Kundeserviceteam: Bruker kundene AI før de kontakter dere? Vi ser et stort skifte i supporthenvendelser

Jennifer, dette skjer i hele bransjen. Vi har undersøkt det.

Den nye kundereisen:

Gammelt: Problem → Google → Hjelpesenter → Kontakt support Nytt: Problem → ChatGPT → (Kanskje) hjelpesenter → Kontakt support

Hva dette endrer:

1. Enkle spørsmål avvises – AI svarer på de lette tingene
2. Komplekse saker blir igjen – AI klarer ikke spesialtilfeller
3. Forberedte kunder – De har allerede prøvd ting
4. Feilinformerte kunder – AI ga feil informasjon

Tall fra vår support:

Færre saker, men hver tar lengre tid fordi de enkle er borte.

Kunnskapsstyringsperspektiv på AI-skiftet i kundeservice:

Hjelpeinnholdet ditt trener nå AI.

Det som finnes i hjelpesenteret, dokumentasjonen og FAQ-ene er det AI lærer om produktet ditt. Hvis innholdet er:

• Ufullstendig → AI fyller hullene med gjetninger
• Utdatert → AI gir gammel informasjon
• Uklart → AI feiltolker

Løsningen:

Behandle hjelpeinnholdet ditt som AI-treningsdata. Det må være:

1. Omfattende (dekke alle funksjoner)
2. Oppdatert (jevnlig oppdatering)
3. Klart (entydig språk)
4. Korrekt (faktisk riktig)
5. Eksplisitt på begrensninger (hva du IKKE gjør)

Hva vi endret:

Vi la inn seksjoner som:

• “Hva [Produkt] IKKE gjør”
• “Vanlige misforståelser om [Produkt]”
• “Forskjeller mellom [Produkt] og [Konkurrent]”

Dette hjelper AI å gi korrekt informasjon FØR kunden kontakter support.

Operasjonsperspektiv på endringen:

Bemanningskonsekvenser:

Hvis enkle saker blir færre og komplekse flere, trenger du:

• Færre nivå 1-agenter
• Flere nivå 2/3-spesialister
• Annen opplæring (kompleks problemløsning vs. prosessfølge)
• Forventning om lengre behandlingstid

Slik tilpasset vi oss:

1. Reduserte nivå 1-teamet med 20 %
2. Forfremmet de beste til nivå 2
3. Endret suksessmålinger (behandlingstid → løsningskvalitet)
4. Lagde “AI-eskalering” for feilinformasjonssaker

Kostnadsrealitet:

Lavere volum men høyere kompleksitet = omtrent samme totalkostnad MEN kundetilfredsheten økte fordi færre enkle saker gir mindre kø for komplekse.

Innholdsstrategi for å redusere AI-feilinformasjon:

Problemet: AI er en svart boks – du kan ikke rette den direkte. Men du KAN påvirke hva den lærer.

Slik gjør vi:

1. Omfattende FAQ – Alle vanlige spørsmål besvares klart
2. Eksplisitte begrensninger – Hva vi IKKE gjør, tydelig
3. Prisstruktur-data – Oppdatert pris i schema markup
4. Funksjonsbeskrivelser – Klart, entydig språk
5. Sammenligningsinnhold – Hvordan vi skiller oss fra konkurrentene

Overvåking:

Vi bruker Am I Cited for å spore hva AI forteller brukere om oss. Når vi oppdager feilinformasjon:

1. Lager/oppdaterer innhold som adresserer det
2. Legger til i FAQ hvis det er vanlig
3. Venter 4-8 uker for at AI skal lære oppdateringen
4. Følger med på forbedring

Det går ikke umiddelbart, men du kan systematisk korrigere AI sin forståelse av produktet ditt.

Vi har faktisk bygget AI inn i supportarbeidsflyten vår. Her er effekten:

AI-assistert supportmodell:

1. Kunde starter chat
2. AI-bot tar første kontakt
3. Hvis AI ikke løser, eskalerer til menneske
4. Mennesket ser AI sine forslag

Resultater:

Viktig innsikt:

Når kunden når frem til et menneske, har de allerede:

• Beskrevet problemet for AI
• Fått AI til å forsøke løsninger
• Bekreftet hva som ikke virker

Agenter starter med full kontekst. Mer komplekst, men mer effektivt.

Kunderesearch-perspektiv:

Vi spurte 500 kunder om AI-bruk før de kontaktet support:

“AI-først”-kundesegmentet:

De er ofte:

• Teknologivante
• Foretrekker selvbetjening
• Mer frustrerte når de FAKTISK kontakter support (fordi “enkle” løsninger har feilet)
• Mer presise i problem-beskrivelsen

Konsekvens:

Når de kommer til deg, er de ofte lenger ut i frustrasjonen, men også flinkere til å beskrive problemet.

Opplæringsperspektiv på AI-påvirkede kunder:

Nye ferdigheter agentene våre trenger:

1. AI-bevissthet – Forstå hva AI kan/ikke kan
2. Håndtering av misforståelser – Korrigere uten å skamme
3. Innhenting av kontekst – “Hva har du allerede prøvd?”
4. Dokumentasjonsferdigheter – Registrere AI-relaterte saker
5. Eskaleringsevne – Vite når AI-feilinformasjon krever innholdsoppdatering

Opplæringsmoduler vi har lagt til:

• “Forstå AI-først-kunden”
• “Håndtere AI-feilinformasjon på en god måte”
• “Hva AI forteller kundene om produktet vårt” (basert på Am I Cited-overvåking)
• “Loggføre mønstre for innholdsforbedring”

Kulturelt skifte:

Agenter ser nå seg selv som del av en tilbakemeldingssløyfe. Deres observasjoner om AI-feilinformasjon går til innholdsteamet, som oppdaterer dokumentasjon, som igjen forbedrer AI-nøyaktigheten.

Denne tråden bekreftet det jeg mistenkte og ga meg konkrete strategier. Viktige punkter:

Virkeligheten:

• AI avviser enkle henvendelser (15 % færre saker)
• Komplekse saker øker (+50 %)
• Behandlingstid øker (de enkle er borte)
• Feilinformasjon gir nye utfordringer

Strategier å implementere:

Kort sikt:

1. Lage “AI-misforståelseslogg” for agenter
2. Trene teamet i å håndtere AI-påvirkede kunder
3. Endre suksessmålinger bort fra bare behandlingstid
4. Starte overvåking av hva AI sier om oss

Mellomlang sikt:

1. Oppdatere hjelpeinnhold til å være “AI-treningsvennlig”
2. Legge til eksplisitt innhold om hva vi IKKE gjør
3. Lage tilbakemeldingssløyfe fra support til innholdsteam
4. Vurdere AI-assistert supportmodell

Lang sikt:

1. Omstrukturere team for kompleks sakshåndtering
2. Endre rekruttering mot problemløsningsevner
3. Bygge systematisk overvåking av AI-informasjon

Undersøkelsen som viser at 62 % bruker AI først er betydelig. Dette er ikke en trend – det er den nye normalen.

Takk alle for operative og strategiske innspill.