Pikemalt statistikasse süüvides oli aastal 2015 erinevaid teenindust vajavaid teemasid Elisas veidi alla 400, täna läheneb see number juba aga 700-ni. Pidevalt kasvab erinevate kasutusel olevate tehnoloogiate arv, täieneb kliendiseadmete funktsionaalsus ning lisanduvad üha uued teenused, mis traditsioonilise infrastruktuuri äriga enam tihtipeale üldsegi seotud pole.

Umbes sarnases tempos kasvab ka klientide ootus teeninduse kiirusele ning kvaliteedile. Ühelt poolt mõjutab seda üldine elukvaliteedi tõus, teiselt poolt aga aina globaliseeruv ning digitaliseeruv maailm. Kasutuskogemuse osas ei konkureeri Eesti ettevõtted ammu enam vaid omavahel, meid kõiki võrreldakse Google, Facebooki, Amazoni erinevates keskkondades kogetuga.
Lisades kõrgete kliendiootuste kõrvale ülitugeva kohaliku palgasurve, kakskeelsete teenindajate vähesuse ning valmisoleku tehnilisematel teemadel kaasa mõelda, jõuame suuremate teenindusettevõtete argipäeva.

Siiski on selles argipäevas päike kardinate vahelt paistma hakanud - kasutusse on jõudnud tehnoloogiad, mis võimaldavad klienditeenindust oluliselt lihtsustada ning kiirendada, nii klientide kui ka klienditeenindajate jaoks. Teenindusrobot Annika on selle ehe tõestus.

Annika on Eestis välja töötatud teenindusrobot, mis on arendatud Elisa ning tehisintellekti lahendusi loova ettevõtte MindTitan koostöös ning alustas chatiteeninduses tööd juba 2018. aasta kevadel.
Kui chatbotid on tänaseks päevaks juba üsna laialdaselt kasutusele võetud, siis kõnekeskuses ja teeninduses on Annika taas teerajajaks. Tõestades kõigile, et Eesti keeletehnoloogiad ning andmeteadlased on maailmatasemel. Oleme ühiselt suutnud luua lahenduse, mida kadestavad kolleegid nii lähiriikides kui mujal Euroopas! 2019. aasta lõpuks on Annikaga rääkinud üle 100 000 kliendi - ehk robotiga rääkimisest on Eesti klientide jaoks saamas uus normaalsus.

Mida Annika kõnekeskuses teeb?

Nagu eelnevalt mainitud, on ühes suuremas ettevõttes teenindamist vajavaid teemasid väga palju ning on ebainimlik eeldada, et üks inimene suudab neid kõigis end võrdselt pädevana hoida. Oluliselt efektiivsem on teenindajate spetsialiseerumine, mis omakorda tähendab, et eduka teeninduskaasuse esimeseks kriteeriumiks on kliendi õige teenindajani juhatamine.

Üle kümne aasta on selleks kasutatud nn esimese põlvkonna roboteid, mida teenindusmaailmas kutsutakse IVRiks (Interactive Voice Response). Taolist robotit juhib klient ise, kuulates lindistusi ning langetades valikuid erinevate numbriklahvidega (eestikeelseks teeninduseks valige 1, kui teie küsimus puudutab arveid, valige 2 jne). Juhul kui taolisi valikuid on üle kahe, muutub pidev telefoniga lehvitamine kliendi jaoks paratamatult tüütuks ning nutitelefonide kasutajale, kelle ekraan lindistuste kuulamise ajal kipub ekraanilukuga kinni minema, veel eriti ebamugavaks.
2019. aasta alguses olimegi olukorras, kus 25 - 30% klientidest tegi IVRis „vale" valiku ning pärast liinile pääsemist vajas teenindaja poolt edasi suunamist kellelegi teise poole. See situatsioon on probleem tegelikult mõlema osapoole jaoks nii, et motivatsioon Annika kõnekeskusesse appi tuua oli väga tugev.

Kõneteeninduses ongi Annika tänaseks tööks võtta kliendi kõne vastu, kuulata, mis teemal klient Elisa poole pöördus ning seejärel suunata ta kõige õigema teenindajani. Kõlab lihtsalt? Kliendi jaoks täpselt nii lihtne see ongi! Köögipool on loomulikult hoopiski teine teema J
Annika kasutusele võtt ei eeldanud kõnekeskuse süsteemide väljavahetamist, loodava tehisintellekti tehnilise laheduse eelduseks oli ühilduvus mistahes olemasoleva kõnekeskusega. Elisa puhul näiteks Avayaga. Arvestasime ka sellega, et lahendus võimaldaks järkjärgulist üleminekut ja toimiks paralleelselt ka „vana" loogikaga (igaks juhuks).

Protsessiliselt teeb Elisa klient endiselt veel numbriklahviga keelevaliku, sest vene keelega oleme valmis alustama siis kui eesti keelega kõik õppetunnid selged ning töövood lõplikult paigas. Pärast eesti keele valimist võtab Annika kõne üle.

Ta tutvustab ennast teenindusrobotina ning palub kliendil paari lausega kirjeldada, millist abi vaja on. See esimene (lindistatud) lause oli ka meie esmaseks õpikohaks.
Meie esialgses versioonis ütles Annika: „palun kirjelda, et saaksin Sind suunata õige teenindajani" (ehk call to action oli lause alguses). See tähendas, et klient kuulis mõttega vaid lause viimast poolt ning jäi vaikselt ootama teenindajani suunamist.

Muutsime lindistuse teistpidi: „et saaksin Sind suunata, palun kirjelda". Seepeale hakkasid kliendid Annikaga rääkima!

Kuigi eesti keele teadus on ülikõrgel tasemel, oli meie arendustegevuse eeltööde väljakutseks just spetsiifiliste Elisa teemakäsitluste ja sõnavara mudelisse lisamine. Eesti keele korpuses pole selliseid sõnu nagu nutipaketid, netipulk, digiboks või Elisa Elamus. Lisaks oleme me kõik omavahel juttu rääkides üsna lohakad kõnelejad. Kui kirja teel (näiteks chatis) kirjutame sõnad välja ja moodustame lauseid läbimõeldult, siis telefonikõnes ei jälgi me oma keelekasutust üleliia hoolikalt. Õnneks oli Elisas treeningmaterjali sadade tuhandete kõnede näol piisavalt ning oma sõnavara osas transkribeerisid inimesed andmemudeli jaoks veel lisaks kümneid tunde kirjalikku materjali.

Teiseks lisas keerukust fakt, et Annika pidi asuma tööle telefoni kõnedega. Kui nö laboritingimustes toimivad keelemudelid ideaalselt, siis telefonikõned on väga kõikuva helitugevusega. Klientide kõne taustal on palju taustamüra ning inimesed kipuvad nö üksteisele „peale" rääkima. Need on kõik olukorrad, mis chatiteeninduses (kus ka eesti keelemudelitega tööd tehakse) on täiesti tundmatud mured. Praeguseks on koostöös MindTitaniga arendatud aastatepikkuse töö tulemusena unikaalne transkriptsioonimudel telefonikõnedele, mis sobitub maailma mõistes eksootilistele keeltele, mille hulka kuulub Eesti keel, aga ka näiteks Läti, Leedu, Soome jne

Kolmandaks oli vaja luua mudel, mis viib omavahel kokku (klassifitseerib) kliendi mure ning õige teenindaja, mis oli taaskord ülesanne, mida me Elisas varem ei olnud kunagi pidanud lahendama. Väga lihtsustatult käib Annika töö nii, et ta kuulab klienti, transkribeerib kuuldu (reaalajas) tekstiks (ASR või S2T, kuidas keegi eelistab seda kutsuda) ning edasine töö käib selle transkribeeritud teksti põhjal.

Kuna meil ei olnud õrna aimugi, kuidas kliendid Annikale oma muresid hakkavad kirjeldama, jagunes lansseerimine kolme etappi.

Pärast tehnoloogiliselt keerukat õppe-ja arendusprotsessi suutsime lahenduse esimesteks testideks valmis saada 2019. aasta esimese 4 kuuga.

Mais olime valmis betatestiks ehk suunasime esimesed kõned Annikale, kes kuulas ja transkribeeris, ent suunas kõik kõned ainult spetsiaalselt välja valitud teenindajatele, kes olid valmis kõikide teemade osas kliendiga tegelema. See esimene faas oli arendustiimi jaoks ülikriitilise väärtusega.
Nii saime testida tehnilist toimivust (lives) ning koguda uut treeningmaterjali, mille peale ehitasime hiljem oluliselt täpsema suunamise klassifikaatori.

Nagu tehnoloogia puhul ikka, ilmnes nii mõnigi tehniline nüanss, mis „kuiva" trenni tehes kuidagi välja ei saanudki tulla, ent vajas mitmel korral peaaegu stardipunkti tagasi minekut ning uuesti alustamist.

Betatesti lugesime edukalt lõppenuks augustis ning septembrist läks Annika uuenenud ja täiustatud kujul klientide kasutusse - ja nüüd juba nii, et ta ka ise teenindajateni kõnesid suunas.
Septembrist kuni aasta lõpuni oleme järk-järgult suurendanud kõnede arvu, mille Annikast „läbi laseme" ning nagu juba mainitud, ületasime 100 000 kliendi piiri.

Alates maikuust oleme väga hoolikalt ka jälginud klientide tagasisidet olles pidevalt valmis vajadusel protsesse muutma, ent tuleb tunnistada, et vastuvõtt on olnud üle ootuste positiivne.

Klientidega, kes on olnud kriitilised, oleme ühendust võtnud ning uurinud, mis täpsemalt neile meeldib või ei meeldi. Valdav enamus kliente saab aru, et nad on pidanud robotiga suhtlema juba pikki aastaid, sest vanakooli IVR on samuti robot. Lihtsalt siiamaani tuli suhtlemiseks vajutada nuppe - nüüd ei ole seda enam vaja teha.

Nende seas, kes esimese hooga ära ehmatavad on põhjuseks just see, et neil tekib hetkeks arusaamatus - aga ma ju ei tea, kuidas robotiga suhelda või millest ta aru saab!?! Mis märksõnu ta teil ära tunneb? Kus on juhend?

Sellistes olukordades on aidanud just teenindaja selgitus, et Annika on uue põlvkonna tehisintellektil põhinev robot, mis ei vaja märksõnu. Ta on õpetatud mõistma inimeste loomulikku keelt ning sellest ise õige suuna „välja arvutama". Selleks, et suunamine oleks võimalikult täpne - on talle vaja inimkeelest ning lühidalt konkreetset selgitust - nii nagu klient selgitab inimteenindajale, miks ta helistab.

Näiteks on ka inimesel oleks raske mõista, mida klient täpsemalt soovib, kui ta ütleb lihtsalt „telekas". On võimalik, et klient soovib osta endale uut televiisorit, on võimalik, et ta vajab abi olemasolevaga. Ja on võimalik, et tal on teleka teenusega mõni mure või soovib ta hoopis liituda TV teenusega.
Kui aga Annikale öelda: „ma soovin abi telekas kanalite seadistamisega", tunneb ta selle ära ning suunab kohe õigele teenindajale.

Neid kliente, kes on põhimõtteliselt robotite vastu, on üksikuid. Enamus esialgu kahtlevaid kliente on hiljem mõistnud, et tegemist on väga toreda ning nende elu lihtsustava lahendusega ja järgmistel kordadel suhelnud Annikaga juba üsna vabalt. Arvestades, et Annika täpsus on suunamisel ~ 90% (võrreldes tavapärase IVRi 70 - 75%) tähendab see 3 korda vähem ümbersuunamisi, mis omakorda vähendab kõneootejärjekordi ning keskmise teeninduskõne pikkust. Võita on siin nii klientidel kui ettevõttel.

Tänasel päeval Annika veel ise klientidele kõneteeninduses midagi ei vasta - seda teeb ta hetkel ainult chatis. Järgmiste kvartalite jooksul on meil juba plaanis need kaks teeninduskanalit üha rohkem omavahel siduda ning luua Annikast töövahend nii klienditeenindajatele kui klientidele erinevates kanalites.

Just taoline laiapõhjaline erinevate mudelite omavaheline sünergia, on aidanud ka andmeteadlastel Annika erinevaid versioone niivõrd kiirelt praktilisse kasutusse tuua.

Lisaks sellele, et lahendus meeldib nii klientidele kui ka teenindajatele, on see ka tehniliselt põnev mudelite loojatele. Eesti keele jaoks on suure ja pika töö tulemusena arendatud kõnede jaoks teadaolevalt parim transkriptsioonimudel, mida saab tulevikus kasutada ka Läti, Leedu ja teiste lähiriikide klienditeeninduse jaoks. Arvestades, et eesti keel on maailma mastaabis pigem eksootiline ning ei leidu suuri treeningkorpusi nagu on võimalik leida inglise või hiina keele tarbeks, on see tähendanud piisavas koguses väljakutseid ning kogemuste rohket õppeprotsessi. Kuna Annika on ehitatud selliselt, et ta on suuteline õppima nii kõnedest kui ka chattidest, saab Annikat kiiremini targemaks õpetada kui konkureerivaid kratte.

Kokkuvõtvalt vajab tehisintellekti lahendus:

  • Mitmeid keerulisi masinõppe mudeleid, mis kõik omavahel koostööd teevad (MindTitani andmeadlaste ülesanne).
  • Nende mudelite loomiseks tuhandeid märgendatud kõnesid ning pöördumiste põhjuste tuvastamist (Elisa spetsialistide ülesanne).
  • Võimekust ning valmisolekut lansseerida lahendus järkjärgult ja palju avatud koostööd nii kõnekeskuse, andmeteadlaste kui äripoole (sh teeninduse) inimeste vahel.
  • Kannatlikke teenindajaid, kes iga uue versiooni esimestel päevadel, on kõikvõimalike ootamatustega valmis kliendi rajapinnas tegelema.


Annika seljataga on olnud kõik neli ülalmainitud komponenti ning kindlasti jätkub pidev tehniline parendamine samamoodi veel mõnda aega.

Annika on avanud nii tooteturunduse kui teeninduse poolelt uskumatult palju uusi võimalusi ning lähikuudel saab loodetavasti mõnest neist juba ka veidi lähemalt rääkida.