AI-assistenter: Hvorfor de fejler og hvordan de kan lykkes

Årsagerne er mange og listen her er ikke udtømmende. 

Men først og fremmest kan vi ikke komme uden om, at værktøjer som ChatGPT har ændret brugeradfærden markant. Hvor søgefeltet tidligere var den primære indgang, forventer brugerne i stigende grad at kunne stille spørgsmål og få svar hurtigt og i et samtalebaseret format. Den forventning tager de med sig ind på hjemmesider. Så hvis virksomhederne ikke har AI på agendaen, fremstår de forældede. Noget som efterhånden er blevet et klart konkurrenceparameter.

En anden årsag er ideen om intern effektivisering.

AI-assistenter kan frigøre ressourcer fra dyre kundeserviceafdelinger med 24/7 tilgængelighed, kortere svartider og færre menneskelige ressourcer.

Samtidig er teknologien blevet demokratiseret og derfor langt mere tilgængelig. Hvor det tidligere krævede tungere integrationer og specialiseret viden, findes der nu plug-and-play løsninger, som kan implementeres med relativt lave omkostninger. Selvom AI-assistenter kan give værdi, viser vores erfaring med at teste og designe dem, at virksomheder implementerer dem for hurtigt og uden reel brugerværdi. 

Jeg har samlet 5 faldgruber, som virksomheder typisk overser, når de implementerer AI-assistenter, og dem kan du læse herunder.

På tværs af disse udfordringer står brugeren tilbage med den samme oplevelse: en AI-assistent, der lover hjælp, men sjældent leverer den. Den fremstår kompetent på overfladen, men mangler data, kontekst, fallback og integration. Derfor bliver brugeren hurtigt frustreret, mister tilliden og føler sig sendt i ring.

Netop fordi forventningerne til AI-assistenter er høje, og erfaringen ofte skuffer, opstår et klart paradoks. Brugerne forventer at blive hjulpet, men møder gentagne gange begrænsninger, som tydeligt viser, hvad AI-assistenter ikke kan. Det rejser et centralt spørgsmål. Hvordan designer og implementerer virksomheder en AI-assistent, der faktisk lever op til brugernes forventninger, og samtidig fungerer som en reel forlængelse af kundeservice?

For at AI-assistenter faktisk skaber værdi, skal virksomheder først og fremmest anerkende, at de er en forlængende service, og ikke blot en teknisk feature. Formålet skal være klart defineret og afgrænset. Igen: hvem skal de hjælpe, med hvad, og hvornår?

Datagrundlaget skal være relevant og tilstrækkeligt

Det handler ikke om at fodre AI-assistenten med alt muligt indhold. Det handler om, at den kan håndtere de typiske spørgsmål og situationer, som brugerne møder - og som kan have varierende karakter. Intensiv og kontinuerlig træning er afgørende, og her undervurderer mange virksomheder ofte den tid og de ressourcer, der skal afsættes dertil.

Designet skal tage udgangspunkt i brugernes reelle flow og behov

...og ikke i hvad virksomheden tror, der er behov for. Det betyder, at AI-assistenten skal være integreret i de touchpoints, hvor brugeren faktisk har brug for hjælp, og kommunikere på en måde, der føles naturlig og hjælpsom.

Endelig er fallback til mennesker essentiel

Selv den bedst trænede AI-assistent vil støde på spørgsmål eller situationer, den ikke kan håndtere. En tydelig og enkel overgang til et menneske sikrer, at brugeren altid føler sig hjulpet og ikke efterladt i et loop af frustration.

Brugerne møder AI-assistenter med skepsis, fordi erfaringen ofte viser, at de ikke kan løse deres konkrete behov. Derfor er det helt afgørende, at virksomheder helt generelt opkvalificerer AI-assistenter, så de skaber værdi og genvinder den ellers brudte tillid. Før AI-assistenter kan og bør udføre konkrete handlinger for brugerne, bør den altså være kvalificeret med relevant data, et klart formål og et design, der passer ind i brugerens kontekst.

Først når disse elementer er på plads, bliver AI-assistenten ikke blot en feature, men et værktøj, som brugerne faktisk vil bruge, stole på og vende tilbage til.