Nos últimos anos, a Inteligência Artificial evoluiu muito, principalmente quando falamos em experiência do consumidor. Todas as pessoas foram impactadas por essa melhoria, passando pelas conversas desconexas com um bot que nunca entendia o que precisávamos, até interações mais naturais suportadas por Inteligência Artificial que, geralmente, fornecem ajuda instantaneamente. Claro que ainda há um enorme potencial a ser explorado: como a IA pode atender melhor aos clientes em todas as interações de serviço, já que empresas e consumidores esperam usar e interagir cada vez mais com ela?
O avanço da inteligência artificial é constante. Atualmente, existem tecnologias que, impulsionadas pelo aprendizado de máquina, são capazes de identificar o sentimento e intenção do cliente, o que pode gerar experiências mais personalizadas. Com essas novas ferramentas, os clientes não precisam mais repetir a mesma história várias vezes. Os agentes recebem informações automaticamente para entender o contexto relevante e aplicar as recomendações para uma resolução rápida.
A grande maioria dos clientes não precisa ficar impressionada. Eles só desejam que o serviço funcione bem, sem fricção e barreiras. Nesse sentido, ter uma triagem de solicitações é um elemento que ajuda as empresas a chegarem em soluções mais rápidas, já que os agentes passam a receber solicitações de acordo com a prioridade, assunto ou área, por exemplo. Isso faz com que solucionem os problemas de forma mais ágil e, por consequência, sejam mais produtivos.
Na experiência do cliente (CX), a IA funciona particularmente bem em três casos: previsão, recomendação e automação. Um exemplo de boa utilização da Inteligência Artificial é o caso da Foxbit, uma das maiores e mais antigas exchanges de criptoativos do mundo que, para tornar seu atendimento ainda mais ágil e inteligente, passou a contar com recursos que possibilitam o cliente se autoatender. Isso foi possível por meio de uma ferramenta de automação que ajuda a direcionar o cliente na busca por soluções conforme a sua necessidade, ou seja, à medida que ele vai perguntando, as respostas já o direcionam para a resolução.
O objetivo era eliminar a possível desarticulação das informações coletadas a partir dos diálogos com cada investidor. Esse canal rapidamente se tornou o mais utilizado pelos investidores, concentrando hoje 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 insights de milhares de pontos de dados e aplicar uma lente de aumento para criar um modelo exclusivo para cada cliente. Cerca de 4 em cada 5 interações de suporte se resumem em 20 problemas mais comuns. Por exemplo, o setor de varejo vê os mesmos tipos de perguntas comuns relacionadas a devoluções, remessas, status de pedidos, etc. Aplicar um modelo de software nessas interações para estabelecer soluções automatizadas e eliminar qualquer “achismo” permite que os clientes se concentrem em tarefas mais amplas.
Outro ponto interessante a ser destacado é que ferramentas de Machine Learning (aprendizado de máquina) pré-treinadas, que fazem mais rápido e com menos suposições envolvidas, são capazes de aliviar a carga das equipes de CX. O levantamento CX Accelerator mostrou que 57% das empresas que usam bots citam a produtividade do agente como o maior ganho. Alguns modelos vêm prontos para uso, continuam aprendendo ao longo do tempo e se tornam personalizados para as operações de cada empresa, incorporando continuamente o feedback.
O fato é que existe uma nova maneira de implantar a IA em escala e democratizar o acesso a esses tipos de soluções. Em um momento de expectativas crescentes dos clientes, as empresas estão enfrentando pressão para obter as experiências digitais corretas e aquelas que podem identificar imediatamente a intenção, extrair sentimentos e categorizar segmentos de clientes estão mais bem preparadas para ter sucesso a longo prazo.
À medida que a IA vai evoluindo e ganhando novas funcionalidades, a expectativa é que surjam muitos novos casos de uso que impactarão qualquer área que trabalhe a experiência do cliente. Não somente 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 exigem que cada empresa forneça seus próprios dados para treinar totalmente um modelo. No entanto, hoje, algumas ferramentas já são capazes de fornecer uma compreensão fundamental de um conjunto sólido e robusto de dados pronto para uso de todas as empresas de 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, chamado também de sintético, pode ser utilizado junto aos dados capturados do cliente na operação para oferecer soluções muito mais rápidas e assertivas. 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.
O fato é que à medida que a IA se expande, haverá mais impacto na experiência do cliente, e é fundamental continuar desenvolvendo ferramentas que garantam que os clientes se beneficiem das principais tendências de pesquisa e desenvolvimento de IA, ao passo que a tecnologia continua a crescer de forma acelerada e constante.
