eGain: Kunskapsautomatisering som stora mjukvaruföretag undanhåller
eGain lyfter fram att misslyckanden med AI-baserade kundtjänstlösningar ofta beror på bristfällig kunskapshantering, inte tekniken. Kunskapsautomatisering presenteras som lösningen.
Enligt mjukvaruföretaget eGain Corporation misslyckas nästan alla investeringar i AI-kunderbjudanden inom företag. Problemet ligger inte i AI-teknologin eller brist på funktioner, utan i en fundamental missuppfattning om vad som gör AI effektiv. eGain menar att det är kunskapshanteringen som är problemet, inte plattformens brister.
Många företag försöker förbättra sin kundtjänst genom att rikta sina AI-system och chatbots mot befintliga kunskapsdatabaser. Dessa är dock ofta byggda för mänskliga agenter och innehåller långa artiklar som inte lämpar sig för maskinell bearbetning. eGain betonar att AI kräver kunskap som är atomiserad, kontextuellt taggad, kontinuerligt validerad och styrd för tillförlitlighet.
Företag lägger typiskt sett 18-24 månader på att "träna" sina AI-system. I verkligheten innebär detta intensivt arbete med att omstrukturera och validera kunskapsinnehåll, eftersom AI ger felaktiga svar. eGain hävdar att stora mjukvaruleverantörer som Microsoft, ServiceNow och Salesforce drar nytta av denna förvirring genom ökad konsultförsäljning. Kärnproblemet, enligt eGain, ligger i driftmodellen, inte i själva tekniken.
Kunskapsautomatisering (Knowledge Automation) definieras av eGain som en disciplinär process där kunskap behandlas som en produkt med egen livscykel, kvalitetsstandarder och operativa mätvärden. Detta innebär systematisk insamling och syntes av innehåll från olika källor, identifiering av dubbletter och flaggning av föråldrad information. Metoden skiljer sig från traditionell kunskapshantering som ofta bygger på manuellt arbete och fragmenterade källor.