智能服务中心

核心观点与关键数据

当前联邦政府服务中心面临两大变革动力：一是政府推动的现代化和成本削减议程，二是生成式人工智能（GenAI）和自主AI技术的革命。这些技术能够创建更具响应性、个性化和同理心的公民体验，为联邦服务中心运营的全面重塑提供了前所未有的机遇。

关键数据：

• 自动化客服可降低86%的每交互成本，年节省成本超过2600万美元（假设每天接听10,000个电话）。
• 自助式IVR可将平均处理时间（AHT）减少50%。
• 虚拟代理可处理高达85%的特定电话类型。
• AI生成的通话摘要可减少50%的通话后工作。

智能服务中心设计

智能服务中心设计需解决联邦机构的限制因素，如高昂的劳动力成本、高离职率、培训负担、遗留技术和纸质表单处理缓慢等。通过推动三个核心要素实现改进：

1. 接触消除：通过简化产品、网页和用户体验，以及数据驱动服务，使公民能够自行解决大部分问题。
   • 自助服务：引导用户使用多渠道的直观自助工具。
   • 客户声音：通过持续监控自动化客户洞察，主动减少未来支持成本。
   • 主动沟通和推广：通过个性化沟通和社交媒体活动解决潜在问题。
2. 接触包含：通过AI驱动的交互式语音响应（IVR）和自动化一线能力，将大部分问题限制在直接接触范围内。
   • 自动化响应系统：为低风险案例设置无人工交互的服务路径。
   • 智能响应：训练AI系统快速解读客户请求，并将复杂案例无缝转移至合适的代理。
   • 透明度：确保AI系统明确身份，建立信任。
3. 代理效率：通过AI技术提升人工代理的能力。
   • AI生成的通话摘要：消除代理的通话后工作负担。
   • 100%质量保证（QA）：使用AI评分所有客户交互，并创建沉浸式培训模拟。
   • 代理辅助：通过AI通话转录工具、智能提示和语言翻译提升代理产能。

技术基础调整建议

为成功实施智能服务中心，建议：

• 简化技术栈：整合来自不同供应商的冗余技术，采用如Google Cloud、Salesforce等领先商业提供商的解决方案。
• 绩效导向采购：采用固定价格（FFP）或绩效导向采购模式，使供应商对结果负责。
• 服务中心整合：精简机构内部服务中心，实现规模经济，选择能提供全面AI工具的解决方案供应商。

自主AI的应用

自主AI通过模拟人类般的自主决策和持续学习，提升客户体验和代理效率：

• 客户端：分析行为和偏好，创建个性化体验。
• 代理端：自动化重复任务（如身份验证、账户检查），优化工作流程，减少浪费和瓶颈。

变革旅程

智能服务中心的转型分为三个阶段：

1. 基础AI：通过记录所有交互生成早期生产力收益和数据，添加自动化通话摘要、质量改进和情感分析等具体功能，实现8%以上的成本削减。
2. 接触消除和包含：利用收集的数据定制语言模型，扩展服务范围，引入主动沟通和语音代理，提升接触分辨率和效率。
3. 代理端转型：实现端到端的智能服务中心，规模化运营效率，提供Agent Assist等新功能，最终实现系统产能和效率的提升、首次呼叫解决率（FCR）的提高、代理专业性的提升、离职率的降低等目标。

案例

联邦退休储蓄投资委员会（FRTIB）通过整合AI和云技术，实现多渠道支持、自助服务和AI驱动的通话摘要，2024年实现平均等待时间减少32%、客户满意度（PSAT）提升93%。

结论

联邦领导者必须结合技术革命和现代化削减成本的要求，重塑服务中心交付模式。通过构建平衡的人机智能机器，在实现效率目标的同时，不牺牲服务提供质量。