الذكاء الاصطناعي في مركز الاتصال: ماذا يفعل اليوم فعلًا؟
بعيدًا عن العروض التسويقية، أين يُستخدم الذكاء الاصطناعي في مراكز الاتصال اليوم؟ أربعة مجالات تحقق قيمة حقيقية، وما تقوله دراسة على أكثر من 5 آلاف موظف، وما الذي لم يُحسم بعد.
مساعد Peek الذكي · · الذكاء الاصطناعي
كل مورد أنظمة لمراكز الاتصال يقول اليوم إن منتجه «مدعوم بالذكاء الاصطناعي». وكل مؤتمر في المنطقة فيه جلسة عن مستقبل مراكز الاتصال بلا موظفين. لكن ما الذي يحدث فعلًا داخل المراكز اليوم؟ هذا المقال يفصل بين ما ثبتت قيمته، وما زال في مرحلة الوعود.
أربعة مجالات تحقق قيمة اليوم
بحسب Gartner، تتركز أكثر استخدامات الذكاء الاصطناعي قيمة في خدمة العملاء في أربعة مجالات:
1. مساعدة الموظف
الذكاء الاصطناعي لا يرد على العميل، بل يساعد الموظف وهو يرد:
- إجابات مقترحة من قاعدة المعرفة أثناء المكالمة، بدل البحث اليدوي.
- ملخص تلقائي للمكالمة بعد انتهائها، بدل كتابته يدويًا.
- معلومات عن العميل واقتراح الخطوة التالية الأنسب.
وهذا أكثر استخدام لديه أدلة قوية. فقد درس باحثون من NBER أثر مساعد ذكاء اصطناعي على 5,179 موظف دعم. ووجدوا أن عدد المشكلات المحلولة في الساعة ارتفع 14% في المتوسط، و34% للموظفين الجدد والأقل خبرة، مع أثر محدود على الموظفين الأكثر خبرة. ويرجّح الباحثون أن الأداة تنقل أفضل ممارسات الموظفين المتميزين إلى زملائهم الجدد. ووجدوا أيضًا تحسنًا في مشاعر العملاء خلال المحادثات، وفي بقاء الموظفين.
2. خدمة ذاتية بجهد أقل
المساعدات الافتراضية والبحث الذكي تجعل العميل يحل الطلبات البسيطة بنفسه وبسرعة: معرفة حالة الطلب، وتغيير موعد، وإعادة تعيين كلمة المرور. والشرط أن تفهم العميل كما يكتب فعلًا، بلهجته، وأن تحوّله إلى موظف بسهولة عند الحاجة. وفي المنطقة يحتاج هذا إلى اختبار خاص، مشروح في المساعد الافتراضي واللهجات العربية.
3. أتمتة العمليات والتحليل
تعتبر Gartner تحليلات خدمة العملاء أكثر استخدامات الذكاء الاصطناعي قيمة. ومنها:
- تحليل كل التفاعلات: اكتشاف أسباب الاتصال الجديدة والمشاعر في آلاف المكالمات، لا في عينة صغيرة.
- دعم الجودة: التحقق آليًا من التزام الموظف أو المساعد الآلي بالإجراءات المطلوبة، عبر كل القنوات.
- أسئلة بلغة طبيعية: مدير يسأل «لماذا زادت مكالمات الفواتير هذا الأسبوع؟» ويحصل على إجابة، دون أن ينتظر محلل بيانات.
4. الذكاء الاصطناعي الوكيل (Agentic AI)
هذا هو الجيل الجديد: أنظمة لا تكتفي بالإجابة، بل تنفذ طلبات متعددة الخطوات بنفسها، مثل التحقق من الطلب، وإصدار الاسترجاع، وإرسال التأكيد. وتتوقع Gartner أن يحل هذا النوع 80% من مشكلات خدمة العملاء الشائعة دون تدخل بشري بحلول 2029. لكن لاحظ أنه توقع لا نتيجة، وأنه يتحدث عن المشكلات «الشائعة» تحديدًا.
ما الذي لم يُحسم بعد؟
- الدقة: النماذج اللغوية قد تجيب بثقة إجابة خاطئة. وفي خدمة العملاء، معلومة خاطئة عن رسوم أو سياسة قد تكلف أكثر من مكالمة طويلة.
- ثقة العملاء: كثير من العملاء ما زالوا متحفظين، وأكبر مخاوفهم صعوبة الوصول إلى موظف. الأرقام في إحصائيات تجربة العميل.
- البيانات والخصوصية: أين تُعالج بيانات العملاء؟ ومن يطّلع على تسجيلات المكالمات؟
- العربية: الأداء باللهجات والعربيزي ما زال أقل من الإنجليزية في كثير من الأدوات.
من أين تبدأ؟
ابدأ من حيث المخاطرة أقل والفائدة واضحة:
- ملخص المكالمات التلقائي: يوفر وقت الموظف، ويراجعه الموظف قبل الحفظ.
- الإجابات المقترحة للموظف: الموظف يقرر ما يقوله، والأداة تقترح فقط.
- تحليل أسباب الاتصال: لا يتعامل مع العميل مباشرة، ويعطي رؤية فورية.
- ثم الخدمة الذاتية: لطلبات بسيطة ومحددة، مع تحويل سهل إلى موظف.
وفي كل خطوة، حدد مسبقًا كيف ستقيس النجاح: الوقت الموفّر، أو الحل من أول تواصل، أو رضا العميل. لا تكتفِ بأن الأداة «تعمل».
الخلاصة لفريقك
قبل أي عرض من مورد، اكتب أكثر ثلاث مشكلات تستهلك وقت موظفيك يوميًا. ثم اسأل المورد عن هذه المشكلات تحديدًا، واطلب تجربة على بياناتك أنت، بلغة عملائك أنت.