Wie verändert Big Language Modelling die Kundendienstbranche?

Seien wir ehrlich: KI-Sprachassistenten bei Kundendienstanrufen sind heutzutage nichts Neues mehr. Aber was Sie vielleicht nicht wissen, ist, dass das große Sprachmodell die Kundendienstbranche aufrüttelt. Ein Beispiel, das mir letzte Woche begegnet ist: Ein Kundendienstroboter einer E-Commerce-Plattform hat nicht nur meine vage Beschreibung "logistische Unregelmäßigkeiten bei der Bestellung" genau verstanden, sondern auch automatisch auf die API-Echtzeitdaten des Kurierdienstes zugegriffen und eine spezifische Lösung angeboten - ein Erlebnis! Vor drei Jahren einfach unvorstellbar.

Entwicklung von der "mechanischen Antwort" zum "Dialog im wirklichen Leben"

Erinnern Sie sich noch an die herkömmlichen Kundendienst-Bots, die die Menschen in den Wahnsinn trieben? Sie antworteten einfach mechanisch auf voreingestellte Phrasen und schalteten bei etwas komplexeren Fragen auf einen Menschen um. Der große Sprachmodell-Kundenservice ist jetzt ganz anders, er kann den gesprochenen Ausdruck verstehen und sogar die Emotionen des Benutzers erfassen. Wenn Sie z. B. sagen: "Der Router ist kaputt und die Verbindung wurde unterbrochen", kann die KI nicht nur die Behauptung eines Gerätefehlers erkennen, sondern auch den Ausdruck "wirklich ärgerlich" wie Empathie verwenden, um den Benutzer zu beruhigen ---. Dahinter verbirgt sich ein Durchbruch in der NLP-Technologie zur Erkennung und Erzeugung von Emotionen.

Die von einer Bank veröffentlichten Testdaten zeigen, dass der intelligente Kundenservice mit der GPT-4-Architektur die Kundenzufriedenheit um 37% erhöht und die durchschnittliche Gesprächsdauer um 28% verkürzt hat. Das Erstaunlichste ist, dass er mehrere Interaktionsmodi wie Text, Sprache und Bilder gleichzeitig verarbeiten kann, und der Benutzer kann durch das Fotografieren eines Fehlers eine Anleitung erhalten, und diese multimodale Fähigkeit hat das Service-Szenario völlig neu gestaltet.

Wenn die RAG-Technologie auf die Wissensbasis trifft: eine Revolution der Genauigkeit

Der wichtigste Durchbruch ist jedoch die Anwendung der RAG-Technologie (retrieval-enhanced generation). Während herkömmliche Kundendienst-KI dazu neigt, "Unsinn zu reden", durchsuchen hybride RAG-Systeme jetzt die Wissensbasis des Unternehmens genau, bevor sie Antworten generieren. Wie bei der oben erwähnten Qdrant-Lösung sorgt die Kombination aus semantischem und terminologischem Doppelabgleich dafür, dass die Antwortgenauigkeit auf über 96% steigt - dies ist für das Gesundheitswesen, das Finanzwesen und andere Berufsfelder von großer Bedeutung.

Ich befragte den technischen Direktor eines Telekommunikationsunternehmens, das das RAG-System einsetzt und die Arbeitsaufträge des Kundendienstes direkt reduziert. Da KI automatisch die Bestellhistorie des Benutzers, Paketdetails und andere mehr als 20 Datenquellen abrufen kann und sofort eine personalisierte Lösung bietet, macht diese "Superkraft" den menschlichen Kundendienst minderwertig.

Reef und Dawn: Die AB-Seite des AI-Kundendienstes

Natürlich gibt es auch viele Probleme. Einige Nutzer beschweren sich, dass die KI zu "geschwätzig" ist und auf eine einzige Frage zehn Folgefragen generieren kann; den Unternehmen bereiten die Schulungskosten Kopfzerbrechen - die Produktdokumentation, mit der das Modell gefüttert werden muss, kann Zehntausende von Seiten umfassen. Noch schwieriger ist die ethische Frage: Wo sind die Grenzen zu ziehen, wenn die KI beginnt, den menschlichen Tonfall zu imitieren, um Informationen von den Benutzern zu erhalten?

Doch der Trend ist unumkehrbar: Gartner sagt voraus, dass bis 2026 80% der Interaktionen im Kundenservice von KI abgewickelt werden. Wenn diese Technologien ausgereift sind, wird die KI im Kundenservice der Zukunft vielleicht die Initiative ergreifen und Ihnen bei der Rückgabe oder dem Umtausch von Waren helfen, einen Hausservice buchen und sogar Ihre Bedürfnisse vorhersagen - wie eine fürsorgliche digitale Haushälterin. Bis dahin könnte "künstlich werden" wirklich zu einem historischen Begriff werden.