De uitdaging
Generatieve AI heeft de potentie om customer service te transformeren, vooral in de financiële dienstverlening. FinTechs beloven een hoog niveau van klantenservice om zich te onderscheiden. Tegelijkertijd blijft naleving van strikte regelgeving essentieel. Nieuwe oplossingen moeten beide aspecten bedienen.
De traditionele chatbot van dit bedrijf, met starre dialogen en trefwoordherkenning, voldeed niet. Klanten konden hun problemen vaak niet oplossen via de chat of voicebot en regionale dialecten werden slecht begrepen. Dit leidde tot een groot aantal klantverzoeken die tussenkomst van een serviceagent vereisten.
De bestaande chatbot kon slecht omgaan met complexe menselijke taal zonder vooraf gedefinieerde dialoogstromen. Dit betekende dat er veel handmatig onderhoud nodig was. Deze inefficiëntie, samen met ontevredenheid over de gebruikerservaring, benadrukte de behoefte aan een geavanceerdere, AI-gestuurde oplossing.
De aanpak
Gezien de snelle ontwikkelingen in generatieve AI (GenAI), zijn er verschillende aanpakken mogelijk. Bij Eraneos hebben we gekozen voor de “Mixture-of-Experts” (MoE) techniek. Deze architectuur voor machine-learning verdeelt het probleem over kleinere, gespecialiseerde ‘experts’.
De complexiteit van klantinput wordt aangepakt met het verdeel-en-heers model van MoE. In plaats van de chatbot vooraf te definiëren voor talloze gesprekspatronen, gebruikt onze GenAI-oplossing een gating-functie die de klantinput naar de expert stuurt die de hoogste kans heeft om het juiste antwoord te geven.
Het doel was niet alleen om dialoogstromen opnieuw te definiëren met GenAI, maar om een volledig nieuwe oplossing te bouwen met vooraf gebouwde AWS-services. Naast het verminderen van interacties via klantenservicemedewerkers, was het doel de klanttevredenheid verhogen. De MoE-benadering stelt de oplossing in staat veel klantvragen op te lossen door elke vraag naar de juiste AI-expert te sturen. Dit versnelt de responstijd en zorgt voor gesprekken die natuurlijker aanvoelen.
Als de GenAI-spraak- en chatbot een vraag niet kan oplossen, wordt de klant snel doorverbonden met de klantenservice. Daarnaast wordt emotie-tracking gebruikt om het klantsentiment te peilen en de juiste escalatiescenario’s te activeren.
Onze klant is een grote Europese financiële instelling, die innovatieve oplossingen biedt op het gebied van betalingen, beleggingen, pensioenplanning en financiering. Ze zijn al meer dan een eeuw actief in de financiële dienstverlening en begrijpen als geen ander hoe belangrijk technologische veranderingen zijn, terwijl tegelijkertijd rekening moet worden gehouden met strikte regelgeving. Het bedrijf streeft naar geavanceerde implementaties zonder concessies te doen aan compliance.
Het resultaat
Het bedrijf ontvangt gemiddeld 40.000 klanttelefoontjes per week. Met de GenAI-voice- en chatbotoplossing van Eraneos zal het aantal interacties met agenten aanzienlijk verminderen, uiteindelijk zelfs tot nul in veel gevallen.
De GenAI chatbot van Eraneos begrijpt verschillende talen en dialecten van de klanten van de klant, essentieel omdat bestaande spraak-naar-tekst tools vaak tekortschieten. Eraneos verfijnde bestaande modellen om regionale dialecten beter te ondersteunen.
Dankzij onze Mixture-of-Experts-benadering kan de oplossing 40.000 klantgesprekken per week effectief afhandelen, waardoor het aantal interacties met agenten uiteindelijk tot nul wordt gereduceerd.
Wegens het belang van compliance in deze sector, hebben we twee systemen ontwikkeld: een voor de bot zelf en een apart beveiligingssysteem. Dit garandeert dat het GenAI-model precies werkt zoals gewenst, veel vrijheid binnen de klantdialoog gecombineerd met regels om de dialoog relevant en gepast te houden en gevoelige financiële informatie te beschermen.
De laatste stap was uitgebreide tests om compliance met regelgeving te garanderen. Zo kan de klant GenAI gebruiken om een hoger niveau van klantenservice te bieden zonder zich zorgen te hoeven maken dat er niet aan wet- en regelgeving voldaan wordt.
Samen werken aan een duurzame verandering?
