Künstliche Intelligenz (KI) im Service wird ohne KCS scheitern

Der Hype um Künstliche Intelligenz (KI) in allen Bereichen des modernen Lebens scheint ungebrochen. Auch im Kundendienst ist seit einiger Zeit oft die Rede von Chatbots und intelligenten Suchfunktionen. Sie sollen sowohl Anwender auf Kundenseite als auch Wissensarbeitende beim Auffinden relevanter Inhalte für den Service unterstützen. Bei aller Euphorie für die Technik gilt es einige Dinge vom Grundsatz her zu bedenken.

Ich habe hier schon häufiger von den wachsenden Anforderungen von Kunden an Service und Servicequalität geschrieben. Auch ohne explizite Quellenangabe oder belastbaren Statistiken wird es jedermann aus eigenem Erleben nachvollziehen können: Die empfundene Servicequalität hängt aus Sicht von Kunden und Anwendern direkt mit der Geschwindigkeit zusammen, mit der die Lösung für gemeldete Probleme und Störungen erfolgt. Zugriff rund um die Uhr auf online verfügbare Wissensquellen wird vorausgesetzt. Hohe Erreichbarkeit von Hotlines, kurze Wartezeiten und kompetentes Personal sind Minimalanforderungen der heutigen anspruchsvollen Kunden. Und in Zeiten von von sozialen Medien stößt ein Anbieter auf Unverständnis, wenn er nicht in der Lage ist, rasch auf Meldungen aus Foren und Netzwerken zu reagieren. Natürlich spielen andere Faktoren wie Empathie und Freundlichkeit ebenfalls eine wichtige Rolle. Doch fokussieren wir fürs Erste einmal auf die Geschwindigkeit.

Höhere Anforderungen der Kunden an schnelle Lösungen nur durch künstliche Intelligenz erfüllbar

Die geschilderten hohen Erwartungen an das Service Management waren in der Vergangenheit selbst mit hohem Personaleinsatz kaum zu leisten. Mit den neuen, noch höheren Anforderungen richtet sich der Blick auf den Einsatz der künstlichen Intelligenz. Mithilfe der neuen Technologien ist die Verarbeitung menschlicher Sprache in nahezu Echtzeit möglich geworden. Maschinelles Lernen verspricht, aus vorhandenen dokumentierten Lösungen Zusammenhänge zu erkennen und dann auf neue Situationen übertragen zu können. Mit diesem maschinell gewonnenem Wissen können dann virtuelle Support-Agenten (Bots) über Chat-Funktionalität mit Kunden interagieren. Einfache Serviceanfragen von Kunden werden direkt von ihnen beantwortet, ohne dass ein Mensch auf Anbieterseite involviert sein muss. Mit diesen Einsatzszenarien kann der Einsatz künstlicher Intelligenz die Automatisierung im Service Management auf ein neues Niveau heben.

Das alles klingt toll und vielversprechend, wo sollte ein Problem stecken?

Wie bei allen neuen Technologien ist auch bei der Einführung von künstlicher Intelligenz im Service Management ein gehöriges Maß Veränderungsarbeit notwendig. Fachliche Vorbehalte vor den neuen Lösungen und Angst vor der eigenen beruflichen Zukunft sind bekannte Phänomene in solchen Projekten. Das mit diesen Einflussfaktoren verbundene Risiko beschreibt der IT-Analyst Gartner wie folgt:

…the key to delivering digital value at scale is having the right people. As well as the required skills, people must have the desire and aptitude to exploit existing and emerging technologies. (Gartner IODC, 2018)

Und kommt in Folge zu der ernüchternden Einschätzung:

Through 2020, 99% of artificial intelligence (AI) initiatives in IT service management (ITSM) will fail, due to the lack of an established knowledge management (KM) foundation.

In ihren Empfehlungen führen die Analysten weiter aus, dass bevor ein Unternehmen sich mit Chatbots oder Spracherkennung auseinander setzt, zunächst ein Fundament im Wissensmanagement geschaffen werden sollte. Das heißt, auch zukunftsträchtige Technologie wie künstliche Intelligenz braucht Voraussetzungen, die erfüllt sein müssen. Dabei nennt Gartner explizit Knowledge Centered Service (KCS) als Methode, die das kollektive Wissen einer Organisation in den Fokus rückt.

Wie kommt Gartner zu dieser Einschätzung?

Die Grundlage für die Einschätzung der Analysten steht weiter oben im Text in einem unscheinbaren Nebensatz versteckt: „…aus vorhandenen dokumentierten Lösungen Zusammenhänge zu erkennen…“. Damit Maschinen lernen können, braucht es einen großen Fundus an vorhandenen Daten und Lösungen. Natürlich behaupten die Hersteller solcher Lösungen, dass die Maschinen auch mit unstrukturierten Daten zurecht kommen. Doch schneller und effektiver lernen sie, wenn die Daten und Dokumente in strukturierter Form vorliegen. Hier hilft die Herangehensweise von KCS, das aus der Interaktion mit Kunden neu gewonnene Wissen strukturiert zu erfassen und zu dokumentieren. Ebenso hilfreich ist in dem Zusammenhang die Verknüpfung von Wissensartikeln mit den durch sie gelösten Supportvorgängen. Das heißt, die Relevanz der Artikel für die gelösten Kundenfälle ist in einer KCS-Wissensdatenbank bereits erfasst. Zusätzlich liefert der in KCS gewonnene Article Quality Index (AQI) weitere Erkenntnisse über den gestifteten Kundennutzen und damit die Relevanz für das maschinelle Lernen.

Nicht zuletzt ist es der in der KCS-Methodik immanente Feedback-Mechanismus, der künstliche Intelligenz maßgeblich erfolgreich machen wird: Nur basierend auf Nachfrage und Gebrauch werden in einer KCS-Welt bestehende Artikel aktualisiert und überarbeitet. Nicht nachgefragtes Wissen bleibt zwar in der Wissensdatenbank gespeichert. Doch die wiederkehrend benutzten Artikel werden entsprechend gekennzeichnet und geben zusätzlichen Aufschluss die Relevanz ihres Inhaltes.

Ohne funktionierendes Wissensmanagement bleiben Chatbot-Projekte hinter den Erwartungen zurück

Die Erwartungen an künstliche Intelligenz im Service sind hoch. Der Nutzen, den maschinelles Lernen und Chatbots stiften können ist gewiss ebenfalls hoch. Doch bevor der Erfolg sich einstellen kann, sind die notwendigen Voraussetzungen zu schaffen, damit Gartners düstere Prognose der 99% fehlgeschlagenen KI-Projekte nicht eintritt.