Wie generative KI bessere Erlebnisse für alle ermöglicht

Dieses Medien- und Unterhaltungsunternehmen legt großen Wert darauf, einzigartige Kundenerlebnisse zu schaffen. Die rund um die Uhr verfügbaren Kundenservice-Kanäle ermöglichen es dem Unternehmen, seine Kunden noch besser zu verstehen.

Insbesondere erkannte das Unternehmen, dass Chat-Gespräche im Kundenservice sowie App-Bewertungen eine wertvolle Datenquelle darstellen.

Doch aus Daten verwertbare Erkenntnisse zu gewinnen, ist oft leichter gesagt als getan. Textdaten sind unstrukturiert und daher nur schwer für eine schnelle Analyse in Tabellenkalkulationen geeignet. Dank neuer Entwicklungen im Bereich des maschinellen Lernens – insbesondere der Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) – können Computer menschliche Sprache interpretieren, verarbeiten und verstehen, sodass Datenwissenschaftler einen Großteil ihrer Arbeit automatisieren können.

Darüber hinaus wollte das Unternehmen nicht nur historische Daten analysieren, sondern auch Kundenchats in Echtzeit auswerten. Ziel war es, den Chat-Agenten mithilfe generativer KI (Gen AI) optimale Antwortvorschläge zu liefern. Dazu war jedoch die Anpassung eines firmeneigenen, maßgeschneiderten Large Language Models (LLM) erforderlich.

Das Unternehmen erkannte, dass es sich um ein komplexes Projekt handelte, das externe Unterstützung erforderte. Dank der langjährigen Zusammenarbeit mit Genpact war das Unternehmen überzeugt, dass wir dieser Herausforderung gewachsen waren.

Wir gliederten das Projekt in drei Schritte:

1. Analyse historischer Chatdaten: Wir setzten ein Open-Source-LLM ein, um Chat-Konversationen nach Schlüsselwörtern, Anfragen, Stimmungen und weiteren Kriterien zu strukturieren. Mithilfe dieser anfänglichen Regeln verarbeiteten wir große Mengen an Chatdaten durch das LLM, um sie zu kategorisieren und das Modell anzupassen. Dieser Schritt sparte im Vergleich zu herkömmlichen manuellen Datenanalyseprozessen erheblich Zeit.
2. Analyse der App-Bewertungen: Mithilfe der App-Bewertungen wollten wir ermitteln, welche Aspekte die Kunden besonders schätzten oder kritisierten, um dem Unternehmen kontinuierlich ein Fünf-Sterne-Erlebnis zu ermöglichen. Dabei nutzten wir die Erkenntnisse und Prozessinformationen aus der Chat-Datenanalyse. In den ersten beiden Schritten anonymisierten wir die Daten, um die Privatsphäre der Kunden zu schützen und den Best Practices für verantwortungsbewusste KI zu entsprechen.
3. Erstellung von Echtzeit-Chatvorschlägen: Abschließend nutzten wir die Analysen aus den ersten beiden Schritten, um mithilfe von KI Echtzeit-Antwortvorschläge für Chat-Agenten zu generieren. Hier entfaltet sich die eigentliche Wirkung: Das Unternehmen lernt nicht nur aus der Vergangenheit, sondern gewinnt auch Einblicke in aktuelle Interaktionen. Unsere automatisierten Chat-Empfehlungen unterstützen die Mitarbeiter dabei, selbst komplexe Fragen im Markenstil des Unternehmens zu beantworten.