بر اساس گزارش جدید موسسه پژوهشی Alchemer، فناوری هوش مصنوعی با سرعتی بسیار بیشتر از بهبود واقعی تجربه مشتری (CX)، انتظارات مصرف‌کنندگان را افزایش داده است. این پژوهش نشان می‌دهد که اگرچه ابزارهای هوش مصنوعی با هدف تسهیل و سرعت‌بخشی به فرآیندها در پشت صحنه مستقر می‌شوند، اما در عمل نتوانسته‌اند رضایت نهایی کاربران را جلب کنند. بر اساس این مطالعه، تقریباً از هر ۱۰ مصرف‌کننده، ۶ نفر اظهار داشته‌اند که آگاهی از کاربرد هوش مصنوعی توسط یک شرکت، انتظارات آن‌ها را برای دریافت پاسخ‌های سریع‌تر بالا می‌برد. با این حال، ۸۹ درصد از شرکت‌کنندگان اعلام کرده‌اند که هوش مصنوعی حداقل در یک زمینه به تجربه کاربری آن‌ها در تعامل با شرکت‌ها آسیب زده است.
شکاف عمیق میان سرعت مورد انتظار و کیفیت خدمات
یافته‌های گزارش سال ۲۰۲۶ موسسه Alchemer با عنوان «مطالعه هوش مصنوعی و انتظارات مشتری» که از نظرسنجی میان ۲٬۰۰۹ مصرف‌کننده آمریکایی به دست آمده، نشان‌دهنده چالش بزرگی برای تیم‌های بازاریابی و تجربه مشتری است. پیشرفت‌های اخیر در حوزه هوش مصنوعی، سطح توقعات کلی ۴۵ درصد از مصرف‌کنندگان را از شرکت‌ها افزایش داده است. در این میان، نزدیک به ۳۰ درصد از کاربران انتظار دارند بازخورد ارسالی آن‌ها ظرف مدت ۲۴ ساعت تایید و پاسخ داده شود و ۱۶ درصد نیز خواهان دریافت پاسخ فوری و آنی هستند.
با وجود این انتظارات بالا، واقعیت‌های عملیاتی نشان‌دهنده ناکارآمدی‌های جدی است. بزرگ‌ترین شکایت مشتریان در این نظرسنجی، مسائلی چون حریم خصوصی، اطلاعات نادرست یا پیشنهادهای بی‌ربط نبود؛ بلکه ۴۴ درصد از شرکت‌کنندگان، دشواری در دسترسی به یک پشتیبان انسانی در صورت نیاز را به عنوان بزرگ‌ترین مشکل خود مطرح کردند. این یافته با هدف اصلی بسیاری از کسب‌وکارها که کاهش هزینه‌ها از طریق حذف مداخله انسانی است، تعارضی آشکار دارد.
چالش‌های عملکردی هوش مصنوعی در درک نیازهای مشتری
مصرف‌کنندگان به وضوح انتظار دارند که هوش مصنوعی فرآیند حل مشکلات را تسریع کند؛ به طوری که ۳۸ درصد از آن‌ها خواستار حل سریع‌تر مسائل (به عنوان محبوب‌ترین بهبود درخواستی) و ۳۴ درصد خواهان پاسخ‌دهی سریع‌تر شده‌اند. با این حال، سرعت همه‌چیز نیست. یک‌پنجم از پاسخ‌دهندگان اعلام کرده‌اند که استفاده از هوش مصنوعی فرآیند حل مشکل آن‌ها را طولانی‌تر کرده است و ۳۰ درصد نیز مجبور شده‌اند اطلاعاتی را که قبلاً ارائه داده بودند، دوباره تکرار کنند.
علاوه بر این، عدم درک صحیح سیستم‌های هوش مصنوعی از درخواست‌های کاربران به یک معضل جدی تبدیل شده است:
- ۳۷ درصد از کاربران پاسخ‌هایی از هوش مصنوعی دریافت کرده‌اند که نشان‌دهنده عدم درک سوال یا نیاز آن‌ها بوده است.
- ۲۶ درصد اطلاعات کاملاً نادرست دریافت کرده‌اند.
- ۱۹ درصد با توصیه‌ها یا پاسخ‌های بی‌ربط مواجه شده‌اند.
در نتیجه این ضعف‌ها، ۲۹ درصد از مشتریان خواستار درک بهتر نیازهای خود توسط هوش مصنوعی هستند و ۲۴ درصد نیز خواهان تجربه‌ای شخصی‌سازی‌شده‌تر و مرتبط‌تر با درخواست خود شده‌اند. این امر نشان می‌دهد که حتی با وجود دسترسی به حجم عظیمی از داده‌های مشتریان، اگر سیستم نتواند قصد و هدف آنی کاربر را درک کند، تعامل ناموفقی شکل خواهد گرفت. هوش مصنوعی همچنان در درک تفاوت‌های ظریف و بافتار گفتگو ناتوان است و افزودن ویژگی‌های بیشتر به پروفایل کاربری نیز این مشکل را حل نمی‌کند.
ضرورت بازنگری در معیارهای سنجش خودکارسازی
این چالش‌ها فشار مضاعفی را بر نحوه ارزیابی موفقیت سیستم‌های خودکارسازی توسط تیم‌های فنی و بازاریابی وارد می‌کند. معیارهایی مانند «زمان پاسخ‌دهی اولیه» (First-Response Time) و «نرخ مهار» (Containment Rate) ممکن است یک تعامل هوش مصنوعی را موفقیت‌آمیز جلوه دهند، در حالی که مشتری ممکن است به دلیل حل نشدن مشکل، از طریق کانال دیگری دوباره اقدام کند. برای دستیابی به تصویری دقیق‌تر، کسب‌وکارها باید این تعاملات را به یکدیگر متصل کرده و شاخص‌هایی چون تماس‌های مکرر، نرخ بازگشایی مجدد پرونده‌ها و زمان کل تا حل نهایی مسئله را ردیابی کنند.
هرگونه سیستم هوش مصنوعی که در بخش ارتباط با مشتری به کار گرفته می‌شود، باید فراتر از بررسی صحت پاسخ، از نظر میزان درک اهداف مشتری آزمایش شود. در این میان، تعیین آستانه‌های اطمینان (Confidence Thresholds) و قوانین ارجاع به سطوح بالاتر (Escalation Rules) در مواقعی که سیستم دچار ابهام می‌شود، اهمیت ویژه‌ای دارد.
کاربران حرفه‌ای؛ سخت‌گیرترین منتقدان ابزارهای خودکار
بر اساس یافته‌های Alchemer، افرادی که به طور روزانه از هوش مصنوعی استفاده می‌کنند، سخت‌گیرترین منتقدان آن هستند. ۴۰ درصد از کاربران روزانه هوش مصنوعی معتقدند که تجربه‌های مبتنی بر این فناوری غیرشخصی و سرد است، در حالی که این رقم برای کاربران کم‌تکرار تنها ۲۲ درصد است. کاربران حرفه‌ای همچنین نگرانی بیشتری درباره نتیجه‌گیری‌های نادرست و بدون پشتوانه هوش مصنوعی دارند.
این گروه از کاربران حتی تمایل بیشتری برای پرداخت هزینه جهت دسترسی به پشتیبانی انسانی نشان داده‌اند. ۲۷ درصد از کاربران روزانه هوش مصنوعی اعلام کرده‌اند که حاضرند برای تضمین دسترسی به پشتیبان انسانی هزینه اضافی پرداخت کنند، در حالی که این میزان برای کاربران کم‌تکرار ۱۰ درصد است. به طور کلی، ۴۳ درصد از تمامی مصرف‌کنندگان حاضرند برای کالا یا خدماتی که دسترسی به پشتیبانی انسانی را تضمین می‌کند، هزینه بیشتری بپردازند؛ موضوعی که اگرچه می‌تواند منبع درآمد جدیدی برای شرکت‌ها باشد، اما نشان‌دهنده شکست در جلب اعتماد کاربران به سیستم‌های خودکار است.