Sdílet článek
Kdyby se zákaznická podpora řídila Paretovým pravidlem, platilo by přibližně toto: osmdesát procent dotazů je variacemi na dvacet procent témat. Kde je moje zásilka. Jak resetuji heslo. Kdy mi přijde faktura. Chci zrušit předplatné. Tyto dotazy tvoří páteř každého kontaktního centra, a právě ony dnes systematicky mizí z pracovní náplně lidských pracovníků.
Není to spekulace. Podle průzkumu Gartner z roku 2023 bude do roku 2027 generativní AI zpracovávat přibližně jednu třetinu všech příchozích požadavků na zákaznickou podporu bez lidského zásahu (Gartner, Predicts 2024: Customer Service and Support, 2023). IBM odhaduje, že chatboti a konverzační AI již dnes celosvětově zpracovávají přes 265 miliard zákaznických dotazů ročně, čímž firmám šetří odhadem 11 miliard dolarů (IBM, The Value of Chatbots, 2022). Data jsou v tomto ohledu konzistentní: automatizace rutiny v zákaznické podpoře neprobíhá jako postupný drift, ale jako strukturální přelom.
Klíčová otázka proto nezní, zda AI rutinní práci převezme. Ptáme se: co z toho celého zůstane lidem a jsou na to skutečně připraveni?
Anatomie přesunuté práce
Abychom pochopili, co se děje, je třeba nejprve dekomponovat, co vlastně zákaznická podpora obnáší. Konzultační firma McKinsey & Company v analýze pracovních rolí z roku 2023 identifikovala, že přibližně 58 % aktivit v profesích zaměřených na interakci se zákazníky sestává z úkolů vysoce náchylných k automatizaci tedy z opakovaných dotazů, standardizovaného vyhledávání informací, základního zpracování transakcí a jednoduchých eskalací (McKinsey Global Institute, The economic potential of generative AI, 2023).
Tento segment práce AI zvládá dobře a rychle. Moderní jazykové modely nasazené v kontaktních centrech ať už jde o platformy jako Salesforce Einstein, Zendesk AI nebo propriétární řešení Amazon Connect, dokážou rozpoznat záměr zákazníka (tzv. intent detection), nahlédnout do CRM systémů, vygenerovat personalizovanou odpověď a celý případ uzavřít. A to ve zlomku sekundy, v libovolném jazyce, bez přestávky na kávu.
Zbývajících zhruba 42 % tvoří případy, které se opírají o něco jiného: o schopnost číst emoce, improvizovat v nestandardních situacích, rozhodovat se v šedých zónách, kde předpisy mlčí, nebo zvládat zákazníka, který nechce řešení chce být vyslyšen. Toto je prostor, který zatím AI neumí spolehlivě obsadit. Zatím.
Snadné dotazy bere AI. Co zbude lidem?
Přesun rutiny na AI neznamená, že pracovníci podpory mají méně práce. Znamená to, že jejich práce se radikálně mění v charakteru. Každý případ, který k nim dnes doputuje, je svého druhu výjimka případ, který automat nezvládl, odmítl nebo eskaloval.
Tomuto jevu se v odborné literatuře říká complexity bias tedy systematické předávání složitých a emočně náročných případů lidem, zatímco jednoduché případy pohlcuje automatizace. Výsledkem je, že průměrná náročnost každého lidského kontaktu roste. Pracovníci podpory, kteří dřív věnovali 80 % času standardním dotazům a 20 % složitým případům, dnes stojí před obráceným poměrem nebo mu rychle čelí.
Výzkum společnosti Forrester Research ukazuje, že zákazníci, kteří se dostanou k lidskému pracovníkovi, jsou dnes v průměru emočně více angažovaní (rozuměj: frustrovaní nebo úzkostliví) než dříve protože jednodušší varianty problémů již vyřešili sami nebo přes automat (Forrester, The Future Of Customer Service, 2023). Zaměstnanci tedy nečelí jen složitějším problémům. Čelí složitějším lidem.
Co to znamená pro kompetence pracovníků
Zde nastává systémový problém, který je v diskusi o AI v zákaznické podpoře opakovaně přehlížen. Většina firem nasadí AI jako přední linii, sníží stavy na oddělení podpory nebo zamrazí nábor, ale zapomene přehodnotit, jaké kompetence od zbývajících pracovníků podpory vlastně vyžaduje.
Klíčová podmínka však zůstává opomenuta: přechod na komplexní případy vyžaduje jiné dovednosti než jaké klasické kontaktní centrum historicky trénuje.
Tradiční trénink pracovníků podpory je postaven na scénářích. Jak reagovat na typ A, typ B, typ C. Jak eskalovat. Jak uzavřít případ. Toto jsou dovednosti potřebné pro rutinní provoz nikoliv pro navigaci případu, který se vymyká každé šabloně. Podle výzkumu Harvard Business Review jsou nejúspěšnější pracovníci podpory v komplexních interakcích ti, kteří dokážou adaptovat komunikační styl v reálném čase, rozpoznat emocionální podtext zákazníka a autonomně rozhodovat v situacích s neúplnými informacemi (HBR, The High Cost of Ignoring Customer Emotions, 2022). Tyto schopnosti se nedají naučit ze skriptů.
Zároveň se mění technický profil role. Pracovníci podpory dnes čím dál tím více fungují jako supervizor AI kontrolují výstupy automatizace, korigují eskalace, rozhodují, kdy automat selhal a proč. Vzniká tak hybridní role, pro kterou zatím neexistuje standardizovaný tréninkový rámec.
Paradox spokojených zákazníků
Data o spokojenosti zákazníků (měřené jako CSAT – Customer Satisfaction Score) při interakci s AI vs. lidmi ukazují zajímavý paradox. Pro jednoduché transakční dotazy dosahují AI řešení srovnatelného nebo vyššího skóre spokojenosti, než lidé zákazník chce rychlost a přesnost, nikoliv konverzaci (Salesforce, State of the Connected Customer, 2023). Ale pro složité nebo emočně zatížené situace zůstává preference lidského pracovníka výrazná: 71 % zákazníků v průzkumu PwC uvedlo, že by v náročné situaci upřednostnilo komunikaci s člověkem před chatbotem, i kdyby byl AI rychlejší (PwC, Experience is everything, 2018 – stále citovaná jako referenční).
Jinými slovy: zákazníci jsou ochotni přijmout AI pro věci, na nichž jim nezáleží příliš hluboko. Ale ve chvíli, kdy záleží, když je zásilka ztracená tři dny před Vánocemi, když pojišťovna odmítla plnění, když zboží přišlo poškozené chtějí člověka. A ten člověk musí být na výši.
Skutečná otázka proto nezní, zda AI nahradí zákaznickou podporu. Ale zda firmy dokážou zajistit, aby ti lidé, kteří v podpoře zůstanou, zvládali přesně ty situace, pro které je AI nedostatečná.
Co by měly firmy udělat jinak
Data jsou v tomto ohledu jednoznačná: úspěšné organizace nepřistupují k nasazení AI v zákaznické podpoře jako k nákladové optimalizaci, ale jako k příležitosti redesignovat celou roli agenta.
To v praxi znamená tři věci.
- Za prvé, přehodnotit tréninkové programy směrem od scénářů k situačnímu myšlení. Nejlepší kontaktní centra v tomto ohledu přejímají přístupy z jiných oborů například techniky motivačních rozhovorů z klinické psychologie nebo rámce pro vyjednávání z obchodního světa. Cílem je vybudovat agenta schopného pracovat s ambiguitou.
- Za druhé, designovat eskalační protokoly vědomě. Tedy nepředávat lidem jen to, co AI nezvládlo technicky, ale definovat, které typy situací by měly být od počátku směrovány k člověku, bez ohledu na to, zda by je AI zpracovat dokázala. Emocionálně náročné situace, stížnosti s potenciálem reputačního dopadu nebo klienti v tzv. critical moments, tedy v rozhodujících momentech zákaznické cesty by lidský kontakt vyžadovat měly.
- Za třetí, sledovat wellbeing agentů jako klíčovou metriku. Práce, která sestává výhradně z náročných a eskalovaných případů, je psychicky zatěžující. Studie Gallup konzistentně ukazují, že pracovníci zákaznické podpory patří k profesím s nejvyšší mírou emočního vyčerpání a tento trend se s odsunem rutiny na AI bude zřejmě prohlubovat (Gallup, State of the Global Workplace, 2023). Firmy, které toto nebudou řídit, zjistí, že investovaly do AI infrastruktury, ale ztratily lidi, kteří ji mají doplňovat.
Hodnota lidského kontaktu roste
Existuje ironický závěr, ke kterému data neúprosně vedou: čím víc práce AI v zákaznické podpoře převezme, tím cennější se stane každý lidský kontakt, který zbude. Automatizace nevymazává hodnotu lidského pracovníka zvyšuje ji. Ale pouze za podmínky, že organizace záměrně investují do toho, aby jejich lidé byli kompetentní přesně tam, kde AI kompetentní není.
Firmy, které to nepochopí, skončí s levným AI front-endem a nekvalifikovaným lidským zázemím. Výsledkem budou zákazníci, kteří prošli frustrující smyčkou automatizace, jen aby narazili na pracovníka podpory, který jejich případ stejně nevyřeší. To není budoucnost zákaznické zkušenosti. Je to pouze jiná verze její minulosti.
