AI voor een supportkennisbank. AI voor een supportkennisbank is een intern opzoekhulpmiddel dat je medewerkers in gewone taal kunnen bevragen. Het doorzoekt je historische tickets, productdocumentatie en beleid in één zoekopdracht en geeft een antwoord terug dat de bron citeert waar het vandaan komt. Het zit achter de medewerker. De klant blijft met een mens praten.
Je medewerkers besteden de helft van hun dienst aan het doorzoeken van de documentatie. Dat is de klacht om op te letten in je eigen team. Het antwoord bestaat ergens. Het zit in een oud ticket, een productspecificatie of een verzendbeleid dat sinds januari niemand heeft geopend. Het vinden is nu het werk geworden.
#Waarom besteden mijn medewerkers de helft van hun tijd aan het zoeken in de documentatie?
Omdat het antwoord verspreid zit over systemen die niet met elkaar praten. De terugbetalingsregel staat in een beleids-pdf. De uitzondering die de regel doorbreekt zit verstopt in een afgehandeld zendesk-ticket uit 2023. Het productgedrag staat op een confluence-pagina die een voormalige pm schreef. Een medewerker met een ingewikkeld ticket moet drie plekken checken, gokken welke actueel is, en hopen dat het klopt.
Wat doet AI voor een supportkennisbank precies?
Het indexeert je tickets, productdocumentatie en beleid, en laat een medewerker daarna één vraag stellen in gewone taal en één antwoord terugkrijgen. Het antwoord linkt naar het exacte document en de exacte passage waar het vandaan komt, zodat de medewerker het met één klik kan controleren. Het is intern. Klanten komen er nooit mee in aanraking en blijven met een mens praten.
De citatie is het deel dat ertoe doet. Een antwoord zonder bron is een gok die een medewerker alsnog moet controleren. Een antwoord dat linkt naar de passage waar het vandaan komt, is een feit dat de medewerker met één klik bevestigt en dan in een reactie plakt. We koppelen elk antwoord aan het document waar het vandaan komt, precies om deze reden.
#Wat verandert er aan de eerste-reactietijd?
Ter illustratie nemen we een verondersteld support-team van een middelgrote webshop, geen klant. Een zoektool die eerdere tickets, productdocumentatie en verzendbeleid met één vraag doorzoekt, helpt het meest bij de lastige tickets, waar de medewerker vroeger zes tabs opende voordat er een woord stond. Een team in die positie zou de eerste-reactietijd op complexe tickets vooraf en achteraf meten.
Eenvoudige tickets zijn al snel: het wachtwoord resetten, het waar-is-mijn-bestelling. De rem zit op het complexe ticket dat een beleidsuitzondering en een eerdere oplossing nodig heeft. Verkort de zoektijd daarop en het gemiddelde beweegt. gebruikscase-pagina voor klantenservice laat de volledige vorm van het ontwerp zien.
Als je die zin van je eigen support-lead hoort, is de zoeklaag waar je begint, vóór welke reactietool dan ook.
#Is dit niet gewoon een klantgerichte chatbot?
We are
We bouwen een opzoeklaag die achter je medewerker zit, zodat een mens het geciteerde antwoord leest, controleert en de reactie in zijn of haar eigen stem schrijft.
We aren't
We bouwen geen klantgerichte chatbot die zelfstandig antwoordt en hoopt het beleid goed te hebben tegenover iemand die al geïrriteerd is.
Een klantgerichte bot plaatst het model tussen je merk en een boze klant. Een foute terugbetalingsreactie is daar een publieke fout. De opzoeklaag staat een stap terug. De medewerker krijgt het geciteerde antwoord, de medewerker beslist, de medewerker reageert. De mens blijft betrokken waar de inzet het hoogst is, en het model doet het zoekwerk waar het alleen maar saai is.
#Wat de medewerker ziet
- één zoekvak, in gewone taal, geen trefwoordenveld.
- één antwoord, samengesteld uit tickets, documentatie en beleid tegelijk.
- Een citatie bij elk antwoord, met een link naar de brontekst.
- Geen enkele klant komt er ooit mee in aanraking. Het is een hulpmiddel voor medewerkers, geen chatbot.
De tool leest je ongestructureerde geschiedenis. Het verzendbeleid dat een PDF is, het afgehandelde ticket dat een thread is, de productdocumentatie die een wiki-pagina is. Je hoeft daarvoor niets op te schonen of te herstructureren. Dat is het punt van opzoeken in plaats van handmatig nog een kennisbank bouwen en die voor altijd actueel houden. We schrijven over meer bouwprojecten zoals deze in het journal.
Als je medewerkers meer zoeken dan antwoorden, moeten we eerst in kaart brengen waar je kennis daadwerkelijk zit voordat we iets bouwen. plan een discovery-gesprek van 30 minuten en we lopen je tickets, documentatie en beleid door, en vertellen je waar een opzoeklaag de eerste-reactietijd verbetert en waar niet.
