Können Sie eine Masse von Kundenbeschwerden nicht bewältigen? KI zur Rettung

Die alten Zeiten der Qualitätsbewegung wirken im Rückblick urig:die Banner, die Slogans, die Preise und Teambuilding-Events. Heute dreht sich beim Qualitätsmanagement alles um Informationen – oder besser gesagt darum, wie man sich nicht darin versenkt.

Im Zeitalter der sozialen Medien stehen so viele umfangreiche Daten von Verbrauchern zur Verfügung, dass Unternehmen in der Lage sein sollten, dieses Feedback in die Entwicklung perfekter Produkte umzuwandeln. Wenn nur. Das Problem liegt in der schieren Menge. Wie können Merchandiser, insbesondere in qualitätsorientierten Branchen wie der Pharmaindustrie, all diese Informationen verstehen?

Die kurze Antwort ist, dass sie es nicht können – nicht ohne die Hilfe künstlicher Intelligenz und der aufkommenden Wissenschaft der Vorhersagemodellierung.

Ein Arzneimittelhersteller erhält in der Regel Zehntausende von Kommentaren und Beschwerden aus mehreren Quellen auf der ganzen Welt. Die Standardeinheit zur Bearbeitung von Beschwerden würde Schwierigkeiten haben, diesen überwältigenden Input zu sortieren und Positives von Negativen, Triviales von Lebensbedrohlichen zu trennen.

Laut Steve McCarthy, Vice President of Digital Innovation bei Sparta Systems, einem Anbieter von Qualitätsmanagementsoftware, ist das Überwiegen von Beschwerden in der Regel von Natur aus risikoarm. Trotzdem, sagt er, müsse jede Beschwerde „angefasst“ werden. Der Trick besteht darin, das „Rauschen“ herauszufiltern und sich auf das wirklich wichtige Feedback zu konzentrieren.

Mit Verbesserungen in der Verarbeitung natürlicher Sprache ist KI zu einem immer brauchbareren Mittel zur Interpretation all dieser Daten geworden. Die Idee ist, die Rohdaten durch Automatisierung sortieren zu lassen und der Beschwerdestelle dann eine Einschätzung des Schweregrades, möglicher Ursachen und sogar Handlungsvorschläge zu unterbreiten.

Es bleibt – zumindest vorerst – die Aufgabe der Menschen, computergenerierte Kategorisierungen und Vorschläge zu akzeptieren oder abzulehnen. „In dieser Phase“, sagt McCarthy, „schließen wir den Menschen nicht aus dem Entscheidungsprozess aus, sondern versuchen, die Fähigkeit zu verbessern, intelligentere und effektivere Entscheidungen zu treffen.“

Theoretisch sollte das System seine analytischen Fähigkeiten mit Erfahrung verbessern. Das ist die Grundlage des maschinellen Lernens, einem Schlüsselaspekt der modernen KI. Je mehr es Daten verarbeitet und an Qualitätsingenieure weiterleitet, desto höher ist die Genauigkeit wahrscheinlich, sagt McCarthy.

Ein KI-gesteuertes System wird nicht nur der offensichtlichen Priorität der Patientensicherheit gerecht, sondern ist auch kostengünstiger als eine manuelle, vom Menschen geführte Bewertung. (Vorausgesetzt, letzteres ist bei der Informationsflut, mit der sich Hersteller heute auseinandersetzen müssen, sogar möglich.)

Die Kosten sind jedoch nicht der einzige Grund, nach einer effizienteren Methode zur Bearbeitung von Reklamationen zu suchen. „Da ist der Faktor Geschwindigkeit und Aktualität“, sagt McCarthy. „Es ist wichtig, sich ein solides Bild von der wahrscheinlichen Schwere und dem [Level of] Risk im Zusammenhang mit einer Beschwerde zu machen, damit Sie die Ursachenforschung abschließen können.“

Der nächste Schritt beim Einsatz von KI – und einer, der noch lange nicht ausgereift ist, ist die prädiktive Modellierung. Nachdem sich das System in der Datenkontextualisierung, Auftragskategorisierung und automatisierten Risikobewertung bewährt hat, kann es beginnen, die Arten von Beschwerden zu antizipieren, die es erhalten wird. Durch die Verwendung von Trendanalysen kann es tatsächlich den Schweregrad oder das Risiko vorhersagen, das eine Beschwerde wahrscheinlich darstellen wird.

Mit steigendem Inputvolumen kann die KI-Engine die Anzahl und Art der Abweichungen von Qualitäts-Benchmarks erkennen. Tatsächlich, sagt McCarthy, lernt es aus diesen Daten, bevor ein Produkt überhaupt auf den Markt kommt.

„Diese Datensätze können so zusammengeführt werden, dass Sie, wenn Sie ein bestimmtes Muster in der Werkstatt sehen, das mit Reklamationsdaten nach dem Inverkehrbringen verknüpft ist, diese Datensätze korrelieren und voraussagen können, dass dieses bestimmte Muster zu einer Reklamation führen könnte. “ erklärt McCarthy.

Das Feedback wird Teil eines geschlossenen Regelkreises, durch das es wieder in die Herstellung des Produkts einfließt. Der Hersteller kann feststellen, dass ein Manometer nicht richtig funktioniert. Oder es könnte in der Konstruktionsphase ein Fehler entdeckt werden, der eine Änderung der Rohstoffe und der anfänglichen Produktionseinstellungen erforderlich macht.

Während der Wert eines KI-gesteuerten Qualitätsprozesses in den Biowissenschaften am offensichtlichsten zu sein scheint, sieht McCarthy die Anwendung der Technologie auf eine Vielzahl anderer Branchen gleichermaßen an. Hersteller von Medizinprodukten beispielsweise profitieren enorm davon, dass sie teure Investitionsgüter optimieren können, bevor sie auf den Markt kommen. „Letztendlich“, sagt McCarthy, „geht es um die Signalerkennung.“

Die Technologie hat noch einen Weg vor sich, bevor die Vorhersagemodellierung zu einer vertrauenswürdigen und effektiven Übung wird. In den letzten Jahren hat die KI große Fortschritte beim Verständnis der Feinheiten und Gefühle hinter menschlichen Reaktionen gemacht, aber sie ist noch lange nicht perfekt. Wie analysiert ein Hersteller von Kontaktlinsen beispielsweise Beschwerden wie „Kratzen“, „Juckreiz“, „Brennen“ und einfach „ein unangenehmes Gefühl“?

McCarthy erwartet kontinuierliche Fortschritte in der Technologie, da die Hersteller von Biowissenschaften bestrebt sind, sowohl dem Verbrauchergeschmack als auch den behördlichen Auflagen gerecht zu werden. Auch die Automobilindustrie wird vom Einsatz von KI profitieren, um die Sicherheit zu verbessern und Qualitätsprüfungen in die Fertigung einzubauen.

"Es wird in einer Reihe von Bereichen pilotiert", sagt McCarthy. „Die Möglichkeit, prädiktive Modellierung auf diesen Prozess anzuwenden, ist sehr aufregend. Ich kann mir gar nicht vorstellen, welche Fähigkeiten wir in wenigen Jahren haben werden.“