NICE Memimpin Augmentasi Manusia dengan RPA & Robotika Perangkat Lunak Canggih
Otomasi proses robotik dan robotika perangkat lunak adalah tentang augmentasi pengalaman manusia.
Memperkaya orang
NICE telah memberi nama pada robotnya — ‘petugas virtual karyawan NICE’ sekarang dikenal dengan nama NEVA.
Dan NEVA dan teknologi NICE membantu dalam augmentasi orang, atau begitu Gareth Hole, dari NICE kami katakan.
Ini terselesaikan perbedaan antara robot yang dihadiri dan tidak dihadiri. “Mungkin,” memperkirakan Gareth “dengan sebuah organisasi, 10 hingga 20% dari aktivitas dapat diotomatisasi, ujung-ke-ujung. Namun dunia adalah tempat yang kompleks.” Dan ketika Gareth berbicara tentang augmentasi orang, ia memikirkan 80 hingga 90% lainnya.
Sebuah contoh
Ambillah contoh pusat panggilan. Pusat panggilan ini terpancar dengan panggilan tentang tema tertentu pada waktu tertentu dalam setahun. Pada waktu-waktu ini, mungkin perlu menarik staf dari area lain, tetapi yang tidak memiliki pengetahuan spesialis.
NICE mendukung organisasi publik dengan tantangan yang tepat ini.
“Mereka menemukan bahwa mereka harus menggandakan ukuran pusat kontak pada waktu-waktu itu.” Namun ini menciptakan tantangan,
“Seringkali, staf harus melihat beberapa puluh layar yang berbeda untuk menentukan informasi apa yang mereka butuhkan untuk melanjutkan. Seringkali, ada beberapa masalah yang harus mereka lihat.” Sifat manusia adalah apa adanya, ini berarti mereka “mungkin melewatkan sesuatu secara tidak sengaja.”
“Kami menempatkan asisten virtual di desktop.” Ini adalah pengalihan yang cepat, “beroperasi setelah sekitar enam minggu kepada 4.000 orang.”
Sistem baru berarti perangkat lunak mengumpulkan semua informasi dari semua layar yang berbeda dengan sangat cepat, menafsirkannya dan memberikan umpan balik kepada orang yang menangani panggilan pelanggan, mengatakan ‘ini baik, ini baik, inilah beberapa hal yang ingin Anda bicarakan dengan pelanggan.‘“
Sebelum perangkat lunak baru diterapkan, panggilan tujuh menit ke pusat kontak mungkin melibatkan tiga menit untuk mengumpulkan informasi kunci dan tidak selalu secara akurat. “Jadi, segera setelah pelanggan akhirnya bisa menghubungi penasihat, mereka akan ditahan. Sedangkan dengan asisten virtual, ia mengumpulkan semua informasi tersebut — saya pikir waktu mediannya sekitar 16 detik, tetapi bagian pertama informasi kembali dalam dua atau tiga detik. Singkatnya, penasihat dapat berbicara dengan pelanggan sementara robot mengumpulkan informasi.”
Jadi mereka bisa secara harfiah terus menerus percakapan.”
Siapa NICE?
NICE ada sekitar 30 tahun. Pada awalnya mereka fokus pada merekam panggilan di pusat kontak. Dari sana, perusahaan “melihat cara untuk mengekstrak nilai dari semua data yang dikumpulkan, dan data tumbuh dengan saluran baru, chat, email dan SMS.”
Rute menuju AI, RPA dan otomasi tumbuh dari sana.
Saat ini NICE terdaftar di NASDAQ, mereka memiliki sekitar 6.000 karyawan secara global dengan sekitar 30 garis produk yang berbeda.
Memperkaya orang, bukan mengotomatisasi ujung-ke-ujung
Dan asal-usul itu tampaknya memberikan NICE poin jual uniknya. Perusahaan lain, yang beroperasi di ruang ini sering memulai mengotomatisasi proses back-office — keuangan dan SDM, misalnya — melihat proses yang dapat diotomatisasi secara efektif ujung-ke-ujung. Untuk NICE ini tentang mendukung pekerja dalam pekerjaan sehari-hari mereka.
“Kami memulai dengan optimasi proses real-time di front office pusat kontak, membantu orang dengan pekerjaan, bukan secara mengejar proses yang dapat kita otomatisasi ujung-ke-ujung. Jika Anda mampu memperkaya orang saat mereka bekerja dan membuat mereka fokus pada area yang tepat tempat mereka dapat menambahkan nilai, seperti berbicara atau memahami nuansa riwayat pelanggan, maka pandangan kami adalah Anda dapat memiliki robot dan orang bekerja bersama.
“Itu lebih kuat daripada sekadar mencoba mengotomatisasi hal-hal.”
Bukan hanya tentang menghemat waktu
Manfaatnya bukan hanya tentang menghemat waktu. Kembali ke contoh pusat panggilan, Gareth mengatakan “Itu adalah pengalaman yang jauh lebih mudah bagi pelanggan dan bagi orang yang menangani panggilan.” Dan karena setiap panggilan dapat diselesaikan lebih cepat, pusat kontak dapat menangan lebih banyak panggilan, berarti pelanggan tidak perlu menunggu terlalu lama untuk balasan awal.”
Contoh lain
Ia memberikan contoh lain, asisten virtual yang membantu klaim asuransi. Asisten virtual dapat mengumpulkan semua dokumentasi dan dapat menempatkannya dalam format yang tepat, memberikan petunjuk kepada karyawan pusat kontak, sehingga fokus waktu dan upaya. “Kami telah memiliki contoh di mana Anda dapat mengurangi satu jam dari kasus dua jam dan membuat orang melakukan pekerjaan yang lebih menarik.”
Di area lain, kami juga melihat menambahkan kecerdasan buatan di atasnya untuk membantu dengan beberapa keputusan. Jadi kami melihat di bidang kesehatan triase, misalnya.”
Menutup kesenjangan dengan pelanggan
“Bayangkan Anda akan pergi bekerja di pusat kontak besok, misalnya, untuk melakukan shift 8 jam dan menangani 70 panggilan/pertemuan dengan pelanggan, dengan setiap pertemuan diharapkan memakan waktu tujuh atau delapan menit. Itu banyak pertemuan, dan dalam sebagian besar kasus pelanggan akan lebih terinformasi daripada mereka. Itu bukan situasi yang bagus.
“Jadi tugas kami adalah untuk menyamakan lapang bermain, dengan asisten virtual yang memberikan dukungan, sehingga ketika pelanggan menelpon, karyawan tahu sebanyak mungkin tentang pelanggan tersebut, apa yang telah mereka lakukan sebelumnya, apa yang mungkin menjadi alasan panggilan mereka, dan kemudian, dalam percakapan tersebut, memandu. Jadi mereka tidak dalam posisi yang kurang menguntungkan.”
AI dan RPA dalam harmoni
Data! Saat ini data, ya, itu katakanlah minyak berikutnya. Dan NICE percaya bahwa AI dan RPA dapat memberikan cara baru untuk menghasilkan data.
“Saat seseorang berinteraksi dengan sistem di desktop, mengetik selama delapan jam sehari, ada banyak interaksi, banyak klik mouse, entri keyboard, dll. Kami dapat mengubah setiap peristiwa tersebut menjadi item data.
“Kami berpendapat, 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 memiliki sekitar 20 orang yang melakukan hal yang sama selama beberapa minggu, Anda mencapai tingkat data di mana sebenarnya Anda dapat mulai menggunakan pembelajaran mesin dan analitik teks, untuk mengidentifikasi pola dalam apa yang mereka lakukan dengan sistem ini. Ini berarti Anda dapat membantu dengan apa yang dilakukan orang di desktop mereka — memperkaya orang.
“Kami mengembangkan automation finder, membuat portal peluang untuk menggunakan kemampuan otomatisasi atau kemampuan asisten virtual. Menggunakan teknologi kami kami menciptakan sistem penilaian — seberapa sering tindakan tertentu terjadi dan sistem apa yang digunakan.
“Atau, ambil perjalanan pelanggan: kita dapat melihat perjalanan apa yang telah ditempuh pelanggan, jadi saluran apa yang telah mereka gunakan. Mereka telah menelepon pusat kontak, mereka telah berada di situs web, mereka telah mengirim email, dll. Kemudian perangkat lunak dapat menyatukan ini, menghitung probabilitas pelanggan mengambil tindakan tertentu selanjutnya, yang, dengan data yang dimiliki, Anda dapat mencegah.”
