This is a hidden post summary. It displays in the editor only.*
Projekt
Eliminacja silosów informacyjnych
Nasz klient, działający w branży energetycznej, obsługuje dużą i zróżnicowaną bazę klientów. Usługi związane z energią i gazem są złożone, co stawia wysokie wymagania przed zespołami mającymi kontakt z klientem, takimi jak centra obsługi klienta, działy sprzedaży, zarządzania umowami czy reklamacji.
Zespoły te odpowiadają za obsługę tysięcy zapytań, umów i zgłoszeń każdego miesiąca, jednocześnie nie mając dostępu do jednego, centralnego źródła wiedzy.
Szczególnie zespoły serwisowe korzystały z rozproszonych i niespójnych źródeł informacji, co prowadziło do:
- dłuższego czasu obsługi klientów
- większego obciążenia pracowników
- potencjalnych strat przychodów
Aby rozwiązać te problemy, klient zwrócił się do ekspertów AI z SUNZINET.
-
KPIs
ponad 90% satysfakcji użytkowników
-
Timeline
Marzec - Listopad 2024
Cel
Inteligentniejsze zarządzanie wiedzą dzięki AI
Celem projektu było stworzenie wersji Proof of Concept (PoC) asystenta AI, który centralizuje wiedzę i zapewnia szybki dostęp do informacji.
Pełne wdrożenie rozwiązania miało zwiększyć produktywność, usprawnić podejmowanie decyzji oraz poprawić jakość obsługi klienta przy jednoczesnym zachowaniu wysokiego poziomu bezpieczeństwa i dokładności informacji.
Najważniejsze cele obejmowały:
-
Zapewnienie natychmiastowego i niezawodnego dostępu do krytycznej wiedzy – zmniejszenie zależności od rozproszonych dokumentów i współpracowników w pozyskiwaniu informacji.
-
Poprawę wydajności obsługi klienta – umożliwienie zespołom pierwszej linii samodzielnego rozwiązywania większej liczby zapytań, zmniejszenie liczby eskalacji i czasu obsługi.
- Minimalizację błędów w weryfikacji umów i dokumentacji – zmniejszenie liczby odrzuconych umów i utraty przychodów z powodu nieprawidłowej dokumentacji.
- Standaryzację dzielenia się wiedzą między działami – zastąpienie nieformalnych procesów ustrukturyzowaną, opartą na AI bazą wiedzy zintegrowaną z istniejącymi systemami.
- Przyspieszenie onboardingu i szkoleń – zapewnienie nowym pracownikom szybkiego dostępu do dokładnych informacji i minimalizacja potrzeby indywidualnego coachingu.
-
Wsparcie adopcji AI i przyszłej skalowalności – położenie fundamentów pod rozszerzenie wsparcia AI zarówno dla pracowników, jak i klientów w czasie.
Główne problemy rozwiązane przez AI Knowledge Management Solution
Silosy wiedzy
Najważniejsze informacje były rozproszone pomiędzy systemem ERP/CRM, SharePointem, Microsoft Teams i pocztą Outlook, co utrudniało ich wyszukiwanie.
Poleganie na indywidualnej wiedzy specjalistycznej
Pracownicy często pytali współpracowników o odpowiedzi zamiast korzystać z uporządkowanej bazy wiedzy. Problem ten był szczególnie widoczny w modelu pracy zdalnej.
Wysoka rotacja pracowników
Przy rocznej rotacji w centrum obsługi klienta na poziomie 20-35%, utrzymanie spójności wiedzy oraz skuteczne szkolenie nowych osób wymagało znacznych zasobów.
Niespójności w dokumentacji
Poszczególne zespoły zarządzały wiedzą niezależnie od siebie, co prowadziło do błędów, opóźnień i nieporozumień między działami.
-
SUNZINET i klient wspólnie opracowali PoC w wybranym dziale, aby dopracować asystenta wiedzy AI przed skalowaniem.
-
Budowa bazy wiedzy: Testowa baza danych ze 100 wyselekcjonowanymi parami pytań i odpowiedzi została podzielona na wiele segmentów: B2B vs. B2C; zespoły pierwszej linii vs. drugiej linii (proste vs. szczegółowe dokumenty); repozytoria specyficzne dla działów.
-
Definiowanie metryk sukcesu: Progi dokładności, użyteczności i wydajności zostały ustalone z klientem.
-
Konfiguracja chmury: Asystent AI został wdrożony w Azure OpenAI Service, zapewniając bezpieczeństwo, zgodność i skalowalność.
-
-
-
Wybór modelu AI: Oceniono różne modele językowe pod kątem dokładności, wydajności i opłacalności.
-
Projektowanie procesu zapytań: Asystent AI został zoptymalizowany przy użyciu łańcucha promptów, aby zapewnić efektywną interpretację, przetwarzanie i pozyskiwanie istotnej wiedzy.
-
Inżynieria promptów i formatowanie odpowiedzi: Polecenia zostały zoptymalizowane w celu generowania ustrukturyzowanych, łatwych do czytania odpowiedzi dostosowanych do rzeczywistego użytkowania.
-
-
-
Strukturyzacja dokumentów: Duże dokumenty zostały podzielone na przeszukiwalne segmenty.
-
Wzbogacanie metadanych: Dokumenty zostały wzbogacone o metadane w celu lepszego indeksowania i wyszukiwania.
-
Konfiguracja bazy danych: Wdrożono bazę danych wektorowych, aby umożliwić wyszukiwanie semantyczne, poprawiając trafność odpowiedzi.
-
Zoptymalizowane pozyskiwanie: AI efektywnie pobiera najbardziej istotne informacje.
-
-
W celu zapewnienia wysokiej jakości działania przygotowano kompleksowy model oceny odpowiedzi:
-
Wykonanie skryptu testowego: Asystent AI został przetestowany na zestawie skryptowych, rzeczywistych pytań.
-
Dwuetapowa weryfikacja wyników:
-
samoocena odpowiedzi przez AI
-
ocena odpowiedzi przez użytkowników
-
-
-
Interfejs użytkownika: Zaprojektowany z myślą o łatwej interakcji pracowników.
-
Pętla informacji zwrotnej: Zespoły sprzedaży i obsługi testowały AI, dopracowując dokładność.
-
Raport końcowy: Podsumowanie wydajności AI, kluczowych wniosków i kolejnych kroków w kierunku skalowania.
-
Rezultat
Chatbot do zarządzania wiedzą oparty na AI – przełom dla zespołów serwisowych
Proof of Concept asystenta AI został pomyślnie wdrożony i obejmował następujące funkcjonalności:
-
Chatbot oparty na AI inteligentnie przeszukuje bazę wiedzy i dostarcza precyzyjne odpowiedzi. Przed wdrożeniem został zweryfikowany na zestawie przygotowanych pytań.
-
Ustrukturyzowana baza wiedzy zarządzana przez SUNZINET baza zawiera starannie wyselekcjonowane informacje, umożliwiające generowanie wiarygodnych odpowiedzi.
- System kontroli dostępu - Mechanizm uwierzytelniania zapewnia odpowiedni poziom bezpieczeństwa oraz kontrolę dostępu do informacji w zależności od roli użytkownika.
Wartość dla klienta
Kluczowe wyniki
-
Wskaźnik zadowolenia użytkowników: Ponad 90% testerów stwierdziło, że lubi korzystać z narzędzia w codziennej pracy.
-
Wskaźnik nieprawidłowych odpowiedzi: Około 8% odpowiedzi zostało ocenionych jako nieprawidłowe, jednak niemal wszystkie zostały wychwycone przez mechanizm samokontroli AI.
-
Wskaźnik wprowadzających w błąd odpowiedzi: <1%, co zapewnia wysoką niezawodność.
Najważniejszy element projektu: Zaufanie i dokładność
Najważniejszym elementem tego projektu była zdolność AI do samodzielnej oceny generowanych odpowiedzi. W sytuacjach niepewności system potrafił sygnalizować potrzebę doprecyzowania informacji, co znacząco zwiększało zaufanie użytkowników.
Połączenie wysokiej jakości odpowiedzi AI z uporządkowanym dostępem do wiedzy pozwoliło stworzyć Proof of Concept o dużym potencjale wdrożenia na szeroką skalę.
Projekt potwierdził, że inteligentny asystent wiedzy może skutecznie zwiększać efektywność obsługi klienta, usprawniać zarządzanie wiedzą i wspierać podejmowanie lepszych decyzji biznesowych.
