9 minut czytania 
Czy Contact Center to wciąż tylko koszty? Dziś, dzięki sztucznej inteligencji, dział obsługi może stać się skutecznym kanałem sprzedaży. Zobacz, jak wirtualni asystenci i algorytmy pomagają rozwiązywać problemy i zwiększać sprzedaż. O tym, jak AI zmienia model biznesowy obsługi klienta i pozwoliła Orange wygenerować dodatkowe 10,5 miliona euro przychodu, rozmawiamy z Marcinem Kozakiem – Dyrektorem Zarządzania Standardami i Automatyzacją Obsługi Klientów Biznesowych w Orange Polska.
AI w obsłudze klientów kojarzy się z irytującymi botami, wysokimi kosztami i niską skutecznością. Orange udowodniło, że może być inaczej. Stworzyliście ekosystem rozwiązań AI dla call center, biorąc pod uwagę potrzeby doradców, klientów i biznesu. Jakie konkretnie narzędzia pomagają w obsłudze klientów biznesowych?
Nasz ekosystem opiera się na czterech filarach, które wzajemnie się uzupełniają. Pierwszy to Concierge AI, czyli asystent doradcy, który w czasie rzeczywistym analizuje rozmowę z klientem i podpowiada gotowe odpowiedzi, wyświetlając je na ekranie komputera. Nazywam go takim cyfrowym „kolegą z biurka obok”, który odciąża doradcę w wyszukiwaniu informacji w rozbudowanych bazach danych.
Drugi to Dr Strange – nasz „mózg” decyzyjny, który w ułamku sekundy ocenia każdy przychodzący kontakt i decyduje, czy daną sprawę powinien obsłużyć automat, czy też jest ona na tyle istotna biznesowo, że wymaga połączenia z naszym pracownikiem.
Trzeci to Mail Machine Learning (MML) automatyzujący obsługę korespondencji, a czwarty to robotyka RPA, która przejmuje od ludzi żmudne i powtarzalne operacje techniczne w systemach. To nie są odizolowane narzędzia, ale spójny system, który wspiera pracownika na każdym etapie kontaktu z klientem biznesowym. Co więcej, każde z tych rozwiązań stworzyliśmy od podstaw.
Skąd decyzja, by budować te rozwiązania samodzielnie?
To jest fundamentalne pytanie o sens cyfryzacji w tak dużej skali. Od samego początku zależało nam na „twardej” wartości biznesowej, a nie na wdrażaniu technologii dla samej technologii, bo jest modna.
Bardzo łatwo jest dziś zachłysnąć się nowinkami, a najprościej wdrożyć je przez produkty tzw. pudełkowe – gotowe, seryjne oprogramowanie o uniwersalnych funkcjach, którego nie da się modyfikować pod specyficzne potrzeby konkretnej firmy.
W tak dużej organizacji jak nasza, często okazują się one po prostu zbyt sztywne. Nie dają tej elastyczności, jakiej wymaga nasz biznes B2B, nasze skomplikowane systemy i wieloletnie relacje z klientami.
Kupując gotowy produkt, musielibyśmy naginać nasz model operacyjny do technologii. Chcieliśmy sytuacji odwrotnej – to technologia miała zostać „uszyta” pod nasze potrzeby, oczekiwania doradców klienta i unikalne cele sprzedażowe.
Budowa tak złożonego, autorskiego środowiska sugeruje jednak proces znacznie dłuższy niż wdrożenie gotowego systemu…
Nasza droga do tego punktu wcale nie zaczęła się na fali popularności generatywnego AI. My tę kulturę i kompetencje budujemy w Orange od lat. Już w 2020 roku wystartowaliśmy z projektem Mail Machine Learning (MML). Przez pięć lat zbieraliśmy doświadczenia i wyciągnęliśmy wnioski.
Dzięki temu nauczyliśmy się m.in., że realne zyski osiąga się tylko przez głęboką integrację narzędzi. Dlatego przy najnowszych projektach, jak Concierge AI, nie szliśmy na skróty. Chcieliśmy być pewni, że to rozwiązanie faktycznie przyniesie realną wartość dodaną.
Tworzenie rozwiązania od podstaw daje pełną kontrolę nad algorytmami i tym, jak wspierają doradców w codziennej pracy…
Zdecydowanie tak. Gdybyśmy skorzystali z gotowego systemu, prawdopodobnie dzisiaj walczylibyśmy z jego ograniczeniami, zamiast cieszyć się efektami. Własne rozwiązanie daje nam coś bezcennego – pełną kontrolę nad procesem.
Wiemy dokładnie, jak działa nasz algorytm, jak interpretuje intencje klienta i dlaczego podpowiada doradcy takie, a nie inne rozwiązanie. Ta wiedza pozwala nam na błyskawiczną reakcję. Jeśli doradcy mówią nam, że coś w interfejsie im przeszkadza albo że podpowiedzi są zbyt długie, my to zmieniamy w ciągu kilku dni.
Bez czekania miesiącami na update od zewnętrznego dostawcy?
To podejście uchroniło nas przed wdrożeniem narzędzi, które ładnie wyglądają tylko w prezentacjach, a w rzeczywistości stają się dla doradcy kolejną barierą do przeskoczenia. Budowanie narzędzi AI samodzielnie dało nam też kontrolę nad tempem zmian i możliwość błyskawicznej reakcji na feedback od doradców. Dzięki temu uniknęliśmy sytuacji, w której AI bywa traktowane jako irytujący gadżet, a stało się realnym partnerem w pracy.
Czy jako twórcy Concierge AI nie baliście się halucynacji – tego, że sztuczna inteligencja zacznie podpowiadać doradcom nieprawdę? Takie błędy w B2B mogą przecież słono kosztować.
Oczywiście, że się tego baliśmy, bo narzędzia AI z natury są kreatywne. To był jednocześnie nasz największy lęk i priorytet przy projektowaniu systemu. Dlaczego? W świecie biznesu „halucynacja” algorytmu to nie śmieszna pomyłka, a konkretna strata finansowa, ryzyko prawne i utrata zaufania klienta.
Odrzuciliśmy więc modele oparte na ogólnej wiedzy AI i zastosowaliśmy technologię RAG [Retrieval-Augmented Generation – przyp. red.]. Nasz duży model językowy trenowaliśmy na ograniczonej bazie danych, które dostarczyliśmy, a więc m.in. artykułach, opisach produktów czy procedur, ale też informacjach o kliencie z bazy CRM. Wskazaliśmy też asystentowi, że ma wyszukiwać odpowiedzi na pytania bazując wyłącznie na tych udostępnionych mu danych. Jeżeli nie będzie w stanie odnaleźć tam potrzebnej odpowiedzi, ma nie wymyślać i nie tworzyć odpowiedzi za wszelką cenę. To sprawia, że Concierge AI nie jest „twórcą” i zawsze podaje źródło swojej podpowiedzi. Daje nam to pewność, że doradca, korzystając z jego wsparcia, nie popełni błędu.
Technologia to jednak nie wszystko – doradca musi jej ufać. Jak sprawiliście, że pracownicy nie boją się korzystać z tych podpowiedzi?
Kluczem było włączenie doradców w proces „szlifowania” systemu od samego początku. Po każdej podpowiedzi doradca widzi dwie ikony – uśmiechniętą i smutną buźkę. To jest dla nas krytyczny sygnał zwrotny od tzw. pierwszej linii frontu. Jeśli klika smutną buźkę, nasi analitycy widzą to natychmiast. Sprawdzamy wtedy, czy to model źle zinterpretował pytanie, czy też informacja w bazie wiedzy jest nieaktualna.
Doradcy widzą, że ich feedback realnie zmienia system. To buduje zaufanie. Dzisiaj doradcy nie tylko nie boją się systemu, ale sami podpowiadają nam, jakie nowe funkcje powinniśmy do niego dołożyć. Widzą, że to narzędzie „gra do jednej bramki” z nimi. Dzięki temu zaufaniu konwersja sprzedażowa na infolinii wzrosła o ponad 10 proc. Doradca czuje się pewniej, bo wie, że system podaje mu sprawdzoną informację „tu i teraz”.
Skupmy się teraz na doradcach. W jakich konkretnie wyzwaniach pomaga im inteligentny asystent – Concierge AI?
Punktem wyjścia była dla nas analiza tego, jak drastycznie zmienił się model pracy doradcy w ciągu ostatnich trzech lat. Cofnijmy się trochę – standardem był open space w dużym biurze. Jeśli pracownik miał trudny problem, pytał kolegę z biurka obok albo wzywał przełożonego, który był zawsze w zasięgu wzroku.
Dzisiaj sytuacja jest zupełnie inna. Większość naszych konsultantów biznesowych pracuje w modelu zdalnym. Są w swoich domach – fizycznie sami z trudnym, często wielowątkowym problemem klienta biznesowego. To jest to, co nazywam „samotnością doradcy”. On ma przed sobą wymagającego klienta, a w komputerze dziesiątki otwartych okienek z CRM-em, bazą wiedzy, cennikami, regulaminami itp.
Presja czasu jest ogromna. Concierge AI powstał po to, by być tym „cyfrowym kolegą z biurka obok”. Ten system na żywo słucha rozmowy, dokonuje jej transkrypcji w czasie rzeczywistym i – co najważniejsze – w ułamku sekundy analizuje kontekst zapytania. Jeśli klient pyta o specyficzny regulamin roamingu w kraju spoza Unii Europejskiej, pracownik nie musi już nerwowo przeszukiwać bazy wiedzy, tracąc kontakt z rozmówcą. System sam mu to wyświetla na ekranie – tu i teraz.
Dajemy doradcom supermoce. To nie jest zastępowanie człowieka maszyną – to jest uwalnianie jego potencjału z nudnych, stresujących czynności. Dzięki temu mogą skupić się na tym, co najważniejsze – na empatii, zrozumieniu potrzeb klienta i budowaniu relacji, a nie na walce z interfejsem systemów.
Kolejnym rozwiązaniem AI wykorzystywanym w obsłudze klienta biznesowego w Orange jest Dr Strange. Jak ten system realnie wpływa na lepszą sprzedaż?
Dr Strange to nasze centrum dowodzenia, nasz „mózg” decyzyjny pracujący w milisekundach. Przez lata standardem w branży call center był model „kto pierwszy, ten lepszy”. Z perspektywy matematyki biznesowej to podejście skrajnie nieefektywne. Dr Strange to zmienia – my teraz zarządzamy nie ruchem, ale wartością.
To jest serce naszej filozofii Service to Sales. W ułamku sekundy, kiedy tylko pojawia się nowy kontakt, system analizuje gigabajty danych – kim jest ten klient, jaką ma historię, czy składał reklamację, jakie usługi posiada, a przede wszystkim – jaki jest jego aktualny potencjał zakupowy.
Wiemy to m.in. dzięki temu, że zanim klient zostanie przekierowany do konsultanta, rozmawia z naszym voicebotem, który identyfikuje intencję połączenia. Dr Strange decyduje w czasie rzeczywistym, do którego konkretnie doradcy skierować daną rozmowę.
Czy lepsze dopasowanie klienta to tylko kwestia efektywności, czy realnie widać to w wynikach sprzedaży?
Dokładnie tak. Jeśli dzwoni klient biznesowy z wysokim potencjałem zakupowym, system to widzi i priorytetyzuje takie połączenie, kierując je natychmiast do dostępnego doradcy lub dedykowanego opiekuna.
Z kolei proste, powtarzalne sprawy administracyjne mogą zostać obsłużone w pełni automatycznie. Dzięki temu doradcy nie czują frustracji z powodu „przypadkowych” rozmów, a my jako firma przestaliśmy marnować szanse, które wcześniej umykały nam w szumie tysięcy połączeń.
W zeszłym roku wygenerowaliśmy dodatkowe 90 tysięcy aktów sprzedażowych i utrzymaniowych tylko dzięki temu lepszemu dopasowaniu. Przełożyło się to na 10,5 miliona euro dodatkowego przychodu w cyklu życia klienta.
To dowód na to, że inteligentne kierowanie ruchem pozwala nam zarządzać wartością, a nie tylko kolejką. Po prostu wykorzystujemy każdą sekundę pracy tam, gdzie przynosi ona realny zysk.
Przejdźmy do kanału tekstowego. MML i robotyka RPA to u Was dwa silniki, które współpracują. Jak wspierają doradcę w obsłudze kanału e-mailowego?
To obszar, z którego jestem niezwykle dumny, bo pokazuje naszą dojrzałość technologiczną. Obsługujemy miesięcznie ponad 100 tysięcy e-maili od klientów biznesowych. To kanał niezwykle trudny, bo e-mail to tekst nieustrukturyzowany – klient pisze potocznie i emocjonalnie.
Nasz system Mail Machine Learning (MML), który rozwijamy konsekwentnie od 2020 roku, potrafi te wiadomości kategoryzować, rozpoznawać intencje oraz badać sentyment klienta.
Prawdziwa siła tkwi jednak w połączeniu AI z robotyzacją. Mamy procesy, które dzieją się całkowicie „bezdotykowo”. Klasyczny przykład to restart karty SIM w urządzeniach M2M. Dawniej doradca musiał ręcznie zweryfikować klienta, wejść w systemy sieciowe i odpisać. Dzisiaj MML analizuje e-maila, a robot weryfikuje dane techniczne, wykonuje restart w sieci i sam odpisuje klientowi, że „zrobione”.
Całość dzieje się automatycznie, bez angażowania czasu człowieka. W bardziej złożonych sprawach wspiera nas generatywna sztuczna inteligencja, która przygotowuje doradcy gotową propozycję odpowiedzi. Człowiek ją tylko weryfikuje i zatwierdza. Dzięki temu skróciliśmy czas obsługi, a satysfakcja klientów w kanale e-mailowym wzrosła z 80 proc. do poziomu 97 proc.
Wspomniał Pan, że przy obsłudze e-maili sztuczna inteligencja współpracuje z robotami. Kto właściwie tworzy te automatyzacje? Czy to zadanie wyłącznie dla działu IT?
I tu dotykamy jednego z najciekawszych aspektów naszej transformacji, czyli modelu Citizen Development. Oczywiście mamy zespół deweloperów IT od dużych procesów, ale równolegle oddaliśmy technologię w ręce ludzi z „pierwszej linii”. Udostępniliśmy pracownikom proste w obsłudze środowisko UiPath, dzięki któremu sami mogą tworzyć roboty wspierające ich w codziennej pracy.
To oni najlepiej wiedzą, co ich najbardziej irytuje i co zabiera im czas – zazwyczaj jest to bezmyślne przeklejanie danych z jednego systemu do drugiego, co jest czynnością demotywującą i nierozwojową.
Dzięki temu, że daliśmy im „wędkę”, a nie tylko „rybę”, nasi pracownicy stworzyli już 182 autorskie roboty, które w skali miesiąca wykonują za nich 150 tysięcy operacji w segmencie B2B. Pracownik widzi, że technologia nie zabiera mu pracy, tylko uwalnia go od nudnych zadań. Satysfakcja pracowników rośnie, bo stają się twórcami usprawnień we własnym środowisku pracy.
Muszę zapytać o to, co w B2B budzi najwięcej obaw – bezpieczeństwo. Jak pogodzić tak szerokie wykorzystanie AI z ochroną danych klientów biznesowych? Czy nie ma ryzyka, że ich poufne informacje posłużą do trenowania publicznych modeli?
Bezpieczeństwo to jeden z głównych powodów, dla których zdecydowaliśmy się budować te rozwiązania samodzielnie. Jako operator telekomunikacyjny podlegamy pod tak restrykcyjne przepisy, że zaufanie i bezpieczeństwo to nasz absolutny priorytet. My nie wysyłamy danych klientów do publicznych, otwartych chmur, gdzie nie mielibyśmy kontroli nad tym, co się z nimi dzieje.
Cały nasz ekosystem AI działa na naszej dedykowanej, bezpiecznej infrastrukturze Orange – Private Cloud. Dane są anonimizowane na wejściu do modelu i deanonimizowane dopiero u nas, na wyjściu.
Mamy pełną, stuprocentową kontrolę nad tym obiegiem. To daje naszym klientom biznesowym gwarancję, że ich dane wrażliwe są chronione na najwyższym poziomie, a algorytmy uczą się tylko w bezpiecznym, odizolowanym środowisku. To fundamentalne przy budowaniu systemów klasy korporacyjnej.
Skoro przetestowaliście te rozwiązania na własnym, ogromnym organizmie i macie twarde dowody na ich skuteczność i bezpieczeństwo, to czy kolejnym krokiem będzie oferowanie ich swoim klientom biznesowym?
Jak najbardziej chcemy dzielić się tym doświadczeniem, ale od razu mówię otwarcie – nie będą to rozwiązania „pudełkowe”. Nasza własna historia z AI nauczyła nas, że w tak złożonych obszarach jak obsługa klienta, podejście „jeden produkt dla wszystkich” po prostu nie zadziała skutecznie.
Sami szukaliśmy wartości i elastyczności, której nie dają gotowe systemy. Dlatego nie chcemy teraz iść do klienta i oferować mu czegoś, z czego sami zrezygnowaliśmy na starcie. Każdy biznes jest inny, wymaga „szycia na miarę”, ma inne systemy, inne dane i inne potrzeby doradców.
W takim razie, w jaki sposób chcecie pomagać innym firmom, jeśli nie przez sprzedaż gotowego oprogramowania?
Wierzymy w model partnerstwa oparty na tym, co sami przeszliśmy. Nie wierzymy natomiast, że sztuczną inteligencję można po prostu kupić, zainstalować i ona sama zacznie zarabiać.
Naszym podejściem będzie pokazywanie, jak to zrobić mądrze. Trzeba zacząć od audytu, spojrzeć, gdzie u danego klienta „uciekają” czas i pieniądze, a potem zaprojektować rozwiązanie pod jego konkretne potrzeby biznesowe.
Naszym celem jest, by technologia przestała być tylko nowinką, a stała się realną wartością, która wspiera doradcę w konkretny sposób. Pomaganie firmom w zmianie ich Contact Center z centrum kosztów w Profit Center to proces, który wymaga dopasowania technologii do biznesu, a nie odwrotnie.
Marcin Kozak – Dyrektor Centrum Zarządzania Standardami i Automatyzacją Obsługi w Orange Polska oraz doświadczony manager z tytułem MBA, specjalizujący się w strategiach CRM i optymalizacji procesów według standardu COPC.
