Exen Energy · AI-підтримка для аудитів відновлюваної енергетики
AI-підтримка: швидше вирішення, більше автономності
AI-система відповідала на звернення із сайту й телефону, використовуючи внутрішню базу знань Exen Energy, автономно закривала визначену частку запитів і підвищила частку вирішених звернень із першого контакту.
Опубліковані процесні показники
Внутрішні операційні показники Exen Energy.
Клієнт
Exen Energy.
Exen Energy проводить аудит об’єктів відновлюваної енергетики — від домашніх установок до більших електростанцій. Комунікація з клієнтами є частиною технічної послуги, де відповіді мають спиратися на внутрішні знання компанії про аудити.
Проблема
Де процес ламається.
Звернення із сайту й телефону вимагали відповідей на основі внутрішніх знань Exen Energy. Автоматичне повідомлення «зараз розбираємося» могло надходити швидко, але до впровадження відповідь, яка вирішувала питання, за наданими даними, надходила через три години. Частка вирішених звернень із першого контакту становила 62%.
- Два канализвернення надходили через сайт і телефон.
- Спеціалізований контекствідповіді залежали від внутрішніх знань Exen Energy про об’єкти відновлюваної енергетики та їхній аудит.
- Три години до вирішенняшвидке повідомлення «зараз розбираємося» не вирішувало питання; клієнт очікував, поки команда знайде контекст і дасть змістовну відповідь.
- 62% вирішень із першого контактучастина звернень потребувала додаткової взаємодії до вирішення.
Рішення
Що ми створили.
Zore створила AI-систему клієнтської підтримки для звернень із сайту й телефону. Джерелом інформації була внутрішня база знань Exen Energy, а підтримувану частину workflow система могла обробляти автономно.
- Сайт і телефонworkflow охопив обидва підтверджені канали звернень.
- Внутрішня база знаньвідповіді формувалися на основі власних матеріалів Exen Energy.
- Операційне вимірюваннячас до відповіді з вирішенням питання та частку вирішених звернень із першого контакту порівняли до й після впровадження.
Як це працювало
Зрозуміле передавання людині, крок за кроком.
- 01Звернення клієнта
запит надходить із сайту або телефону.
- 02Пошук знань
система використовує внутрішню базу як погоджене джерело.
- 03Підтримувана відповідь
запит у межах scope отримує AI-відповідь.
- 04Контрольоване передавання команді
без участі команди закривається лише підтверджена автономна частка.
Межі доказів
Швидше вирішення та більше закритих питань із першого контакту.
За наданими даними, час до відповіді, яка вирішувала питання, скоротився з трьох годин до 14 хвилин. Йдеться не про автоматичне повідомлення «зараз розбираємося». Частка вирішених звернень із першого контакту зросла з 62% до 84%, а понад 35% звернень система обробляла автономно.
Де ще працює цей патерн
Workflow за межами цього кейсу.
- 01Бізнеси з великим потоком повторюваних звернень
- 02Команди підтримки, які працюють у кількох каналах
- 03Компанії зі складним продуктом і внутрішньою базою знань
- 04Сервіси, де типові питання можна вирішувати автономно
Workflow Sprint
Розберімо один support workflow.
Визначимо повторювані запитання, погоджені джерела знань і межу між автономною відповіддю та перевіркою експерта.
Запланувати розбір workflow