Neuigkeiten & Veranstaltungen Schnellstartanleitung für Generative KI und ChatGPT im Kundenservice 

Es ist einfach, sich von der Begeisterung für ChatGPT im Kundenservice mitreißen zu lassen. Die möglichen Veränderungen, die es für den Kundenservice bringen könnte, sind wirklich groß. Ein Bericht von McKinsey & Company sagt sogar, dass Technologien wie ChatGPT jedes Jahr mehr als 4 Billionen Dollar zur Weltwirtschaft beitragen könnten. Das ist eine beeindruckende Zahl und zeigt, was für eine Kraft in dieser Art von Künstlicher Intelligenz steckt.

Dieser bemerkenswerte Bericht prognostiziert weiterhin, dass der größte Anteil dieser gewaltigen Wirtschaftsimpulse – satte 75% – auf vier Kernbereiche verteilt wird. Einer davon ist unweigerlich der Kundenservice. Doch wie manifestiert sich die Anwendung von ChatGPT im Kundenservice konkret? Ist es tatsächlich in der Lage, die Kundenzufriedenheit substantiell zu steigern? Diese Fragen verdienen eine detaillierte Betrachtung.

Was aber ist mit den fortwährenden Bedenken hinsichtlich großer Sprachmodelle, wie beispielsweise GPT-4, und generativer KI, wie zum Beispiel ChatGPT? Verschiedene prominente Unternehmen, darunter Namen wie Apple und Samsung, haben bereits Beschränkungen für die Nutzung dieser Werkzeuge durch ihre Mitarbeiter eingeführt, um potenzielle Datenlecks zu vermeiden. Und nicht zu vergessen sind die unsichtbaren Gefahren, die in diesem Bereich lauern. Es ist von entscheidender Bedeutung, dieses Thema eingehend zu beleuchten.

Um die potenziellen Einsatzmöglichkeiten im Kundenservice zu ergründen, ist es zunächst wichtig, ein klares Verständnis dafür zu entwickeln, was ChatGPT tatsächlich ist. Es handelt sich hierbei nicht einfach um ein Werkzeug, das Kundenservice-Verantwortlichen ermöglicht, die Interaktionen mit Kunden direkt zu automatisieren oder gar Kundenservice-Mitarbeiter komplett zu ersetzen.

Selbst wenn ChatGPT ein Roboter wäre, den man einfach aktivieren könnte, wäre dies ein gewagtes Vorhaben. Zumindest bestätigt dies die Einschätzung, wenn man die auf der Homepage von ChatGPT dargelegten Bedenken in Betracht zieht:

“ChatGPT schreibt manchmal plausibel klingende, aber falsche oder unsinnige Antworten. Die Behebung dieses Problems ist eine Herausforderung, da: (1) während des RL-Trainings (Reinforcement Learning) gibt es derzeit keine Quelle der Wahrheit; (2) wenn das Modell trainiert wird, vorsichtiger zu sein, lehnt es Fragen ab, die es richtig beantworten kann; und (3) überwachtes Training führt das Modell in die Irre, weil die ideale Antwort davon abhängt, was das Modell weiß, und nicht davon, was der menschliche Demonstrator weiß.”

Das bringt uns zu unserem ersten Punkt: ChatGPT ist ein Chatbot, der auf der Grundlage eines Sprachlernmodells (LLM) arbeitet. Im Kundenservice könnten Sie den Chatbot theoretisch verwenden, um personalisierte Antworten auf Kundenanfragen zu generieren, Fälle für Kundenbetreuer zusammenzufassen usw. Wie Sie sehen werden, ist dieser Ansatz nicht ohne Risiken.

Sie könnten sich auch dazu entscheiden, einen Großes Sprachmodell (Large Language Model, LLM) an Ihren spezifischen Inhalten – Wissen, Dokumentationen und dergleichen – für den Einsatz in einem Kundenservice-Chatbot zu trainieren. Hierbei muss es sich nicht zwangsläufig um das OpenAI LLM handeln, das mit ChatGPT assoziiert ist. Unternehmen wie Salesforce, Microsoft und viele weitere implementieren eigene Modelle, die sie zumindest vorläufig in Kombination mit dem OpenAI LLM nutzen.

Jedenfalls sind hier einige der praktikabelsten Anwendungsfälle für generative KI im Kundenservice aufgeführt. 

1. Self-Service-Chatbots zur Bearbeitung von Kundenanfragen

Etwa 82% der Leiter im Kundenservice prognostizieren, dass generative KI den Sektor der “Selbstbedienung und Chatbots” revolutionieren wird. Der Grund hierfür ist, dass Chatbots durch den Einsatz generativer KI die Fähigkeit erlangen, Kundengespräche auf nahezu menschenähnliche Art zu führen. Sie können natürliche Antworten auf Kundenanfragen liefern und sich stetig weiterentwickeln und verbessern.

Die meisten Beispiele für Chatbots, denen Sie derzeit begegnen, basieren auf einer Art Großes Sprachmodell (LLM), das mit der bestehenden Wissensbasis eines Unternehmens verknüpft und darauf trainiert ist. Das bedeutet, dass ChatGPT selbst nicht unbedingt Ihr Kundenservice-Chatbot sein wird. Es stellt vielmehr die Technologie bereit, auf deren Basis Ihr spezifischer, individuell trainierter Chatbot arbeiten kann.

Die Verwendung als solche würde einige Bedenken aufwerfen. Nehmen Sie diese Beispiel-Eingabeaufforderung, die im nachstehenden Screenshot dargestellt ist: 

Das scheinen brauchbare Lösungen für die gestellte Frage zu sein. Aber woher stammen die Informationen? Sind sie überprüft worden? Sind sie vertrauenswürdig? Die gleichen Richtlinien, die für gute Chatbot-Erlebnisse sorgen, gelten auch für generative KI im Self-Service: Die Nutzer des Chatbots müssen ihm vertrauen, ihn verstehen und sicher sein, dass er die beste Antwort liefert.

2. Unterstützung für Kundendienstmitarbeiter

Fragt man einen beliebigen Kundendienstmitarbeiter, so wird dieser bestätigen, dass ein erheblicher Teil seiner Arbeitszeit für die Suche nach Informationen aufgewendet wird. Tatsächlich bestätigen zahlreiche Daten diese Realität. In diesem Kontext offenbart sich eine der hoffnungsvollsten Einsatzmöglichkeiten von ChatGPT für Support-Teams.

Dazu fallen mir drei nützliche Hinweise ein:

“Fasse das zusammen”

Wenn ein Service-Agent es wünscht, könnte er ChatGPT heranziehen, um bestimmte Aufgaben zu automatisieren. So könnte er beispielsweise sagen: “Hey, ChatGPT, fasse diesen Kundenfall für mich zusammen, sodass ich keine Zeit mit langwieriger Recherche verschwenden muss.” Dies könnte besonders vorteilhaft sein, wenn es um die Bearbeitung großer Informationsmengen geht, für deren Analyse den Agenten schlicht die Zeit fehlt. Denn eines der herausragenden Talente großer Sprachmodelle ist die Fähigkeit, umfangreiche Textmengen in kürzester Zeit effektiv zusammenzufassen.

Salesforce is currently piloting this functionality, having recently added summaries to its Service GPT capabilities. Similarly, Cisco is adding AI-generated chat and voice summaries to Webex.

Salesforce testet diese Funktion derzeit und hat kürzlich Zusammenfassungen zu seinen Service-GPT-Funktionen hinzugefügt. In ähnlicher Weise fügt Cisco KI-generierte Chat- und Sprachzusammenfassungen zu Webex hinzu.

“Was ist die Beste Lösung?”

Oder: “Hey ChatGPT, ein Kunde hat ein Problem mit einer fehlerhaften Installation. Was ist die beste Lösung?” Diese Anwendung könnte besonders gut mit einem Chatbot funktionieren, der auf die Artikel der Wissensdatenbank trainiert wurde und somit in der Lage ist, die besten verfügbaren Lösungen zu berücksichtigen. Mit den richtigen Ressourcen sind generative KI-Chatbots sehr gut in der Lage, Wissen abzurufen und Lösungen zu empfehlen.

Salesforce zum Beispiel wird seine eigene Next Best Action AI mit ChatGPT kombinieren, um diese Funktionalität bereitzustellen.

“Schreibe eine Antwort auf diese Frage”

Ein Agent könnte ChatGPT sogar nutzen, um schnell Antworten auf bestimmte Fragen oder Kundenanfragen zu generieren. “Hey ChatGPT, generiere eine Antwort auf diese E-Mail von einem Kunden: [Kunden-E-Mail einfügen].” Selbst wenn der Agent für die generierte Antwort einige Bereinigungen vornehmen muss, spart er wahrscheinlich wertvolle Zeit. Salesforce nennt diese generativen Service-Antworten einen Teil seiner KI-Suite für die Automatisierung des Kundendienstes.

Für all diese Einsatzmöglichkeiten hat das kostenfreie ChatGPT-Tool natürlich seine Grenzen. Ein Großes Sprachmodell, das auf den aktuellen Wissensdatenbank-Artikeln des Unternehmens oder verfügbaren Skripten trainiert wird, kann jedoch noch einen Schritt weiter gehen und die Qualität der generierten Antworten erheblich verbessern. Bucher + Suter bietet eine kostenpflichtige Version an, die diese erweiterte Funktionalität umfasst.

Obwohl die Vorstellung eines KI-gestützten Assistenten für Kundendienstmitarbeiter attraktiv erscheint, haben bereits viele Kundendienstteams KI-unterstützte Sucherfahrungen in ihre Agentenoberflächen integriert. Diese Lösung hat sich bereits als praktikabel und weit verbreitet erwiesen, genauso wie maßgeschneiderte und exklusive generative KI-Lösungen.

Auch hier könnten beide die bessere Wahl sein, wenn auch nur aus dem Grund, dass sie die mit ChatGPT verbundenen Datenschutzbedenken vermeiden (bis zu 11 % der von den Mitarbeitern in ChatGPT eingegebenen Daten sind vertraulich).

3. Agentenschulung und Onboarding für Kundendienstteams

Das National Bureau of Economic Research veröffentlichte eine Studie mit mehr als 5.000 Kundendienstmitarbeitern. Die Studie ergab, dass eine generative KI-Lösung die Produktivität um 14 % steigern konnte. Und es waren die neuen Mitarbeiter sowie die unzureichend ausgebildeten, denen diese Art der Unterstützung am besten diente.

Man kann sich leicht den Komfort und die Autonomie vorstellen, die mit einem intelligenten, kontinuierlich lernenden und weitreichend vernetzten Assistenten während der Schulungs- und Einarbeitungsphase einhergehen. Es entfällt die Notwendigkeit, einen Kollegen um Antworten oder Ressourcen zu bitten. Es besteht kein Bedarf mehr, einen Anruf zu tätigen oder eine E-Mail zu schreiben, wenn man gerade unterwegs ist.

Je schneller sich ein Mitarbeiter einarbeiten kann, desto besser ist das Kundenerlebnis und – hoffentlich – die Kundenzufriedenheit.

4. Erstellen von Inhalten und “Case Swarming”

Generative KI ist nichts anderes als produktiv. Diese Modelle können riesige Mengen an Inhalten viel schneller generieren als jeder andere Mensch (oder jedes System) auf der Welt. Imereich Service und Support könnte ein solches Tool zur automatischen Generierung neuer Wissensinhalte eingesetzt werden.

Generative KI ist auch in der Lage, die Punkte zur Unterstützung von Case Swarming zu verbinden. Das heißt, sie hilft Support-Teams bei der Lösung komplexer Fälle, indem sie herausfindet, was in der Vergangenheit bei ähnlichen Fällen funktioniert hat, wer involviert war usw. – und das alles aus einer Vielzahl von verfügbaren Quellen.

Salesforce plant, für beide Anwendungsfälle generative KI einzusetzen. Sie werden jedoch feststellen, dass für beide Szenarien immer noch eine Form der menschlichen Kontrolle oder Überprüfung erforderlich ist, damit es funktioniert – generative KI kann nicht alles alleine machen.

Wir haben bereits einige Bedenken und Einschränkungen hinsichtlich des Einsatzes generativer KI im Kundenservice angesprochen. So gibt ChatGPT selbst zu, dass es möglicherweise falsche Informationen als Tatsachen darstellen könnte – ein Phänomen, das gemeinhin als “Halluzination” bezeichnet wird.

In demselben Bericht von “Contact Center Weekly”, auf den wir bereits Bezug genommen haben, wurde festgestellt, dass 68% der Kundendienstleiter Bedenken hinsichtlich einer möglichen Manipulation von Kunden hegen. Zudem äußerten 62% Sorge um potenzielle “negative Auswirkungen auf die menschliche Note” innerhalb der Kundenerfahrung.

Es ist klar, dass hier Befürchtungen mit dem Hype gleichzusetzen sind. Von den vielen Risiken und ethischen Erwägungen, die mit generativer KI verbunden sind, sollten Sie einige wichtige für Ihre eigenen Implementierungen im Auge behalten:

Sicherheit

Ist generative KI eine Sicherheitsbedrohung? Eine britische Spionagebehörde sieht das so. Die Technologie kann sicherlich ausgenutzt werden (siehe: Malware zum Abfangen von ChatGPT-Anmeldedaten), insbesondere bei Open-Source-Plattformen, die bereits eine Menge potenziell sensibler Daten gesammelt haben.

Datenverstöße

Falls Sie sich fragen, warum ChatGPT so offen zugänglich ist, so liegt der Grund darin, dass das Modell ständig neue Daten benötigt, um sich weiterzuentwickeln. Und zwar in beträchtlichem Umfang. Jede Unterhaltung, die Sie mit ChatGPT führen, trägt dazu bei, seine generativen KI-Modelle zu schulen. Wie wir bereits erwähnt haben, tendieren Menschen dazu, diesen Modellen empfindliche, zuweilen sogar geschützte Daten anzuvertrauen.

Kosten

Da ChatGPT auf eine umfangreiche Infrastruktur angewiesen ist, sind die Betriebs- und Wartungskosten für OpenAI sehr hoch. Eine in der MIT Technology Review veröffentlichte Studie hat ergeben, dass das Training eines einzigen KI-Modells zu massiven Kohlenstoffemissionen führen kann.

Während die Kosten für Dinge wie Rechenleistung und Cloud-Ressourcen nun vom Betreiber der Plattform getragen werden, ist unklar, wie diese Kosten an die Unternehmen weitergegeben werden, die diese Plattformen nutzen. Das sollte man auf jeden Fall in Betracht ziehen.

Generative KI – ob in Form von ChatGPT oder anderen Lösungen – ist ohne Zweifel eine bahnbrechende Technologie. Ihre potenziellen Auswirkungen auf das Kundenerlebnis und die Kundenzufriedenheit könnten beachtlich sein. In vielerlei Hinsicht könnte sie tatsächlich den revolutionären Fortschritt darstellen, den der derzeitige Hype suggeriert.

Jedoch birgt die Integration dieser Technologie in den Bereich des außergewöhnlichen Kundenservice auch gewisse Herausforderungen. Viele Kundenserviceteams zögern noch.

Denn es gibt immer noch eine starke Argumentation für den menschlichen Faktor im Kundenservice. So wertvoll ChatGPT auch sein mag, um Zeit zu sparen und die Produktivität zu steigern, es gibt bestimmte Facetten des Services, die diese Technologie einfach nicht ersetzen kann.

Die besten Lösungen der Zukunft werden vermutlich diejenigen sein, die auf dem schmalen Grat zwischen Automatisierung des Kundendienstes und menschlicher Zuwendung balancieren. KI und neue Große Sprachmodelle werden zweifellos eine Rolle spielen, doch diese wird vielschichtiger sein, als es der Hype um ChatGPT vermuten lässt.

Falls Sie mehr über den Ansatz von Bucher + Suter im Bereich der generativen KI erfahren möchten, zögern Sie bitte nicht, uns über das untenstehende Formular zu kontaktieren.