.png)
Dans un précédent article intitulé « S’interfacer avec Genesys Cloud (SUITE) », nous prenions pour exemple le cas d’une agence de voyage d’affaires qui bénéficie de l’apport de l’intelligence artificielle pour soulager les opérateurs d’un centre d’appels et optimiser la marge de l’entreprise. En tendance, il est clair que les rôles respectifs de l’humain et de la machine évoluent rapidement et qu’une redéfinition s’impose.
Plutôt que d’opposer opérateurs et chatbots, l’idée est de contribuer à faciliter leur collaboration. Contrairement aux idées reçues, il n’y a pas un couple humain-machine, mais plutôt un groupe d’humains qui se positionnent chacun à leur façon vis-à-vis d’une IA. Entre humains (au pluriel) et IA (au singulier), les temps de collaboration alternent avec les temps d’autonomie. Les temps de collaboration sont consacrés à l’apprentissage réciproque : l’IA apprend d’un instructeur qui coordonne la collecte, la sélection et l’interprétation des expériences vécues par les opérateurs ; inversement le comportement des clients confrontés à l’IA est scruté par des analystes qui peuvent avoir un profil différent de l’instructeur. Les temps d’autonomie concernent l’IA sur un ensemble de tâches au contour limité mais hautement évolutif, et les opérateurs au-delà de ces limites. Les opérateurs doivent donc s’adapter à l’évolution rapide des limites de l’IA en distinguant les besoins stables (ce que l’humain fait toujours de préférence à l’IA) des besoins circonstanciels (ce que l’humain fait ponctuellement à l’occasion de la sortie d’une nouvelle offre par exemple).
Dans le registre des besoins stables, figurent toutes les interactions avec des clients et des correspondants dits allergiques à l’IA. On estime qu’environ 1 correspondant sur 5 est allergique à l’IA par principe (en 2019, 17 % de la population française est considérée comme « illectrée » selon l’INSEE – cf https://www.insee.fr/fr/statistiques/4241397 – c’est-à-dire non exposée ou réticente à l’usage du numérique). Certes, il est toujours possible d’espérer les convaincre avec le temps et en ne leur donnant pas le choix, mais cela suppose, justement, qu’ils n’ont vraiment pas le choix et que leur mécontentement ne va pas générer d’autres conséquences négatives, telles que la création d’une mauvaise réputation et la baisse du Net Promoter Score, indicateur clé s’il en est. Une solution consiste à créer une équipe contrôleur-IA, l’un surveillant l’autre et pouvant forcer son entrée dans la conversation en cas de suspicion d’allergie. Par exemple chez Orange, la récupération du code PUK par les clients professionnels et entreprises est assurée par un bot appelé Djingo Pro depuis 2017 (https://hellofuture.orange.com/fr/comment-ecrit-on-a-un-chatbot), mais cette option n’est valable que pour les correspondants dits connectés.
Dans un contexte de recours à l’IA, un plateau de centre d’appel n’est donc plus seulement occupé par une équipe d’opérateurs et par des managers, mais par des collaborateurs aux rôles variés, complémentaires et évolutifs. Un organisateur est parfois nécessaire, au moins en temps partagé, pour ajuster le dispositif et aider chacun à bien comprendre son positionnement.
La formation continue est clé pour entretenir ces compétences, car si les opérateurs, analystes, contrôleurs, organisateurs et instructeurs bénéficient de la disparition de leur liste de tâches de tous les tracas liés à la routine des incidents et des requêtes simples, ils doivent apprendre à gérer leurs temps de collaboration avec l’IA et leurs temps d’autonomie.
@Genesys #Genesys
Inked by Scenent.com