NICE führt menschliche Augmentation mit fortschrittlicher RPA & Software-Robotik an

Robotic Process Automation und Software-Robotik geht es darum, die menschliche Erfahrung zu erweitern.

Menschen erweitern

NICE hat seinem Roboter einen Namen gegeben – der „NICE Employee Virtual Attendant“ heißt jetzt NEVA.

Und NEVA und NICE-Technologie helfen dabei, Menschen zu erweitern, so Gareth Hole von NICE.

Es kommt auf den Unterschied zwischen attended und unattended Robotern an. „Vielleicht“, schätzt Gareth, „können in einer Organisation 10 bis 20 % der Aktivitäten Ende-zu-Ende automatisiert werden. Aber die Welt ist ein komplexer Ort.“ Und wenn Gareth über die Erweiterung von Menschen spricht, denkt er an die anderen 80 bis 90 %.

Ein Beispiel

Nehmen Sie ein Callcenter. Dieses wird zu bestimmten Jahreszeiten mit Anrufen zu einem bestimmten Thema überflutet. In diesen Zeiten muss es vielleicht Personal aus anderen Bereichen abziehen, denen aber Fachwissen fehlt.

NICE unterstützte eine öffentliche Organisation genau bei dieser Herausforderung.

„Sie stellten fest, dass sie die Größe des Contact Centers in diesen Zeiten verdoppeln mussten.“ Doch dies schuf Herausforderungen,

„Oft mussten Mitarbeiter ein paar Dutzend verschiedene Bildschirme ansehen, um herauszufinden, welche Informationen sie brauchten, um voranzukommen. Oft gab es mehrere Probleme, die sie betrachten mussten.“ Die menschliche Natur bewirkte, dass sie „Dinge unbeabsichtigt übersehen könnten.“

„Wir setzten einen virtuellen Assistenten auf den Desktop.“ Es war eine schnelle Umsetzung, „er ging nach etwa sechs Wochen für 4.000 Menschen live.“

Das neue System bedeutete, dass die Software alle Informationen von all den verschiedenen Bildschirmen sehr schnell sammelte, interpretierte und dem Anrufer entgegennehmenden Person Feedback gab, indem sie sagte: „Das ist in Ordnung, das ist in Ordnung, hier sind ein paar Dinge, die Sie mit dem Kunden besprechen möchten.“

Vor der neuen Software konnte ein siebenminütiger Anruf in einem Contact Center drei Minuten für das Sammeln von Schlüsselinformationen umfassen – und nicht immer genau. „Also, kaum hatte ein Kunde endlich einen Berater erreicht, wurde er in die Warteschleife gelegt. Mit dem virtuellen Assistenten sammelte dieser all diese Informationen – ich glaube, die Medianzeit lag bei etwa 16 Sekunden, aber die ersten Informationen kamen innerhalb von zwei oder drei Sekunden zurück. Kurz gesagt: Der Berater konnte mit dem Kunden sprechen, während der Roboter die Informationen sammelte.“

So konnten sie buchstäblich einfach das Gespräch fortsetzen.“

Wer ist NICE?

NICE gibt es seit etwa 30 Jahren. In den frühen Tagen konzentrierten sie sich auf das Aufzeichnen von Anrufen in Contact Centern. Von dort aus „schaute sich das Unternehmen Wege an, Wert aus all den gesammelten Daten zu ziehen, und die Daten wuchsen mit neuen Kanälen – Chat, E-Mail und SMS.“

Der Weg in KI, RPA und Automatisierung wuchs daraus hervor.

Heute ist NICE an der NASDAQ gelistet, hat eine Belegschaft von rund 6.000 weltweit mit etwa 30 verschiedenen Produktlinien.

Menschen erweitern, statt Ende-zu-Ende zu automatisieren

Und diese Herkunft scheint NICE seinen einzigartigen Verkaufsvorteil zu geben. Andere Unternehmen in diesem Bereich begannen oft damit, Backoffice-Prozesse zu automatisieren – Finanzen und HR zum Beispiel – und suchten nach Prozessen, die effektiv Ende-zu-Ende automatisiert werden konnten. Für NICE geht es darum, Mitarbeiter in ihrer täglichen Arbeit zu unterstützen.

„Wir begannen mit Echtzeit-Prozessoptimierung in Contact Centern im Front Office, halfen Menschen bei der Arbeit, nicht unbedingt auf der Suche nach Prozessen, die wir Ende-zu-Ende automatisieren konnten. Wenn Sie in der Lage sind, Menschen während der Arbeit zu erweitern und sie auf die richtigen Bereiche zu fokussieren, wo sie Mehrwert schaffen können, wie ein Gespräch zu führen oder die Nuancen der Kundenhistorie zu verstehen, dann ist unsere Ansicht, dass Sie Roboter und Menschen zusammenarbeiten lassen können.

„Das ist mächtiger, als nur zu versuchen, Dinge zu automatisieren.“

Nicht nur Zeitersparnis

Der Nutzen geht nicht nur um Zeitersparnis. Zurück zum Beispiel des Callcenters sagte Gareth: „Es war ein viel einfacheres Erlebnis für den Kunden und für die Leute, die die Anrufe entgegennahmen.“ Und weil jeder Anruf schneller abgeschlossen werden konnte, konnte das Contact Center mehr Anrufe bearbeiten, was bedeutete, dass Kunden nicht so lange auf die erste Antwort warten mussten.“

Ein weiteres Beispiel

Er gab als weiteres Beispiel virtuelle Assistenten, die bei Versicherungsansprüchen helfen. Der virtuelle Assistent kann alle Dokumentationen sammeln und in das richtige Format bringen, was dem Contact-Center-Mitarbeiter einen Leitfaden bietet, wodurch Zeit und Aufwand fokussiert werden. „Wir hatten Beispiele, wo man eine Stunde von einem 2-Stunden-Fall abziehen und die Leute die interessantere Arbeit machen lassen konnte.“

In anderen Bereichen schauen wir auch darauf, künstliche Intelligenz oben drauf zu setzen, um bei einigen Entscheidungen zu helfen. So schauen wir im Gesundheitswesen zum Beispiel bei Triage.“

Lücke zum Kunden schließen

„Stellen Sie sich vor, Sie gehen morgen in ein Contact Center arbeiten, zum Beispiel, um Ihren 8-Stunden-Tag zu machen und 70 Telefonate/Meetings mit Kunden zu führen, von denen jedes sieben bis acht Minuten dauern soll. Das sind viele Meetings, und in den meisten Fällen wird der Kunde viel besser informiert sein als sie. Das ist keine großartige Situation.

„Unser Auftrag war also, das Spielfeld zu ebnen, mit dem virtuellen Assistenten, der Unterstützung bietet, sodass, wenn ein Kunde anruft, die Mitarbeiter so viel wie möglich über diesen Kunden wissen, was sie zuvor getan haben, worüber sie anrufen könnten, und dann das Gespräch innerhalb dessen leiten. So waren sie nicht im Nachteil.“

KI und RPA in Harmonie

Daten! Heutzutage sind Daten, nun ja, angeblich das neue Öl. Und NICE meint, dass KI und RPA einen neuen Weg bieten können, Daten zu generieren.

„Wenn jemand acht Stunden am Tag mit Systemen auf einem Desktop interagiert, tippt, gibt es viele Interaktionen, viele Mausklicks, Tastatureingaben usw. Wir können jedes dieser Ereignisse in ein Datenelement verwandeln.

„Wir rechnen damit, dass jemand, der acht Stunden am Tag arbeitet, wahrscheinlich 8.000 bis 10.000 Datenelemente darüber erzeugt, wie er mit Systemen auf dem Desktop interagiert. Sobald Sie etwa 20 Leute haben, die dasselbe für ein paar Wochen tun, erreichen Sie das Datenniveau, wo Sie tatsächlich anfangen können, maschinelles Lernen und Textanalyse zu nutzen, um Muster in dem zu erkennen, was sie mit diesen Systemen tun. Das bedeutet, Sie können helfen, was Menschen auf ihrem Desktop tun – Menschen erweitern.

„Wir entwickelten Automation Finder, indem wir ein Portal mit Möglichkeiten zur Nutzung von Automatisierungs- oder virtuellen Assistenten-Fähigkeiten erstellten. Mit der Technologie erstellten wir ein Scoring-System – wie oft eine bestimmte Aktion passierte und welche Systeme genutzt wurden.

„Oder nehmen Sie die Customer Journey: Wir können uns ansehen, welche Reise ein Kunde hinter sich hat, also welche Kanäle er genutzt hat. Er hat das Contact Center angerufen, war auf der Website, hat eine E-Mail geschickt usw. Dann kann die Software dies zusammenfügen und die Wahrscheinlichkeit berechnen, dass der Kunde als Nächstes eine bestimmte Aktion unternimmt, was, bewaffnet mit Daten, Sie vorhersagen können.“