Az ügyfél választ: miért kell az AI mellett ember

Az Amex-kutatás mögött egy mérhetőségi csapda húzódik, amit a cikk nem nevez meg. Az AI-nyomás (telefonos ügyfélszolgálati robotok, önállóan döntő AI-rendszerek) és az ügyfélpreferencia közötti szakadék nem technológiai probléma, hanem bizalmi. A 95%-os szám félrevezető, mert azt sugallja, hogy az ügyfél szeretné az AI-t, ha választhatna. Valójában mást mond: megtűri az AI-t, amíg könnyen tud választani AI és ember között. Ez a kettő nem ugyanaz az üzenet. A gyakorlatban ez azt jelenti: ha azt méred, hogy az ügyfél elfogadja az AI-t, de a tényleges forgalom 90%-a mégis az emberi ügyfélkapcsolathoz megy, akkor az AI-fejlesztésre fordított pénz nem hatékonyságnövelést szolgál, hanem kockázatcsökkentést. Drágán veszítesz sebességet. Az Amexnél az automatizált beosztás-optimalizálás nem a chatbot javítását célozza, hanem azt, hogy elég ember álljon rendelkezésre. Ez fordítva működik, mint a megszokott AI-stratégia. A fenntartás: az American Express ügyfélhűség-vezérelt kártyatársaság, ahol az ügyfélfolyamatok erősen szabványosítottak, és a pontosság főleg azt jelenti, hogy nem hibázol az adatban vagy a számlázásban. Egy magasabb kockázatú terméknél, például orvostechnikai eszköznél vagy ingatlannál, a pontosság mást jelent: az ügyfél 20 percig meg akarja osztani a kockázatait egy emberrel. Ezt egy chatbot nem tudja pótolni, függetlenül attól, mennyire jó az AI. Javaslat: ha ügyfélnek mutatod be ezt az anyagot, ne az "AI-elfogadottság" mutatót emeld ki, hanem a mögötte lévő szegmentációs logikát: melyik ügyféligény standardizálható, és melyiknél marad kritikus a személyes kapcsolat. Ez adja meg, hova érdemes AI-t vagy embert allokálni, nem az elfogadási arány önmagában.