צוות השירות של חברת ביטוח גלובלית פתח את הבוקר מול תיבת מייל משותפת אחת ובה למעלה מ-10,000 פניות, כולל תביעות, בקשות חידוש, שאלות על פוליסות ותלונות. הנציגים בזבזו שעות יקרות רק על קריאה וניתוב ידני של כל פנייה לצוות המתאים. כתוצאה מכך, פניות דחופות המתינו בתור מאחורי הודעות שגרתיות, והחברה חרגה שוב ושוב מזמני המענה שהובטחו ללקוחות.
כל פנייה נחתה בתיבת מייל משותפת אחת, ונציג נדרש לפתוח אותה ידנית, להבין את מהותה, להעריך את מידת הדחיפות ולנתב אותה לצוות המתאים. בהיקף של למעלה מ-10,000 פניות ביום, תהליך הקריאה והניתוב גזל שעות עבודה רבות עוד לפני שבכלל החל הטיפול בלקוח.
רמת הדחיפות נותרה נסתרת מהעין עד שנציג פתח את ההודעה בפועל. תביעה דחופה שדרשה טיפול מיידי המתינה באותו התור יחד עם בקשה שגרתית לעדכון כתובת. כך נוצר מצב שדווקא הפניות הקריטיות ביותר נטו להתעכב, וזמני המענה שהובטחו ללקוחות המשיכו להתארך.
עלויות התפעול זינקו ככל שנפח הפניות גדל. טיפול בכמות גדולה יותר של מיילים דרש גיוס נציגים נוספים רק לצורך קריאה ומיון. בנוסף, כל קובץ מצורף, כמו מסמך פוליסה, טופס תביעה או דף חשבון, דרש פתיחה ידנית, הבנה ותיוק על ידי נציג אנושי.
רתימת ה-AI להבנה אוטומטית של כל פנייה והקבצים המצורפים אליה, ניתוב חכם לצוותים המתאימים ומענה אוטומטי על שאלות שגרתיות, כדי לאפשר לצוות להתמקד בטיפול אישי בלקוחות במקום בניהול התיבה.
מודל שפה טבעית קורא כל אימייל נכנס ואת הקבצים המצורפים אליו, כמו טפסי תביעה, מסמכי פוליסה או דפי חשבון, ומבין את מהות הפנייה האמיתית, במקום להסתמך על התאמה שטחית של מילות מפתח או שורת הנושא.
המערכת מסווגת כל אימייל לפי כוונת המשתמש, כגון תביעה חדשה, בקשת חידוש, עדכון פוליסה או תלונה, ומדרגת את מידת הדחיפות שלו. כך, תור הטיפול מנוהל לפי סדר עדיפויות מהותי ולא לפי זמן ההגעה הכרונולוגי.
כל פנייה מנותבת באופן אוטומטי לצוות או למומחה המתאים, בצירוף הפוליסה וההיסטוריית הלקוח הרלוונטית. כך נמנע מצב שבו הודעות ממתינות בתיבה המשותפת לניתוב ידני.
עבור פניות שגרתיות ונפוצות, המערכת מייצרת טיוטת מענה מוכנה השולפת את פרטי הלקוח וסטטוס הפוליסה ממערכת ה-CRM. הנציג מקבל טיוטה מנוסחת שכל מה שנותר לעשות הוא לעבור עליה ולשלוח, במקום להתחיל לכתוב מענה מאפס.
אף טיוטה אינה נשלחת באופן אוטומטי. נציג אנושי עובר על המענה ומאשר את השליחה, וכל פנייה מורכבת שהמודל אינו בטוח לגביה, כמו בקשה עמומה או תלונה רגישה, מועברת ישירות לטיפול אנושי.
מכיוון שהמודל מנתח את הקבצים המצורפים במקביל לקריאת האימייל, כל המידע הדרוש להמשך הטיפול, כמו פרטי התביעה, מספר הפוליסה או השינוי המבוקש, נשלף ומוזן מראש, וחוסך מהנציג את הצורך לפתוח ולהקליד ידנית את נתוני המסמכים.
תהליכי הקריאה והמיון מתבצעים באופן אוטומטי, ומאפשרים לצוות להקדיש את כל זמנם למתן שירות ומענה איכותי ללקוחות.
זמני המענה הראשוני צנחו מ-48 שעות לפחות מ-30 דקות. תביעות ותלונות דחופות מתועדפות כעת באופן מיידי במקום להמתין בתור מאחורי פניות שגרתיות. מנהל התפעול של הצוות שיתף כי השינוי שחרר את העובדים שלו מהעיסוק הסיזיפי בתיבת המייל, והחזיר אותם למשימות שבאמת דורשות גורם אנושי.
החברה מצליחה לנהל את הגידול בנפח הפניות באמצעות כוח האדם הקיים. עלויות השירות הצטמצמו בכ-30%, והצוות מסוגל לתמוך בצמיחת העסק ללא צורך בגיוס עובדים נוספים עם כל עלייה בנפח הפעילות.
רמת השירות נפגעת כאשר נציגים מבלים את יומם בקריאה ובניתוב במקום במתן מענה בפועל. הפתרון מבוסס על AI שמנתח כל אימייל וקובץ מצורף, מבין את מהות הפנייה, מנתב אותה לצוות המתאים ומכין טיוטות לתשובות שגרתיות, כאשר השליחה עצמה מותנית תמיד ב"חתימת אדם". כך, פניות דחופות מטופלות תוך דקות ספורות וזמן הצוות מוקדש כולו ללקוחות. מדובר באותה מתודולוגיה של זיהוי כוונות העומדת בבסיס פתרון מיון הפניות שלנו, המותאמת כאן לתיבת המייל של חברת הביטוח במקום לפניות בנושאי משלוחים.
נציגי פלטפורמת משלוחים ז'ונגלו בין ארבע מערכות כדי לפתור הזמנה אחת שאיחרה. מיון מבוסס AI עם זיכוי מוכן ו-guardrails נוקשים 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