DialNexa ได้วิเคราะห์สายสนทนาทางธุรกิจมากกว่าหนึ่งล้านสายในอินเดีย และพบว่า Voice-AI จะทำงานได้อย่างมีประสิทธิภาพก็ต่อเมื่อมีการปรับจูนปัจจัยหลัก 4 ประการ ได้แก่ การเชื่อมต่อ (connectivity), ความหน่วง (latency), การสลับภาษา (language mixing) และจังหวะเวลา (timing) ไปพร้อมกัน บริษัทอินเดียหลายสิบแห่งกำลังเริ่มนำ voice agents มาใช้ในงานขาย การสนับสนุนลูกค้า และการแจ้งเตือน ซึ่งข้อมูลนี้ช่วยอธิบายว่าทำไมโครงการนำร่องหลายโครงการถึงหยุดชะงักเมื่อต้องรับมือกับปริมาณการใช้งานจริง
ทำไมด้านการปฏิบัติงานจึงมีความสำคัญ
Voice-AI ได้เปลี่ยนผ่านจากการสาธิตแนวคิด (proof-of-concept) ไปสู่การใช้งานจริงในศูนย์บริการลูกค้า ทีมขายทางโทรศัพท์ และบริการนัดหมาย เทคโนโลยีนี้สัญญาว่าจะช่วยลดต้นทุนด้านบุคลากรและเพิ่มความเร็วในการตอบสนอง แต่บอทที่ฟังดูดีในห้องทดลองอาจล้มเหลวได้หากลำดับการสนทนา (call flow) พังทลาย ชุดข้อมูลของ DialNexa ซึ่งรวบรวมจากหลากหลายอุตสาหกรรม แสดงให้เห็นว่า AI ตัวเดิมจะมีพฤติกรรมอย่างไรเมื่อจำนวนสายเพิ่มขึ้นจากไม่กี่ร้อยสายเป็นหลายหมื่นสายต่อวัน
การเชื่อมต่อและพลังของการโทรซ้ำ
อัตราการรับสายครั้งแรกสำหรับเบอร์ใหม่อยู่ที่ 48% แต่การโทรซ้ำอาจทำให้ตัวเลขนี้ลดลงเหลือเพียง 20% อย่างไรก็ตาม การใช้ลำดับการโทรซ้ำที่ชาญฉลาดสามารถช่วยเพิ่มอัตราการเชื่อมต่อรวมให้สูงกว่า 70% การวัดผลเพียงความพยายามครั้งแรกจะทำให้เห็นภาพที่ดูแย่เกินความเป็นจริง เพราะวงจรการโทรที่สมบูรณ์ (call lifecycle) นั้นมีความสำคัญมากกว่า
การรักษาผู้สนทนาขึ้นอยู่กับความจริงใจและคุณภาพเสียง
มีผู้โทรไม่ถึง 3% ที่วางสายใส่ AI ทันที เมื่อเสียงสังเคราะห์ฟังดูเป็นธรรมชาติและบทพูดเริ่มต้นให้ความรู้สึกเหมือนการสนทนา ผู้โทรจะอยู่คุยนานขึ้น การแจ้งให้ทราบตั้งแต่ต้นว่าเป็นการสนทนากับ AI จะช่วยสร้างความเชื่อมั่นและลดการวางสายในช่วงแรก
ปัญหาความหน่วง (Latency) เป็นสิ่งที่สัมผัสได้ทันที
การตอบสนองส่วนใหญ่เกิดขึ้นภายในเวลาไม่ถึงหนึ่งวินาที แต่มีบางส่วนที่ใช้เวลาสองวินาทีหรือมากกว่านั้น การหยุดชะงักที่นานเกินไปจะทำลายจังหวะการสนทนา ทำให้ผู้โทรต้องพูดซ้ำหรือวางสายไป ควรติดตามเวลาการตอบสนองที่ช้าที่สุด ไม่ใช่แค่ค่าเฉลี่ยเพียงอย่างเดียว
การสลับภาษา (Code-switching) คือเรื่องปกติ ไม่ใช่ข้อยกเว้น
ในอินเดีย ผู้พูดมักจะสลับไปมาระหว่างภาษาฮินดีและภาษาอังกฤษภายในประโยคเดียว แพลตฟอร์มที่สามารถประมวลผลภาษาที่ผสมกันได้ในการประมวลผลเพียงครั้งเดียวจะมีประสิทธิภาพเหนือกว่าแพลตฟอร์มที่ต้องแยกประโยคออกเป็นส่วนๆ ข้อมูลแสดงให้เห็นว่าระบบที่จัดการการสลับภาษาได้อย่างลื่นไหลจะมีอัตราการสนทนาจนจบสูงกว่าและใช้ระยะเวลาการโทรสั้นกว่า ซึ่งตอกย้ำถึงความจำเป็นของโมเดลหลายภาษาที่มองว่าภาษาเป็นสิ่งที่ต่อเนื่องกัน
เลือกงานที่มีผลลัพธ์ชัดเจน
การคัดกรองกลุ่มเป้าหมาย (Lead qualification) และการโทรแจ้งเตือนกิจกรรมต่างๆ เป็นงานที่ประสบความสำเร็จสูงสุด งานเหล่านี้มีข้อมูลนำเข้า (inputs) และผลลัพธ์ที่คาดหวัง (outputs) ที่ชัดเจน ทำให้ AI สามารถปฏิบัติตามแผนผังการตัดสินใจ (decision tree) ที่กำหนดไว้ได้ ในขณะที่การสนทนาแบบปลายเปิด เช่น การแก้ไขปัญหาทางเทคนิคที่ซับซ้อน กลับมีอัตราการสนทนาจนจบที่ต่ำกว่า การเริ่มต้นด้วยเวิร์กโฟลว์ที่มีโครงสร้างจะช่วยให้ทีมสามารถแก้ไขปัญหาด้านการเชื่อมต่อและความหน่วงได้ก่อนที่จะไปจัดการกับการสนทนาที่ซับซ้อนขึ้น
จังหวะเวลาเป็นเรื่องสำคัญ
ความสำเร็จในการโทรมีความแตกต่างกันอย่างมากตามช่วงเวลาของวัน สำหรับการติดต่อทางธุรกิจ ช่วงเวลาที่ดีที่สุดคือ 10:00 น.-12:00 น., 16:00 น.-18:00 น. และ 20:00 น.-21:00 น. การโทรนอกช่วงเวลาเหล่านี้จะเห็นอัตราการรับสายและอัตราการบรรลุเป้าหมายลดลงอย่างเห็นได้ชัด การปรับการติดต่อให้ตรงกับช่วงเวลาเหล่านี้จะช่วยเพิ่มประสิทธิภาพได้โดยไม่ต้องเปลี่ยนตัว AI
สายเรียกเข้า (Inbound) มีประสิทธิภาพสูงกว่าที่คิด
มีเพียง 16% ของปริมาณสายทั้งหมดที่เป็นสายเรียกเข้า (inbound) แต่กลับมีอัตราการบรรลุเป้าหมายสูงถึง 89% เนื่องจากผู้ที่เริ่มการสนทนามีความตั้งใจ (intent) อยู่แล้ว AI จึงทำหน้าที่เพียงแค่ยืนยันหรือให้ข้อมูล ในขณะที่สายโทรออก (outbound) ต้องพยายามดึงดูดความสนใจของผู้ฟังก่อน ทำให้การปรับจูนเรื่องการเชื่อมต่อและจังหวะเวลามีความสำคัญมากขึ้นไปอีก
สิ่งที่ธุรกิจควรจับตามองต่อไป
- การจัดการชื่อเสียง (Reputation management): หมุนเวียนหมายเลขโทรศัพท์ที่ใช้โทรออก (caller IDs) และตรวจสอบสถานะการถูกขึ้นบัญชีดำ (blacklist) เพื่อรักษาอัตราการรับสายให้สูงอยู่เสมอ
- การตรวจสอบความหน่วง (Latency audits): บันทึกการตอบสนองที่ช้าที่สุดและตรวจสอบว่ามาจากโมดูลใดโดยเฉพาะ
- การฝึกฝนโมเดลหลายภาษา (Multilingual training): รวมตัวอย่างการสลับภาษา (code-switching) เข้าไปในการฝึกโมเดล แทนที่จะแยกภาษาออกจากกัน
- การกำหนดขอบเขตงาน (Task scoping): เริ่มต้นด้วยกรณีการใช้งานที่มีความชัดเจนสูง และขยายขอบเขตงานก็ต่อเมื่อระบบหลักได้รับการพิสูจน์แล้วว่าเชื่อถือได้
- การปรับตารางเวลา (Schedule alignment): ใช้ช่วงเวลาที่ระบุไว้เป็นช่วงเวลาโทรออกเริ่มต้น เว้นแต่ข้อมูลจะบ่งชี้ว่ากลุ่มเป้าหมายเฉพาะบางกลุ่มมีพฤติกรรมที่แตกต่างออกไป
ข้อควรระวัง
การวิเคราะห์นี้ครอบคลุมชุดข้อมูลการโทรขนาดใหญ่และหลากหลาย แต่ไม่ได้ครอบคลุมทุกรายละเอียดของแต่ละอุตสาหกรรมหรือสำเนียงท้องถิ่น บริษัทที่พึ่งพาเพียงค่าเฉลี่ยเหล่านี้อาจพลาดกรณีพิเศษ (edge cases) ที่จำเป็นต้องมีการปรับจูนเฉพาะทาง ข้อมูลนี้สะท้อนถึงความสามารถของ AI ในปัจจุบัน การพัฒนาความเข้าใจภาษาธรรมชาติ (natural-language understanding) ในอนาคตอาจทำให้สมดุลระหว่างงานที่มีโครงสร้างและงานแบบปลายเปิดเปลี่ยนแปลงไป
การมองว่า Voice-AI เป็นเพียงเครื่องมือประมวลผลเสียง (speech engine) แบบแยกส่วนนั้นไม่เพียงพออีกต่อไป แต่ต้องได้รับการบริหารจัดการในฐานะระบบปฏิบัติการ (operational system) ที่ซึ่งความน่าเชื่อถือของหมายเลข (number reputation), ความเร็วในการตอบสนอง, ความสามารถในการปรับตัวตามภาษา และจังหวะเวลา ล้วนส่งผลต่อประสิทธิภาพการทำงาน บริษัทที่ปรับแผนงานด้านเทคโนโลยี (technology roadmap) ให้สอดคล้องกับปัจจัยขับเคลื่อนเหล่านี้ จะสามารถตักตวงผลิตภาพที่เพิ่มขึ้นตามที่คาดหวังไว้ พร้อมทั้งหลีกเลี่ยงต้นทุนแฝงจากการติดตั้งใช้งานที่ล้มเหลว