Se a conexão humana e a IA ou o aprendizado de máquina parecem paradoxos para você, você não está sozinho. Muitas empresas hoje, incluindo a Assurant, estão usando IA para automatizar tarefas rotineiras, melhorando a velocidade e a eficiência de suas operações. Esta realidade foi sublinhada num estudo recente da Deloitte, que concluiu que 79% das empresas globais antecipam transformações significativas nas suas organizações através da IA nos próximos três anos. Mas se a primeira coisa em que você pensa quando ouve os termos “IA” ou “aprendizado de máquina” é robôs e mecânica, então provavelmente você está pensando errado.
“A chave para desbloquear a revolução da experiência do cliente é manter a conexão humana como base de sua estratégia de IA”, afirma Deb Battaglia, vice-presidente sênior de Customer Experience da Assurant. “Existem infinitos subbenefícios da IA, mas o caso de uso final é priorizar a melhoria em nossas conexões com as pessoas às vezes isso pode significar um serviço mais rápido, e outras vezes pode significar opções ou recomendações mais personalizadas a forma como nós, como empresa, aplicamos a IA – e qualquer avanço tecnológico – deve ser ditada pelas necessidades de nossos clientes. O crescimento dos negócios segue como resultado natural da priorização do cliente."
Se isso parece uma tarefa difícil, aqui estão três mudanças nas expectativas dos consumidores e os resultados que vimos ao integrar a IA generativa (gen AI) e o aprendizado de máquina para atender às novas expectativas.
3 mudanças nas expectativas do cliente
1. Os clientes desejam mais opções e flexibilidade.
As expectativas dos clientes têm aumentado há muito tempo. Durante a pandemia, muitas empresas elevaram ainda mais o nível de experiência do cliente (CX). Vimos um grande foco na tecnologia e nas ferramentas necessárias para apoiar uma força de trabalho móvel e um novo tipo de cliente que passava mais tempo em casa. E, como 72% dos clientes afirmam querer opções de serviço imediato, os canais digitais ganharam destaque de uma nova forma. [1]
Em vez de tentar agendar atendimentos presenciais, a maioria dos clientes recorria a soluções digitais, como chat e e-mail, quando tinham algum problema.
Resumo do estudo de caso da Assurant: Nos Contact Centers da Assurant, integramos a geração de IA nos canais de bate-papo e contato de voz para ajudar a atender à necessidade de respostas do consumidor em tempo real nos canais de sua escolha. Depois de treinar automaticamente o mecanismo com base nos casos de uso existentes e testá-lo em relação às dúvidas mais comuns dos clientes, nós o colocamos nas mãos de nossos agentes. Hoje, a IA generativa sugere respostas às perguntas dos clientes no chat ou na transcrição de voz, que os agentes podem optar por usar ou modificar (80% das vezes, os agentes optam por usar a sugestão gerada como ela está). O resultado foi um aumento de 9 pontos nas pontuações de satisfação do cliente (CSAT). E, como resultado natural, a produtividade duplicou.
2. Clientes procuram experiências proativas versus reativas.
Os clientes estão sempre comparando sua empresa com a melhor experiência que tiveram, seja com seu concorrente ou com um supermercado de sua vizinhança. Hoje, eles querem experiências proativas que tirem deles a responsabilidade pela demorada tomada de decisões (pense: o Microsoft Outlook sugerindo tempo de foco para seu calendário sem que você precise identificar seu tempo livre). Quando usada corretamente, a IA pode reduzir o tempo necessário para tomar decisões em até 40%. [2] Quando se trata de dispositivos móveis e eletrônicos, isso se traduz em serviços personalizados e opções de reparo que se adaptam perfeitamente ao dia do cliente.
Resumo do estudo de caso da Assurant: A plataforma de atendimento dinâmico com patente pendente da Assurant foi projetada para atender a essa necessidade de recomendações proativas e mais adequadas para cada cliente. Quando os clientes enviam um problema de dispositivo on-line, via chat ou telefone, o atendimento dinâmico aproveita o aprendizado de máquina para combinar rapidamente com os clientes a melhor opção de resolução para a marca e modelo do dispositivo, sua localização, seu plano de proteção e uma variedade de outros fatores. As opções de resolução variam desde reparos entregues no mesmo dia até substituições pelo correio em 24 horas. Ao usar o aprendizado de máquina para determinar proativamente o melhor caminho para resolver o problema específico de cada cliente, conseguimos melhorar o NPS em mais de 33%.
3. Um bom CX faz com que a eficiência pareça fácil.
Qualquer pessoa que já trabalhou em uma função de operações sabe que a eficiência é tudo menos fácil. Mas aplicar IA nos pontos de contato certos pode reduzir o atrito para os clientes e, ao mesmo tempo, aumentar a produtividade em suas operações. Isso se torna altamente visível durante as reclamações e jornadas de serviço.
Estudo de caso da Assurant: hoje, modelos preditivos são implantados para reduzir falsos positivos em sinalizadores de fraude, permitindo que os clientes concluam o processo de sinistros com mais rapidez e, ao mesmo tempo, garantindo que a Assurant mitigue com sucesso as perdas por fraude. Olhando para o que vem por aí na frente de CX, estamos aprimorando as jornadas de serviço para ajudar mais clientes a evitar reclamações usando IA generativa. Nossas equipes estão no processo de integração de prompts de geração de IA que ajudarão os clientes a diagnosticarem e resolver problemas de dispositivos remotamente, obtendo soluções instantâneas e evitando ter que visitar uma loja para reparos ou que alguém vá até suas casas.
Qual é o resultado para as empresas?
À medida que olhamos para o futuro, fica cada vez mais claro claro: dar prioridade às ligações humanas e, ao mesmo tempo, aproveitar o poder da IA irá melhorar, e não substituir, essas ligações. Quando fazemos isso corretamente, as empresas podem não apenas atender, mas também superar as expectativas dos consumidores mais exigentes de hoje, impulsionando o crescimento sustentado e a diferenciação num cenário cada vez mais competitivo.
