Um cliente que comunica uma avaria, encomenda uma peça de substituição ou pergunta sobre manutenção não está, nesse momento, a comparar o seu produto com o de um concorrente. Está a comparar a experiência de ser ajudado. A rapidez com que alguém responde, o quão bem essa pessoa conhece a instalação, se o problema é resolvido à primeira. Essa experiência passou a pesar mais, para muitos clientes, do que a própria aquisição, porque a aquisição é única e o serviço abrange toda a vida útil do produto.
Até há pouco tempo, isto era, sobretudo, uma questão de ocupação. Quem tivesse mais colaboradores de serviço, com mais experiência, conseguia responder a mais perguntas mais rapidamente. O tempo de espera e o conhecimento acompanhavam, em grande medida, o número de colaboradores. Essa relação está sob pressão.
Por detrás de cada contacto de serviço existe uma sequência de ações. A primeira é a triagem: qual é o problema, qual é a urgência, quem deve tratar dele. A segunda é a pesquisa: que informação sobre este produto, este cliente, este histórico de instalação é relevante. A terceira é o diagnóstico: trata-se de um padrão conhecido ou de algo novo. A quarta é a própria solução, e a quinta é o registo do que aconteceu, para que a próxima vez seja mais rápida.
Destas cinco etapas, a triagem já é, em muitos casos, automatizável: um sistema que categoriza e encaminha as comunicações recebidas fá-lo de forma consistente e sem tempo de espera. A pesquisa é uma tarefa em que a IA, com supervisão humana, assume cada vez mais trabalho: pesquisar manuais, tickets anteriores e registos de manutenção pode ser feito por um sistema mais rapidamente do que por uma pessoa, mas a tradução para o que deve acontecer neste caso específico continua a ser avaliada por alguém que aprova ou rejeita. O diagnóstico em padrões conhecidos está a deslocar-se na mesma direção. Executar a solução, especialmente se for física, e tranquilizar o cliente numa conversa difícil continuam a ser trabalho humano.
Se a pesquisa e parte do diagnóstico passam a ser feitos por um sistema, muda o que é distintivo. O tempo de resposta era função de quantas pessoas estavam disponíveis na linha; se um sistema categoriza as comunicações de imediato e já disponibiliza a informação certa ao colaborador que conduz a conversa, o tempo de resposta passa a depender menos da ocupação e mais da qualidade com que esse sistema está configurado. Uma empresa com menos pessoas ao telefone pode assim responder mais rapidamente do que uma empresa com mais pessoas, mas sem sistema de apoio.
Também o conhecimento se está a deslocar de algo que reside nas cabeças das pessoas para algo que é possível encontrar. Antigamente, um técnico experiente que conhecia todas as instalações pelo nome era uma vantagem inigualável. Essa vantagem continua a existir para os casos excecionais, mas para os problemas reconhecíveis e recorrentes — a maior parte das comunicações na maioria das empresas — a questão já não é quem tem mais anos de experiência, mas quem registou e tornou pesquisáveis melhor os casos anteriores. Um fornecedor que existe há apenas dois anos, mas estruturou bem o seu histórico de serviço, pode ser mais rápido neste ponto do que um fornecedor com trinta anos de experiência e processos não estruturados.
Esta mudança não avança ao mesmo ritmo em todo o lado, e isso não se deve, principalmente, à dimensão da empresa. Deve-se ao estado dos dados subjacentes. Uma empresa cujos registos de manutenção, histórico de tickets e comunicação com clientes estão em sistemas separados que não comunicam entre si não consegue alimentar um sistema de IA com o que este precisa, independentemente de quão avançado esse sistema seja. Uma empresa que tem isso organizado vê a triagem e a pesquisa deslocarem-se mais rapidamente, enquanto uma empresa comparável no mesmo setor continua, nesse ponto, quase totalmente dependente de pessoas. Essa diferença é mensurável no tempo de espera, no tempo de resolução no primeiro contacto e em saber se um cliente tem de repetir a sua história sempre que volta a contactar com perguntas.
Esta dimensão não funciona isolada dos outros eixos em que as empresas se distinguem. A amplitude com que um fornecedor consegue expandir os seus serviços sem contratar proporcionalmente mais pessoas está relacionada com o que acontece aqui, tal como em como a IA muda a concorrência na amplitude de produto. Também a questão de quão profundo é o conhecimento técnico que um cliente encontra ao telefone se relaciona com o que está aqui em jogo, como se pode ler em como a IA muda a concorrência no conhecimento técnico. E a acessibilidade — se um cliente, em qualquer momento, consegue contactar alguém ou algo útil — é, na prática, o outro lado da mesma moeda, desenvolvido em como a IA muda a concorrência na acessibilidade.
Isto não é uma defesa de substituir colaboradores de serviço. Qual o papel que a IA assume na organização de serviço e o que isso significa para o quadro de pessoal é uma decisão do empregador, sujeita aos seus próprios requisitos legais. O que aqui se descreve é uma mudança no que o cliente experiencia e naquilo em que os fornecedores se distinguem, não uma afirmação sobre quem deve continuar a fazer que trabalho.
Se o seu serviço pós-venda é mais lento ou menos consistente do que o de um concorrente, a primeira questão não é quantas pessoas é preciso acrescentar, mas sim que parte do trabalho encalha por falta de informação ou por informação fragmentada. Como abordar esse atraso depende de onde no processo está o problema, o que é tratado em o que fazer com um atraso numa dimensão.
Se afirma responder de forma mais rápida ou melhor do que os seus concorrentes, a questão de saber se essa afirmação resiste a uma verificação é algo que vale a pena esclarecer primeiro para si próprio, como é desenvolvido em como fundamentar uma afirmação sobre a sua própria qualidade. A verificação gratuita de dimensão ajuda nisso: indica onde pensa que vence no serviço pós-venda, e vê quais dessas afirmações podem ser defendidas com provas. O benchmark completo, com a sua posição e a do seu grupo de referência em todas as dimensões, está em construção.
A questão subjacente — que parte do trabalho por detrás do seu serviço pós-venda já pode hoje ser assumida pela IA, e que parte continua a ser trabalho humano — é respondida por tarefa com o werkscan da FTE TO AI.