Case Study

Asystent wiedzy AI dla obsługi klienta w energetyce

Softwise.AI wdrożyło asystenta wiedzy opartego na AI w innogy Polska S.A. - firmie należącej do jednej z największych grup energetycznych w Europie, obsługującej w Polsce ponad milion klientów: gospodarstwa domowe, sektor MŚP i globalne korporacje. Asystent wspiera konsultantów w call center i wybranych oddziałach stacjonarnych w Warszawie. Platforma połączyła wiedzę z SharePointa, dokumentów szkoleniowych i zewnętrznych stron innogy w jedno wyszukiwanie w języku naturalnym - konsultanci znajdują trafne, aktualne odpowiedzi w jednym oknie, a już na etapie proof of concept platforma osiągnęła 84% skuteczności odpowiedzi i ocenę 8,3/10 wśród konsultantów.

KLIENT

innogy Polska (teraz E.ON Polska)

ROK

2019

SEKTORY

Energetyka i usługi komunalne - obsługa klienta

REZULTATY

Asystent wiedzy AI dla konsultantów, Integracja z SharePoint i źródłami zewnętrznymi, Analityka zapytań, Pętla zwrotna doskonalenia bazy wiedzy

The problem

innogy Polska należy do jednej z największych grup energetycznych w Europie, a w Polsce obsługuje ponad milion klientów - gospodarstwa domowe, małe i średnie firmy oraz globalne korporacje. Tak szeroka baza klientów rodzi w obsłudze problem rozległości, a nie głębokości: każdy konsultant musi być gotów odpowiadać na pytania z całej oferty produktów energetycznych, w otoczeniu przepisów potrafiących zmienić się z dnia na dzień, korzystając z dokumentacji tworzonej i utrzymywanej przez wiele różnych zespołów specjalistycznych.

W praktyce ta wiedza była rozproszona między SharePointem, materiałami szkoleniowymi i różnymi stronami innogy - każdy zespół stosował własne standardy, a wspólnego sposobu przeszukiwania całości nie było. Gdy konsultant nie mógł od razu znaleźć odpowiedzi, standardem było pytanie bardziej doświadczonego kolegi albo eskalacja do drugiej linii - co wydłużało obsługę klienta czekającego na linii, a pośrednio także wszystkich, którym ci doświadczeni pracownicy powinni w tym czasie pomagać. Nowi konsultanci potrzebowali długiego szkolenia, by w ogóle zacząć działać skutecznie, a nawet doświadczeni pracownicy tracili czas na przeszukiwanie dokumentów, by potwierdzić, czy to, co pamiętają, jest wciąż aktualne.

innogy zwróciło się do Softwise.AI o jedno, inteligentne wyszukiwanie po całych zasobach wiedzy i, co równie ważne, o system, który sam będzie źródłem wiedzy o tym, gdzie baza wymaga poprawy.

{Kluczowe wyzwania}

Dlaczego dostawca energii z ponad milionem klientów nie mógł skalować wiedzy w swoim call center?

Obsługa klienta mierzyła się ze splotem strukturalnie powiązanych wyzwań:

Bardzo szeroki zakres wiedzy na jednego konsultanta
Każdy konsultant musiał obejmować pełną szerokość produktów energetycznych i typów klientów - od gospodarstw domowych po korporacje - na jednej infolinii.
Częste zmiany przepisów i warunków rynkowych
Zasady i ceny w branży energetycznej potrafią zmieniać się codziennie. Konsultanci musieli stale sprawdzać, czy informacje, które pamiętają, są jeszcze aktualne.
Powolne i kosztowne wdrażanie oraz ciągłe szkolenia
Doprowadzenie nowego konsultanta do pełnej produktywności zajmowało tygodnie szkoleń, a doświadczeni pracownicy potrzebowali regularnych aktualizacji wiedzy. Koszty szkoleniowe były znaczącym obciążeniem operacyjnym.
Duża zależność od drugiej linii wsparcia
Znacząca część zapytań trafiała do bardziej doświadczonych kolegów lub drugiej linii - wydłużając czas obsługi w całym zespole.
Rozproszone zasoby SharePoint
Bazę wiedzy utrzymywało wiele zespołów tematycznych bez wspólnych standardów - co utrudniało przeszukiwanie między zespołami i spójność treści oraz spowalniało odpowiedzi na złożone pytania.

{Proces}

Jak wdrożyliśmy asystenta wiedzy w jednym oknie i przekuliśmy dane o jego użyciu w poprawę bazy wiedzy?

Softwise.AI poprowadziło projekt, celowo kładąc nacisk na domknięcie pętli między asystentem AI a bazą wiedzy, na której pracuje.

Discovery i mapowanie źródeł

Zespół wspólnie z innogy przeanalizował sposób pracy konsultantów, strukturę istniejących zasobów SharePoint, używane materiały szkoleniowe i zewnętrzne strony innogy, do których konsultanci musieli sięgać. Celem był jasny obraz tego, co ma zasilić jedno okno wyszukiwania.

Integracja źródeł w jednym miejscu

Platformę połączono z SharePointem, dokumentami szkoleniowymi i zewnętrznymi stronami innogy - skupiając całą wiedzę istotną dla konsultanta w jednym miejscu, przeszukiwalnym w języku naturalnym.

Budowa asystenta wiedzy AI

Na ujednoliconych zasobach zbudowano warstwę wyszukiwania w języku naturalnym, zaprojektowaną pod rzeczywisty tryb pracy konsultanta - szybkie sprawdzenie w trakcie rozmowy, z odpowiedziami możliwymi do prześledzenia do dokumentów źródłowych.

Proof of concept z mierzalnymi kryteriami sukcesu

System wdrożono wśród konsultantów call center i w wybranych warszawskich oddziałach. Sukces zmierzono wprost: już na etapie PoC osiągnięto 84% skuteczności odpowiedzi i ocenę 8,3/10 w badaniu zadowolenia użytkowników.

Analityka zapytań przekuta w pętlę doskonalenia bazy wiedzy

Najcenniejszym produktem ubocznym wdrożenia okazała się sama analityka. Analizując rzeczywiste zapytania konsultantów i jakość zwracanych odpowiedzi, zespół zidentyfikował obszary, o które konsultanci realnie pytali, a których istniejące dokumenty SharePoint nie opisywały - oraz miejsca, w których treści były po prostu nieaktualne. Te wnioski bezpośrednio zasiliły poprawę zasobów SharePoint, doprecyzowanie szkoleń okresowych i skrócenie wdrożenia nowych pracowników.

Solution

Konsultanci innogy pracują teraz w jednym oknie wyszukiwania opartym na AI, które czerpie z pełnych zasobów wiedzy firmy - i daje biznesowi ciągły, oparty na danych obraz tego, gdzie baza wiedzy wymaga rozwoju.

Jedno okno dla SharePointa, materiałów szkoleniowych i źródeł zewnętrznych

Konsultanci w call center i warszawskich oddziałach przeszukują SharePoint, dokumenty szkoleniowe i zewnętrzne strony innogy z jednego interfejsu - koniec z przełączaniem narzędzi i pamiętaniem, który zespół zarządza którym dokumentem.

Wyszukiwanie w języku naturalnym z odpowiedziami możliwymi do prześledzenia

Zapytania zadawane naturalnym językiem są dopasowywane semantycznie do treści - system zwraca najtrafniejsze fragmenty z odnośnikami do źródła, dzięki czemu konsultant potwierdza odpowiedź w kilka sekund, zamiast przeglądać długie dokumenty.

Analityka zapytań jako soczewka bazy wiedzy

System na bieżąco analizuje, o co konsultanci naprawdę pytają i jak dobrze odpowiedzi trafiają w potrzeby. Te dane ujawniają dwie rzeczy, których innogy wcześniej nie widziało: tematy, o które pytają konsultanci, a których SharePoint nie opisuje, oraz dokumenty, które się zdezaktualizowały. Jedno i drugie trafia wprost na listę poprawek bazy wiedzy.

Pętla zwrotna do szkoleń i wdrażania nowych osób

Ta sama analityka pozwala lepiej planować szkolenia okresowe (skupione na obszarach, z którymi konsultanci sobie nie radzą) i skracać wdrożenie (bo asystent przejmuje część wiedzy, którą wcześniej nowy pracownik musiał mieć w głowie od pierwszego dnia).

{Wyniki}

84% skuteczności odpowiedzi i ocena 8,3/10 już na etapie proof of concept

Platforma przyniosła mierzalne wyniki już podczas testów, przed pełnym wdrożeniem produkcyjnym:

84% skuteczności odpowiedzi na etapie PoC.
Ocena 8,3/10 w badaniu zadowolenia konsultantów korzystających z platformy.
Zidentyfikowane luki w wiedzy - tematy, o które pytano, a których istniejąca dokumentacja nie obejmowała.
Zidentyfikowane nieaktualne treści - materiały SharePoint wymagające odświeżenia.
Lepsze dopasowanie komunikacji zewnętrznej i wewnętrznej do rzeczywistych potrzeb klientów.

{Wpływ na biznes}

Krótsza obsługa, mądrzejsze szkolenia i baza wiedzy, która sama się doskonali

Krótszy czas obsługi klienta. Konsultanci znajdują odpowiedzi w jednym oknie, zamiast szukać po SharePoincie, plikach szkoleniowych i stronach internetowych.
Mniejsza zależność od drugiej linii. Mniej zapytań przekazywanych doświadczonym kolegom oznacza, że mogą oni skupić się na naprawdę złożonych sprawach.
Tańsze i szybsze wdrażanie. Nowi konsultanci osiągają produktywność wcześniej, pracując z asystentem u boku - co obniża wysokie koszty szkoleń.
Lepiej ukierunkowane szkolenia. Programy szkoleń okresowych dopasowują się do rzeczywistych luk wskazywanych przez system - zamiast powtarzać ten sam ogólny program rok w rok.
Baza wiedzy, która sama się doskonali. Analityka zapytań zamienia każdą interakcję konsultanta w sygnał, które dokumenty wymagają aktualizacji lub rozszerzenia - to cykl ciągłego doskonalenia, który biznes ma teraz we własnych rękach.

{Kluczowe rekomendacje}

5 zasad dla asystentów wiedzy AI w regulowanej, wielozespołowej obsłudze klienta

Najpierw ujednolić źródła, potem wyszukiwanie. Zasoby SharePoint prowadzone przez wiele zespołów obrastają własnymi konwencjami i lukami. Zebranie wszystkiego w jednym oknie wyszukiwania to krok pierwszy; ujednolicenie samych treści - drugi.
Zawsze zwracaj źródło. W sektorach regulowanych, takich jak energetyka, gdzie przepisy często się zmieniają, odpowiedzi powiązane ze źródłem pozwalają konsultantom upewnić się, że są na bieżąco - a firmie obronić decyzję po fakcie.
Traktuj analitykę zapytań jako listę treści do opracowania. Najcenniejszym produktem asystenta wiedzy nie jest odpowiedź udzielona konsultantowi, lecz lista pytań, na które nie umiał dobrze odpowiedzieć. Ta lista to plan pracy nad bazą wiedzy na kolejny kwartał.
Wykorzystaj asystenta do przeprojektowania szkoleń, nie tylko do odpowiadania na pytania. Rzeczywiste dane o użyciu lepiej wskazują, na czym skupić szkolenia, niż jakakolwiek wewnętrzna opinia - a wdrożenie nowych osób skraca się równolegle.
Weryfikuj mierzalnymi wskaźnikami już od PoC. Jasne kryteria sukcesu (np. skuteczność odpowiedzi, zadowolenie użytkowników) ustalone na etapie PoC dają biznesowi pewność potrzebną do skalowania - i argumenty, by je przeprowadzić wewnątrz organizacji.

SUMMARY

Softwise.AI dostarczyło konsultantom obsługi klienta innogy Polska asystenta wiedzy AI działającego w jednym oknie - integrując SharePoint, materiały szkoleniowe i zewnętrzne strony innogy w jedno wyszukiwanie w języku naturalnym. Już na etapie proof of concept platforma osiągnęła 84% skuteczności odpowiedzi i ocenę 8,3/10 wśród użytkowników, a analityka zapytań dała innogy usystematyzowany sposób na wykrywanie luk w bazie wiedzy, aktualizowanie nieaktualnych treści, doprecyzowanie szkoleń okresowych i skrócenie wdrażania nowych konsultantów. Usprawnienie codziennej pracy obsługi klienta stało się w ten sposób trwałym, opartym na danych mechanizmem doskonalenia całej organizacji.