Klient, który zgłasza usterkę, zamawia część zamienną lub pyta o serwis, w tym momencie nie porównuje pańskiego produktu z produktem konkurenta. Porównuje doświadczenie bycia obsłużonym. Jak szybko ktoś reaguje, jak dobrze ta osoba znа instalację, czy problem jest rozwiązany od razu. To doświadczenie dla wielu klientów zaczęło ważyć więcej niż sam zakup, ponieważ zakup jest jednorazowy, a serwis obejmuje cały okres użytkowania produktu.
Do niedawna była to przede wszystkim kwestia obsady kadrowej. Kto miał więcej pracowników serwisu, z większym doświadczeniem, mógł odpowiedzieć na więcej pytań szybciej. Czas czekania i wiedza były w dużej mierze powiązane z liczbą pracowników. Ten związek jest obecnie pod presją.
Za każdym kontaktem serwisowym stoi seria działań. Pierwszym jest triaż: co jest problemem, jak jest to pilne, kto powinien się tym zająć. Drugim jest wyszukiwanie: jakie informacje o tym produkcie, tym kliencie, tej historii instalacji są istotne. Trzecim jest diagnoza: czy to znany wzorzec czy coś nowego. Czwartym jest samo rozwiązanie, a piątym zapisanie tego, co się wydarzyło, aby następny raz przebiegł szybciej.
Z tych pięciu kroków triaż często już da się zautomatyzować: system, który kategoryzuje i kieruje przychodzące zgłoszenia, robi to konsekwentnie i bez czasu czekania. Wyszukiwanie to zadanie, w którym AI z ludzkim nadzorem coraz częściej odbiera pracę z rąk: przeszukiwanie instrukcji, wcześniejszych zgłoszeń i dzienników serwisowych system może wykonać szybciej niż człowiek, ale przełożenie tego na to, co należy zrobić w tym konkretnym przypadku, wciąż ocenia osoba, która zatwierdza lub odrzuca. Diagnoza przy znanych wzorcach przesuwa się w tym samym kierunku. Wykonanie rozwiązania, zwłaszcza jeśli jest fizyczne, oraz uspokojenie klienta w trudnej rozmowie, pozostaje pracą ludzką.
Jeśli wyszukiwanie i część diagnozy wykonuje system, zmienia się to, co jest wyróżniające. Czas reakcji był funkcją liczby osób na linii; jeśli system kategoryzuje zgłoszenia od razu i przygotowuje właściwe informacje dla pracownika prowadzącego rozmowę, czas reakcji staje się mniej zależny od obsady kadrowej i bardziej od tego, jak dobrze ten system jest skonfigurowany. Firma z mniejszą liczbą osób przy telefonie może w ten sposób odpowiadać szybciej niż firma z większą liczbą osób, ale bez systemu wspierającego.
Również wiedza przesuwa się z czegoś, co znajduje się w głowach, na coś, co można znaleźć. Wcześniej doświadczony technik, który znał wszystkie instalacje z imienia, był przewagą niezrównaną. Ta przewaga pozostaje dla przypadków wyjątkowych, ale dla rozpoznawalnych, powtarzających się problemów — największej części zgłoszeń w większości firm — pytanie nie brzmi już, kto ma najwięcej lat doświadczenia, ale kto najlepiej zapisał i uczynił przeszukiwalnymi wcześniejsze przypadki. Dostawca istniejący od dwóch lat, który dobrze ustrukturyzował swoją historię serwisową, może na tym punkcie być szybszy niż dostawca z trzydziestoletnim doświadczeniem i nieustrukturyzowanymi dokumentami.
Ta zmiana nie przebiega wszędzie równie szybko, i nie wynika to głównie z wielkości firmy. Wynika to ze stanu danych źródłowych. Firma, w której dzienniki serwisowe, historia zgłoszeń i komunikacja z klientem znajdują się w odrębnych systemach, które nie komunikują się między sobą, nie może zasilić systemu AI tym, czego potrzebuje, niezależnie od tego, jak zaawansowany jest ten system. Firma, która to ma w porządku, widzi, że triaż i wyszukiwanie przesuwają się szybciej, podczas gdy porównywalna firma w tej samej branży jest na tym punkcie wciąż praktycznie całkowicie zależna od ludzi. Ta różnica jest mierzalna w czasie czekania, w czasie rozwiązania przy pierwszym kontakcie, oraz w tym, czy klient przy powtarzających się pytaniach musi każdorazowo ponownie opowiadać swoją historię.
Ten wymiar nie działa w oderwaniu od innych osi, na których firmy się wyróżniają. To, jak szeroko dostawca może rozszerzyć swoje usługi bez proporcjonalnego zwiększania liczby pracowników, jest powiązane z tym, co dzieje się tutaj, podobnie jak w jak AI zmienia konkurencję na szerokości oferty produktowej. Również pytanie, jak głęboka jest wiedza techniczna, którą klient otrzymuje przy telefonie, dotyka tego, co się tutaj dzieje, o czym można przeczytać w jak AI zmienia konkurencję na wiedzy technicznej. A dostępność — czy klient w każdym momencie dostaje kogoś lub coś użytecznego na linii — jest w rzeczywistości drugą stroną tego samego medalu, opisaną w jak AI zmienia konkurencję na dostępności.
Nie jest to apel o zastąpienie pracowników serwisu. Jaką rolę AI otrzyma w organizacji serwisowej i co to znaczy dla stanu personelu, to decyzja pracodawcy, dla której obowiązują odrębne wymogi prawne. To, co jest tu opisane, to zmiana w tym, co klient odczuwa i na czym dostawcy się wyróżniają, a nie stwierdzenie, kto powinien dalej wykonywać jaką pracę.
Jeśli pański serwis posprzedażowy jest wolniejszy lub mniej konsekwentny niż u konkurenta, pierwszym pytaniem nie jest, ile osób należy dodać, lecz która część pracy zatrzymuje się na brakującej lub rozproszonej informacji. Jak zająć się tym zapóźnieniem, zależy od tego, w którym miejscu procesu leży problem, co jest omówione w co robić przy zapóźnieniu na danym wymiarze.
Jeśli twierdzi pan, że reaguje szybciej lub lepiej niż konkurenci, to pytanie, czy to twierdzenie wytrzyma weryfikację, warto najpierw dokładnie sprecyzować dla siebie, co jest omówione w jak uzasadnić twierdzenie o własnej jakości. Bezpłatna kontrola wymiarowa pomaga w tym: wskazuje pan, na czym uważa, że wygrywa w serwisie posprzedażowym, i widzi pan, które z tych twierdzeń można obronić dowodami. Pełny benchmark, z pańską pozycją i pozycją pańskiej grupy porównawczej na wszystkich wymiarach, jest w budowie.
Pytanie podstawowe — którą część pracy stojącej za pańskim serwisem posprzedażowym już dziś może przejąć AI, a która część pozostaje pracą ludzką — jest odpowiadane zadanie po zadaniu za pomocą skanu pracy FTE TO AI.