Šiuolaikinėse įmonėse klientų ir darbuotojų patirtis yra nuolatinio tobulėjimo procesas. Patirties orkestravimas (experience orchestration) reiškia šios patirties kūrimą, tobulinimą ir optimizavimą pasitelkiant šiuolaikines technologijas, įskaitant dirbtinį intelektą (AI). Šiame straipsnyje aptariame, kaip dirbtinis intelektas veikia ir palaiko patirties orkestravimą, taip pat apibrėžiame šešis jo raidos lygius. Šie lygiai suteikia organizacijoms bendrą pagrindą diskutuoti apie ateities vizijas ir tai, kaip patirties orkestravimas formuos sistemas, politiką ir procesus ateityje.

Įvadas

Patirties orkestravimo tikslas – vienu metu pasiekti du pagrindinius rezultatus:

1. Sumažinti veiklos sąnaudas.
2. Padidinti klientų lojalumą ilgalaikei verslo plėtrai.

Tinkamai sukurta ir dirbtiniu intelektu (AI) paremta patirties orkestravimo strategija leidžia pasiekti abu šiuos tikslus.

Derinant duomenis, sistemas, kanalus ir vaidmenis, orkestravimas kuria patirtį, kuri klientų ir darbuotojų akimis yra efektyvesnė, tikslingesnė ir emociškai intelektualesnė. Plečiantis naujiems sprendimams rinkoje, mes judame link universalaus orkestravimo – tai peržengia klientams matomus procesus ir apima tiek front-office, tiek back-office veiklos dalį. Tai leidžia organizacijoms iš esmės permąstyti kontaktų centrų vaidmenį, klientų ir darbuotojų patirtį bei transformuoti visą verslą.

Toliau aprašyti patirties orkestravimo lygiai apibrėžia vystymosi kelią nuo visiškai rankinio iki visiškai autonominio orkestravimo. Kiekvienas lygis atskleidžia, kaip naudojamos automatizavimo, papildymo, personalizavimo ir optimizavimo galimybės, kurios atveria naujus kelius verslo vertės augimui – didesniam efektyvumui, gilesniam klientų lojalumui ir stipresniam darbuotojų įsitraukimui.

0 lygis – be orkestracijos

Klientų sąveika vyksta visiškai rankiniu būdu, naudojantis paprastomis telefonijos sistemomis be integruotų įrankių ar intelektualių sprendimų. Žmogus–agentas remiasi mokymais ir statine dokumentacija. Kiekviena sąveika yra reaktyvi ir nenuosekli.

Nėra vieningos kliento apžvalgos, taip pat nėra užduočių orkestravimo tarp skirtingų įmonės sistemų. Klientų aptarnavimas suvokiamas tik kaip operacinė būtinybė, o ne kaip strateginė funkcija – tai lemia didelį darbo krūvį, aukštą darbuotojų kaitą ir prastus veiklos rezultatus.

• Automatizavimas: Nėra. Visi uždaviniai – net ir rutininiai klausimai – reikalauja visiško žmogaus įsitraukimo.
• Papildymas: Agentai dirba be sisteminės pagalbos. Duomenys nekontekstualizuojami, nesuteikiama užduočiai pritaikyta pagalba.
• Personalizavimas: Nėra jokios personalizacijos, pagrįstos kliento profiliu ar istorija.
• Optimizavimas: Viskas grindžiama rankiniais mokymais ir statiniu grafikų sudarymu. Nėra realaus laiko įžvalgų, kokybės valdymo ar automatizuoto darbo jėgos planavimo.

1 lygis – meniu naršymas

Interaktyvaus balso atsako (IVR – Interactive Voice Response) sistemos suteikia bazinį automatizavimą su fiksuota nukreipimo logika ir ribotu balso atpažinimu. Klientai sąveikauja naudodamiesi telefono klaviatūra arba balso meniu – dažniausiai tam, kad patikrintų būseną arba būtų nukreipti į atitinkamą skyrių. Nors tai šiek tiek sumažina skambučių apimtį, pati patirtis išlieka neasmeniška ir ribota balso galimybėmis.

Daugumai užduočių vis dar reikalingas žmogaus agentas, kuris remiasi ribotu CRM kontekstu. Kokybės kontrolė vyksta rankiniu būdu ir retrospektyviai. Sistema veikia, bet nėra prisitaikanti.

• Automatizavimas: IVR apdoroja paprastas informacijos užklausas – pavyzdžiui, sąskaitos likutį ar užsakymo būseną – naudodama klaviatūros įvestį arba raktinių žodžių atpažinimą. Logika yra fiksuota ir neprisitaikanti.
• Papildymas: Žmogaus agentai pokalbio metu gali matyti statinius kliento duomenis, tačiau svarbios informacijos dažnai tenka ieškoti rankiniu būdu.
• Personalizavimas: Galimas skambučių nukreipimas pagal agentų kompetencijas ar kalbos nustatymus, tačiau bendra patirtis išlieka daugiausia standartizuota.
• Optimizavimas: Kokybės užtikrinimas grindžiamas atsitiktinai pasirinktų pokalbių įrašų analize, o darbo grafikų sudarymas yra lėtas ir reaguojantis į situaciją, o ne proaktyvus.

2 lygmuo – iš anksto nustatyto dialogo automatizavimas

Pokalbių dirbtinis intelektas (Conversational AI) sujungia automatinį kalbos atpažinimą (ASR – Automated Speech Recognition), natūralios kalbos apdorojimą (NLP – Natural Language Processing) ir supratimą (NLU – Natural Language Understanding), kad būtų galima kurti sąveiką įvairiuose komunikacijos kanaluose. Šias sąveikas valdo iš anksto apibrėžtos taisyklės ir suprogramuotos dialogų sekos. Prediktyviniai dirbtinio intelekto (AI) modeliai taikomi specifiniams tikslams (pvz., skambučių nukreipimui ar įsitraukimui), tačiau dar nėra pakankamai išplėtoti, kad galėtų apibendrintai nustatyti geriausią tolesnį veiksmą bendrame patirties kontekste.

• Automatizavimas: Pokalbių DI leidžia naudoti pokalbių robotus, kurie automatizuoja rutinius dialogus su klientais tiek skaitmeniniuose, tiek balso kanaluose (omnikanalė aplinka) – pavyzdžiui, užsakymų sekimą, slaptažodžio atstatymą ar tapatybės patvirtinimą. Robotai veikia pagal griežtai struktūruotus scenarijus ir fiksuotus sprendimų medžius.
• Papildymas: Žmogaus agentai pradeda gauti kontekstinę pagalbą naudodamiesi žinių paieškos įrankiais, taip pat jiems siūlomi galimi tolesni žingsniai, remiantis CRM kontekstu arba raktinių žodžių atpažinimu.
• Personalizavimas: Klientų patirtis vis dar yra standartizuota ir neprisitaiko prie individualių poreikių – personalizavimas apsiriboja statiniais įvesties duomenimis. Įdiegus bazines darbuotojų įsitraukimo valdymo funkcijas, pagerėja užduočių paskirstymas, atsižvelgiant į darbuotojų įgūdžius ir prieinamumą.
• Optimizavimas: Patirtys optimizuojamos naudojant specializuotus prediktyvinius DI modelius skambučių nukreipimui, klientų įtraukimui ir prognozavimui. Kokybės užtikrinimą palaiko balso ir teksto analizės sprendimai.

3 lygmuo – sistemos inicijuotos derybos

Generatyvusis AI (Generative AI) naudoja didelio masto kalbos modelius (LLMs – Large Language Models) ir transformatorių architektūras tam, kad generuotų turinį pagal iš anksto nustatytas ribas. AI atlieka tik tas užduotis, kurioms jis buvo specialiai apmokytas ar sukonfigūruotas. Patirtis gerinama pasitelkiant automatizavimą, papildymą, personalizavimą ir optimizavimą, tačiau viskas vyksta griežtai laikantis iš anksto apibrėžtos logikos ir darbo eigų.

Šio DI lygmens modelis nepriima savarankiškų sprendimų ar vertinimų už suteiktų instrukcijų ribų – jis tiesiog vykdo savo programinį kodą vis platesniu ir lankstesniu būdu.

• Automatizavimas: Dirbtiniu intelektu pagrįsti virtualūs asistentai geba automatizuoti platesnio pobūdžio ir sudėtingesnius bendravimo scenarijus, pvz., padėti spręsti problemas, suteikti informaciją apie užsakymo būseną ar produktus. Šie asistentai veikia autonomiškai, tačiau tik apibrėžtų darbo eigų ir taisyklių ribose. Jie negali priimti sprendimų ar daryti išvadų už iš anksto nustatytos sistemos ribų. Tokios funkcijos kaip ketinimų atpažinimas ir DUK apdorojimas leidžia spręsti sudėtingesnius klausimus, tačiau tik tiek, kiek tai leidžia modelio apmokymas ir konfigūracija. Virtualūs prižiūrėtojai (virtual supervisors) automatizuoja operatyvinę priežiūrą, įspėdami atsakingus asmenis pagal iš anksto apibrėžtus rodiklius ar elgsenos signalus.
• Papildymas: Agentų "kopilotai" (co-pilot) padeda žmonėms greičiau ir efektyviau atlikti užduotis – pavyzdžiui, pasiūlydami kitą geriausią veiksmą, sugeneruodami santraukas ar surasdami reikiamus duomenis. Vis dėlto visa tai vyksta tik laikantis iš anksto apibrėžtų taisyklių ir modelių. Šie įrankiai reaguoja į atpažintus užuominas pokalbyje, bet neplanuoja ir neprisitaiko už jų ribų. Vadovų ar priežiūros "kopilotai" teikia rekomendacijas pagal sukonfigūruotus kriterijus ir padeda platinti žinias plačiau organizacijoje, neperžengdami atsakomybės ribų.
• Personalizavimas: Generative AI gali pritaikyti atsakymus, remdamasis struktūrizuota segmentacija, ketinimų klasifikavimu ir įmonės nustatytais atributais. Jis kuria individualizuotą turinį pagal tai, ką "žino" iš CRM duomenų, kliento pageidavimų ar ankstesnių sąveikų – tam, kad pateiktų turinį, atitinkantį konkretų tikslą ar segmentą. Nors turinys atrodo individualus, jis vis tiek kuriamas pagal iš anksto nustatytą logiką ir konfigūruotą elgseną. Šiame lygyje personalizavimas yra stiprus, tačiau ribotas tuo, kas yra struktūruota.
• Optimizavimas: Kliento kelionės (customer journey) orkestravimas ir patirties valdymas pagerėja, nes AI gali vykdyti iš anksto sukurtas optimizavimo strategijas. Prognozavimas, grafikų sudarymas ir darbo apkrovos balansavimas vyksta naudojant prediktyvinius modelius, kurie nuolat gerina rekomendacijas remdamiesi istorinių duomenų analize. Tačiau ir čia DI nėra adaptuojantis pats savaime – jis atlieka tik apmokytas funkcijas ir periodiškai pertreniruojamas žmonių, kad išliktų aktualus. Užduočių, pranešimų ir darbo eigų koordinavimas tarp priekinės ir vidinės veiklos dalies išlieka reaktyvus – tai reiškia, kad veiksmai atliekami tik tada, kai tenkinamos iš anksto apibrėžtos sąlygos, o ne proaktyviai priimant sprendimus.

4 lygmuo – agentic patirties generavimas

Dirbtinis intelektas vystosi nuo paprasto vykdymo link išmanaus problemų sprendimo. Sistemos yra konfigūruojamos konkretiems tikslams ir pasitelkia mąstymą, planavimą ir atmintį, kad nustatytų, kaip geriausiai pasiekti norimus rezultatus, laikantis aiškiai apibrėžtų ribų.

Šiame lygyje įdiegiamos vadinamosios agentinės AI sistemos (agentic AI), kurios interpretuoja kontekstą, planuoja veiksmus žingsnis po žingsnio ir pritaiko elgseną pagal dinamiškai gaunamus įvesties duomenis. Žmogaus įsitraukimas, patvirtinimas ir priežiūra vis dar yra esminė sistemos dalis. Tai užtikrina, kad veiksmai atitiktų ketinimus ir neperžengtų leistino automatizavimo poveikio.

• Automatizavimas: Virtualūs agentai, prižiūrėtojai ir administratoriai dabar atlieka sudėtingas transakcijas ir sprendimų sekas tokiose srityse kaip pardavimai, sutarčių atnaujinimas ar klientų išlaikymas. Jie patys nustato optimalius veiksmus tikslo pasiekimui, vadovaudamiesi konfigūruotomis gairėmis ir patvirtinimo reikalavimais. Šios sistemos geba remtis struktūruotu turiniu – pvz., standartinėmis veiklos procedūromis, žinių bazės įrašais ar instrukcijų dokumentais – kad užtikrintų tikslų ir nuoseklų vykdymą. Vis dažniau įdiegiama asinchroninio vykdymo galimybė – užduotys atliekamos fone, kol klientas ar darbuotojas toliau dirba. Virtualus agentas praneša, kai užduotis baigta arba kai reikalingas naudotojo įsitraukimas, taip išlaikydamas skaidrumą ir žmogaus kontrolę.
• Papildymas: „Kopilotai“ tampa proaktyvūs – jie teikia išmanius pasiūlymus agentams, vadovams ar administratoriams ir siūlo juos įgyvendinti po patvirtinimo. Tai gali apimti įrašų atnaujinimą, rizikų identifikavimą, procesų optimizavimą ar vertimą realiuoju laiku.
  Šie kopilotai taip pat pateikia realaus laiko signalus, padedančius vartotojams: primena praleistus žingsnius, atkreipia dėmesį į atitikties reikalavimus ar pateikia kontekstinius patarimus – diskretiškai ir palaikančiai. Jie neperima kontrolės, bet padeda žmonėms veikti efektyviau, siūlydami tikslingus ir švelnius nurodymus. Nors jie analizuoja sudėtingą įvestį ir pritaiko rekomendacijas, veiksmai vykdomi tik žmogui priėmus sprendimą.
• Personalizavimas: Personalizacija tampa strategiškesnė ir labiau paremta duomenimis. AI naudoja vidinę atmintį, klientų profilius, ankstesnes sąveikas ir kontekstinius signalus, kad nustatytų, kurie atsakymų tipai ar darbo srautai geriausiai atitinka kliento poreikius. Tai apima įmonės apibrėžtus segmentus, sandorių istoriją ir taisyklėmis grįstą logiką. Žmogaus agentai gauna personalizuotą pagalbą pagal specialiai pritaikytus playbooks, o ne vieningas šablonines instrukcijas. Tačiau net ir ši personalizacija vyksta tik organizacijos konfigūruotų ribų viduje – be kūrybiškos improvizacijos už jų.
• Optimizavimas: Orkestravimas pasitelkia dinaminį kontekstą, kad pagerintų patirties eigą visoje sistemų aplinkoje. AI komponentai iš dalies autonomiškai ieško efektyvesnių sprendimų ir veiksmų, taip sumažindami rankinių nustatymų poreikį – tačiau visada veikdami numatytuose rėmuose. Naudojamos tokios funkcijos kaip anomalijų aptikimas, modelių atpažinimas ir atmintimi grindžiamas sprendimų priėmimas, siekiant nustatyti procesų trūkumus ar galimas eskalacijas.
  Tose situacijose, kur reikia įvertinimo ar taisyklių interpretavimo – pavyzdžiui, būsto paskolos patvirtinimas ar finansinių korekcijų taikymas – AI padeda, pateikdamas visą reikalingą kontekstą sprendimui priimti. Tačiau galutinis sprendimas vis tiek priklauso žmogui.

5 lygmuo – agentic universalioji orkestracija

Dirbtinis intelektas pasiekia tikslingos autonomijos lygį, kuriame jis geba savarankiškai planuoti, priimti sprendimus ir vykdyti užduotis, remdamasis žmogaus nustatytais tikslais. Virtualūs agentai, prižiūrėtojai ir administratoriai nebėra apriboti fiksuotais darbo srautais ar linijiniu užduočių vykdymu – jie dinamiškai kuria naujus sprendimus ir koordinuoja veiksmus, atsižvelgdami į platesnius organizacijos tikslus, o ne tik griežtai nustatytus žingsnius. Tai – orkestracijos brandos viršūnė, momentas, kai AI pereina nuo reaktyvios automatizacijos prie savarankiško, bendradarbiavimu grįsto patirties valdymo. AI sistemos sujungia didžiuosius kalbos modelius (LLM) su atmintimi, planavimu ir loginiu mąstymu, papildomai stiprinamos nuolatiniais grįžtamojo ryšio ciklais. Klientų ir darbuotojų patirtys nebėra fragmentiškos ar transakcinės – jos tampa vientisos, prisitaikančios ir intelektualios, apimančios visą ekosistemą. AI vienetai bendradarbiauja tiesiogiai – jie dalijasi tikslais, keičiasi kontekstu ir perduoda atsakomybes, kas leidžia vykdyti paskirstytą orkestraciją tarp vidinių sistemų ir išorinių partnerių. Žmogaus įsitraukimas tampa strategiškas ir tikslingas – jis sutelktas į priežiūrą, valdymą ir sudėtingus sprendimus, reikalaujančius empatijos, kūrybiškumo ar patirties pagrįsto sprendimo.

• Automatizavimas: Virtualūs agentai, prižiūrėtojai ir administratoriai saviorganizuotai inicijuoja, vykdo ir užbaigia užduotis nuo pradžios iki pabaigos. Sistemos interpretuoja organizacijos tikslus ir kontekstą, kad nustatytų optimalų veiksmų kelią – be iš anksto parengtų scenarijų ar rankinio įsikišimo. Užduotys paskirstomos ir perduodamos dinamiškai, bendradarbiaujant virtualiems agentams įvairiuose vaidmenyse ir srityse. Sprendimai priimami bendrai, koordinuotai visoje organizacijoje, įvairiuose kanaluose ir net bendradarbiaujant su išoriniais partneriais. Dauguma veiklų – tiek klientų aptarnavime, tiek back-office operacijose – įgyvendinamos automatizuotai, pasitelkus išmanų, daugiapakopį bendradarbiavimą.
• Papildymas: Nors AI valdo daugumą užduočių savarankiškai, žmogiškieji ištekliai tebėra svarbūs priežiūrai ir strateginiams sprendimams. "Kopilotai" (co-pilot) aktyviai siūlo rezultatus, apibendrina atliktus veiksmus ir pateikia aiškias ataskaitas. Kai kuriais atvejais jie netgi prognozuoja poreikius ir siūlo atlikti veiksmus, mokydamiesi iš ankstesnių patvirtinimų ir plėsdami pagalbos galimybes. Svarbu, kad "kopilotai" ir autonominiai pagalbiniai agentai dirba kartu, dalijasi įžvalgomis ir tarpinėmis išvadomis, kad veiksmingai padėtų žmonėms. Darbuotojai gauna naudos iš koordinuoto, kontekstui pritaikyto intelekto, kuris prisitaiko prie jų vaidmens ir darbo srauto, leisdamas jiems susitelkti į strateginius ir įtaką turinčius sprendimus.
• Personalizavimas: Patirtį kuria virtualūs administratoriai, prižiūrėtojai ir agentai, kiekvienas turintis savo perspektyvą, kontekstą ir funkcionalumą. Šios išmaniosios sistemos naudoja ankstesnių sąveikų duomenis, organizacijos žinių bazę ir elgsenos signalus, kad realiuoju laiku pritaikytų patirtį. Personalizavimas yra dinamiškas ir paskirstytas – jis nepriklauso nuo vieno agento, bet atsiranda kolektyviai bendradarbiaujant visiems AI elementams, kurie supranta kliento tikslus, pageidavimus ir jo kelionės (customer journey) etapą.
  Nepriklausomai nuo to, ar klientas bendrauja viename ar keliuose kanaluose – agentai sinchronizuoja savo veiksmus, užtikrindami nuoseklią, prasmingą ir tikslingą patirtį kiekviename kontaktiniame taške.
• Optimizavimas: Optimizavimas tampa autonomiškas, paskirstytas ir orientuotas į tikslus. Kiekviena DI varoma sistema prisideda prie veiklos tobulinimo ne atskirai, o kaip dalis nuolatinės, bendradarbiavimu grįstos mokymosi ekosistemos. Orkestracijos logika sklandžiai prisitaiko prie besikeičiančių organizacijos prioritetų. Agentai bendradarbiauja, perplanuoja strategijas ir gerina rezultatus plačiu mastu.
  Taip susiformuoja savaime išsilaikantis intelekto sluoksnis, kuris vystosi kartu su organizacine aplinka ir nereikalauja rankinio konfigūravimo ar perkvalifikavimo.

Šis klientų patirties orkestravimo modelis atskleidžia, kaip įmonės gali pereiti nuo rankinių procesų prie pažangių, dirbtiniu intelektu valdomų sistemų, kurios savarankiškai gerina klientų ir darbuotojų patirtį. Kiekvienas lygmuo atspindi svarbų AI vystymosi etapą — nuo pavienių užduočių automatizavimo iki gebėjimo planuoti, spręsti ir veikti siekiant verslo tikslų.

Organizacijos dažnai veikia keliuose lygiuose vienu metu, priklausomai nuo prioritetų, klientų segmentų ir rizikos tolerancijos. Kai kuriais atvejais reikalinga glaudi žmogaus priežiūra, kitais - didesnis savarankiškumas ir lankstumas.

Svarbus vystymosi etapas yra AI sistemų tarpusavio bendradarbiavimas — agentai dalijasi kontekstu, koordinuoja užduotis ir prisitaiko prie kliento kelionės. Intelektas tampa paskirstytas, nuolat mokosi, dalijasi ir optimizuoja patirtį visuose kontaktiniuose taškuose.

Išvados

Siūlome šį straipsnį kartu su Genesys, kad paskatintume diskusiją apie tai, kaip patirties orkestravimas sukurs kontaktų centrų ir įmonių ateitį. Kokiame orkestracijos lygmenyje šiuo metu yra jūsų įmonė? Kaip planuojate valdyti orkestracijos pokyčius? Kokių rezultatų tikimasi?

Kadangi mūsų klientai vis dažniau naudoja dirbtinio intelekto (AI) sprendimus patirties orkestracijai ir apskritai įmonės pereina prie universalios orkestracijos, tokios diskusijos svarba tik didėja.

*Tai diskusijų medžiaga, o ne produktų vadovas. Genesys neįsipareigoja teikti šiame dokumente aprašytų galimybių.

Perskaitykite originalų straipsnį genesys.com apie patirties orkestravimą

Adventus Solutions, bendradarbiaudama su Genesys, padeda įmonėms diegti daugialypės terpės kontaktų centrų platformas ir DI sprendimus. Norėdami gauti daugiau informacijos apie Genesys Cloud Contact Center platformą, ieškokite produkto aprašyme arba susisiekite su mumis ir mes mielai padėsime.