KI und Kompetenz

92 Prozent aller Interaktionen mit Chatbots haben mit Schimpfwörtern zu tun und richten sich gegen den Bot. Das lässt tief blicken, aber warum ist das so? Warum wird der Verbraucher durch einen Bot gereizt, der klar und höflich kommunizieren kann, aber einen sehr begrenzten Wortschatz hat?

In der Regel hat der Verbraucher bei einer Reklamation ein, für ihn, dringendes Anliegen. Und dieses dringende Anliegen möchte er schnellstmöglich jemandem verständlich machen der ihn möglichst schnell versteht, damit ihm umgehend geholfen werden kann.

Wieso kann ein Chatbot weiterhelfen aber gleichzeitig den Verbraucher so frustrieren, dass er ihn beschimpft?

Viele Verbraucher haben noch immer wenig Vertrauen in die Chatbot-Technologie. Kein Wunder, denn die ersten Gehversuche (Stichwort Turing-Test) wurden weder von der Öffentlichkeit noch von der Weltpresse wirklich ernst genommen.

Obwohl sich die Chatbot-Technologie stetig weiterentwickelt, werden die meisten Bots nur bei sehr einfachen Anliegen eingesetzt. Sobald die Anfrage komplexer wird, landet die Anfrage auf dem Tisch eines Kundenservice-Mitarbeiters. Mittlerweile kennen viele Verbraucher dieses Vorgehen und versuchen den Chatbot bewusst zu verwirren. Hat der Kunde ein kompliziertes Anliegen, dann unterstellt der Kunde der KI oftmals weniger Kompetenz und versucht damit ganz bewusst die KI aus dem Konzept zu bringen. Das Ziel hinter dieser Methode ist es, schneller einen Menschen ans Telefon oder an die Tastatur zu bekommen.

Warum wird einem Menschen mehr Kompetenz unterstellt als einer KI? Während die KI ein umfangreicheres spezifisches Fachwissen hat, ist ein Mensch (noch) besser dazu in der Lage den Kontext eines Anliegens zu verstehen. Oft ist aber gerade das spezifische Fachwissen und der direkte Zugang zu Zahlen, Daten und Fakten wichtig. Geht es um Detailwissen, kann der Mensch erst nach Blick in ein Regelwerk Auskunft geben. Die KI (der Chatbot) ist jedoch mit der Wissensdatenbank verbunden und kann theoretisch im selben Augenblick antworten in der man ihr die Frage stellt. Daher eignet sich der Chatbot vor allem bei einfachen Anfragen.

Für viele Unternehmen wird es immer schwieriger den Balance-Akt zwischen schneller Abarbeitung von Kundenfällen und personalisierter Kommunikation zu finden. In Zeiten schneller Automatisierung ist eine personalisierte Kommunikation mindestens so wichtig wie früher. Um die passende Balance zu finden, lohnt sich eine Sentiment-Analyse. Eine Sentiment-Analyse der Kundenanfrage hilft der KI eine Antwort zu formulieren, die persönlich und deeskalierend auf den Gesprächspartner wirkt. Durch eine Sentiment-Analyse ist der Unterschied für den Kunden häufig gar nicht mehr zu erkennen: „Spreche ich mit einem Chatbot oder mit einem Menschen?“

Wie kann eine KI personalisierte und individuelle Kommunikation übernehmen ohne enttarnt zu werden?

Findet eine fachliche und eine semantische Vorsortierung der Kundenanfrage statt, kann das richtige neuronale Netz der passende Helfer sein.[https://reklamation.com/reklamationsmanagement] Das Netzkonstrukt besteht unter anderem aus einem universellen Satzcodierer für semantisches Abrufen und einem auf neuronalen Netzen basierenden semantischen Textähnlichkeitsteil. Das hört sich jetzt furchtbar kompliziert an, ist aber im Grunde nichts weiter, als der Bereich in der KI für die Sprache in geschriebener Form verantwortlich ist.

Fazit: Im Jahre 2021 setzen zahlreiche Unternehmen den Chat-Bot für Kundenreklamationen [https://reklamation.com/reklamieren] ein. Bei einfachen Anfragen gelingt die Bearbeitung von Kundenanfragen mittels KI bereits so effizient, dass der Verbraucher den Unterschied in geschriebener Form fast nicht mehr erkennen kann. Bei komplexeren Anfragen fehlen vielen Chatbots noch der Kontext, sodass ein Kundenservice-Mitarbeiter nachhelfen muss. Viele Kunden kennen die hinter einem Chatbot stehende Technologie und versuchen bspw. durch komplexe Nachfragen oder Beschimpfungen den Chatbot aus dem Konzept zu bringen um schnell an einen Mitarbeiter zu kommen. Zukünftig wird der Fokus daher auf die Verbesserung der KI liegen, damit die Technik auch komplexere Zusammenhänge besser erkennen kann.