ChatGPT ist der wohl prominenteste Vertreter der Generative Artificial Intelligence. Mit ihrem Siegeszug hat diese Chat-Anwendung einen Hype um die Potenziale Künstlicher Intelligenz losgetreten. Insbesondere im Kundenservice – egal ob im Verbraucher- oder B2B-Bereich – sind die Erwartungen enorm. Generative Künstliche Intelligenz könnte unzählige Kundenanfragen beantworten, um die sich derzeit Mitarbeitende aus dem Kundenservice kümmern.
ChatGPT als subsymbolische Künstliche Intelligenz
Um die Potenziale zu sichten, ist es zunächst einmal wichtig, zwischen sogenannter subsymbolischer und symbolischer Künstlicher Intelligenz zu unterscheiden. Beide Ansätze unterscheiden sich grundlegend und haben individuelle Stärken und Schwächen. Subsymbolische Künstliche Intelligenz bezeichnet Verfahren des Maschinellen Lernens, welche die Funktionsweise biologischer Neuronen simulieren und daher auch neuronale Netze genannt werden. Somit entstehen Systeme, die sich ohne Programmierung an neue Situationen anpassen. Ein prominenter Vertreter hierfür ist Predictive Maintenance. Vortrainierte neuronale Netze erkennen bereits kleinste Anomalien im Maschinenverhalten und warnen frühzeitig.
Generative Künstliche Intelligenz nutzt neuronale Netze, um Texte, Bilder und Audiodateien zu generieren. Von zentraler Bedeutung für den Kundenservice sind hierbei die Large Language Models, zu denen ChatGPT zählt. Die Künstliche Intelligenz lernt aus großen Datensätzen und kann menschenähnliche Interaktionen simulieren und sogar kreative Inhalte erstellen. Der Aufbau eines Large Language Models ist mit hohen Kosten verbunden. Ist das System erst einmal trainiert, lassen sich Inhalte ohne nennenswerte Aufwände generieren.
Laut Empolis, ein Spezialist für Intelligent Decision Support Solutions, lohnt sich der Einsatz von Generativer Künstlicher Intelligenz im Rahmen des Kundenservice derzeit in fünf Einsatzszenarien:
1. Kundenanfragen schnell beantworten
Guter Service bietet nicht nur Antworten auf explizite Fragen eines Kunden, sondern liefert auch nützliche Hinweise und Zusatzinformationen. Mit Generativer Künstlicher Intelligenz lassen sich die Antworten von Kundendienstmitarbeitenden systematisch um Tipps & Tricks erweitern, die das Kundenerlebnis verbessern. Verläuft die Suche eines Kunden oder einer Kundin zum Beispiel über einen Virtual Assistant oder ein Self-Service-Portal ergebnislos, können generierte Inhalte dem Kunden / der Kundin dabei helfen, das Anliegen eigenständig zu lösen. Idealerweise validieren Servicemitarbeitende die Vorschläge des Systems.
2. Kundenkommunikation effizient personalisieren
Die sprachlichen Fähigkeiten von Generativer Künstlicher Intelligenz sind beeindruckend. ChatGPT kann die Ansprache, den Schreibstil und den Tonfall auf etwaige Adressaten abstimmen. Im Kundenservice bietet das Möglichkeiten, jegliche Kommunikation individuell anzupassen, die Servicequalität zu optimieren und Teams zu entlasten.
3. Wissensdatenbanken mit wenig Aufwand erstellen
Der Aufbau einer Wissensdatenbank ist üblicherweise sehr aufwändig. Mit generativer Künstlicher Intelligenz reduziert sich der Aufwand, sofern diese Technologie als Teil von Content-Workflows zum Einsatz kommt. So könnte ein intelligentes System beispielsweise den Großteil der Arbeit bei der Erstellung von kundenorientierten Inhalten aus beratungsorientierten Inhalten zur Ergänzung des Self-Service oder eines Virtual Assistant übernehmen. Unternehmen antizipieren so potenzielle Kundenanliegen und erstellen kosteneffizient den Grundstock für eine Wissensdatenbank.
4. Kunden-Feedback automatisch zusammenfassen
Moderne Serviceplattformen bieten Kund:innen viele Möglichkeiten, um ihr Feedback zu geteilten Inhalten an die Unternehmen zurückzuspielen. Generative Künstliche Intelligenz kann diese Daten auswerten und zusammenfassen, sodass sich ein klares Bild ergibt. Intelligente Systeme pflegen die Artikel eigenständig.
5. Wissen leichter digitalisieren
In der Serviceorganisation entsteht jeden Tag neues Wissen. Generative Künstliche Intelligenz kann diese Inhalte auswerten und automatisiert in ein standardisiertes Format überführen. So lassen sich neue Datenschätze ohne großen Aufwand erschließen und für den Wissenstransfer nutzbar machen.
Knowledge Graphen als symbolische Künstliche Intelligenz
Trotz der vielfältigen Einsatzmöglichkeiten von generativer Künstlicher Intelligenz hat diese Technologie einen entscheidenden Nachteil: Subsymbolische Künstliche Intelligenz nutzt mathematische Wahrscheinlichkeiten, um Empfehlungen abzugeben. Im Falle von Large Language Models sind gigantischen Mengen an Trainingsdaten in Textform nötig. Für reale Servicefälle bei unternehmensspezifischen Produkten existieren diese Trainingsdaten allerdings längst nicht in ausreichender Quantität und Qualität. Folglich fehlt den Lösungsvorschlägen intelligenter Systeme oft die Zuverlässigkeit. Dies ist dann von Bedeutung, wenn es um sicherheitsrelevante Fragen geht.
Genau diese Lücke füllt die sogenannte symbolische Künstliche Intelligenz. Diese Technologie basiert auf der Annahme, dass durch die Manipulation von Symbolen und die Anwendung von vordefinierten Regeln eine komplexe Logik entsteht. Diese Variante der Künstlichen Intelligenz eignet sich dazu, Wissen zu repräsentieren und daraus Schlussfolgerungen zu ziehen. Zum Einsatz kommt sie häufig in sogenannten Expertensystemen, die Aufgaben erledigen, für die normalerweise ein menschlicher Experte nötig wäre. Diese Systeme nutzen verschiedene Denk- und Problemlösungstechniken, um Lösungen abzuleiten. Ein bekannter Vertreter ist die Knowledge-Graph-Technologie.
Knowledge Graphen arbeiten so, wie Menschen denken. Diese Technologie bildet die logische Grundlage für den Einsatz von Künstlicher Intelligenz im Kundenservice. Sie führt alle Produktinformationen an einem Ort – der „Single Source of Truth“ – zusammen und kontextualisiert sie in logischen Clustern, welche die Zusammenhänge der Daten repräsentieren. Im Servicefall beschleunigt sich dann idealerweise eine Reparatur, und es entstehen Cross- und Upselling-Potenziale im Ersatzteilgeschäft und im Self-Service.
Dienstleister bündeln das Beste aus beiden Welten
Symbolische Künstliche Intelligenz repräsentiert das Expertenwissen eines Unternehmens und bietet das logische Gerüst, das die Zusammenhänge von Daten versteht und abbildet. Subsymbolische Künstliche Intelligenz – hier in Form von Generativer Künstlicher Intelligenz beschrieben – kann hingegen situativ Inhalte generieren. Einfach erstellte Service-Anleitungen zum Beispiel, die das kuratierte Wissen ergänzen, und dabei helfen, die Service-Kosten zu senken und die Customer Experience zu verbessern. Die sprachlichen Fähigkeiten der zugrundeliegenden Large Language Models sind beachtlich und ermöglichen es, jede Interaktion mit Kund:innen, Mitarbeitenden und Partner:innen zu personalisieren. Das volle Potenzial für den Kundenservice entsteht aus der Kombination mehrerer Technologien mithilfe erfahrener Partner:innen. jf
