האימייל שהמתין יומיים

הבוקר, אי שם בתיבת דואר משותפת, לקוח שלח פנייה דחופה בנוגע לתביעה שלו. ההודעה שלו המתינה אי שם במקום הארבע מאות ומשהו בתור, מאחורי בקשות לעדכון כתובת למשלוח ושאלות על שחזור סיסמה. בסופו של דבר נציג היה מגיע אליה, מבין שמדובר בנושא קריטי ומנתב אותה למחלקה הרלוונטית, אלא שעד שזה קורה, חולפים יומיים שלמים.

אף אחד לא קיבל החלטה להשאיר את הלקוח הזה בהמתנה. זה בדיוק החלק המתסכל. תיבת הדואר היא זו שהחליטה, בשקט, פשוט כי היא עשתה את הדבר היחיד שתור יודע לעשות: לטפל בפניות לפי סדר הגעתן.

תיבת הדואר ממיינת לפי סדר הגעה, ולא לפי מידת החשיבות

עבור עסקים רבים, כך בדיוק נראה המצב של 'היצף באימיילים'. הבעיה היא לא בהכרח כמות בלתי אפשרית של פניות, אלא שהעומס מסתיר את אותה הודעה קריטית שהייתה צריכה לקבל מענה כבר לפני שעה. אצל חברת ביטוח שעבדנו איתה, נחתו מדי יום למעלה מ-10,000 אימיילים: תביעות, חידושים, שאלות על פוליסות ותלונות, והכול זרם לתיבה משותפת אחת. במקום להעניק שירות, הצוות שרף את כל שעות הבוקר על קריאה וניתוב: לפתוח כל הודעה, להבין במה מדובר ולהעביר אותה הלאה. המענה עצמו, החלק שהלקוח באמת מרגיש, התחיל רק לאחר ששלב המיון הסתיים.

וכל קובץ מצורף רק הגביר את העומס. טופס תביעה, מסמך פוליסה או דף חשבון, שכל אחד מהם דרש מנציג לפתוח את הקובץ, להבין את תוכנו ולהקליד את הנתונים ידנית עוד לפני שהטיפול בבקשה בכלל התחיל. ככל שנפח המיילים עולה נדרשות יותר ידיים עובדות, וכל עובד נוסף פירושו שחלק גדול יותר מהיום מוקדש למיון במקום לטיפול בלקוחות.

מה משתנה כשהמערכת קוראת ומבינה כל הודעה

כאן נכנס השינוי, והוא פשוט בהרבה משנדמה. הטמענו מודל שיושב בפתחה של תיבת הדואר, קורא כל אימייל ואת הקבצים המצורפים אליו בדיוק כמו בן אדם, מבין את מהות הפנייה ואת מידת הדחיפות שלה, ומנתב אותה ישירות לצוות הרלוונטי, כשהפוליסה וההיסטוריה של הלקוח כבר מצורפות. עבור פניות שגרתיות וברורות, המודל אף מנסח טיוטת מענה ושולף את פרטי הלקוח מהמערכת, כך שהנציג מתחיל לעבוד מטיוטה מוכנה לאישור במקום מדף חלק.

חשוב להבין מה המערכת עושה ומה היא לא. לא מדובר במצב שבו 'ה-AI עונה ללקוחות במקומכם'. נציג אנושי עדיין מאשר ושולח כל מענה, וכל פנייה שהמודל אינו בטוח לגביה, כמו בקשה עמומה או תלונה רגישה, מועברת ישירות לטיפול אנושי ולא נשלחת אוטומטית ללקוח. guardrails אלה אינם תוספת שמדביקים בדיעבד, אלא הם מה שהופך את המערכת לבטוחה לשימוש מול לקוחות אמיתיים. המשימה שהמערכת לקחה על עצמה היא המיון: התור כבר לא מנוהל לפי זמן הגעה, אלא לפי מידת הדחיפות והצורך בטיפול מיידי.

צוואר הבקבוק היה המיון, לא כתיבת המענה

התוצאות העסקיות הן פועל יוצא של השינוי הממוקד הזה. זמני המענה הראשוני, שבעבר הגיעו ל-48 שעות, צנחו לפחות מ-30 דקות, פשוט כי הפניות הדחופות צפו מיד למעלה במקום להמתין בתור מאחורי בקשות שגרתיות. עלויות השירות נחתכו בכ-30%, והצוות הצליח להתמודד עם נפח מיילים הולך וגדל מבלי להזדקק לגיוס עובדים נוספים עם כל עלייה בעומס. העובדים, שבעבר היו קבורים בתוך תיבת המיילים, התפנו לעבודה שבאמת דורשת מגע יד אדם.

אם יש כאן תובנה שחורגת מעבר לניהול אימיילים, היא זו: פעמים רבות מאחורי האמירה 'אנחנו חייבים AI כדי להתמודד עם העומס' מסתתרת המציאות של 'אנחנו חייבים שהעומס יפסיק להכתיב לנו את סדר העדיפויות'. ניסוח התשובה על ידי הנציג הוא כמעט אף פעם לא צוואר הבקבוק. צוואר הבקבוק האמיתי הוא עשרים הדקות שלפני כן, שהתבזבזו על ניסיון לזהות איזו פנייה מתוך אלף הודעות ראויה לעשרים הדקות הבאות. זה בדיוק ההבדל בין דמו שממיין קובץ נתונים סטרילי לבין מערכת שמחזיקה מעמד ביום עבודה אמיתי.

אותה פנייה דחופה בנוגע לתביעה עדיין מגיעה מדי בוקר. ההבדל הוא שהיא כבר לא קבורה מאחורי בקשות לאו קבלת סיסמה חדשה. היא צפה למעלה כבר בדקות הראשונות, כשכל המידע הנדרש לנציג כבר מצורף אליה, והלקוח ששלח אותה מקבל מענה מהיר, בזמן שזה עדיין קריטי עבורו.

שאלות נפוצות

מהו ניתוב אימיילים באמצעות AI?

המודל קורא כל אימייל נכנס ואת הקבצים המצורפים אליו, מבין את מהות הפנייה ואת מידת הדחיפות שלה, ומנתב אותה לגורם המקצועי המתאים, לרוב בצירוף טיוטת מענה מוכנה. המערכת מחליפה את שלב המיון והניתוב הידני, ולא את הנציג האנושי שמעניק את השירות בפועל.

האם ה-AI יענה ללקוחות בעצמו?

ממש לא. המודל מכין טיוטות מענה לפניות השגרתיות בלבד, ונציג אנושי עובר עליהן ומאשר את שליחתן. כל פנייה מורכבת, עמומה או רגישה מועברת ישירות לטיפול אנושי, וזה בדיוק מה שמאפשר להפעיל את המערכת בבטחה מול לקוחות אמיתיים.

במה זה שונה מחוקים ומסננים רגילים בתיבה?

חוקים ומסננים רגילים מבוססים על מילות מפתח או על זהות השולח, ולכן הם מפספסים פניות שנוסחו בצורה שלא נחזתה מראש, ואינם מסוגלים לנתח קבצים מצורפים. לעומת זאת, הבנת שפה טבעית מאפשרת למערכת לנתח את מה שהלקוח באמת כתב, כולל קריאה והבנה של טופס התביעה המצורף.