KI-Agenten im Kundenservice: Von der Abwehr zur Lösung

Ein Jahrzehnt lang verkaufte die Automatisierung im Kundenservice ein einziges Versprechen: Abwehr. Leiten Sie den Kunden zum Bot, halten Sie ihn vom Telefon fern und zählen Sie die Einsparungen. Das Versprechen ist weitgehend gescheitert. Kunden lernten, dass der Chatbot eine Wand war und keine Tür, und sie schlugen sich trotzdem zum Menschen durch.

Der Grund ist struktureller Natur. Ein skriptbasierter Bot kann eine Frage beantworten. Ein Problem lösen kann er nicht, denn Lösen bedeutet, das Konto aufzurufen, den Prozess auszuführen und zu wissen, wann anzuhalten und zu übergeben ist. Die Zahlen legen offen, wie groß diese Lücke war.

Die Einheit der Arbeit verschiebt sich von der Antwort zur Lösung

Ein agentisches System ist keine schnellere FAQ. Es verbindet ein Sprachmodell mit Werkzeugen und Berechtigungen: Es kann das CRM abfragen, den Bestellstatus prüfen, einen Prozess ausführen, eine Rückerstattung auslösen und eine Eskalation anstoßen. Es plant eine Abfolge von Schritten: den Kunden identifizieren, das Konto abrufen, das Anliegen diagnostizieren und dann lösen oder eskalieren, und es passt sich an, wenn ein Schritt fehlschlägt oder der Kunde sein Anliegen ändert.

Das stellt den Erstkontakt neu auf. Die Aufgabe lautet nicht länger „die Frage beantworten“. Sie lautet „das Anliegen lösen oder mit einer Zusammenfassung eskalieren, damit der Mensch nie erneut nachfragen muss“. Das ist der Unterschied zwischen einer Wand und einer Tür.

Ein skriptbasierter Bot beantwortet eine Frage. Ein Agent löst ein Problem, oder eskaliert es mit dem Kontext, den er bereits zur Hand hat.

Die Prognose von Gartner zeigt, wie weit sich die Obergrenze verschoben hat. Die Lücke zwischen dem, was Self-Service heute löst, und dem, was agentische Systeme leisten sollen, ist nicht inkrementell.

Der erste Nutzen entsteht bei Ihren neuesten Mitarbeitenden

Der eindeutigste Beleg stammt aus einer kontrollierten Studie mit mehr als 5.000 Servicemitarbeitenden eines großen Softwareunternehmens, die schrittweise eingeführt wurde. Der Zugang zu einem generativen KI-Assistenten steigerte die Produktivität, gemessen an den pro Stunde gelösten Anliegen, im Durchschnitt um 14 %, ohne Einbußen bei der Kundenzufriedenheit.

Der Durchschnitt verdeckt die eigentliche Geschichte. Der Zugewinn konzentrierte sich dort, wo die Betriebszugehörigkeit gering ist.

Das ist das praktische Argument dafür, zuerst bei einfachen, aufkommensstarken Kontakten anzusetzen. Der Agent übernimmt die repetitiven Lösungen, die Einarbeitungszeit für neue Mitarbeitende schrumpft, und Ihre erfahrenen Leute werden für die Gespräche frei, die sie wirklich brauchen.

Was eine Lösung von einer bloßen Abwehr unterscheidet

Die Technologie ist nicht das Schwierige. Rahmen, Messung und Übergabe sind es. Fünf Disziplinen unterscheiden die Programme, die funktionieren.

1. Setzen Sie einen engen Rahmen, bevor Sie breit skalieren. Benennen Sie die Intents, die der Agent verantwortet, und die Intents, die er eskalieren muss. Ein Agent, der alles versucht, löst nichts und zerstört das Vertrauen beim ersten Kontakt.
2. Erwerben Sie das Recht zu handeln durch Werkzeuge, nicht durch Text. Lösung entsteht aus präzisen CRM-Abfragen, Bestellprüfungen und der Ausführung von Prozessen. Verbinden Sie zuerst die Systeme; das Gespräch ist die einfache Schicht.
3. Gestalten Sie die Übergabe als Funktion, nicht als Versagen. Wenn der Agent eskaliert, sollte er eine saubere Zusammenfassung übergeben, damit der Kunde sich nicht wiederholen muss. An der Übergabe werden die meisten Journeys gewonnen oder verloren.
4. Messen Sie die Lösung, nicht die Abwehr. Verfolgen Sie Containment, Lösungsquote, Bearbeitungsdauer und Zufriedenheit nach dem Kontakt gemeinsam. Eine hohe Abwehrquote, die Arbeit nach hinten verlagert, ist ein Kostenfaktor, getarnt als Einsparung.
5. Schließen Sie bei jedem Kontakt den Kreis. Gesprächsprotokolle und Ergebnisse fließen zurück in Prompts, Werkzeuge und Routing, sodass sich das System dort verbessert, wo es scheitert, statt im großen Maßstab immer wieder gleich zu scheitern.

McKinsey schätzt, dass Unternehmen mit dieser Vorgehensweise quer durch den Kundenservice durch KI-gestützte Automatisierung mit 40 bis 50 Prozent weniger Mitarbeitenden arbeiten könnten, während sie 20 bis 30 Prozent mehr Kontakte bewältigen. Das ist keine Geschichte vom Abbau von Menschen. Es ist eine Geschichte davon, Wiederholung zu beseitigen und das Urteilsvermögen neu zu investieren.

Die Unternehmen, die das richtig machen, werden nicht jene sein, die am meisten automatisieren. Es werden jene sein, die die Grenze zwischen maschineller Lösung und menschlichem Urteilsvermögen präzise ziehen und sie dann bewusst verschieben, wenn das System Vertrauen gewinnt. Um zu sehen, wie wir diese Grenze gemeinsam mit Kunden gestalten, entdecken Sie unsere Arbeit in den Bereichen Customer Experience und Advisory, oder durchstöbern Sie die Fallstudien.