Ein Leitfaden für den Einstieg in die generative KI für Unternehmen

Vor gefühlt sehr langer Zeit, in einer weit, weit entfernten Galaxie, lebten Menschen ohne das Internet. Wenige Jahrzehnte später ist das Internet nicht mehr nur Science-Fiction, sondern wird tagtäglich von über 5 Milliarden Menschen weltweit genutzt. Jüngste technologische Durchbrüche haben generative KI der breiten Masse zugänglich gemacht und dafür gesorgt, dass sie sich um einiges schneller durchsetzt als damals das World Wide Web.

Laut dem Zendesk Customer Experience Trends-Bericht 2023 glauben 65 Prozent der Führungskräfte, dass die von ihnen eingesetzte KI immer natürlicher und menschenähnlicher wird – und sie wird nur noch besser werden. Da immer mehr Unternehmen generative KI einsetzen, um den Kundenservice und die Employee Experience zu verbessern, ist es wichtig zu verstehen, wie man das volle Potenzial dieser neuen KI-Technologie ausschöpfen kann.

In unserem umfassenden Leitfaden werden die Arten, Anwendungen, Beispiele, Vorteile und Herausforderungen der generativen KI erläutert, damit Sie Ihre gesamte Customer Experience jetzt und in Zukunft optimieren können.

Inhaltsverzeichnis:

• Was ist generative KI?
• Wie funktioniert generative KI?
• Wer nutzt generative KI?
• Herkömmliche KI vs. generative KI: Was ist der Unterschied?
• Arten von generativen KI-Modellen
• Was sind einige beliebte generative KI-Anwendungen?
• Vorteile der generativen KI
• Herausforderungen der generativen KI
• Wie Sie generative KI für den Kundenservice nutzen
• Häufig gestellte Fragen

Was ist generative KI?

Für eine technischere Definition von generativer KI beschreibt Forrester sie als „eine Reihe von Technologien und Techniken, die einen sehr großen Datenkorpus nutzen, einschließlich großer Sprachmodelle (LLMs) wie GPT-3, um neue Inhalte zu generieren“.

Wie funktioniert generative KI?

Generative KI verwendet Algorithmen des maschinellen Lernens (ML), um große Datensätze zu analysieren. Das bedeutet, dass man die künstliche Intelligenz mit einer Menge vorhandener Informationen zu einem Thema füttern kann, sodass sie lernen und Muster und Strukturen erkennen kann. Auf der Grundlage der aus diesen Daten gewonnenen Erkenntnisse kann die generative KI neue, originäre Inhalte erstellen.

Sie können zum Beispiel ChatGPT, den beliebten generativen Text-zu-Text-Chatbot von OpenAI, bitten, ein Sonett darüber zu schreiben, wie Luke Skywalker sich damit fühlt, dass Darth Vader sein Vater ist, und zwar im Shakespeare'schen jambischen Pentameter. ChatGPT sammelt schnell relevante Informationen im Internet über die Star Wars-Saga und William Shakespeares’ Sonette und produziert sofort neue Inhalte aus den von Ihnen angeforderten Informationen.

Und ja, wir haben ChatGPT diese Frage tatsächlich gestellt. Hier ist das Ergebnis:

Wer nutzt generative KI?

Unternehmen jeder Größe – Start-ups, kleine und mittlere Unternehmen sowie Konzerne – nutzen generative KI auf unterschiedliche Weise. Unternehmen können sie zur Rationalisierung und Verbesserung des Kundensupports, des Vertriebs, des Marketings, der IT, der Entwicklung, der Personalabteilung und der Schulungsteams einsetzen. Einige Beispiele für Anwendungsfälle für generative KI sind:

• Erweiterung der bestehenden Fähigkeiten von Kundendienst-Mitarbeiter:innen durch KI-gestützte Unterstützung
• Analyse großer Datenmengen für genaueres Lead Scoring und genauere Verkaufsprognosen für Verkaufsteams
• Personalisierung der Marketingkommunikation
• Optimierung des Rechenzentrumsbetriebs für IT-Abteilungen
• Generierung von Code für Softwareentwickler:innen
• Erstellung und Aktualisierung interner Inhalte und Dokumente für Human-Relations-Abteilungen (HR)
• Beschleunigung der Einarbeitung und Schulung von Kundendienst-Mitarbeiter:innen

Diese Beispiele für den Einsatz generativer KI sind nur die Spitze des Eisbergs. Je mehr sich generative KI durchsetzt, desto mehr und bessere Wege werden Unternehmen finden, diese Technologie einzusetzen.

Herkömmliche KI vs. generative KI: Was ist der Unterschied?

Der Unterschied zwischen herkömmlicher KI und generativer KI besteht darin, dass herkömmliche KI maschinelles Lernen, vordefinierte Regeln und programmierte Logik verwendet, um bestimmte Aufgaben auszuführen, während generative KI aus großen Datensätzen lernt, um Inhalte zu erstellen, die von Menschen generierten Inhalten ähneln. Beispiele:

• Herkömmliche KI kann Ticketsysteme effizienter machen, indem sie die Stimmung, die Absicht und die Sprache der Kund:innen bei Serviceanfragen erkennt und sie auf der Grundlage vorher festgelegter Kriterien (wie Fachwissen, Fähigkeiten und Verfügbarkeit) automatisch an die richtigen Kundendienst-Mitarbeiter:innen weiterleitet.

• Generative KI steigert die Produktivität der Kundendienst-Mitarbeiter:innen durch die Bereitstellung intelligenter Schreibtools, die es Teams ermöglichen, Anfragen effizienter zu bearbeiten und konsistenten Support zu leisten.

Unternehmen können zur Analyse von Daten sowohl herkömmliche als auch generative KI einsetzen. Während herkömmliche KI auf Grundlage der Daten fundierte Vorhersagen treffen kann, kann generative KI auf Grundlage der bereitgestellten Datensätze neue Daten erstellen. Generative KI kann sich auch an den Kontext anpassen und einzigartige, kreative Inhalte produzieren.

Generative KI vs. maschinelles Lernen

Der Unterschied zwischen maschinellem Lernen und generativer KI besteht darin, dass maschinelles Lernen nicht auf generative Aufgaben beschränkt ist. Beide Arten von KI lernen aus Mustern, die in großen Datensätzen und Interaktionen gefunden werden, aber maschinelles Lernen macht Vorhersagen oder Klassifizierungen und generiert keine neuen Inhalte.

Arten von generativen KI-Modellen

Generative KI hat verschiedene Anwendungsfälle, was bedeutet, dass es viele verschiedene Arten von generativen Modellen gibt. Hier sind einige der gängigsten Arten von generativen KI-Modellen.

Generative adversarische Netzwerke

Generative adversarische Netzwerke (GANs) funktionieren, indem zwei verschiedene lernende Computer (sogenannte neuronale Netze) mit denselben Datensätzen trainiert werden, um im Laufe der Zeit immer realistischere Inhalte zu erzeugen.

Die beiden Netze, „Generator-“ und „Diskriminator“ genannt, konkurrieren miteinander und treiben sich gegenseitig an, immer bessere Inhalte zu schaffen. Sobald das GAN die gleichen Informationen erhält, erstellt der Generator ein Datenmuster (z. B. ein Bild oder einen Text) auf der Grundlage der Trainingsdaten. Der Diskriminator analysiert dann die vom Generator erzeugten Daten und stellt fest, ob es sich um echte oder generierte Daten handelt.

Transformer

Transformer-basierte generative KI-Modelle sind neuronale Netze, die eine Deep-Learning-Architektur (Algorithmen zum Auffinden von Mustern in großen Datenmengen) verwenden, um neue Texte auf der Grundlage sequenzieller Daten vorherzusagen. Transformer können Kontext lernen und eine Art von Input in eine andere Art von Output „transformieren“, um menschenähnlichen Text zu erzeugen, der von Menschen generiertem Text ähnelt, und Fragen zu beantworten.

Variational Autoencoder

Variational Autoencoder (VAEs) sind generative Modelle, die Eingabedaten kodieren, die Datenpunkte vereinfachen und optimieren und sie in einem verborgenen Speicherbereich, dem sogenannten latenten Raum, ablegen. Nach Aufforderung werden die Daten aus dem latenten Raum gezogen und so rekonstruiert, dass sie ihrer ursprünglichen Form ähneln. VAEs erstellen häufig generative KI-Bilder und -Texte.

Flussbasierte Modelle

Flussbasierte Modelle transformieren komplexe Datenverteilungen in einfache Verteilungen. Diese Art von Modell wird normalerweise für die Bildgenerierung verwendet.

Rekurrente neuronale Netze

Rekurrente neuronale Netze (RNNs) werden verwendet, um sequenzielle Daten zu verarbeiten und zu erzeugen. Das Training eines RNN mit Datensequenzen erzeugt neue Sequenzen, die den gelernten Daten ähneln. RNNs sagen voraus, was in einer Sequenz als Nächstes kommt, und zwar auf Grundlage dessen, was in früheren Sequenzen aufgetreten ist. RNNs sind das generative KI-Modell für Siri und die Google-Sprachsuche.

Was sind einige beliebte generative KI-Anwendungen?

Je mehr wir lernen und je mehr wir die Vorteile der fortschrittlichen KI für den Kundenservice verstehen, desto mehr neue generative KI-Anwendungen tauchen auf. Wie das Geschlecht der Skywalker sind diese beliebten generativen KI-Anwendungen die mächtigsten im Bereich KI-Software.

Vorteile der generativen KI

Generative KI bietet zahlreiche Vorteile, insbesondere für Kundenserviceteams. Hier sind einige der häufigsten Vorteile.

Verbesserte Customer Experience

Mit generativer KI können Ihre Kundensupportteams eine bessere Customer Experience bieten. Bewältigen Sie hohe Anfragevolumina in Spitzenzeiten mit sofortigen, automatischen Antworten auf Kundenanfragen über generative Antworten, Messaging-Tools und Chatbot-Software.

Generative KI ermöglicht eine natürlichere, personalisierte Konversation mit präzisen Informationen. Dies führt zu einer besseren Customer Experience, höheren Kundenzufriedenheitswerten (CSAT) und mehr Kundentreue. Generative KI bietet auch mehrsprachigen Support, indem sie Sprachen erkennt und sich anpasst, um einen globalen Kundenservice rund um die Uhr zu ermöglichen.

Verbesserte Produktivität und Effizienz der Kundendienst-Mitarbeiter:innen

Optimieren Sie Ihre Workflows und erleichtern Sie Ihren Kundendienst-Mitarbeiter:innen die Arbeit mit generativen KI-Tools. Generative KI kann einfache Aufgaben übernehmen, damit sich die Kundendienst-Mitarbeiter:innen auf komplexere Probleme konzentrieren können. Im Folgenden finden Sie einige Möglichkeiten, wie Sie generative KI nutzen können, um die Produktivität und Effizienz Ihrer Kundendienst-Mitarbeiter:innen zu steigern:

• Ticketzusammenfassungen: Erstellen Sie eine kurze Zusammenfassung des Ticketinhalts, damit die Kundendienst-Mitarbeiter:innen das Problem verstehen und schneller reagieren können.
• Erweiterte Bots: Vermeiden Sie Tickets mit Bots, die datengesteuerte Vorschläge für sofortigen, dialogorientierten Support liefern.
• Erstellung von Inhalten: Automatisieren und rationalisieren Sie den Prozess der Inhaltserstellung, damit die Inhaber:innen der Inhalte dies nicht tun müssen.

Zendesk bietet zum Beispiel generative KI im einheitlichen Omnichannel-Arbeitsbereich für Agenten. In Zusammenarbeit mit OpenAI nutzt Zendesk die Leistung generativer KI, um die Produktivität von Kundendienst-Mitarbeiter:innen zu steigern, indem es Supportteams bei der Erstellung von Wissensdatenbankinhalten in großem Umfang unterstützt. Generative KI kann auch lange Tickets für Kundendienst-Mitarbeiter:innen zusammenfassen und eine kurze Antwort auf eine Kundenanfrage in Sekundenschnelle in eine ausführliche Antwort umwandeln.

Geringere Supportkosten

KI am Arbeitsplatz lässt Ihr Kundenserviceteam mit weniger Aufwand mehr erreichen. Generative KI hilft, Zeit und Kosten zu sparen, indem sie Tickets vermeidet, Workflows optimiert und sich wiederholende Aufgaben automatisiert. Das bedeutet, dass die Ticketwarteschlangen überschaubar sind und sich die Kundendienst-Mitarbeiter:innen auf komplexere Probleme konzentrieren können, während sie gleichzeitig die gleiche oder eine größere Anzahl von Kund:innen betreuen.

Generative KI kann Managementteams auch dabei helfen, aussagekräftigere Erkenntnisse darüber zu gewinnen, welche Arten von Kundenproblemen und -fragen automatisiert werden müssen. GenAI kann schnell Antworten darauf geben, welche Automatisierungslücken bestehen und welche Automatisierungen für Kundendienst-Mitarbeiter:innen und Geschäftsabläufe am vorteilhaftesten wären.

So kann es beispielsweise anzeigen, wenn ein hoher Prozentsatz der Kund:innen ihr Passwort zurücksetzen oder ihre Bestellungen verfolgen möchten, damit die Supportteams diese Arten von Anfragen an einen Bot weiterleiten können. Admins können diese Automatisierungen dann eher früher als später einrichten, was Unternehmen Zeit und Geld spart.

Herausforderungen der generativen KI

Generative KI kann viele Vorteile bieten und Unternehmen dabei helfen, schwierige Zeiten zu meistern. Aber bei jeder neuen Technologie kann es zu unerwarteten Wendungen kommen. Bei der Implementierung generativer KI sind einige Dinge zu beachten.

Unausgewogene, veraltete oder unzuverlässige Informationen

Generative KI-Systeme erstellen Inhalte auf Grundlage der Daten, mit denen sie trainiert wurden, was auch unausgewogene, veraltete oder unzuverlässige Daten beinhalten kann. Es ist wichtig, Datenquellen zu prüfen und zu validieren, um sicherzustellen, dass Ihre generative KI-Anwendung zuverlässige Informationen abruft. Schaffen Sie Prozesse und Richtlinien, die es Ihnen ermöglichen, unausgewogene Daten aus Ihren Datenbeständen zu ermitteln und zu entfernen. Überwachen und überprüfen Sie die ausgegebenen Inhalten zudem regelmäßig, um sicherzustellen, dass die Informationen sachlich und neutral sind.

Zendesk beispielsweise stellt Kund:innen KI erst dann zur Verfügung, wenn sie strenge Qualitätsprüfungen bestanden hat. Jede KI-Vorhersage und jeder KI-Vorschlag muss einen Schwellenwert für die Vertrauensbewertung überschreiten, bevor sie:er zur Erstellung automatisierter Prozesse verwendet werden kann.

Generative KI-Halluzinationen

Generative KI-Anwendungen werden so trainiert, dass sie die zuverlässigsten Ergebnisse auf Benutzerbefehle liefern. Generative KI-Tools können jedoch manchmal völlig falsche Informationen oder ungenaue Ergebnisse liefern, die als „Halluzinationen“ bezeichnet werden.

Eine Halluzination liegt vor, wenn die generative KI-Anwendung falsche oder irrelevante Informationen liefert, die nichts mit dem Datensatz zu tun haben, mit dem sie trainiert wurde. Einfach ausgedrückt bedeutet dies, dass das KI-Modell neue Inhalte auf der Grundlage von Fakten generiert, aber seine eigene kreative Interpretation hinzugefügt hat, was zu verzerrten Informationen führt. Diese Fälle treten zwar nicht häufig auf, können aber Fehlinformationen oder unsensible Inhalte liefern.

Bedenken hinsichtlich menschlicher Obsoleszenz

Obwohl der Zweck der generativen KI-Technologie darin besteht, die Produktivität und die Fähigkeiten zu verbessern, sind Mitarbeiter:innen möglicherweise besorgt, dass die Einführung der Technologie dazu führen könnte, dass sie ersetzt werden. Generative KI hilft bei der Automatisierung von Aufgaben, aber eine echte menschliche Beziehung kann nicht nachgebildet werden und ist ein entscheidender Bestandteil der Customer Experience.

Wenn Verbraucher:innen Probleme oder Fragen haben, wollen sie immer noch die Möglichkeit haben, mit einem Menschen zu sprechen. Laut einer kürzlich durchgeführten Umfrage sagen 81 Prozent der Verbraucher:innen, dass der Zugang zu Kundendienst-Mitarbeiter:innen entscheidend ist, um das Vertrauen in ein Unternehmen zu erhalten, wenn sie Probleme mit dem KI-gestützten Kundensupport haben. Zendesk stellt sicher, dass die Technologie immer von Menschen überwacht wird, damit sie richtig eingesetzt wird und die Kund:innen den Service erhalten, den sie erwarten.

Wie Sie generative KI für den Kundenservice nutzen

Der Einsatz von KI für den Kundenservice macht es Ihrem Supportteam leicht, eine außergewöhnliche Customer Experience mit Interaktionen mit menschlichem Touch zu schaffen. Hier sind einige Möglichkeiten, generative KI für den Kundenservice zu nutzen.

Den Self-Service skalieren

Die Möglichkeiten, Ihre Self-Service-Ressourcen zu verbessern, sind mit generativer KI praktisch unbegrenzt. Hier sind nur einige Möglichkeiten, generative KI für die Skalierung des Self-Service zu nutzen:

• Optimieren und beschleunigen Sie den Aufbau Ihrer Wissensdatenbank, indem Sie die Erstellung von Help-Center-Beiträgen automatisieren.

• Fördern Sie die Kreativität der Help-Center-Contentteams mit Vorschlägen und Empfehlungen.

• Gestalten Sie Kundeninteraktionen mit Bots natürlicher und dialogorientierter, indem Sie Ihre Wissensdatenbank nutzen, um ihre Antworten zu gestalten.

Mit Zendesk-KI können Sie zum Beispiel den Ton Ihrer Help-Center-Beiträge anpassen, um sie freundlicher oder formeller zu gestalten. Dadurch wird sichergestellt, dass die Inhalte bei Ihren Kund:innen Anklang finden und ein einheitlicher Ton in Ihrer Wissensdatenbank beibehalten wird. Sie können auch Bots einsetzen, um Self-Service-Optionen in Bereichen anzubieten, in denen Kund:innen häufig um Hilfe bitten.

Die Bot-Leistung optimieren

Generative Antworten nutzen Informationen aus einer vorhandenen Wissensdatenbank, sodass Sie keine eigenen Antworten entwickeln müssen. Dies beschleunigt und optimiert die Zeit für die Erstellung von Bots erheblich und verbessert die Customer Experience durch eine höhere Genauigkeit der Antworten.

Darüber hinaus verwenden bereits geschulte Bots Absichtsvorschläge. Diese Funktion hebt die häufigsten Fragen der Kund:innen hervor, sodass Admins Antworten für diese Absichten erstellen und die Gesamtleistung des Bots verbessern können. Dies führt auch zu einer erheblichen Zeitersparnis und hilft Teams, ihre Bots problemlos zu skalieren. Sie können sogar eine Persona für Ihre Bots erstellen und ihnen eine einheitliche Stimme geben, die Ihre Markenidentität widerspiegelt.

Die Fähigkeiten der Kundendienst-Mitarbeiter:innen optimal ausschöpfen

Generative KI kann die Fähigkeiten Ihrer Kundendienst-Mitarbeiter:innen erweitern, indem sie Aufgaben wie Ticketzusammenfassungen übernimmt. GenAI kann Kundendienst-Mitarbeiter:innen schnell eine Zusammenfassung des Tickets geben, sodass sie nicht die gesamte Konversation lesen müssen, um ein Problem zu verstehen. Dies ist vor allem bei priorisierten oder eskalierten Konversationen von Vorteil, die ein schnelles Handeln erfordern.

Generative KI kann auch für die Zusammenfassung von Anrufprotokollen verwendet werden. Zendesk bietet beispielsweise die Funktion Voice KI an, die OpenAI nutzt, um ein Anrufprotokoll zu diktieren und im Ticket zu speichern. Dies macht Anrufe vollständig durchsuchbar und leicht auffindbar.

Verbesserte Schreibtools erleichtern Inhaltsinhaber:innen die Erstellung von Help-Center-Inhalten. Mit nur wenigen Stichpunkten kann die generative KI den Inhalt zu einem vollständigen Beitrag in der gewünschten Sprache und dem gewünschten Tonfall erweitern.

Das Onboarding und die Schulung von Mitarbeitenden vereinfachen

Die gleichen Funktionen, die die Experience der Kundendienst-Mitarbeiter:innen verbessern, können auch das Onboarding und die Schulung neuer Mitarbeiter:innen beschleunigen. Generierte Ticketzusammenfassungen versorgen neue Teammitglieder mit den wichtigsten Informationen der Konversation und verkürzen so ihre Einarbeitungszeit.

Neue Kundendienst-Mitarbeiter:innen können auch Hilfe bei der Formulierung von Antworten erhalten. Nehmen wir an, ein neuer Kundendienst-Mitarbeiter muss sich noch mit den Rückgaberichtlinien des Unternehmens vertraut machen und benötigt Hilfe bei der Beantwortung eines Kundenanrufs mit den entsprechenden Details. Der Mitarbeiter kann ein paar Wörter eingeben, und die generative KI kann den Rest des Satzes vorhersagen und die Lücken mit den richtigen Informationen füllen. Kundendienst-Mitarbeiter:innen können auch ihre Antworten hervorheben und den Ton der gesamten Nachricht anpassen.

Mit diesen generativen KI-Tools können Unternehmen die Schulungszeit verkürzen und ihre Supportmitarbeiter:innen schneller einsatzbereit machen.

Häufig gestellte Fragen

Die Zukunft der generativen KI

Bei all dem Trubel um die generative KI fällt es leicht, sich mitreißen zu lassen. Es ist jedoch wichtig, einen Plan zu haben, damit Sie die Vorteile der generativen KI jetzt und in Zukunft optimal nutzen können.

In unserem Leitfaden für fortschrittliche KI im Kundenservice erfahren Sie, wie Sie die Leistung von KI nutzen können. Wenn Sie jetzt generative KI implementieren, können Sie auf dem Fahrersitz Platz nehmen und sich auf eine spannende Reise begeben. Wir werden der Chewbacca für Ihren Han Solo sein. Steigen Sie in den Millennium Falcon und lassen Sie uns durch den Hyperraum fliegen.