Ambang Kepercayaan: Kapan AI Harus Membalas vs Kapan Bertanya ke Manusia

Apa itu ambang kepercayaan

Ambang kepercayaan adalah skor, ditetapkan oleh sistem, di bawahnya AI tidak akan membalas secara otonom. Sebaliknya, ia berhenti dan mengajukan pertanyaan klarifikasi, menandai percakapan untuk ditinjau oleh manusia, atau segera mentransfer ke agen manusia. Skor dihitung berdasarkan seberapa baik AI memahami niat pelanggan dan berapa banyak informasi relevan yang tersedia untuk membangun respons yang benar.

Anggaplah ini sebagai mekanisme kesadaran diri. AI yang dikalibrasi dengan baik mengetahui apa yang tidak diketahuinya. Ia tidak berpura-pura yakin ketika tidak yakin. Ini sangat penting dalam konteks D2C, di mana jawaban yang salah tentang kebijakan pengembalian, tanggal pengiriman, atau spesifikasi produk dapat menciptakan masalah layanan pelanggan yang membutuhkan upaya jauh lebih besar untuk diselesaikan daripada eskalasi sederhana.

Mengapa 100 persen otonomi AI adalah tujuan yang salah

Beberapa pendiri awalnya menginginkan otomasi penuh: tidak ada manusia yang terlibat, sama sekali. Ini terdengar efisien. Dalam praktiknya, ini adalah masalah keandalan. Percakapan pelanggan tidak dapat diprediksi. Pelanggan yang bertanya tentang pengembalian mungkin tiba-tiba menyebutkan bahwa kurir merusak kemasan dan mereka memiliki foto. Pelanggan yang meminta rekomendasi produk mungkin menyebutkan bahwa mereka membelinya sebagai hadiah untuk seseorang yang alergi terhadap bahan tertentu.

Percakapan ini memerlukan penilaian yang melampaui basis pengetahuan tetap. AI yang menyadari hal ini dan melakukan eskalasi lebih berguna daripada AI yang terus maju dan memberikan jawaban yang salah. Tujuannya bukan 100 persen otonomi. Tujuannya adalah otonomi yang tepat: otomasi tinggi untuk percakapan di mana AI dapat diandalkan, dan eskalasi yang tepat untuk yang tidak.

Tolok ukur praktis

Tingkat penanganan AI sebesar 80 hingga 86 persen adalah target yang sehat untuk sebagian besar merek D2C. Itu berarti 14 hingga 20 persen percakapan dieskalasikan. Ini biasanya merupakan percakapan yang kompleks, ambigu, atau sarat emosi di mana respons manusia benar-benar membuat perbedaan. Mencoba mendorong di atas 90 persen otonomi biasanya berarti menurunkan ambang kepercayaan terlalu jauh dan berisiko mendapatkan lebih banyak jawaban yang salah.

Cara menetapkan ambang per jenis percakapan

Tidak semua percakapan membawa risiko yang sama. Kueri status pesanan berisiko rendah: AI benar atau tidak, dan jawaban yang salah dengan cepat dikoreksi oleh pelanggan. Ini dapat berjalan dengan ambang yang lebih rendah. Permintaan pengembalian yang melibatkan pengembalian dana lebih berisiko tinggi: komitmen yang salah dapat menciptakan kewajiban finansial nyata. Ini harus berjalan dengan ambang yang lebih tinggi, dengan pemicu eskalasi yang lebih konservatif.

Pendekatan ambang berjenjang biasanya terlihat seperti ini. Kueri rutin (status pesanan, panduan ukuran, ETA pengiriman) dapat berjalan dengan ambang lebih rendah dengan otonomi tinggi. Pertanyaan pra-pembelian dengan spesifikasi produk terperinci berjalan dengan ambang sedang. Permintaan pengembalian, keluhan, dan permintaan pengecualian berjalan dengan ambang lebih tinggi dengan eskalasi lebih sering.

Kapan harus mengeskalasi ke manusia: lima sinyal

Di luar skor kepercayaan, ada lima sinyal percakapan yang harus selalu memicu eskalasi, terlepas dari skor.

Pertama, emosi negatif yang kuat. Jika pelanggan menggunakan bahasa yang menyiratkan kemarahan, kekecewaan, atau kesusahan, respons manusia hampir selalu lebih baik daripada respons berbasis templat.

Kedua, permintaan untuk berbicara dengan manusia. Jika pelanggan secara eksplisit meminta untuk berbicara dengan seseorang, permintaan itu harus dipenuhi segera. Mencoba menyelesaikannya dengan AI adalah pelanggaran kepercayaan.

Ketiga, pesanan bernilai tinggi. Untuk pesanan di atas ambang tertentu (yang bervariasi per merek tetapi biasanya di atas persentil ke-80 dari nilai pesanan rata-rata), perhitungan risiko berubah. Tingkat eskalasi yang lebih tinggi pada pesanan premium biasanya sepadan dengan biaya tambahan.

Keempat, permintaan klarifikasi berulang. Jika AI telah meminta klarifikasi lebih dari sekali dan percakapan masih tidak jelas, manusia harus mengambil alih. Loop mengikis kepercayaan.

Kelima, pengecualian kebijakan. Permintaan apa pun yang mengharuskan penyimpangan dari kebijakan standar harus ditinjau oleh manusia. AI tidak boleh membuat keputusan pengecualian secara sepihak, karena keputusan tersebut menciptakan preseden dan memiliki implikasi finansial.

Pengalaman eskalasi sama pentingnya dengan eskalasi itu sendiri

Cara AI menyerahkan ke manusia membentuk persepsi pelanggan terhadap keseluruhan interaksi. Serah terima yang baik cepat, mencakup ringkasan tentang apa yang dibahas, dan tidak membuat pelanggan mengulang diri. Serah terima yang buruk lambat, membiarkan manusia tanpa konteks, dan memaksa pelanggan untuk mulai dari awal.

Agen manusia yang mengambil alih eskalasi yang dipersiapkan dengan baik dapat menyelesaikan percakapan dalam hitungan menit. Yang mengambil alih transfer dingin tanpa konteks membutuhkan waktu jauh lebih lama dan biasanya memberikan pengalaman yang lebih buruk. Membangun kebersihan eskalasi yang baik ke dalam sistem AI bukan pilihan. Itulah yang membuat seluruh sistem bekerja.