Neporozumění, zdlouhavá a obšírná komunikace, nemožnost přistoupit hned k jádru věci, nekonečné klikání a ve výsledku odkázání na operátora... To jsou problémy, které výrazně rezonovaly mezi českými uživateli, kterých jsme v průzkumu pod hlavičkou našeho Bot Doctora ptali, co jim na automatizované komunikaci prostřednictvím chat a voice asistentů nejvíc vadí. A není to jen specifikum českého prostředí. V zahraničí dokonce vznikají studie zkoumající uživatelské chování a pátrající po jeho příčinách.

Studie z letošního dubna Deploying Chatbots in Customer Service: Adoption Hurdles and Simple Remedies se dokonce zaměřuje na jev, kdy se uživatelé vyhýbají použití bota. Konkrétně zkoumají, proč je i přes významný technologický pokrok stále problematické automatizovanou komunikaci zavést do customer care. Dochází k tomu, že zásadním faktorem je tzv. gatekeeper aversion – uživatelský odpor k procesu, jehož počáteční fáze je značně nedokonalá. Zjednodušeně řečeno, uživatelům vadí, že je bot drží v konverzaci o problému, jehož řešení není v jeho kompetencích. Dle autorů studie se lze uživatelské averzi do jisté míry vyhnout, pokud budou boti transparentnější, co se týká jejich kompetencí. Dle studie uživatelé také ocení informace o tom, jak dlouho bude řešení problému trvat. A především, zda to bot vůbec dokáže. 

Kromě neschopnosti odpovědět, ať už bot odpověď nezná, nebo nerozumí, vadí uživatelům, kterých jsme se na jejich zkušenosti ptali, taky další jevy. A nejvíc je to cyklení konverzace, kdy bot trvá na procesu, který uživatel nechce podstoupit. Odmítá tak uživatele pustit k dalšímu kroku nebo k ukončení komunikace. Dalším významným problémem je vyžadování osobních informací výměnou za odpověď, nebo dokonce jen pro pokračování v konverzaci. Problémem je pro uživatele také nutnost celou komunikaci zopakovat s operátorem nebo zveličená očekávání, která bot či jeho provozovatel na začátku konverzace neujasní. 

Obecně se i mezi světovými uživateli často skloňuje možnost volby, zda budu jako uživatel komunikovat s botem, nebo člověkem. Průzkum společnosti Verint z loňska ukazuje, že nemožnost okamžitého přepojení nebo výběru způsobu komunikace je problém pro mnoho uživatelů. Zkušenost s botem či IVR z tohoto důvodu popsalo jako špatnou pro výzkum 66 % uživatelů. A podle průzkumu SupportNinja by 81 % uživatelů dokonce raději počkalo minutu a déle, jen aby mohli mluvit s živým operátorem. SupportNinja také zmiňují (v článku, ve kterém představují výsledky svého průzkumu, pozn. red.), že z jiného průzkumu vyplynulo, že až 45 % zákazníků bude raději ignorovat problém se službou nebo produktem, aby se nemuseli potýkat se zákaznickou linkou nebo chatem. 

 

Má cenu se ale uživatelskou zkušeností zabývat i na tak drobném a konzervativním trhu, jako je Česko? Opatrnost a nedůvěra v AI se u nás poměrně rychle stírá a dotahujeme na světový průměr v užívání automatizované komunikace. Podle průzkumů z roku 2024, které provedly společnosti Enehano a Qinshift, má zkušenosti s boty 74 % Čechů ve věku mezi 18 a 65 lety. Světový průměr je přitom 80 % v zákaznickém servisu a 77 % v obchodu. Velmi obezřetně ale zařazujeme komunikaci s boty do každodenní rutiny. Na denní bázi využívá automatizovanou komunikaci jen 3,5 % Čechů, zatímco ve světě je už toto číslo o poznání vyšší – průzkum společnosti Statista uvádí, že celosvětově ji denně používá v průměru kolem 33 % lidí. 

Čísla taky ukazují, že v Česku jsme s automatizovanou komunikací méně spokojení než ve světě. Znamená to, že v Česku vznikají horší řešení? Nebo je důvodem to, že čeština je ve využití AI a velkých jazykových modelů marginálním jazykem? Možná je na vině prostě jen menší důvěra a větší opatrnost. Češi totiž poměrně výrazně přeskakují světový průměr v ověřování informací, které jim nabídnou konverzační AI platformy, jako je například ChatGPT. Až 69 % Čechů pod 29 let ověřuje takto získané informace, zatímco ve světě je to kolem 31 % uživatelů. 

Zdaleka ne každá společnost, která provozuje nějakou formu automatizované komunikace, má ve svém týmu nějakého AI specialistu. K sestavení a dlouhodobé údržbě kvalitního virtuálního asistenta je zapotřebí celý tým od conversation designera, developera, přes analytika i lingvistu a dalších. Firmy poskytující vývoj chat a voice botů často poskytují jen základní servis nebo prodávají boty sestavené dle šablony s upraveným copy. Údržba i příprava kvalitního bota se totiž v počátečních číslech zdají příliš nákladné, ale z hlediska dlouhodobosti a efektivity se skutečně jedná o významnou úsporu. Je proto víc než vhodné nechat svého bota auditovat odborníky, kteří dokážou přesně určit, kde je problém. 

Základem je využívat při přípravě i údržbě bota konverzační AI, která zažívá obrovský boom a stále se rozvíjí a zdokonaluje. Mezi její výhody patří mnohem lepší porozumění požadavkům, automatické „AI powered“ trénování, díky čemuž je komunikace skutečně konverzační. A především se zvyšuje její plynulost a rychlost – konverzační AI rozezná a vyřeší požadavek nebo ho předá kompetentní osobě mnohem svižněji než klasická „klikací“ stromová struktura. 

Současná technologie už nevyžaduje nutně pevný konverzační scénář. S nástupem LLM je mnohem vhodnější vést konverzaci dynamicky a nechat bota odpovídat dle kontextu. Důležité je přitom pro uživatelskou zkušenost to, jak bot přistoupí k vlastním nedokonalostem. 

Umí bot rychle zhodnotit své kompetence a předat uživatele operátorovi? Zvládne zareagovat na nedorozumění a neporozumění? Vypořádá se s opakovanými požadavky rychleji než napoprvé? Orientuje se v plynulém jazyce, aniž by potřeboval zadávat pokyny prostřednictvím předem připravených tlačítek? Tyto zdánlivé drobnosti hrají klíčovou roli v UX, a tedy i v tom, jaký dojem si z komunikace a potažmo ze společnosti, která bota provozuje, uživatel odnese. 

Pokud musí uživatel znovu svůj požadavek vysvětlit, když se po zdlouhavých minutách s botem konečně dostane k operátorovi, něco je zásadně špatně. Ukládat data o komunikaci je to nejmenší, co lze udělat, a uživatelskou zkušenost to zlepší o několik řádů. 

Ať už je bot založen na konverzační AI, LLM nebo NLP, pravidelná údržba – trénink je nezbytný. Zásadní je správná metodika trénování a pečlivého výběru dat. Funguje to podobně jako ve škole – existuje dobrý učitel a špatný učitel, stejně tak dobrá i špatná učebnice. Dobře natrénovaný bot má ale na UX velký vliv. 

Od věci rozhodně není ani investice do kvalitní analytiky, ideálně založené na conversation intelligence, která zachytí nejen tvrdá data, ale dokáže analyzovat i psaný a mluvený text, určit frekventovaná témata, analyzovat a zasadit do kontextu sentiment a mnoho dalších věcí. To vše v reálném čase, a ne na vzorku, ale na všech reálných konverzacích.

Podle Bruce B. Balentinea, který se novým technologiím a jejich vztahu k člověku věnoval už na prahu 21. století, jde o nerealistická očekávání. Technologie pro nás už není žádnou novinkou a k většině dalších technologických vymožeností jsme jako uživatelé o poznání shovívavější než k automatizované komunikaci. Vliv mohou mít futuristické filmy a sci-fi, ale také fakt, že AI nesrovnáváme s méně dokonalou technologií, jako je například telefon, ale hledíme do budoucnosti k té nejdokonalejší – lidské bytosti. Jednoduše očekáváme zázrak. Pokud se nedostaví, zklamaní se obracíme na zákaznickou linku, kde za zvuku neodbytného muzaku čekáme na někoho z masa a kostí, kdo nám vyjde vstříc. Zdá se, že to, čeho se na jednu stranu obáváme – robot nerozeznatelný od reálného člověka, je zároveň to, po čem zoufale toužíme. Možná by ale nejvíc pomohlo, kdyby byly konverzace mnohem víc lidské – zdvořilé, empatické a upřímné, co se týká kompetencí. A to je něco, co lze implementovat hned, zatímco budeme čekat na další zdokonalení už teď dechberoucí technologie.