رشد خدمات دیجیتال، دامنه تعامل مشتریان با بانکها را گسترش داده است؛ اما همزمان، حجم مراجعات به مراکز تماس و واحدهای پشتیبانی نیز افزایش یافته است. هر خدمت... رشد خدمات دیجیتال، دامنه تعامل مشتریان با بانکها را گسترش داده است؛ اما همزمان، حجم مراجعات به مراکز تماس و واحدهای پشتیبانی نیز افزایش یافته است. هر خدمت جدید، علاوه بر ایجاد ارزش برای مشتری، پرسشها و درخواستهای تازهای را نیز به همراه دارد؛ موضوعی که توسعه پشتیبانی را به یکی از چالشهای عملیاتی بانکها و نئوبانکها تبدیل کرده است. به گزارش اقتصادآنلاین، داتین برای پاسخ به این چالش، راهکار هوش مصنوعی «از من بپرس» را در ویپاد طراحی و پیادهسازی کرده است. این راهکار با ترکیب هوش مصنوعی، سوالات متداول کاربران، دانش سازمانی و اطلاعات مجاز مشتری، امکان پاسخگویی هوشمند و شخصیسازیشده را فراهم میکند و نمونهای عملی از بهکارگیری هوش مصنوعی در عملیات پشتیبانی بانکی به شمار میرود. تجربه «از من بپرس» صرفاً توسعه یک چتبات نیست؛ بلکه پاسخی به یکی از چالشهای مشترک بانکها و نئوبانکهاست: چگونه میتوان همزمان با رشد کاربران و توسعه خدمات، ظرفیت پاسخگویی را افزایش داد بدون آنکه هزینه و تعداد نیروهای پشتیبانی نیز به همان نسبت رشد کند؟ وقتی توسعه خدمات، بار پشتیبانی را هم افزایش میدهد با توسعه محصولات و خدمات بانکی، حجم تعامل مشتریان با بانک نیز افزایش پیدا میکند. بخش قابل توجهی از این تعاملات، پرسشهایی درباره نحوه دریافت خدمات، اعتبارسنجی، دریافت تسهیلات و وضعیت درخواستهای ثبتشده است؛ پرسشهایی که اگرچه تکرارشوندهاند، اما پاسخگویی به آنها بخش قابل توجهی از ظرفیت مراکز تماس را به خود اختصاص میدهد. در بهمن ۱۴۰۳، مجموع تماسها و تیکتهای ورودی ویپاد به ۴۳۳ هزار و ۶۹۳ مورد رسید. با در نظر گرفتن روند رشد کاربران، پیشبینی میشد این عدد به حدود ۵۲۰ هزار ورودی در ماه افزایش یابد. بررسیها همچنین نشان میداد نزدیک به ۵۰ درصد از این مراجعات، مربوط به پرسشهایی است که امکان پاسخگویی خودکار به آنها وجود دارد. در چنین شرایطی، تکیه صرف بر توسعه مرکز تماس، راهکاری پایدار نبود. افزایش تعداد کاربران، به جذب و آموزش افراد بیشتر، افزایش هزینههای عملیاتی و پیچیدهترشدن کنترل کیفیت پاسخها منجر میشد. برآوردهای این پروژه نشان میداد اگر رشد کاربران بدون استقرار چتبات ادامه پیدا کند، برای حفظ کیفیت موجود، حدود ۴۰ کارشناس جدید باید به مرکز تماس ویپاد اضافه میشد. بر این اساس، داتین «از من بپرس» را با هدف تغییر این الگوی رشد طراحی کرد؛ بهگونهای که بخش قابل توجهی از پرسشهای پرتکرار، از طریق یک چتبات پاسخ داده شوند و ظرفیت کارشناسان مرکز تماس برای رسیدگی به مسائل تخصصیتر حفظ شود. راهکاری فراتر از یک چتبات/ هوش مصنوعی در کنار کارشناسان «از من بپرس» تنها یک چتبات مبتنی بر پرسش و پاسخ از پیش تعیینشده نیست. این راهکار، پاسخها را بر اساس دانش سازمانی، سوالات متداول کاربران، اطلاعات مجاز هر کاربر و خدمات فعال او تولید میکند؛ به همین دلیل، پاسخ یک سوال میتواند برای کاربران مختلف متفاوت باشد. برای مثال، در درخواستهای مرتبط با تسهیلات، از من بپرس علاوه بر ارائه اطلاعات عمومی، دادههایی مانند تعداد سکههای باشگاه مشتریان، تسهیلات فعال یا شرایط مرتبط با همان کاربر را نیز در نظر میگیرد و پاسخ را متناسب با وضعیت او ارائه میدهد. در موضوعاتی مانند کارت نیز، پاسخها بر اساس وضعیت ثبت درخواست، چاپ، ارسال، فعالسازی یا مسدودی تنظیم میشوند. پاسخگویی شخصیسازیشده، تنها یکی از اجزای این راهکار است. بخش مهمی از عملکرد «از من بپرس» پیش از آغاز گفتوگوی کاربر شکل میگیرد؛ جایی که دانش سازمانی باید استخراج، ساختاردهی و به شکلی قابل استفاده برای موتور هوش مصنوعی تبدیل شود. دانش اولیه این راهکار از تجربه تیم امور مشتریان ویپاد، دستهبندی موضوعی تیکتها، پرسشهای پرتکرار مرکز تماس و تعاملات کاربران در سایر کانالهای ارتباطی استخراج شده است. این دانش در قالب یک ساختار موضوعی سازماندهی شده و بهصورت مستمر توسط تیمهای تخصصی ویپاد بهروزرسانی میشود. داتین در این پروژه، معماری یکپارچهای میان پایگاه دانش، موتور هوش مصنوعی و سامانههای عملیاتی از جمله CRM ایجاد کرده است. این یکپارچگی، امکان بهروزرسانی سریع پاسخها و همگامسازی آنها با تغییرات محصولات، خدمات و فرایندهای بانکی را فراهم میکند. همچنین با اضافه شدن هر خدمت جدید، محتوای مرتبط در کوتاهترین زمان به پایگاه دانش افزوده میشود تا پاسخهای ارائهشده همواره با آخرین تغییرات خدمات همسو باشند. از سویی دیگر، برای حفظ سرعت پاسخگویی همراه با دقت و قابلیت اتکا در پاسخها، عملکرد «از من بپرس» پس از استقرار، بهصورت مستمر توسط کارشناسان ویپاد پایش میشود. در این فرایند، پاسخها بهصورت روزانه ارزیابی و خطاها بر اساس منشأ آنها تحلیل میشوند. اگر منشأ خطا به محتوای پایگاه دانش مربوط باشد، اصلاح آن در مسیر مدیریت دانش انجام میشود و اگر مسئله به عملکرد مدل هوش مصنوعی مربوط باشد، در تیم فنی بررسی خواهد شد. شاخصهایی مانند نرخ پاسخ صحیح مبتنی بر مستندات، نرخ پرسش دوباره، نرخ حل مسئله بدون ارجاع به کارشناس و میزان رضایت کاربران، مبنای ارزیابی کیفیت این راهکار هستند. در مواردی که پاسخ مناسب در پایگاه دانش وجود نداشته باشد یا نیاز به بررسی تخصصی وجود داشته باشد، کاربر به کارشناسان پشتیبانی هدایت میشود. به این ترتیب، هوش مصنوعی نقش افزایش ظرفیت پاسخگویی را بر عهده میگیرد و کارشناسان بر رسیدگی به مسائل پیچیدهتر متمرکز میشوند. ایجاد ظرفیتی هماندازه یک مرکز تماس در خرداد ۱۴۰۵، مجموع ورودیهای مرکز تماس ویپاد به ۳۳۴ هزار و ۲۶۸ مورد رسید. در همین بازه، «از من بپرس» طی یک ماه به بیش از ۴۸۵ هزار پرسش پاسخ داد. این ارقام نشان میدهد راهک
