צוות השירות של חברת ביטוח גלובלית פתח את היום מול יותר מ-10,000 אימיילים, תביעות, חידושים, שאלות על פוליסות ותלונות, הכול בתיבה משותפת אחת. אנשים בילו שעות רק בקריאה והעברה של כל אחד לשולחן הנכון, כך שהודעות דחופות באמת חיכו מאחורי שגרתיות, והתשובות חרגו שוב ושוב מחלון הזמן שהובטח.
כל אימייל נחת בתיבה משותפת אחת, ואדם היה צריך לפתוח אותו, להבין על מה הוא, לשפוט כמה הוא דחוף, ולהעביר אותו לצוות הנכון. ביותר מ-10,000 ביום, הקריאה והניתוב האלה בלעו את השעות עוד לפני שמישהו באמת עזר ללקוח.
הדחיפות הייתה נסתרת עד שמישהו פתח את ההודעה. תביעה שדרשה טיפול היום ישבה באותו תור כמו שינוי כתובת שגרתי, כך שההודעות שהכי חשובות היו אלה שהכי סביר שימתינו, וחלון המענה שהובטח המשיך להישמט.
העלות טיפסה עם הנפח. לטפל ביותר אימיילים פירושו להוסיף עוד אנשים שיקראו וימיינו, וכל צרופה, מסמך פוליסה, טופס תביעה, דף חשבון, הייתה עוד דבר שאדם היה צריך לפתוח, להבין ולתייק ביד.
לתת ל-AI להבין כל הודעה ואת הצרופות שלה, ואז לנתב אותה ולענות על השגרתיות, כך שאנשים מבלים את הזמן בלקוחות במקום בתיבה.
מודל שפה טבעית קורא כל אימייל נכנס ואת הצרופות שלו, טופס תביעה, מסמך פוליסה, דף חשבון, ומבין על מה ההודעה באמת, במקום להתאים לפי שורת נושא או מילת מפתח.
המערכת מסווגת כל אימייל לפי כוונה, תביעה חדשה, חידוש, שינוי בפוליסה, תלונה, ולפי כמה הוא דחוף, כך שהתור מסודר לפי מה שצריך תשומת לב קודם ולא לפי זמן הגעה.
כל הודעה מנותבת מעצמה לצוות או למומחה שאמור לטפל בה, עם הפוליסה וההיסטוריה הרלוונטיות כבר מצורפות, כך ששום דבר לא יושב בתיבה משותפת וממתין שאדם יעביר אותו.
לבקשות השגרתיות והמובנות, המערכת מכינה טיוטת תשובה ששולפת את פרטי הלקוח ומצב הפוליסה מה-CRM, כך שנציג מתחיל מתשובה כתובה לבדוק ולשלוח במקום מהודעה ריקה.
שום טיוטה לא יוצאת לבד. נציג בודק ושולח אותה, וכל דבר שהמודל לא בטוח בו, בקשה עמומה, תלונה רגישה, מוסלם לאדם במקום שייענה אוטומטית.
כיוון שהמודל קורא את הצרופות לצד האימייל, המידע הדרוש לפעולה, פרטי התביעה, מספר הפוליסה, השינוי המבוקש, נלכד מראש במקום שנציג יפתח ויקליד מחדש כל מסמך ביד.
הקריאה והמיון קורים מעצמם, ואנשים מבלים את הזמן במענה ללקוחות.
זמני המענה הראשון ירדו מעד 48 שעות לפחות מ-30 דקות. תביעות ותלונות דחופות צפות עכשיו מיד במקום להמתין מאחורי דואר שגרתי, ומנהל התפעול של הצוות תיאר את השינוי כהוצאה של האנשים שלו מהתיבה ובחזרה לעבודה שדורשת אדם.
החברה מטפלת בנפח האימיילים הגדל עם הצוות שכבר יש לה. עלויות השירות ירדו בכ-30%, והשולחן גדל עם העסק במקום לדרוש גיוס חדש על כל קפיצה בנפח.
השירות מאט כשאנשים מבלים את היום בקריאה וניתוב במקום במענה. הערך כאן הוא AI שקורא כל אימייל ואת הצרופות שלו, מבין מה כל אחד צריך, שולח אותו לשולחן הנכון ומכין את התשובות השגרתיות, כשאדם שולח כל תשובה, כך שדחיפות מטופלת בדקות וזמן הצוות הולך ללקוחות. זו אותה משמעת של זיהוי כוונה שמאחורי מיון הפניות שלנו, מכוונת לתיבה של חברת הביטוח ולא לפניות משלוחים.
נציגי פלטפורמת משלוחים ז'ונגלו בין ארבע מערכות כדי לפתור הזמנה אחת שאיחרה. מיון מבוסס AI עם זיכוי מוכן ומעקה בטיחות קשיח חתך זמן טיפול ב-15%, העלה פתרון בפנייה ראשונה ב-30%, וטיפל ב-1.5× מהפניות.
לפרויקט המלא ← עבודה שלאחר שיחה · פיננסיםנציגים בחברה פיננסית בזבזו שליש מהיום על סיכומים שלאחר שיחה והזנה ל-CRM. סיכומים אוטומטיים מבוססי AI שמאושרים במבט אחד חתכו זמן טיפול ממוצע עד 49% והעלו קיבולת ב-35%.
לפרויקט המלא ←
Reef TRH