده
-
نتیجه تعامل
-
اقدام بعدی
را استخراج و در سیستم ثبت کند.
این قابلیت علاوه بر صرفهجویی در زمان کارشناسان، کیفیت مستندسازی را نیز افزایش میدهد.
پیشنهاد پاسخ به کارشناس
AI میتواند در زمان مکالمه، اطلاعات مرتبط را از پایگاه دانش یا سوابق مشتری پیدا کرده و در اختیار کارشناس قرار دهد.
در نتیجه، کارشناس برای پیدا کردن پاسخ مناسب مجبور نیست بین چند سیستم یا سند مختلف جستوجو کند.
این قابلیت با عنوانهایی مانند Agent Assist یا Agent Copilot نیز شناخته میشود.
هوش مصنوعی چگونه بهرهوری کارشناسان مرکز تماس را افزایش میدهد؟
هوش مصنوعی قرار نیست لزوماً جایگزین کارشناسان مرکز تماس شود. یکی از مهمترین کاربردهای AI، توانمندسازی کارشناسان است.
کارشناس میتواند به جای انجام فعالیتهای تکراری، زمان بیشتری را برای حل مسائل پیچیده و تعامل انسانی اختصاص دهد.
AI میتواند در طول مکالمه:
-
اطلاعات مرتبط را نمایش دهد.
-
پاسخهای پیشنهادی ارائه کند.
-
مقاله مناسب از پایگاه دانش را پیدا کند.
-
احساس مشتری را تحلیل کند.
-
هشدارهای لازم را نمایش دهد.
-
اقدام بعدی را پیشنهاد دهد.
به این ترتیب، AI به عنوان یک دستیار در کنار کارشناس قرار میگیرد، نه اینکه الزاماً جایگزین او شود.
تحلیل احساسات مشتری با هوش مصنوعی
یکی دیگر از کاربردهای مهم AI، Sentiment Analysis یا تحلیل احساسات است.
سیستم میتواند با بررسی کلمات، لحن و محتوای مکالمه، نشانههایی از رضایت، نارضایتی، عصبانیت یا سایر حالات مشتری را شناسایی کند.
برای مثال، اگر سیستم تشخیص دهد مشتری در حال افزایش نارضایتی است، میتواند:
-
به سرپرست هشدار دهد.
-
پیشنهاد انتقال تماس ارائه کند.
-
تعامل را در اولویت قرار دهد.
-
اطلاعات بیشتری در اختیار کارشناس قرار دهد.
این قابلیت به سازمان کمک میکند پیش از تشدید یک تجربه منفی، واکنش مناسب نشان دهد.
کنترل کیفیت هوشمند در مرکز تماس
در روشهای سنتی، کنترل کیفیت معمولاً با نمونهبرداری از تعداد محدودی از تماسها انجام میشود.
اما هوش مصنوعی و تحلیل مکالمات میتوانند حجم بسیار بیشتری از تعاملات را بررسی کنند.
سیستم میتواند مواردی مانند:
-
رعایت دستورالعملها
-
کیفیت پاسخگویی
-
لحن مکالمه
-
میزان همدلی
-
موضوعات پرتکرار
-
خطاهای احتمالی
-
ریسکهای مربوط به انطباق
را تحلیل کند.
به این ترتیب، مدیر مرکز تماس دید دقیقتری از عملکرد واقعی تیم به دست میآورد و میتواند آموزش و کوچینگ کارشناسان را هدفمندتر انجام دهد.
هوش مصنوعی و بهبود سلفسرویس مشتری
یکی از اهداف مهم مرکز تماس مدرن این است که مشتری برای دریافت پاسخ ساده مجبور به انتظار برای کارشناس نباشد.
هوش مصنوعی میتواند سلفسرویس را از یک سیستم مبتنی بر پاسخهای ثابت به یک تجربه تعاملی تبدیل کند.
چتبات یا Voicebot میتواند سؤال مشتری را درک کند، اطلاعات مورد نیاز را از منابع سازمان دریافت کند و پاسخ مناسب ارائه دهد.
اگر درخواست پیچیده باشد، سیستم باید بتواند آن را به کارشناس منتقل کند.
مهم این است که این انتقال با حفظ زمینه و اطلاعات مکالمه انجام شود تا مشتری مجبور به تکرار درخواست خود نباشد.
شخصیسازی تجربه مشتری با هوش مصنوعی
یکی از ارزشمندترین کاربردهای AI، ترکیب دادههای مشتری با تحلیل لحظهای تعامل است.
سیستم میتواند اطلاعاتی مانند:
-
سوابق تماس
-
خریدهای قبلی
-
درخواستهای پشتیبانی
-
رفتار دیجیتال
-
ترجیحات مشتری
را تحلیل کند و بر اساس آن، تجربه مناسبتری ایجاد کند.
برای مثال، وقتی مشتری با مرکز تماس ارتباط میگیرد، کارشناس میتواند قبل از شروع مکالمه تصویر کاملتری از سابقه تعاملات او داشته باشد.
این اطلاعات میتواند به ارائه پاسخ شخصیسازیشده و سریعتر کمک کند.
هوش مصنوعی و پیشبینی نیاز مشتری
AI فقط برای واکنش به درخواست فعلی مشتری استفاده نمیشود.
با تحلیل دادههای گذشته میتوان احتمال نیازهای آینده مشتری را نیز بررسی کرد.
برای مثال، سیستم میتواند الگوهایی را شناسایی کند که نشان میدهند یک مشتری احتمالاً:
-
به پشتیبانی نیاز پیدا میکند.
-
قصد لغو سرویس دارد.
-
آماده خرید محصول جدید است.
-
نیاز به تمدید قرارداد دارد.
-
ممکن است درباره یک موضوع مشخص دوباره تماس بگیرد.
این قابلیت زمینه را برای خدمات پیشگیرانه و ارتباط proactive با مشتری فراهم میکند.
کاربرد هوش مصنوعی در مدیریت نیروی انسانی مرکز تماس
AI میتواند علاوه بر مشتری و کارشناس، به مدیران مرکز تماس نیز کمک کند.
با تحلیل دادههای تاریخی و لحظهای میتوان:
-
حجم تماس آینده را پیشبینی کرد.
-
تعداد کارشناسان مورد نیاز را تخمین زد.
-
برنامه شیفتها را بهینه کرد.
-
ساعات اوج تماس را شناسایی کرد.
-
عملکرد تیمها را تحلیل کرد.
این موضوع میتواند به کاهش زمان انتظار و استفاده بهتر از منابع انسانی کمک کند.
آیا هوش مصنوعی جایگزین کارشناسان مرکز تماس میشود؟
این سؤال یکی از مهمترین نگرانیهای سازمانها هنگام استفاده از AI است.
در بسیاری از سناریوها، بهترین نتیجه از همکاری هوش مصنوعی و نیروی انسانی حاصل میشود.
AI برای کارهای پرتکرار، تحلیل داده، بازیابی اطلاعات، پیشبینی و اتوماسیون بسیار مناسب است؛ در حالی که مسائل پیچیده، حساس یا نیازمند همدلی عمیق همچنان به تعامل انسانی نیاز دارند.
بنابراین مدل مؤثرتر میتواند این باشد:
AI درخواست را دریافت و تحلیل میکند → مسائل ساده را حل میکند → اطلاعات را جمعآوری میکند → در صورت نیاز، تعامل را با حفظ زمینه به کارشناس منتقل میکند.
این مدل به سازمان اجازه میدهد هم از سرعت و مقیاس AI استفاده کند و هم ارزش تعامل انسانی را حفظ کند.
برای موفقیت AI در مرکز تماس چه نکاتی را باید در نظر گرفت؟
پیادهسازی هوش مصنوعی صرفاً خرید یک ابزار جدید نیست. برای اینکه AI واقعاً ارزش ایجاد کند، باید بخشی از معماری و استراتژی مرکز تماس باشد.
۱. کیفیت داده
مدلهای هوش مصنوعی برای ارائه نتایج مناسب به دادههای باکیفیت نیاز دارند.
اطلاعات ناقص، قدیمی یا پراکنده میتواند کیفیت خروجی AI را کاهش دهد.
۲. اتصال به CRM و سیستمهای سازمان
AI زمانی ارزش بیشتری ایجاد میکند که بتواند به منابع اطلاعاتی سازمان مانند CRM، پایگاه دانش و سایر سامانههای عملیاتی دسترسی کنترلشده داشته باشد.
۳. امنیت و حاکمیت داده
اطلاعات مشتری باید با سیاستهای مشخص امنیتی، کنترل دسترسی و حاکمیت داده مدیریت شود.
در استفاده از هوش مصنوعی، مشخص بودن اینکه چه دادهای در اختیار چه سیستمی قرار میگیرد اهمیت ویژهای دارد.
۴. تعریف KPI
قبل از پیادهسازی باید مشخص شود هدف استفاده از AI چیست.
برای مثال:
-
کاهش AHT
-
افزایش FCR
-
کاهش زمان انتظار
-
افزایش CSAT
-
کاهش هزینه هر تعامل
-
افزایش استفاده از سلفسرویس
وقتی KPI مشخص باشد، میتوان ارزش واقعی پروژه را اندازهگیری کرد.
۵. شروع از یک مسئله مشخص
لازم نیست سازمان از روز اول تمام قابلیتهای AI را پیادهسازی کند.
بهتر است یک یا چند فرآیند مشخص با حجم بالا و ارزش قابل اندازهگیری انتخاب شود و پس از اثبات نتیجه، راهکار به سایر بخشها توسعه پیدا کند.
یک مرکز تماس هوشمند چه ویژگیهایی دارد؟
مرکز تماس هوشمند فقط مجموعهای از رباتها و ابزارهای AI نیست.
یک مرکز تماس مبتنی بر هوش مصنوعی باید بتواند فناوریهای مختلف را در یک معماری منسجم کنار هم قرار دهد.
برای مثال:
CRM + مرکز تماس + Omnichannel + AI + پایگاه دانش + تحلیل داده + اتوماسیون
اتصال این اجزا به یکدیگر باعث میشود دادههای مشتری در بخشهای مختلف سازمان جریان داشته باشند و AI بتواند بر اساس اطلاعات واقعی، پیشنهادها و تصمیمهای مناسبتری ارائه دهد.
جمعبندی
هوش مصنوعی در مرکز تماس دیگر یک قابلیت جانبی یا آیندهنگرانه نیست؛ بلکه به یکی از فناوریهای مهم برای افزایش بهرهوری، بهبود تجربه مشتری و هوشمندسازی عملیات مرکز تماس تبدیل شده است.
با این حال، ارزش واقعی AI زمانی ایجاد میشود که فناوری مناسب در جای مناسب استفاده شود.
هوش مصنوعی پیشبین میتواند برای پیشبینی رفتار مشتری، حجم تعاملات و بهینهسازی مسیریابی استفاده شود.
هوش مصنوعی مکالمهای میتواند ارتباط طبیعیتر میان مشتری و سیستم ایجاد کند و بخشی از درخواستهای پرتکرار را خودکار کند.
هوش مصنوعی مولد نیز میتواند با خلاصهسازی مکالمات، تولید پاسخهای پیشنهادی، بازیابی دانش و توانمندسازی کارشناسان، بهرهوری تیم مرکز تماس را افزایش دهد.
در نهایت، هدف از استفاده از هوش مصنوعی نباید صرفاً «هوشمند کردن» مرکز تماس باشد؛ هدف اصلی باید حل سریعتر مسائل مشتری، کاهش اصطکاک، توانمندسازی کارشناسان و ایجاد تجربهای بهتر و قابل اندازهگیری باشد.
سازمانهایی که AI را در کنار CRM، مرکز تماس، داده و فرآیندهای سازمانی به صورت یکپارچه به کار میگیرند، میتوانند از هوش مصنوعی به عنوان بخشی از زیرساخت واقعی تجربه مشتری استفاده کنند.
