Når indbakken løber over: hvad AI kan tage

Kundeservice drukner i mails. Her er hvilke dele af arbejdet en sprogmodel realistisk kan overtage, hvilke den ikke kan, og hvad I skal måle først.

ca. 3 min. læsningSkrevet af Mads · Platformhuset

Når en indbakke løber over, er det sjældent, fordi svarene er svære. Det er, fordi der er mange af dem, og fordi hver enkelt kræver, at nogen læser, forstår, finder oplysningen og skriver den samme sætning igen.

Det er godt nyt, for arbejdet kan deles op, og delene er ikke lige svære at overtage.

Del arbejdet op, før I automatiserer noget

En besvarelse består typisk af fem skridt: læse og forstå henvendelsen, sætte den i en kategori, finde de oplysninger der skal til, formulere svaret og trykke send. De to første og det fjerde er der teknologi til i dag. Det tredje afhænger fuldstændig af, om oplysningerne findes et sted, en maskine kan nå. Det femte bør i starten blive hos et menneske.

Danmarks Statistik opgør, hvad danske virksomheder faktisk bruger kunstig intelligens til, og de to mest udbredte anvendelser i 2024 er netop produktion af skreven tekst eller talt sprog og analyse af tekst, med henholdsvis 18 og 17 procent af virksomhederne med mindst ti ansatte. Det er præcis den slags arbejde, en indbakke består af.

Sortering og udkast kan flyttes. Afsendelsen bliver hos et menneske, indtil kvaliteten er målt.

Det, der virker i praksis

  • Sortering i jeres egne kategorier. Modellen kan tvinges til at svare i et fast skema, så kategorien altid er en af jeres egne og aldrig noget, den finder på.
  • Et svarudkast, der ligger som kladde. Mennesket læser, retter og sender. Tidsbesparelsen er reel, og fejlraten bliver aldrig usynlig.
  • Opsamling af de oplysninger, der mangler. Ordrenummer, adresse, hvilket produkt det drejer sig om. Det er den kedelige del, der tager tid.
  • Prioritering. Den vrede kunde og den akutte fejl skal øverst, ikke ligge i kronologisk rækkefølge.

Det, der driller

Tråde er det første. Svar nummer fire i en lang kæde giver ingen mening uden de tre første, og vedhæftede filer bærer tit hele indholdet. En stor del af arbejdet i sådan et projekt går med at beslutte, hvad modellen overhovedet får at se.

Det andet er kilden til svaret. En sprogmodel kan formulere et svar, den ikke har grundlag for, og den gør det uden at virke usikker. Skal den svare på ”hvor er min ordre”, skal den kunne slå det op. Kan den ikke det, skal den sige det og sende videre, ikke gætte.

Det tredje er personoplysninger. En indbakke i kundeservice indeholder navne, adresser, ordrehistorik og af og til langt mere følsomme ting, og det er jeres ansvar, hvad der sendes videre til hvilken leverandør. Den gennemgang hører til før idriftsættelsen, ikke efter.

Mål to ting, før I bygger noget

  1. Hvor mange henvendelser kommer der, og hvordan fordeler de sig på typer? Tag to uger bagud og tæl. Fordelingen er næsten altid mere skæv, end nogen tror, og de tre største kategorier bærer typisk hovedparten.
  2. Hvor lang tid tager en besvarelse i hver kategori? Ikke gennemsnittet for alle. Det er forskellen mellem kategorierne, der afgør, hvor der er noget at hente.

Med de to tal kan I regne på, om et projekt kan betale sig, i stedet for at tro det. Uden dem bygger I noget, der måske løser den femtestørste kategori.

Hvem laver det på dansk

Der findes både færdige værktøjer med dansk sprogunderstøttelse og partnere, der bygger det ind i de systemer, I allerede har. Afvejningen mellem at købe et værktøj og få bygget sit eget, og en konkret gennemgang af mailsortering som byggeopgave, ligger begge i vidensbasen.

Skal vi se på jeres indbakke, kan I beskrive opgaven i Tegnestuen.

Kilder