"Het gaat om het vergroten van mensen", zegt NICE, een toonaangevende speler in RPA en softwarerobots

Gerobotiseerde procesautomatisering en softwarerobotica gaan over het verbeteren van de menselijke ervaring.

Mensen vergroten

NICE heeft zijn robot een naam gegeven - 'de virtuele medewerker van NICE-medewerker' heet nu NEVA.

En NEVA- en NICE-technologie helpt bij het vergroten van mensen, zo vertelde Gareth Hole van NICE ons.

Het komt neer op het verschil tussen bewaakte en onbeheerde robots. “Misschien”, schat Gareth, “kan bij een organisatie 10 tot 20% van de activiteiten end-to-end worden geautomatiseerd. Maar de wereld is een complexe plek.” En als Gareth het heeft over het vergroten van mensen, denkt hij aan de andere 80 tot 90%.

Een voorbeeld

Neem een ​​callcenter. Dit callcenter wordt op bepaalde tijden van het jaar overspoeld met telefoontjes over een bepaald thema. In deze tijden kan het nodig zijn om personeel uit andere gebieden aan te trekken, maar die geen specialistische kennis hebben.

NICE ondersteunde een organisatie in de publieke sector met precies die uitdaging.

“Ze ontdekten dat ze in die tijd de omvang van het contactcenter moesten verdubbelen.” Maar dit zorgde voor uitdagingen,

“Vaak moesten medewerkers naar een paar dozijn verschillende schermen kijken om erachter te komen welke informatie ze nodig hadden om vooruitgang te boeken. Vaak waren er meerdere problemen waar ze naar moesten kijken.” Omdat de menselijke natuur is wat het is, betekende dit dat ze "dingen per ongeluk zouden kunnen missen".

“We hebben een virtuele assistent op de desktop gezet.” Het was een snelle ommekeer, "het ging na ongeveer zes weken live naar 4.000 mensen."

Het nieuwe systeem betekende dat de software alle informatie van alle verschillende schermen heel snel verzamelde, deze interpreteerde en feedback gaf aan de persoon die de klant opbelde, zeggende:'dit is goed, dit is goed, hier zijn een paar dingen die je wilt om met de klant over te praten.'“

Voordat de nieuwe software werd toegepast, heeft een telefoontje van zeven minuten naar een contactcenter mogelijk drie minuten geduurd voor het verzamelen van belangrijke informatie en niet altijd nauwkeurig. “Dus zodra een klant eindelijk een adviseur had bereikt, werd hij in de wacht gezet. Terwijl de virtuele assistent al die informatie aan het verzamelen was - ik denk dat de mediane tijd ongeveer 16 seconden was, maar de eerste stukjes informatie kwamen binnen twee of drie seconden terug. Kortom, de adviseur kon met de klant praten terwijl de robot de informatie verzamelde.”

Zodat ze letterlijk het gesprek konden voortzetten.”

Wie is NICE?

NICE bestaat al zo'n 30 jaar. Vroeger richtten ze zich op het opnemen van telefoontjes in contactcenters. Van daaruit "bekeek het bedrijf manieren om waarde te halen uit alle verzamelde gegevens, en de gegevens groeiden met nieuwe kanalen, chat, e-mail en sms."

De route naar AI, RPA en automatisering groeide daaruit.

Vandaag de dag is NICE genoteerd aan de NASDAQ, ze hebben wereldwijd ongeveer 6.000 medewerkers met ongeveer 30 verschillende productlijnen.

Mensen vergroten, in plaats van end-to-end automatiseren

En die oorsprong lijkt NICE zijn unique selling point te geven. Andere bedrijven die in deze ruimte actief waren, begonnen vaak backoffice-processen te automatiseren, zoals financiën en HR, en keken naar processen die van begin tot eind effectief konden worden geautomatiseerd. Voor NICE gaat het om het ondersteunen van werknemers in hun dagelijkse werk.

“We zijn begonnen met realtime procesoptimalisatie in de frontoffice van contactcenters, mensen helpen met werk, niet per se op zoek naar processen die we end-to-end konden automatiseren. Als je mensen kunt verbeteren terwijl ze aan het werk zijn en ze zich kunnen concentreren op de juiste gebieden waar ze waarde kunnen toevoegen, zoals een gesprek voeren of de nuances van de klantgeschiedenis begrijpen, dan is onze mening dat je robots kunt hebben en mensen die samenwerken.

"Dat is krachtiger dan dingen proberen te automatiseren."

Niet alleen om tijd te besparen

Het voordeel zit hem niet alleen in het besparen van tijd. Terugkomend op het voorbeeld van het callcenter, zei Gareth:"Het was een veel gemakkelijkere ervaring voor de klant en voor de mensen die de telefoontjes aannamen." En omdat elk telefoontje sneller kon worden afgehandeld, kon het contactcenter meer telefoontjes afhandelen, waardoor klanten niet zo lang op het eerste antwoord hoefden te wachten.”

Nog een voorbeeld

Hij gaf als een ander voorbeeld virtuele assistenten die verzekeringsclaims helpen. De virtuele assistent kan alle documentatie verzamelen en in het juiste formaat plaatsen, waardoor de medewerker van het contactcenter een gids krijgt, waardoor tijd en moeite wordt gespaard. "We hebben voorbeelden gehad waarbij je een uur van een zaak van twee uur kunt afslaan en mensen het interessantere werk kunt laten doen."

Op andere gebieden kijken we ook naar het toevoegen van kunstmatige intelligentie om te helpen bij sommige beslissingen. Zo kijken we in de zorg bijvoorbeeld naar triage.”

Kloof met klant dichten

“Stel je gaat morgen naar je werk in een contactcenter, bijvoorbeeld om je 8-urige werkdag te doen en 70 telefoontjes/vergaderingen met klanten te houden, waarbij elke vergadering naar verwachting zeven of acht minuten zal duren. Dat zijn veel meetings en in de meeste gevallen zal de klant veel beter geïnformeerd zijn dan zij. Dat is geen geweldige situatie om in te verkeren.

“Dus onze opdracht was om het speelveld gelijk te maken, waarbij de virtuele assistent ondersteuning zou bieden, zodat wanneer een klant belde, de medewerkers zoveel mogelijk wisten over die klant, wat ze eerder hadden gedaan, waar ze over zouden kunnen bellen , en vervolgens, binnen dat gesprek, het leiden. Ze waren dus niet in het nadeel.'

AI en RPA in harmonie

Gegevens! Tegenwoordig zijn gegevens, nou ja, het is vermoedelijk de volgende olie. En NICE denkt dat AI en RPA een nieuwe manier kunnen bieden om data te genereren.

“Als iemand interactie heeft met systemen op een desktop, acht uur per dag tikken, is er veel interactie, veel muisklikken, toetsenbordinvoer, enzovoort. We kunnen van elk van die gebeurtenissen een gegevensbestand maken.

“We denken dat met iemand die acht uur per dag werkt, dat waarschijnlijk 8.000 tot 10.000 bits aan gegevens zijn over hoe ze omgaan met systemen op de desktop. Als je ongeveer 20 mensen een paar weken lang hetzelfde laat doen, kom je op het gegevensniveau waar je machine learning en tekstanalyse kunt gaan gebruiken om patronen te ontdekken in wat ze met deze systemen doen. Dit betekent dat je kunt helpen met wat mensen op hun desktop doen — mensen verbeteren.

“We hebben de automatiseringszoeker ontwikkeld, waarmee we een portal met mogelijkheden hebben gecreëerd om automatiseringsmogelijkheden of virtuele assistent-mogelijkheden te gebruiken. Met behulp van de technologie hebben we een scoresysteem gemaakt — hoe vaak een bepaalde actie heeft plaatsgevonden en welke systemen zijn gebruikt.

“Of neem de customer journey:we kunnen kijken welke reis een klant heeft afgelegd, dus welke kanalen ze hebben gebruikt. Ze hebben het contactcenter gebeld, ze zijn op de website geweest, ze hebben een e-mail gestuurd, enzovoort. Dan kan de software dit aan elkaar koppelen en berekenen hoe groot de kans is dat de klant vervolgens een bepaalde actie onderneemt, wat je gewapend met data kunt voorkomen.”