在客户支持方面超越AI

市场上出现了许多被称为人工智能（AI）或专家工具的工具。机器人流程自动化（RPA），聊天机器人和自动化技术尤其激增了客户支持市场。许多公司对如何评估它们以及何时使用什么不知所措。他们的重点是投资回报（ROI），而这些工具并未专门满足客户的需求。

在下文中，我将讨论如何用流行语来思考以及探索技术上的差异，以帮助企业领导者选择适合其客户支持需求的解决方案。

为什么复杂的系统需要客户支持方面的新思维

复杂性呈指数增长。复杂的系统以复杂的方式发生故障，复杂的故障需要动态和自适应的响应。

•复杂的系统包含各种潜在问题。 系统的复杂性意味着它不可能不包含多个缺陷。

•大多数缺陷不太可能引起重大问题。 在操作过程中，它们被视为次要因素。

•由于 不断发展的技术和组织因素，甚至是解决现有缺陷的努力，缺陷也会不断变化。

•复杂的系统破损运行。系统中的冗余以及人类不断的专业知识和努力确保了系统继续运行，有时处于降级模式。

•问题有多种原因，而不是单一的根本原因。每个单独的缺陷都不太可能引起重大问题。多个故障的链接造成了严重故障所需的情况。

从头开始创新客户支持

复杂程度的提高不仅是因为产品复杂，而且还因为环境和用法很复杂。在这种日益增加的复杂性中，支持团队应专注于三个主要目标：

1.解决今天的问题。

2.确保不再发生。

3.在问题发生之前进行预测。

无论是自助服务，社区服务，代理协助还是自动支持，问题预防和问题消除都是核心。在公司寻求实现上述目标的方法时，许多公司认为，结合人工智能（AI）可以通过以下方式提供帮助：

1.自动执行重复的任务。这称为自动化或机器人过程自动化（RPA）。使用这种方法，您可以对重复的任务进行编程，然后让计算机执行。

2.基于规则和基于统计的工具，是传统商业智能（BI）引擎的扩展。

3.机器学习算法，用于识别企业中数据中的异常和模式。

4.使用自然语言处理（NLP）识别相关性。

理想情况下，将以上所有功能与以下各项一起使用时，可以将其称为真正的AI工具：

1.扩展NLP以包括内容，意图和相关性。

2.扩展机器学习以提供规定性的动作。

3.利用用户的部落知识。

部落知识：在客户支持方面超越AI

正如作者亚当·格兰特（Adam Grant）在他的《原著》一书中所讨论的那样，直觉仅在专业领域才有所帮助。

成功的AI之旅的关键包括利用人类的知识和知识，创建反馈环并将其纳入学习。AI适用于复杂的系统和数据维度。人类从该工具提供的规定性操作中获得的反馈增加了另一个维度。

在Ascendo，我们认为最重要的方面之一就是用户与工具的互动。这些互动成为关键的学习机会。学习引擎知道代理正在寻找什么，数据表明什么动作，代理决定了什么以及代理如何与工具交互。它具有从数据和反馈中学习的能力，不仅可以从其用户那里，而且还可以从用户交互中学习。

当我们从交互中包含部落知识时，我们已经看到，说明性