Human-in-the-Loop Customer Service

: ออกแบบ AI และ Agent ให้ทำงานร่วมกันอย่างไรให้ CX ไม่สะดุด

AI กำลังเข้ามามีบทบาทในงานบริการลูกค้ามากขึ้น ตั้งแต่การตอบคำถามทั่วไป ค้นหาข้อมูล สรุปบทสนทนา ไปจนถึงการเปิด Case และดำเนินการบางอย่างผ่านระบบหลังบ้าน

แม้ AI จะช่วยเพิ่มความรวดเร็วและลดงานที่ทำซ้ำได้ แต่ไม่ใช่ทุกสถานการณ์ที่ควรปล่อยให้ AI ตัดสินใจหรือดำเนินการเพียงลำพัง โดยเฉพาะกรณีที่เกี่ยวข้องกับอารมณ์ของลูกค้า ข้อมูลส่วนบุคคล การเงิน ข้อยกเว้นเชิงนโยบาย หรือปัญหาที่มีความซับซ้อน

แนวคิด Human-in-the-Loop Customer Service จึงมีความสำคัญต่อการออกแบบ Customer Operations ในยุค AI เพราะช่วยกำหนดว่า AI ควรรับผิดชอบงานส่วนใด มนุษย์ควรเข้ามาตรวจสอบหรือรับช่วงต่อเมื่อใด และข้อมูลใดต้องถูกส่งต่อไปพร้อมกับลูกค้า

เป้าหมายไม่ได้อยู่ที่การทำให้ AI รับงานได้มากที่สุด แต่คือการทำให้ลูกค้าได้รับการแก้ปัญหาอย่างต่อเนื่อง โดยไม่ต้องเริ่มต้นใหม่ทุกครั้งที่เปลี่ยนจาก AI ไปยังพนักงาน

Human-in-the-Loop Customer Service คืออะไร?

Human-in-the-Loop Customer Service คือรูปแบบการทำงานที่ให้ AI ช่วยวิเคราะห์ แนะนำ หรือดำเนินงานบางขั้นตอน ขณะที่มนุษย์ยังมีบทบาทในการตรวจสอบ อนุมัติ แก้ไข หรือรับช่วงต่อในสถานการณ์ที่ต้องใช้วิจารณญาณและความรับผิดชอบสูงกว่า

รูปแบบนี้ไม่ได้หมายความว่าพนักงานต้องตรวจสอบทุกคำตอบของ AI แต่เป็นการออกแบบระดับการมีส่วนร่วมของมนุษย์ให้เหมาะกับความเสี่ยงของแต่ละงาน

ตัวอย่างเช่น:

  • AI ตอบคำถามทั่วไปจาก Knowledge Base ได้เอง
  • AI สรุปบทสนทนา แต่พนักงานสามารถตรวจสอบก่อนบันทึก
  • AI แนะนำแนวทางชดเชย แต่ Supervisor เป็นผู้อนุมัติ
  • AI ตรวจพบลูกค้าไม่พอใจและส่งต่อให้พนักงาน
  • AI เตรียมข้อมูลสำหรับคืนเงิน แต่ยังไม่สามารถทำรายการได้เอง
  • พนักงานสามารถยกเลิกหรือแก้ไข Action ที่ AI เสนอ

NIST ระบุว่าการบริหารความเสี่ยงของ AI ควรพิจารณารูปแบบการทำงานระหว่างมนุษย์และ AI รวมถึงข้อจำกัดของทั้งสองฝ่าย ไม่ควรสันนิษฐานว่าการมีมนุษย์อยู่ในกระบวนการจะลดความเสี่ยงได้โดยอัตโนมัติ หากบทบาทและความรับผิดชอบไม่ได้รับการออกแบบอย่างชัดเจน

ดังนั้น Human-in-the-Loop ที่มีประสิทธิภาพต้องตอบให้ได้ว่า:

ใครเป็นผู้ตัดสินใจในแต่ละขั้นตอน
มนุษย์ต้องเห็นข้อมูลอะไร
AI ต้องส่งต่อเมื่อใด
และใครรับผิดชอบต่อผลลัพธ์สุดท้าย

Human-in-the-Loop ต่างจากการส่งต่อให้ Agent อย่างไร?

การส่งต่อจาก Chatbot ไปยัง Agent เป็นเพียงส่วนหนึ่งของ Human-in-the-Loop

แนวคิด Human-in-the-Loop ครอบคลุมการมีส่วนร่วมของมนุษย์ตั้งแต่ก่อน ระหว่าง และหลังการให้บริการ เช่น:

Human Review

AI สร้างคำตอบ สรุปข้อมูล หรือเสนอ Action จากนั้นให้พนักงานตรวจสอบก่อนใช้งานจริง

Human Approval

AI สามารถวิเคราะห์และเตรียมรายการได้ แต่ต้องได้รับการอนุมัติก่อนดำเนินการ เช่น การคืนเงินหรือเปลี่ยนแปลงสิทธิของลูกค้า

Human Intervention

พนักงานเข้ามาหยุด แก้ไข หรือรับช่วงต่อเมื่อ AI ทำงานผิดปกติ หรือไม่สามารถดำเนินงานต่อได้

Human Escalation

AI ส่งต่อลูกค้าไปยังพนักงานเมื่อพบ Trigger ที่กำหนด เช่น ลูกค้าไม่พอใจ คำขอมีความเสี่ยง หรือสถานการณ์อยู่นอก Policy

Human Oversight

ผู้ดูแลติดตามคุณภาพ Accuracy, Escalation, Error และผลกระทบที่เกิดขึ้น เพื่อนำข้อมูลไปปรับปรุง AI อย่างต่อเนื่อง

Microsoft มีแนวทางการใช้งาน AI ใน Customer Service แบบ Semi-autonomous ซึ่งให้ AI ทำหน้าที่เป็นผู้ช่วย และในบาง Workflow จะเสนอการส่งอีเมล อัปเดต Case หรือปิด Case โดยต้องได้รับการอนุมัติจากผู้ใช้งานก่อนดำเนินการ

Human-in-the-Loop จึงไม่ใช่เพียง “ปุ่มคุยกับเจ้าหน้าที่” แต่เป็น Operating Model ที่กำหนดความสัมพันธ์ระหว่าง AI, Agent, Supervisor และระบบขององค์กร

ทำไม Human-in-the-Loop จึงสำคัญต่องานบริการลูกค้า?

1. AI ไม่สามารถจัดการทุกบริบทได้เท่ากัน

คำถามเรื่องเวลาทำการหรือสถานะคำสั่งซื้ออาจมีขั้นตอนที่ชัดเจน แต่ข้อร้องเรียนที่มีหลายเหตุการณ์ การขอข้อยกเว้น หรือความไม่พอใจที่รุนแรง ต้องอาศัยการตีความและวิจารณญาณมากกว่า

หาก AI พยายามแก้ปัญหาต่อทั้งที่ข้อมูลไม่เพียงพอ ลูกค้าอาจต้องตอบคำถามซ้ำ ได้รับคำแนะนำที่ไม่ตรงกับสถานการณ์ หรือใช้เวลานานกว่าจะเข้าถึงพนักงาน

2. เพิ่มการควบคุมในงานที่มีความเสี่ยง

งานที่เกี่ยวข้องกับการเงิน ข้อมูลส่วนบุคคล การยืนยันตัวตน หรือการเปลี่ยนแปลงสิทธิของลูกค้า ไม่ควรใช้ระดับ Automation เท่ากับงานตอบคำถามทั่วไป

Human Approval ช่วยเพิ่มจุดตรวจสอบก่อนที่ Action จะส่งผลกระทบต่อลูกค้าหรือระบบจริง

3. รักษา Human Touch ในช่วงเวลาสำคัญ

ในบางสถานการณ์ สิ่งที่ลูกค้าต้องการไม่ใช่เพียงคำตอบที่ถูกต้อง แต่ต้องการการรับฟัง การแสดงความเข้าใจ และความมั่นใจว่าจะมีผู้รับผิดชอบดูแลปัญหา

AI สามารถช่วยรวบรวมข้อมูลและลดงาน Manual ขณะที่พนักงานให้ความสำคัญกับ Empathy การเจรจา และการฟื้นฟูความเชื่อมั่นของลูกค้า

4. สร้าง Accountability ที่ชัดเจน

เมื่อ AI สามารถแนะนำหรือดำเนินการได้มากขึ้น องค์กรต้องระบุให้ชัดว่าใครเป็นเจ้าของ Process ใครมีอำนาจอนุมัติการเปลี่ยนแปลง และใครรับผิดชอบเมื่อเกิดข้อผิดพลาด

NIST AI Risk Management Framework เสนอให้องค์กรบริหารความเสี่ยงผ่านการกำกับดูแล การทำความเข้าใจบริบท การวัดผล และการจัดการความเสี่ยงอย่างต่อเนื่อง ไม่ใช่ประเมินเฉพาะก่อนเปิดใช้งานระบบเท่านั้น

6 สถานการณ์ที่ AI ควรส่งต่อให้พนักงาน

องค์กรควรออกแบบ Escalation Trigger ล่วงหน้า ไม่ควรรอให้ลูกค้าพยายามพิมพ์หรือพูดว่า “ขอคุยกับเจ้าหน้าที่” หลายครั้ง

1. ลูกค้าขอพูดคุยกับพนักงานโดยตรง

เมื่อลูกค้าแสดงความต้องการอย่างชัดเจน ระบบควรส่งต่อหรือแจ้งขั้นตอนการเข้าถึงพนักงานโดยไม่สร้างอุปสรรคที่ไม่จำเป็น

2. AI ไม่มีความมั่นใจเพียงพอ

หากข้อมูลไม่ครบ คำถามมีความกำกวม หรือคำตอบจาก Knowledge หลายแหล่งขัดแย้งกัน AI ควรขอข้อมูลเพิ่มเติมหรือส่งต่อให้พนักงาน แทนการคาดเดา

3. ลูกค้าแสดงอารมณ์ไม่พอใจ

ข้อความเชิงลบ การติดต่อซ้ำ การขอยกเลิกบริการ หรือการใช้ถ้อยคำที่สะท้อนความผิดหวัง อาจเป็น Signal ว่าต้องให้พนักงานเข้ามาดูแล

การวิเคราะห์อารมณ์ควรใช้เป็นข้อมูลสนับสนุน ไม่ควรใช้เป็นเหตุผลเดียวในการตัดสินใจ Escalate เพราะภาษาและบริบทของลูกค้าแต่ละคนแตกต่างกัน

4. คำขอมีความเสี่ยงสูง

ตัวอย่างเช่น:

  • การคืนเงินหรือยกเว้นค่าธรรมเนียม
  • การแก้ไขข้อมูลส่วนบุคคล
  • การยกเลิกสัญญาหรือบริการ
  • การให้ข้อยกเว้นจาก Policy
  • การดำเนินการที่ย้อนกลับได้ยาก
  • กรณีที่อาจมีผลทางกฎหมายหรือ Compliance

AI สามารถรวบรวมและเตรียมข้อมูลได้ แต่ Action ขั้นสุดท้ายอาจต้องผ่าน Human Approval

5. ปัญหามีหลายระบบหรือหลายหน่วยงานเกี่ยวข้อง

หากคำร้องต้องวิเคราะห์ข้อมูลจากหลายระบบ มีเจ้าของ Process มากกว่าหนึ่งทีม หรือมีข้อยกเว้นจำนวนมาก การให้พนักงานเป็นผู้ประสานอาจลดความเสี่ยงในการดำเนินการผิดขั้นตอน

6. AI หรือระบบที่เชื่อมต่อเกิดข้อผิดพลาด

เมื่อ Integration ล้มเหลว ข้อมูลไม่อัปเดต หรือ AI ไม่สามารถยืนยันได้ว่า Action สำเร็จ ระบบต้องไม่แจ้งลูกค้าว่าดำเนินการเรียบร้อยแล้วโดยไม่มีหลักฐานยืนยัน

ควรมี Fallback Process เช่น ส่งต่อ Agent เปิด Case อัตโนมัติ หรือแจ้งกรอบเวลาติดตามอย่างชัดเจน

Google Cloud รองรับการออกแบบ Virtual Agent ให้ส่งต่อ Voice หรือ Chat ไปยังพนักงาน โดยพนักงานสามารถเห็นประวัติการสนทนาที่เกิดขึ้นก่อนการส่งต่อได้

การส่งต่อที่ดีต้องส่ง “Context” ไปพร้อมกับลูกค้า

หนึ่งใน Pain Point ที่พบบ่อยคือ ลูกค้าให้ข้อมูลกับ AI ไปแล้ว แต่เมื่อส่งต่อถึงพนักงานกลับต้องเริ่มเล่าเรื่องใหม่ทั้งหมด

ประสบการณ์เช่นนี้ทำให้ลูกค้ารู้สึกว่าช่องทางต่าง ๆ ขององค์กรไม่ได้เชื่อมต่อกัน และ AI กลายเป็นขั้นตอนที่เพิ่ม Customer Effort แทนที่จะลดลง

ข้อมูลที่ควรส่งต่อให้ Agent ประกอบด้วย:

  • ตัวตนและข้อมูลที่ผ่านการยืนยันแล้ว
  • เหตุผลที่ลูกค้าติดต่อ
  • สรุปบทสนทนากับ AI
  • คำถามและคำตอบที่ผ่านมา
  • ข้อมูลหรือเอกสารที่ลูกค้าส่งมา
  • ระบบที่ AI ตรวจสอบแล้ว
  • Action ที่ AI ดำเนินการไป
  • สาเหตุที่ต้องส่งต่อ
  • ความเร่งด่วนหรือระดับความเสี่ยง
  • Next Best Action ที่แนะนำ

Microsoft ระบุว่า AI Agent ใน Contact Center สามารถรวบรวม Context จากการสนทนาและส่งต่อให้พนักงานพร้อมประวัติการสนทนาเมื่อจำเป็น ช่วยให้ผู้รับช่วงต่อเข้าใจสถานการณ์ได้เร็วขึ้น

หลักการสำคัญคือ:

Transfer the context, not just the contact.
การส่งต่อที่ดีไม่ใช่เพียงการย้ายสายหรือย้าย Chat แต่ต้องทำให้พนักงานสามารถดำเนินการต่อจากจุดที่ AI หยุดได้ทันที

ออกแบบ Human-in-the-Loop ด้วย Risk-based Model

องค์กรไม่จำเป็นต้องกำหนดให้ทุก Use Case มีระดับ Human Involvement เท่ากัน แต่สามารถแบ่งตามระดับความเสี่ยงได้

ระดับ

บทบาทของ AI

บทบาทของมนุษย์

ตัวอย่าง

Level 1: Informค้นหาและแสดงข้อมูลตรวจสอบเมื่อจำเป็นFAQ, Order Status
Level 2: Recommendวิเคราะห์และแนะนำคำตอบพนักงานเลือกนำไปใช้Agent Assist
Level 3: Draftเตรียมข้อความหรือ Actionพนักงานตรวจสอบก่อนส่งEmail Reply, Case Summary
Level 4: Execute with ApprovalเตรียมและดำเนินการหลังอนุมัติตรวจสอบและอนุมัติRefund, Fee Waiver
Level 5: Autonomous within Guardrailsดำเนินงานได้ภายในขอบเขตติดตามและจัดการข้อยกเว้นAppointment, Routine Update

การกำหนดระดับควรพิจารณาจาก:

  • ผลกระทบหาก AI ผิดพลาด
  • ความสามารถในการย้อนกลับรายการ
  • ความอ่อนไหวของข้อมูล
  • ความชัดเจนของ Business Rule
  • ความพร้อมของ Integration
  • ความสามารถในการตรวจสอบย้อนหลัง
  • ความต้องการด้าน Empathy และวิจารณญาณ

Use Case เดียวกันอาจใช้ระดับ Automation ต่างกันได้ ตัวอย่างเช่น AI สามารถคืนเงินจำนวนเล็กน้อยภายในเงื่อนไขที่กำหนด แต่ต้องขออนุมัติเมื่อยอดเงินเกิน Threshold หรือพบประวัติผิดปกติ

บทเรียนจากประสบการณ์ด้าน Contact Center

จากประสบการณ์มากกว่า 20 ปีของ True Touch ในการบริหาร Contact Center และ Customer Experience Solutions การนำ AI มาใช้ให้เกิดผลไม่ได้ขึ้นอยู่กับความแม่นยำของเทคโนโลยีเพียงอย่างเดียว แต่ต้องออกแบบการทำงานระหว่าง People, Process, Technology และ Data ให้สอดคล้องกันและสนับสนุนกัน

สิ่งที่ควรให้ความสำคัญมี 4 ประเด็น

ไม่ควรใช้ Automation Rate เป็นเป้าหมายเพียงอย่างเดียว

หาก AI รับ Interaction ได้มากขึ้น แต่ลูกค้าติดต่อซ้ำ Escalation ใช้เวลานาน หรือพนักงานต้องแก้ไขข้อมูลใหม่ทั้งหมด ผลลัพธ์โดยรวมอาจไม่ได้ดีขึ้น

Agent ต้องได้รับข้อมูลที่นำไปใช้ต่อได้

การส่ง Transcript ยาวทั้งหมดโดยไม่มี Summary หรือไม่มีการระบุ Intent อาจเพิ่มภาระให้พนักงาน จึงควรออกแบบข้อมูลส่งต่อให้สั้น ชัด และตรวจสอบได้

พนักงานต้องมีสิทธิ์ Override AI

Agent และ Supervisor ควรสามารถแก้ไขคำแนะนำ ยกเลิก Action หรือส่ง Feedback กลับเข้าสู่ระบบเมื่อพบข้อผิดพลาด

ข้อมูลจาก Human Intervention ต้องถูกนำไปปรับปรุงระบบ

เหตุผลที่พนักงานแก้คำตอบ ปฏิเสธคำแนะนำ หรือรับช่วงต่อ ควรถูกจัดเก็บและวิเคราะห์ เพื่อค้นหา Knowledge Gap, Process Gap และ Use Case ที่ AI ยังไม่พร้อมรองรับ

True Touch ใช้แนวคิด Human AI Contact Center โดยผสานความเร็วและความสามารถด้านข้อมูลของ AI เข้ากับ Empathy และวิจารณญาณของมนุษย์ เพื่อให้เทคโนโลยีสนับสนุนคุณภาพบริการแทนการแทนที่ Human Touch ทั้งหมด

6 ขั้นตอนออกแบบ AI-to-Human Handoff

ขั้นตอนที่ 1: ระบุ Use Case และระดับความเสี่ยง

กำหนดว่า AI ช่วยทำอะไร ข้อมูลที่ใช้คืออะไร และหากทำผิดจะส่งผลต่อลูกค้าและธุรกิจอย่างไร

ขั้นตอนที่ 2: กำหนด Escalation Trigger

ระบุเงื่อนไขที่ต้องส่งต่อ เช่น Low Confidence, Customer Request, Negative Sentiment, Policy Exception, System Error หรือ High-risk Transaction

ขั้นตอนที่ 3: กำหนดทีมและ Skill ที่รับช่วงต่อ

ไม่ควรส่งทุกเคสเข้าสู่ Queue เดียวกัน แต่ควร Route ตาม Intent, Product, Language, Priority และความเชี่ยวชาญที่ต้องใช้

ขั้นตอนที่ 4: ออกแบบ Context Package

กำหนดข้อมูลที่ Agent ต้องเห็นทันที โดยไม่ต้องเปิดค้นหาจากหลายระบบหรือถามลูกค้าซ้ำ

ขั้นตอนที่ 5: เตรียม Agent และ Supervisor

พนักงานต้องเข้าใจว่า AI ทำอะไรไปแล้ว เชื่อถือข้อมูลส่วนใดได้ และต้องตรวจสอบเรื่องใดเพิ่มเติม รวมถึงวิธีให้ Feedback เมื่อพบข้อผิดพลาด

ขั้นตอนที่ 6: วัดผลและปรับปรุง

ตัวชี้วัดที่ควรติดตาม ได้แก่:

  • Escalation Rate
  • Time to Human
  • Resolution Rate หลังส่งต่อ
  • Repeat Contact Rate
  • Average Handling Time หลังส่งต่อ
  • Customer Satisfaction
  • Human Override Rate
  • Transfer Accuracy
  • จำนวนเคสที่ลูกค้าต้องให้ข้อมูลซ้ำ
  • Error หรือ Compliance Incident

ข้อมูลเหล่านี้ช่วยให้องค์กรเห็นว่า AI-to-Human Handoff ช่วยแก้ปัญหาได้ต่อเนื่องจริง หรือเป็นเพียงการย้ายภาระจากระบบหนึ่งไปยังอีกระบบหนึ่ง

Checklist สำหรับ Human-in-the-Loop Customer Service

ก่อนเปิดใช้งาน ลองตรวจสอบว่าองค์กรสามารถตอบคำถามเหล่านี้ได้หรือไม่:

  • AI สามารถรับผิดชอบงานใดได้เอง
  • งานใดต้องให้พนักงานตรวจสอบ
  • Action ใดต้องได้รับอนุมัติ
  • Trigger ใดทำให้เกิด Escalation
  • ลูกค้าสามารถขอคุยกับพนักงานได้ง่ายหรือไม่
  • ระบบส่งประวัติและ Context ไปพร้อมกับลูกค้าหรือไม่
  • Agent เห็นสิ่งที่ AI ดำเนินการไปแล้วหรือไม่
  • พนักงานสามารถ Override หรือยกเลิก Action ได้หรือไม่
  • มี Audit Log ตรวจสอบย้อนหลังหรือไม่
  • ใครเป็นเจ้าของคุณภาพของ AI และ Handoff
  • มี KPI วัดประสบการณ์หลังการส่งต่อหรือไม่
  • Feedback จาก Agent ถูกนำไปพัฒนาระบบหรือไม่

หากคำตอบยังไม่ชัดเจน องค์กรควรออกแบบ Process และ Governance ให้พร้อมก่อนเพิ่มระดับ Autonomy ของ AI

สรุป

Human-in-the-Loop Customer Service ไม่ได้หมายถึงการให้มนุษย์ตรวจสอบทุกสิ่งที่ AI ทำ แต่คือการวางบทบาทของ AI และมนุษย์ให้เหมาะกับประเภทงาน บริบท และระดับความเสี่ยง

AI ควรช่วยจัดการงานที่ต้องการความเร็ว การประมวลผลข้อมูล และความสม่ำเสมอ ส่วนมนุษย์ควรเข้ามาในช่วงเวลาที่ต้องใช้ Empathy วิจารณญาณ การอนุมัติ หรือความรับผิดชอบต่อผลลัพธ์

หัวใจสำคัญคือการออกแบบให้:

AI รู้ว่าเมื่อใดควรทำต่อ
รู้ว่าเมื่อใดควรหยุด
และรู้ว่าเมื่อใดควรส่งต่อให้มนุษย์

เมื่อ AI-to-Human Handoff ส่งต่อทั้งข้อมูล บริบท และความรับผิดชอบได้อย่างเหมาะสม องค์กรจะสามารถเพิ่มประสิทธิภาพโดยไม่ทำให้ Customer Experience สูญเสียความต่อเนื่องและ Human Touch

ออกแบบ AI และ Human Workflow ให้เชื่อมต่อกันแบบ End-to-End

True Touch พร้อมช่วยองค์กรวิเคราะห์ Customer Journey ออกแบบ Human-in-the-Loop, Escalation Framework และ AI-to-Human Handoff ให้สอดคล้องกับ Process, Technology และเป้าหมายทางธุรกิจ

ด้วยประสบการณ์ด้าน Contact Center และ Customer Experience Solutions มากกว่า 20 ปี เราช่วยผสาน AI, Automation และ Human Expertise เพื่อให้ลูกค้าได้รับบริการที่รวดเร็ว พร้อมการดูแลจากมนุษย์ในช่วงเวลาที่สำคัญ

ร่วมออกแบบ Human AI Customer Operations ที่มีประสิทธิภาพ ปลอดภัย และไม่ทำให้ลูกค้าต้องเริ่มต้นใหม่

โทร: +66(0)2088-8999

อีเมล: [email protected]

เว็บไซต์: https://www.truetouch.co.th/th

คำถามที่พบบ่อย

1. Human-in-the-Loop Customer Service หมายถึงอะไร?

หมายถึงรูปแบบการทำงานที่ให้ AI ช่วยตอบ วิเคราะห์ แนะนำ หรือดำเนินงานบางขั้นตอน ขณะที่มนุษย์ยังสามารถตรวจสอบ อนุมัติ แก้ไข หรือรับช่วงต่อในกรณีที่ซับซ้อนหรือมีความเสี่ยงสูง

2. AI ควรส่งต่อลูกค้าให้พนักงานเมื่อใด?

ควรส่งต่อเมื่อลูกค้าร้องขอ AI ไม่มีความมั่นใจเพียงพอ ลูกค้าแสดงความไม่พอใจ คำขออยู่นอก Policy มีความเสี่ยงที่เกี่ยวข้องกับข้อมูลหรือการเงิน หรือระบบไม่สามารถยืนยันผลการดำเนินการได้

3. องค์กรจะทำให้ AI-to-Human Handoff ไม่สะดุดได้อย่างไร?

ควรส่งต่อประวัติการสนทนา Intent ข้อมูลที่ยืนยันแล้ว Action ที่ AI ดำเนินการ สาเหตุของการส่งต่อ Next Best Action ไปพร้อมกับ Interaction เพื่อให้ Agent สามารถรับช่วงต่อได้ทันที โดยไม่ต้องให้ลูกค้าอธิบายใหม่

บทความที่เกี่ยวข้อง

ดูทั้งหมด