Produktivität entfesseln: Erfahren Sie, wie KI laut Forschern von Stanford und MIT die Produktivität von Kundendienstteams um 14 % steigert

Was passiert, wenn generative KI auf den Arbeitsplatz trifft? In dieser Sonderfolge tauchen wir in eine bahnbrechende Studie ein, in der KI-gestützte Menschen die Grenzen der Produktivität neu definieren.

Generative KI mag in der Öffentlichkeit große Aufmerksamkeit erregt haben, doch ihre realen wirtschaftlichen Auswirkungen sind bislang noch weitgehend unerforscht. Trotz vielversprechender Signale in Testszenarien schien ein unmittelbarer Nutzen aus geschäftlicher Sicht bislang unerreichbar.

Forscher der Stanford University und des MIT führten eine einjährige Studie durch, um die realen Auswirkungen generativer KI bei über 5.000 Kundendienstmitarbeitern eines Fortune-500-Softwareunternehmens zu messen, und die Ergebnisse liegen vor. Die Produktivität der Kundendienstmitarbeiter stieg um 14 % Durchschnitt, mit einem erstaunlichen Anstieg von 35 % bei den neuesten oder leistungsschwächsten Arbeitnehmern.

Das KI-System, das das GPT-Sprachlernmodell von OpenAI mit Algorithmen für maschinelles Lernen kombinierte, analysierte Gespräche zwischen den Leistungsträgern und verglich diese mit denen der Leistungsträger. Anschließend wurden in Echtzeit Vorschläge generiert, wie auf Kunden reagiert werden sollte, was letztendlich zu einer Verkürzung der Chat-Bearbeitungszeit, einer Erhöhung der Chat-Lösungsraten und einer Verbesserung der Kundenzufriedenheit führte. Tatsächlich könnten neu eingestellte Kundendienstmitarbeiter mit Hilfe von KI genauso gute Leistungen erbringen wie Agenten mit sechs Monaten Erfahrung in der Arbeit ohne KI.

In der heutigen Folge hatten wir die Gelegenheit, mit MIT Ph.D. zu plaudern. Kandidatin Lindsey Raymond, eine der Forscherinnen hinter der bahnbrechenden Studie, über ihre Arbeit und die transformativen Auswirkungen von KI am Arbeitsplatz.

Sie haben wenig Zeit? Hier sind ein paar wichtige Erkenntnisse:

• Generative KI lebt von einer Fülle an Daten, was den Kundensupport mit seiner Fülle an Textdaten zu einem Hauptsektor für die Entwicklung von KI-Tools macht.
• Die Produktivitätslücke zwischen den leistungsstärksten und den leistungsschwächsten Supportmitarbeitern sowie die zunehmende Abhängigkeit von Contact Centern sind wichtige Treiber für Verbesserungen in der Kundendienstbranche.
• Geringqualifizierte Arbeitnehmer profitierten am meisten vom KI-Tool, da es ihnen dabei half, Best Practices zu übernehmen, die sie noch nicht selbst herausgefunden hatten.
• Die durch KI ermöglichten erheblichen Produktivitätssteigerungen, wie z. B. eine verbesserte Problemlösung und Kundenzufriedenheit, könnten sogar den Aufstieg der Vier-Tage-Woche unterstützen.

Wenn Ihnen die Diskussion gefällt, schauen Sie sich weitere Episoden unseres Podcasts an. Sie können Apple Podcasts, Spotify und YouTube folgen oder den RSS-Feed im Player Ihrer Wahl abrufen. Was folgt, ist eine leicht bearbeitete Abschrift der Episode.

Wellen schlagen im Kundensupport

Liam Geraghty: Hallo und willkommen bei Inside Intercom. Ich bin Liam Geraghty. Es ist irgendwie verrückt, wenn man bedenkt, dass ChatGPT von Open AI erst vor ein paar Monaten gestartet wurde. Die Geschwindigkeit, mit der KI ein Teil unseres Lebens wurde, hätte niemand vorhersagen können. Es beginnt bereits, den Kundendienst- und Supportbereich zu verändern.

„Ein Mensch plus Maschine ist besser als eine Maschine, die wiederum besser ist als ein Mensch. Ich denke, das ist es, was ich in dieser Welt der Unterstützung sehe.“

Des Traynor, Mitbegründer von Intercom, sprach kürzlich in einer Folge unseres Podcasts darüber, wie er glaubt, dass die Zukunft von CS in der Automatisierung und der Zusammenarbeit von Menschen, Bots und Gehirnen liegt.

Des Traynor: Ein Mensch plus Maschine ist besser als eine Maschine, die wiederum besser ist als ein Mensch. Ich denke, das ist es, was ich in dieser Welt der Unterstützung sehe. Ich denke, dass letztendlich Menschen die Intelligenz kontrollieren werden, auf der die KI basiert.

Liam Geraghty: Viele Führungskräfte im Kundensupport sind direkt in die KI eingestiegen und schwimmen in ihren fruchtbaren Gewässern. Aber andere sind zwar aufgeregt, greifen aber nur ein und fühlen sich ein wenig eingeschüchtert.

Nun, für jeden unter Ihnen, der die Finger im Auge behält, könnte es interessant sein, etwas über eine neue Studie von Forschern der Stanford University und des Massachusetts Institute of Technology zu hören, die sich mit generativer KI bei der Arbeit befasst und einige wirklich interessante Ergebnisse liefert. Die Studie wurde von Eric Brynjolfsson, Danielle Li und Lindsey Raymond durchgeführt.

Erkenntnisse aus generativer KI am Arbeitsplatz

Lindsey Raymond: Ich bin Lindsey Raymond. Ich bin ein Doktorand am MIT.

Liam Geraghty: Lindsey und ihre Kollegen untersuchen die Auswirkungen generativer KI-Tools auf die Produktivität eines Fortune-500-Unternehmens. Es ist das erste Mal, dass die Auswirkungen dieser Tools auf die Arbeit außerhalb einer Laborumgebung gemessen wurden.

Lindsey Raymond: Die Idee der generativen KI selbst ist ziemlich neu. Im Hinblick auf das, was die Leute untersucht haben, gab es einige Arbeiten darüber, wie diese Tools bei Dingen wie der Anwaltsprüfung funktionieren.

Liam Geraghty: KI hat die Anwaltsprüfung zerschlagen.

Lindsey Raymond: Oder Codierungsprüfungen, sehr laborbasierte Untersuchungen der Fähigkeiten. Und unsere erste Studie sagt, was passiert, wenn man untersucht, was diese Tools an einem realen Arbeitsplatz und über einen längeren Zeitraum leisten können, da unsere Studie über das ganze Jahr hinweg durchgeführt wird.

Liam Geraghty: Worum ging es in der Studie genau?

Lindsey Raymond: Wir betrachten ein generatives KI-basiertes Tool, das Mitarbeiter des technischen Supports bei der Lösung technischer Supportprobleme unterstützen soll.

Liam Geraghty: Kommt mir bekannt vor!

Lindey Raymond: Wir sagen ihnen, was sie sagen sollen, wie sie das spezifische technische Supportproblem lösen können, und geben ihnen auch Hinweise, wie sie dies dem Kunden mitteilen sollten.

„Generative KI benötigt viele Daten, um wirklich gut zu funktionieren. Wenn man sich einen Wirtschaftssektor ansieht, in dem es im Vergleich zu allen anderen Bereichen eine hohe Marktdurchdringung gibt, ist der Kundensupport dieser Bereich.“

Und wir führen eine Differenz-in-Differenz-Analyse durch – eine sehr langsame Einführung dieses Tools bei Menschen im Laufe der Zeit, damit wir versuchen können, die kausale Wirkung des Tools zu ermitteln. Wir suchen nach Mitarbeitern, die technischen Support für ein Fortune-500-Unternehmen leisten, das Kleinunternehmen und Buchhaltungssoftware hauptsächlich für in den USA ansässige Kleinunternehmen herstellt.

Liam Geraghty: Sie haben viele verschiedene Ergebnisse untersucht, z. B. wie schnell die Leute Anrufe gelöst haben, wie viele Probleme sie lösen konnten, die Kundenzufriedenheit sowie einige Dinge, die eher organisatorische Veränderungen mit sich bringen.

Lindsey Raymond: Wie wirkt sich das auf die Mitarbeiterfluktuation aus? Wie wirkt sich das darauf aus, wie oft sie miteinander oder mit ihren Vorgesetzten sprechen?

Liam Geraghty: Sie fragen sich vielleicht, warum Lindsey und ihre Kollegen sich von allen potenziellen Bereichen der generativen KI auf den Kundensupport konzentriert haben.

„Es gibt ziemlich große Produktivitätsunterschiede zwischen Ihren leistungsstärksten und Ihren leistungsschwächsten Kundendienstmitarbeitern.“

Lindsey Raymond: Generative KI benötigt viele Daten, um wirklich gut zu funktionieren. Wenn Sie sich einen Wirtschaftssektor ansehen, in dem es im Vergleich zu allen anderen Bereichen eine hohe Marktdurchdringung gibt, ist der Kundensupport dieser Bereich. Es gab überraschend viel Aktivität bei der eigentlichen Einführung und Entwicklung dieser Tools. Und das liegt daran, dass es in diesem Bereich einfach so viele Daten gibt, insbesondere Textdaten.

Vieles davon hängt einfach automatisch mit den Ergebnissen zusammen – wie schnell hat dieser Mitarbeiter das Problem gelöst? Und es gibt auch viel Raum für Verbesserungen. Es ist eine bekannte Tatsache, dass es ziemlich große Produktivitätsunterschiede zwischen Ihren leistungsstärksten und Ihren leistungsschwächsten Kundendienstmitarbeitern gibt. Es ist auch ein Bereich, in dem es in den letzten Jahren zu einem enormen Wandel hin zu mehr Einsatz von Contact Centern gekommen ist. Es handelt sich also um einen Bereich, in dem große Unternehmen einen Bedarf haben, sich darin zu verbessern.

Von Null zum Helden

Liam Geraghty: Also haben sie all dies im Laufe eines Jahres anhand der Daten von 5.179 Kundendienstmitarbeitern untersucht. Und was sie herausgefunden haben, ist faszinierend.

Lindsey Raymond: Die Schlagzeile lautet, dass der Zugang zu KI die Produktivität im Durchschnitt um 14 % steigerte, aber das verbirgt eine große Heterogenität. Für die am wenigsten erfahrenen und am wenigsten qualifizierten Arbeitnehmer verbesserte sich die Situation sogar um 35 %. Die erfahrensten und produktivsten Mitarbeiter sehen fast keine Wirkung.

Liam Geraghty: Die Gewinne kommen also überproportional weniger erfahrenen und weniger qualifizierten Arbeitnehmern zugute. Warum passiert das?

Lindsey Raymond: Ich denke, das ist wahrscheinlich der interessanteste Teil der Studie. Jedes auf maschinellem Lernen basierende Tool verwendet einen Trainingsdatensatz und sucht nach Mustern in den Daten. Als Programmierer sagen Sie also nicht: „Nun, ich weiß, dass dieser Satz gut funktioniert, also machen Sie das, und ich weiß, dass dies die allgemeine Lösung für dieses Problem ist, und dies ist die allgemeine Lösung für dieses Problem“, und Sie fügen diese Informationen in Ihr Programm ein. So funktioniert ML nicht.

„Es sind die Arbeitnehmer, die ganz neu sind oder ganz unten auf der Produktivitätsrangliste stehen, die wirklich von diesen Vorschlägen profitieren, denn sie haben noch nicht herausgefunden, wie sie damit umgehen sollen.“

Insbesondere in unserem Fall untersucht das Tool die Gespräche der Leistungsträger und vergleicht diese mit denen der Leistungsträger. Es wird nach Unterschieden zwischen dem, was die Leistungsträger und die Leistungsträger mit geringer Leistung tun, gesucht, die mit erfolgreichen Ergebnissen verbunden sind. Wie begrüßen sie die Kunden? Welche Lösungen schlagen sie vor? Wie beginnen sie, diagnostische Fragen zu stellen? Dann nimmt es all diese Dinge und wandelt sie in Vorschläge um, die es für alle generiert. Die hochqualifizierten Arbeitskräfte stellen die Inhalte für die KI bereit – das sind größtenteils Dinge, die sie bereits tun, weil die KI das von dort gelernt hat. Wenn Sie über ein Tool verfügen, das Ihnen vorschlägt, Dinge zu tun, die Sie bereits tun, werden Sie durch den Zugriff auf dieses Tool wahrscheinlich keine großen Produktivitätseffekte feststellen. Es sind die Arbeitnehmer, die ganz neu sind oder ganz unten auf der Produktivitätsrangliste stehen, die wirklich von diesen Vorschlägen profitieren, weil sie noch nicht herausgefunden haben, wie sie damit umgehen sollen. Es sind die gering qualifizierten Arbeitskräfte, die sich stark verändern und sich der Kommunikation der hochqualifizierten Arbeitskräfte annähern.

Was unserer Meinung nach geschieht, ist die durch KI ermöglichte Verbreitung von Best Practices. Und deshalb sehen wir diese wirklich großen Produktivitätssteigerungen bei den gering qualifizierten und unerfahrenen Arbeitskräften und nicht so sehr bei den hochqualifizierten Arbeitskräften. Und das ist unserer Meinung nach nur eine Funktion der Art und Weise, wie maschinelles Lernen funktioniert.

„In jeder Studie, in der Produktivitätssteigerungen von 35 % festgestellt werden, ist das ziemlich schockierend. Man könnte sich vorstellen, mit diesen Auswirkungen auf eine Vier-Tage-Woche umzusteigen.“

Liam Geraghty: Waren Sie von den Ergebnissen überrascht?

Lindsey Raymond: Das ist eine tolle Frage. In jeder Studie, in der Produktivitätssteigerungen von 35 % festgestellt werden, ist das ziemlich schockierend. Mit diesen Auswirkungen könnte man sich vorstellen, auf eine Vier-Tage-Woche umzusteigen. Ich denke, das war auf Anhieb ziemlich überraschend. Die Tatsache, dass wir nicht nur Auswirkungen darauf sahen, dass die Mitarbeiter Anrufe etwas schneller bearbeiteten, sondern auch den Anteil der von ihnen gelösten Probleme verbesserte, was eher ein wissensbasiertes Ergebnis ist, ermöglicht es ihnen, Probleme zu lösen, die sie nicht gelöst hatten vorher lösen können. Und dann sehen wir eine ziemlich große Steigerung der Kundenzufriedenheit. Ich denke, das war alles überraschend.

Liam Geraghty: Glauben Sie, dass KI jemals in der Lage sein wird, solche Studien durchzuführen?

Lindsey Raymond: Wahrscheinlich, ja. Ich bin mir sicher, dass es generative KI gibt, die Wirtschaftspapiere besser schreiben kann als ich.

Liam Geraghty: Lindsey, vielen Dank für das heutige Gespräch mit mir.

Lindsey Raymond: Ja, absolut. Es war eine Freude.