“Ini tentang menambah orang,” kata NICE, pemain terkemuka di RPA dan robot perangkat lunak

Otomatisasi proses robotik dan robotika perangkat lunak adalah tentang menambah pengalaman manusia.

Meningkatkan orang

NICE telah menamai robotnya — 'petugas virtual karyawan NICE' sekarang menggunakan nama NEVA.

Dan teknologi NEVA dan NICE membantu meningkatkan orang, atau begitulah Gareth Hole, dari NICE memberi tahu kami.

Ini bermuara pada perbedaan antara robot yang hadir dan tidak dijaga. “Mungkin”, Gareth memperkirakan “dengan sebuah organisasi, 10 hingga 20% aktivitas dapat diotomatisasi, ujung ke ujung. Tapi dunia adalah tempat yang kompleks.” Dan ketika Gareth berbicara tentang menambah orang, dia memikirkan 80 hingga 90% lainnya.

Contoh

Ambil pusat panggilan. Pusat panggilan ini dibanjiri panggilan dengan tema tertentu pada waktu-waktu tertentu dalam setahun. Selama masa ini, mungkin perlu menarik staf dari area lain, tetapi tidak memiliki pengetahuan khusus.

NICE mendukung organisasi sektor publik dengan tantangan tersebut.

"Mereka menemukan bahwa mereka harus menggandakan ukuran pusat kontak selama waktu itu." Tapi ini menciptakan tantangan,

“Seringkali, staf harus melihat beberapa lusin layar berbeda untuk mengetahui informasi apa yang mereka butuhkan untuk maju. Seringkali, ada banyak masalah yang perlu mereka perhatikan.” Sifat manusia apa adanya, ini berarti bahwa mereka “mungkin melewatkan sesuatu secara tidak sengaja.”

"Kami menempatkan asisten virtual di desktop." Itu adalah perubahan yang cepat, “itu ditayangkan setelah sekitar enam minggu menjadi 4.000 orang.”

Sistem baru berarti bahwa perangkat lunak mengumpulkan semua informasi dari semua layar yang berbeda dengan sangat cepat, menafsirkannya dan memberikan umpan balik kepada orang yang menerima panggilan pelanggan, dengan mengatakan 'ini baik-baik saja, ini baik-baik saja, berikut adalah beberapa hal yang Anda inginkan untuk dibicarakan dengan pelanggan.'“

Sebelum perangkat lunak baru diterapkan, panggilan tujuh menit ke pusat kontak mungkin memerlukan tiga menit untuk mengumpulkan informasi penting dan tidak selalu akurat. “Jadi, begitu pelanggan akhirnya menghubungi penasihat, mereka akan ditahan. Sedangkan dengan asisten virtual, itu mengumpulkan semua informasi itu — saya pikir waktu rata-rata adalah sekitar 16 detik, tetapi bit informasi pertama kembali dalam dua atau tiga detik. Singkatnya, penasihat dapat berbicara dengan pelanggan saat robot mengumpulkan informasi.”

Jadi mereka benar-benar bisa melanjutkan percakapan.”

Siapa yang BAIK?

NICE telah ada selama sekitar 30 tahun. Pada hari-hari awal mereka fokus pada merekam panggilan di pusat kontak. Dari sana, perusahaan “mencari cara untuk mengekstrak nilai dari semua data yang dikumpulkan, dan data tersebut berkembang dengan saluran, obrolan, email, dan SMS baru”.

Rute menuju AI, RPA, dan otomatisasi berkembang dari itu.

Hari ini NICE terdaftar di NASDAQ, mereka memiliki tenaga kerja sekitar 6.000 secara global dengan sekitar 30 lini produk yang berbeda.

Meningkatkan orang, daripada mengotomatiskan ujung ke ujung

Dan asal itu tampaknya memberi NICE nilai jual yang unik. Perusahaan lain, yang beroperasi di ruang ini sering mulai mengotomatiskan proses back-office — keuangan dan SDM, misalnya — melihat proses yang dapat diotomatisasi dari ujung ke ujung secara efektif. Bagi NICE, ini tentang mendukung pekerja dalam pekerjaan mereka sehari-hari.

“Kami memulai dengan optimalisasi proses real-time di front office pusat kontak, membantu orang dalam pekerjaan, tidak perlu mencari proses yang dapat kami otomatisasi dari ujung ke ujung. Jika Anda dapat meningkatkan orang saat mereka bekerja dan membuat mereka fokus pada area yang tepat di mana mereka dapat menambah nilai, seperti melakukan percakapan atau memahami nuansa riwayat pelanggan, maka pandangan kami adalah Anda dapat memiliki robot dan orang-orang yang bekerja bersama.

“Itu lebih kuat daripada sekadar mencoba mengotomatiskan berbagai hal.”

Bukan hanya tentang menghemat waktu

Manfaatnya bukan hanya tentang menghemat waktu. Kembali ke contoh call center, Gareth berkata, “Itu adalah pengalaman yang jauh lebih mudah bagi pelanggan dan orang-orang yang menerima panggilan.” Dan karena setiap panggilan dapat diselesaikan lebih cepat, pusat kontak dapat menerima lebih banyak panggilan, yang berarti pelanggan tidak perlu menunggu terlalu lama untuk balasan awal.”

Contoh lain

Dia mencontohkan, asisten virtual membantu klaim asuransi. Asisten virtual dapat mengumpulkan semua dokumentasi dan dapat memasukkannya ke dalam format yang tepat, menyediakan panduan bagi karyawan pusat kontak, sehingga memfokuskan waktu dan tenaga. “Kami memiliki contoh di mana Anda dapat menyelesaikan satu jam dari kasus 2 jam dan membuat orang melakukan pekerjaan yang lebih menarik.”

Di area lain, kami juga ingin menambahkan kecerdasan buatan di atas itu untuk membantu beberapa keputusan. Jadi kami mencari perawatan kesehatan di triase, misalnya.”

Menutup kesenjangan dengan pelanggan

“Bayangkan Anda akan pergi bekerja di pusat kontak besok, misalnya, untuk melakukan 8 jam sehari dan menerima 70 panggilan telepon/rapat dengan pelanggan, dengan setiap pertemuan diharapkan memakan waktu tujuh atau delapan menit. Itu banyak rapat, dan dalam banyak kasus pelanggan akan jauh lebih terinformasi daripada mereka. Itu bukan situasi yang bagus.

“Jadi brief kami adalah untuk menyamakan kedudukan, dengan asisten virtual memberikan dukungan, sehingga ketika pelanggan menelepon, karyawan tahu sebanyak mungkin tentang pelanggan itu, apa yang telah mereka lakukan sebelumnya, apa yang mungkin mereka hubungi. , dan kemudian, dalam percakapan itu, pandulah. Jadi mereka tidak dirugikan.”

AI dan RPA selaras

Data! Data hari ini, yah, itu seharusnya minyak berikutnya. Dan NICE menganggap bahwa AI dan RPA dapat memberikan cara baru untuk menghasilkan data.

“Ketika seseorang berinteraksi dengan sistem di desktop, mengetuk selama delapan jam sehari, ada banyak interaksi, banyak klik mouse, entri keyboard, dan sebagainya. Kita dapat mengubah setiap peristiwa tersebut menjadi item data.

“Kami rasa, dengan seseorang yang bekerja delapan jam sehari, itu mungkin 8.000 hingga 10.000 bit data tentang bagaimana mereka berinteraksi dengan sistem di desktop. Setelah Anda mendapatkan sekitar 20 orang melakukan hal yang sama selama beberapa minggu, Anda mencapai tingkat data di mana sebenarnya Anda dapat mulai menggunakan pembelajaran mesin, dan analisis teks, untuk melihat pola dalam apa yang mereka lakukan dengan sistem ini. Ini berarti Anda dapat membantu dengan apa yang dilakukan orang di desktop mereka — menambah jumlah orang.

“Kami mengembangkan pencari otomatisasi, menciptakan portal peluang untuk menggunakan kemampuan otomatisasi atau kemampuan asisten virtual. Dengan menggunakan teknologi, kami membuat sistem penilaian — berapa kali tindakan tertentu terjadi dan sistem apa yang digunakan.

“Atau, ikuti perjalanan pelanggan:kita dapat melihat perjalanan apa yang telah dilakukan pelanggan, jadi saluran apa yang mereka gunakan. Mereka telah menelepon pusat kontak, mereka telah membuka situs web, mereka telah mengirim email, dan sebagainya. Kemudian perangkat lunak dapat mengikat ini bersama-sama, menghitung kemungkinan pelanggan mengambil tindakan tertentu selanjutnya, yang, dengan data, dapat Anda cegah.”