מוקד שירות שנפח הפניות שלו גדל מהר יותר מהצוות

המצב: איך זה נראה מבפנים

ארגון שמשרת נפח לקוחות משמעותי מקבל פניות בטלפון, במייל, ב-WhatsApp ובטופס באתר. כל ערוץ מנוהל קצת אחרת, ולא תמיד ברור מי מטפל במה.

חלק גדול מהפניות חוזר על עצמו: סטטוס הזמנה, עדכון פרטים, שאלות על תנאים. כדי לענות, נציגים עוברים בין כמה מערכות, והלקוח מחכה.

ההנהלה לא רואה תמונה אחת של סוגי הפניות, זמני הטיפול ומה חוזר על עצמו, וכל גידול בפעילות מתורגם לגיוס נוסף.

מה תבל הייתה ממפה

לפני שמדברים על AI, מסתכלים על הפניות עצמן: מאילו ערוצים הן מגיעות, מה המטרה שלהן, אילו מהן דורשות מידע ואילו פעולה, ואיפה נדרש שיקול דעת אנושי.

• סוגי פניות: מיון לפי מטרה (שאלות מידע, בקשות לפעולה, תקלות ומקרים רגישים) והגדרה של מה מתאים לטיפול אוטומטי ומה לא.
• ידע ומערכות: איפה נמצא הידע המאושר, אילו מערכות מחזיקות את היסטוריית הלקוח, ואילו פעולות אפשר לבצע דרך API ובאילו הרשאות.

פתרון אפשרי: שכבת AI בין הערוצים לנציגים

הארכיטקטורה: Channel → AI Layer → Knowledge → Business Systems → Action → Human Escalation. כל ערוץ מתחבר לאותה שכבה, ולכן הלקוח מקבל אותה רמת שירות בכל מקום.

זיהוי כוונה ולקוח

שכבת ה-AI מזהה את מטרת הפנייה ואת הלקוח, וקוראת את ההיסטוריה שלו מה-CRM ומהמערכות העסקיות.

התשובות נשענות על ידע מאושר בלבד, ולכן הן עקביות בין ערוצים ובין משמרות.

פעולות מאושרות

לבקשות שהוגדרו מראש המערכת יכולה לאסוף פרטים, לפתוח קריאה או לעדכן סטטוס, בתוך ההרשאות שנקבעו. כל מה שמחוץ להגדרה עובר לאדם.

העברה לנציג עם הקשר מלא

כשנדרש אדם, הנציג מקבל סיכום של השיחה ואת ההקשר המלא, והלקוח לא צריך להסביר הכול מההתחלה.

איזו תוצאה אפשר לצפות

סוג התוצאה שאפשר לצפות לו: זמן תגובה קצר יותר, קיבולת גבוהה יותר בלי שהצוות יצטרך לגדול באותו קצב, שירות עקבי, פחות עבודה חוזרת וכיסוי 24/7 לתהליכים שמתאימים לכך.

ההיקף תלוי בנפח, באיכות הידע ובעומק האינטגרציות. לכן מגדירים מראש מה נמדד, ולא מבטיחים אחוז חיסכון קבוע.