Så byggde vi en kundtjänstagent på fyra språk

Det började med ett mail i januari. En e-handlare i Skellefteå sålde produkter till kunder i hela Norden och i UK. Hon hade tre personer som svarade på frågor i chatten och två till som tog mail. Samma frågor återkom dagligen: var är min order, hur returnerar jag, varför är artikeln slut. Hon ville ha en chattbot.

Vi sa nej till chattbot. Vi föreslog en agent. Skillnaden låter akademisk men är praktisk. En chattbot svarar på vad du skrev. En agent förstår vad du försöker göra, hämtar in det den behöver från andra system och returnerar något användbart. Ibland är det ett svar. Ibland är det en åtgärd, som att starta en retur eller skicka ut en ny faktura.

Språkfrågan löste sig själv, fast inte som vi trodde

Vi gick in med antagandet att vi skulle behöva fyra parallella prompts, en per språk, och kanske till och med fyra olika modeller. Det visade sig vara fel. Modellen vi körde, Claude Sonnet i en relativt nyligen släppt version, klarade alla fyra språken naturligt. Det vi behövde var att vara tydliga med en sak: agenten ska svara på samma språk som kunden skriver på, även om det betyder att blanda inom samma konversation.

Det låter trivialt men är det inte. En finsk kund som skriver på engelska för att hen tror att det går snabbare ska få svar på engelska, inte finska. En norsk kund som plötsligt byter till svenska i mitten av samtalet ska följas. Vi löste det med en enkel instruktion högst upp i system-prompten och två exempelsekvenser. Inget mer.

Det svåra var inte språket, det var att veta när man inte ska svara

Den verkliga utmaningen var eskalering. När ska agenten svara själv, och när ska den lämna över till en människa. Vi byggde in tre tydliga regler. Om kunden uttrycker ilska eller besvikelse, eskalera direkt. Om frågan rör återbetalning över tusen kronor, eskalera. Om agenten är osäker på sitt eget svar, eskalera.

Den sista regeln var den viktigaste. Vi lärde agenten att skatta sin egen säkerhet och vid lägre tröskel öppna ett ärende åt en människa istället för att gissa. Det halverade andelen frustrerade följdfrågor under första månaden.

Resultatet efter åtta veckor

Två av de fem personerna som tidigare svarade på första-linjefrågor jobbar nu med returer och kundlojalitet istället. De andra tre är kvar och hanterar de cirka 30 procent av ärendena som agenten skickar vidare. Svarstiden under arbetstid har gått från tolv minuter till under en. Utanför arbetstid svarar agenten själv på 70 procent av allt som kommer in.

Det vi lärde oss är att den största vinsten inte var kostnadsbesparing. Det var att teamet slapp svara på samma fråga om leveranstid hundra gånger om dagen och kunde ägna sig åt det som faktiskt kräver en människa. Sympati, omdöme, förhandling. Det är där värdet sitter.

Vad du borde tänka på om du står inför något liknande

Börja inte med tekniken. Börja med att läsa de senaste tusen ärendena själv och kategorisera dem. Vad är repetitivt och regelbundet, vad kräver omdöme, vad är komplext nog att alltid behöva människa. När du har den fördelningen vet du vad agenten ska göra och vad den absolut inte ska göra. Tekniken faller på plats efter det.