Udfordring
Hvert svar, der sendes til en kunde hos et licenseret kreditinstitut, skal kunne revideres og være i overensstemmelse med reglerne. Teamet skulle på én gang håndtere tre sprog, to portaler (modena.ee til lån og modena.capital til investorer) og et konstant pres for at holde svarene hurtige og kvaliteten ensartet med et lille team.
Løsning
- 11 AI-workflows, én platform. AI er bygget ind i 11 forskellige supportworkflows i stedet for at være klistret på som en separat chatbot; hvert AI-output gennemgås af et menneske, før det når kunden.
- Omkostningseffektiv strategi med tre modeller. Sortering kører på Haiku, udarbejdelse af svar på Sonnet og kompleks ræsonnering på Opus – administratoren kan se valget og tilsidesætte det for hvert scenarie.
- RAG på Zendesk-arkivet. Til hver ny sag hentes de tre mest lignende løste sager som kontekst, så AI’en lærer af, hvordan mennesker rent faktisk løste det samme spørgsmål.
- Portalbevidst vidensbase. Hver artikel i vidensbasen er mærket efter portal – en investorsag ser aldrig FAQ’en om lån og omvendt.
- Selvopdaterende vidensbase. Hver søndag gennemgår Claude de løste sager og udarbejder de tre hyppigste FAQ’er; administratoren trykker »udgiv« efter gennemgang.
- Graciøs nedgradering. Hvis Claudes API er nede, fortsætter platformen med at fungere – AI er et supplement, ikke et kritisk led.
Resultat
- Svartiden faldt fra 5–10 minutter til 1–2 minutter pr. svar.
- Eskalerede sager når den rette person samme dag – ikke bagerst i køen.
- Svarkvaliteten er mere ensartet på tværs af medarbejdere – samme vidensbase, samme tidligere løsninger.
- Nye medarbejdere bruger platformen fra første dag – der er ikke brug for separat træning i »prompt engineering«.
- Direkte softwarebesparelse på ca. 7.140 € om året sammenlignet med Zendesk Suite og Advanced AI.
Vigtigste pointeAI-baseret kundesupport kræver ikke et AI-startupbudget – den kræver omhyggelig integration i arbejdsgangene, en omkostningseffektiv modelstrategi og et menneske med i hver beslutning.