Týmy zákaznické podpory: Používají zákazníci AI před kontaktováním vás? Sledujeme zásadní změnu v charakteru dotazů

Jennifer, děje se to napříč celým odvětvím. Sledujeme to.

Nová zákaznická cesta:

Dříve: Problém → Google → Centrum nápovědy firmy → Kontaktování podpory
Nyní: Problém → ChatGPT → (možná) Centrum nápovědy → Kontaktování podpory

Co se mění:

1. Jednoduché dotazy odkloněny – AI odpovídá na snadné věci
2. Zůstávají složité dotazy – AI nezvládá okrajové případy
3. Zákazníci s předchozím průzkumem – Už něco zkusili
4. Zákazníci s dezinformacemi – AI dala špatné informace

Naše data z podpory:

Tikety ubyly, ale každý trvá déle, protože ty jednoduché už nejsou.

Pohled správy znalostí na posun v zákaznické podpoře ovlivněné AI:

Váš obsah v nápovědě nyní trénuje AI.

To, co máte v centru nápovědy, dokumentaci a FAQ, je to, co se AI o vašem produktu naučí. Pokud je váš obsah:

• Neúplný → AI doplňuje domněnkami
• Zastaralý → AI poskytuje staré informace
• Nejasný → AI špatně interpretuje

Řešení:

Považujte obsah nápovědy za trénovací data pro AI. Musí být:

1. Komplexní (pokrývat všechny funkce)
2. Aktuální (pravidelně aktualizovat)
3. Jasný (jednoznačný jazyk)
4. Správný (fakticky přesný)
5. Explicitní v omezeních (co NEDĚLÁTE)

Co jsme změnili:

Přidali jsme sekce jako:

• “Co [Produkt] NEDĚLÁ”
• “Běžné mýty o [Produkt]”
• “Rozdíly mezi [Produkt] a [Konkurent]”

To pomáhá AI poskytovat přesné informace DŘÍV, než zákazníci kontaktují podporu.

Operační pohled na změnu:

Dopady na personální obsazení:

Pokud ubývá jednoduchých tiketů a přibývá složitých, potřebujete:

• Méně agentů 1. úrovně
• Více specialistů 2./3. úrovně
• Jiný trénink (řešení složitých problémů místo rutinních postupů)
• Očekávání delší doby řešení

Jak jsme se přizpůsobili:

1. Snížili jsme tým 1. úrovně o 20 %
2. Nejlepší pracovníky povýšili na úroveň 2
3. Změnili jsme hodnotící metriky (čas řešení → kvalita vyřešení)
4. Zavedli workflow “eskalace AI” pro případy dezinformací

Realita nákladů:

Nižší objem, ale vyšší složitost = přibližně stejný celkový náklad
ALE spokojenost zákazníků vzrostla, protože složité dotazy nečekají tak dlouho ve frontě.

Obsahová strategie pro omezení dezinformací AI:

Problém: AI je černá skříňka – nemůžete ji přímo opravit. Ale můžete ovlivnit, co se učí.

Co děláme:

1. Kompletní FAQ – Každá běžná otázka jasně zodpovězena
2. Explicitní omezení – Co NEDĚLÁME, jasně uvedeno
3. Strukturovaná data s cenami – Aktuální ceny ve schema markup
4. Popisy funkcí – Jasný, jednoznačný jazyk
5. Srovnávací obsah – Jak se lišíme od konkurence

Monitoring:

Používáme Am I Cited ke sledování toho, co AI říká uživatelům o nás. Když zjistíme dezinformace:

1. Vytvoříme/aktualizujeme obsah, který je řeší
2. Přidáme do FAQ, pokud jde o častý dotaz
3. Počkáme 4–8 týdnů, až se AI naučí opravu
4. Sledujeme zlepšení

Není to okamžité, ale můžete systematicky opravovat chápání produktu AI nástroji.

My jsme AI integrovali přímo do podpory. Tady je dopad:

Model podpory s asistencí AI:

1. Zákazník zahájí chat
2. AI bot řeší první kontakt
3. Pokud AI nevyřeší, eskaluje na člověka
4. Člověk vidí řešení, která AI zkusila

Výsledky:

Klíčový poznatek:

Když se zákazník dostane k člověku, už:

• Popsal problém AI
• AI navrhla řešení
• Potvrdil, co nefunguje

Agenti začínají s plným kontextem. Složitější, ale efektivnější.

Pohled ze zákaznického výzkumu:

Ptali jsme se 500 zákazníků na jejich využití AI před kontaktováním podpory:

Segment “AI-first” zákazníků:

Typicky jsou:

• Technologicky zdatní
• Preferují self-service
• Při kontaktu s podporou jsou více frustrovaní (protože “jednoduchá” řešení selhala)
• Lépe popisují svůj problém

Důsledek:

Když se k vám dostanou, jsou často dál ve frustraci, ale také lépe popisují problém.

Pohled na školení agentů pro zákazníky ovlivněné AI:

Nové dovednosti, které naši agenti potřebují:

1. AI povědomí – Znát, co AI umí a neumí
2. Práce s dezinformacemi – Opravovat bez zahanbení
3. Zjišťování kontextu – “Co jste už zkusili?”
4. Dovednosti v dokumentaci – Zaznamenávat případy související s AI
5. Rozhodování o eskalaci – Kdy dezinformace AI vyžaduje aktualizaci obsahu

Školící moduly, které jsme přidali:

• “Porozumění zákazníkovi, který využil AI”
• “Jak správně řešit dezinformace z AI”
• “Co AI říká zákazníkům o našem produktu” (na základě monitoringu Am I Cited)
• “Logování vzorců pro zlepšení obsahu”

Kulturní posun:

Agenti se nyní vnímají jako součást zpětnovazební smyčky. Jejich postřehy o dezinformacích od AI putují k obsahovému týmu, který aktualizuje dokumentaci, což zlepšuje přesnost AI.

Tato diskuze potvrdila mé podezření a dala mi konkrétní strategie. Klíčové poznatky:

Realita:

• AI odklání jednoduché dotazy (o 15 % méně tiketů)
• Složité dotazy přibývají (+50 %)
• Doba řešení roste (jednoduché případy už nejsou)
• Dezinformace přináší nové výzvy

Strategie k zavedení:

Krátkodobě:

1. Založit “log omylů z AI” pro agenty
2. Školit tým na práci se zákazníky ovlivněnými AI
3. Upravit hodnotící metriky – ne jen čas řešení
4. Začít sledovat, co AI o nás říká

Střednědobě:

1. Aktualizovat obsah nápovědy, aby byl “AI-friendly”
2. Přidat explicitní informace o tom, co NEDĚLÁME
3. Zavést zpětnou vazbu z podpory do obsahového týmu
4. Zvážit model podpory s asistencí AI

Dlouhodobě:

1. Restrukturalizovat tým na řešení složitých dotazů
2. Zaměřit nábor na dovednosti v řešení problémů
3. Vybudovat systematický monitoring informací od AI

Data z průzkumu ukazující, že 62 % zákazníků nejprve použije AI, jsou zásadní. Není to trend – je to nová norma.

Díky všem za provozní i strategické postřehy.