Pankkivirkailijan uusi tuleminen

Muistan, miten isäni käveli pankkiin ja virkailija tunnisti hänet ovelta. Ei tarvinnut esittäytyä, ei selittää perhe- tai työtilannetta eikä toistaa asiaansa eri tilanteissa, sillä virkailija tiesi jo, missä perheemme raha-asiat menivät ja mikä oli olennaista juuri sillä hetkellä. Minä istuin vieressä, ehkä kymmenvuotiaana. Ja vaikka en ihan kunnolla ymmärtänyt pankkiasioita, niin ymmärsin kyllä, että virkailija tunsi meidät.

Sama toistui matkatoimistossa. Perheeni kesäloman suunnittelu ei ollut loputonta vaihtoehtojen kartoittamista, vaan istumista pöydän ääressä matkatoimiston virkailijan kanssa. Hän kertoi, mitä vaihtoehtoja hän meille suositteli. Hän ei esitellyt kaikkea mahdollista, vain ainoastaan ne vaihtoehdot, jotka arveli sopivan juuri meille. En itse ole koskaan hoitanut omia asioitani näin, sillä siihen mennessä kun aloin itse asioida pankkien ja matkatoimistojen kanssa, asiat olivat jo siirtyneet verkkoon. Mutta muistan ajan, ja muistan erityisesti sen tunteen, joka siihen aikaan liittyi: joku muu kantoi osan ajattelusta puolestamme.

Digitaalisuus siirsi työn meille itsellemme. Opimme vertailemaan, valitsemaan, varaamaan ja asioimaan. Tämä oli monella tapaa hyvä kehitysaskel: nopeampi, halvempi, ajasta ja paikasta riippumaton, saavutettavampi kaikille. Mutta samalla jotain katosi matkan varrella: se joku, joka ajatteli meidän puolestamme.

Ymmärrä ensin, mihin teknologia pystyy

Minun työni on aina ollut suunnitella erilaisia ratkaisuja käyttäjän näkökulmasta. Ja usein tämä ratkaisu on jokin palvelu, olipa käyttäjä sitten asiakas tai työntekijä. Palveluja kehitettäessä keskustelu hyppää usein suoraan ideointiin. Mietitään heti, mitä kaikkea voisimme rakentaa ymmärtämättä mikä kaikki on mahdollista, tai ei ole mahdollista. Palvelumuotoilijan työkalupakkiin pitää kuulua tietynlainen tekninen uteliaisuus. Ei tarvitse osata rakentaa kielimalleja tai tietoaltaita, mutta on hyvä ymmärtää, mihin tekoälyteknologiat kykenevät.

Kun näitä kykyjä alkaa hahmottamaan palvelukehityksen näkökulmasta, nousee kuusi teemaa esiin. Jokainen näistä on eri vaiheessa kehitysmatkaansa, mikä on itse asiassa tärkeämpi tieto kuin itse kyvykkyys: 

  1. Generatiivisuus on näistä pisimmällä. Tämä tarkoittaa, että asiakas voi kertoa tarpeensa omin sanoin sen sijaan että hänen pitäisi osata palvelun oma termistö tai navigoida oikeaan kohtaan valikkorakennetta. Tämä on useissa palveluissa jo olemassa: ChatGPT, Copilot, joidenkin pankkien ja vakuutusyhtiöiden chatbotit.

  2. Agenttisuus yhdistettynä ihmisen valvovaan rooliin, on osittain toteutunut. Palvelu ei enää vain neuvo asiakasta tekemään jotain, vaan hoitaa tehtävän asiakkaan puolesta: hakee tiedon, täyttää lomakkeen, tekee päätöksen. Ihmisen tehtävä ei katoa, vaan siirtyy suorittamisesta tarkastamiseen ja poikkeusten käsittelyyn. Agenttisuus erityisesti vaatii kaverikseen ihmisen. 

  3. Moniaistisuus on niin ikään osittain käytössä. Tämän kyvykkyyden ansiosta asiakkaan ei enää tarvitse sanoittaa ongelmaansa vaan hän voi näyttää, puhua tai kuvata asiansa. Tämä madaltaa kynnystä käyttää palvelua ylipäätään, erityisesti niille joille tekstipohjainen asiointi on aina ollut vaikeaa. 

  4. Reaaliaikainen konteksti ja muisti ovat myös osittain toteutuneet. Aiemmin hyper-personoitu palvelukokemus vaati kalliin ihmisasiantuntijan — yksityispankkiirin, tai ikioman asiakaspalveluneuvojansa. Nyt sama personointi alkaa olla mahdollista skaalautuvasti, ilman että jokainen asiakas tarvitsee oman, palkatun ihmisen ajattelemaan asiaansa.

  5. Asiantuntijuuden demokratisoituminen etenee samaa tahtia. Aiemmin kallis, harvojen saatavilla ollut erikoisosaaminen — juridiikka, terveys, talous — on nyt saatavilla luonnollisen keskustelun kautta. Tämä on osittain totta jo tänään, joskin luottamus- ja vastuukysymykset ovat vielä ratkaisematta monilla toimialoilla.

  6. Ennakointi on näistä kuudesta se, joka odottaa vielä hetkeään. Ajatuksena on, että palvelu siirtyy reagoivasta proaktiiviseksi, eli aloittaa ennen kuin asiakas ehtii edes ottaa yhteyttä. Tästä puhutaan paljon, mutta käytännön esimerkkejä on toistaiseksi vähän.

Klarnan tekoälyassistentti on hyvä havainnollistus siitä, miltä agenttisuus ja ihmisen rinnalla toimiminen näyttävät kun ne toimivat oikeasti: käyttöönoton ensimmäisen kuukauden aikana assistentti hoiti 2,3 miljoonaa asiakaspalvelukeskustelua, mikä vastasi noin 700 kokoaikaisen työntekijän työpanosta [1]. Yhtiö kuitenkin palkkasi myöhemmin ihmisiä takaisin hoitamaan monimutkaisempia tilanteita [2], mikä on täydellinen esimerkki siitä, missä agenttisuuden raja tällä hetkellä kulkee.

Energia-alalta löytyy oma versionsa samasta ilmiöstä. Yhdysvaltalainen TrueMeter [3] on rakentanut tekoälyagentin, joka etsii jatkuvasti halvimmat sähkösopimukset asiakkaan toimipaikoille ja vaihtaa toimittajan automaattisesti, jo yli 500 liikepaikan verran. Tässä agenttisuus menee askeleen pidemmälle kuin Klarnalla: agentti ei vain palvele asiakasta, se tekee ostopäätöksen asiakkaan puolesta kokonaan.

Molemmissa esimerkeissä logiikka ja päätöksenteko siirtyvät osin takaisin kulisseihin, eli sinne missä ne olivat ennen digiaikaa. Ero aiempaan on siinä, että tämä on nyt mahdollista toteuttaa tavalla, jota ei ennen ollut: tekoäly pystyy oppimaan ja mukautumaan miljoonille asiakkaille yhtä aikaa, kun sille vain antaa siihen mahdollisuuden: Kummassakin tapauksessa mahdollisuus ei synny itsestään, vaan siitä että konepellin alla on ensin rakennettu riittävä konteksti — data, säännöt ja rajapinnat, joiden varassa tekoäly ylipäätään voi tuntea asiakkaan tilanteen. Ilman tätä näkymätöntä perustyötä agentti ei osaisi päätellä mitä tehdä, saati tehdä sitä oikein.

Mikä pysyy, kun kaikki muu muuttuu

Ja miksi palvelumuotoilijan on tärkeää ymmärtää mihin teknologia pystyy, edes karkealla tasolla? Koska ilman sitä on vaarassa suunnitella ratkaisuja jotka joko aliarvioivat teknologian mahdollisuudet — jäädään toistamaan vanhoja lomakepohjaisia ratkaisuja uudella käyttöliittymällä — tai yliarvioivat ne, jolloin luvataan asiakkaalle jotain, mitä palvelu ei vielä todellisuudessa pysty pitämään. 

Tässä kohtaa moni odottaa kuulevansa, että tämä kaikki mullistaa palvelumuotoilun perusteet. No ei sentään. Etsin tekoälykehitykseen soveltuvia palvelukehityksen viitekehyksiä. Niitä on jonkin verran, mutta ymmärrettävästi vakiintunutta mallia ei vielä ole. Kolmea tahoa (Hybrid Service Encounter -kehys [4], oblo:n Triple-O-malli [5] ja GenAI RTI -paradigma [6]), jotka selasin läpi, päätyvät samaan neljään periaatteeseen. 

  • “Kehitystyö alkaa ongelman tunnistamisesta, ei teknologiasta.” → Jes, tämä me tiedetään. 

  • “Näkyvä ja näkymätön kerros on erotettava tietoisesti toisistaan.”→ Service blueprint tekee tätä jo osin, mutta on työkaluna riittämätön. 

  • “Kehitys on sykli, ei projekti, joka valmistuu.”→ Korostuu entisestään.

  • “Ja jossain kohtaa on aina tehtävä tietoinen päätös siitä, mikä ylipäätään kannattaa antaa koneen tehtäväksi.”→ Huomio tänne.

Kun logiikka siirtyy takaisin kulisseihin, sille pitää rakentaa uudenlaiset suunnitteluperiaatteet — ei siksi että vanhat olisivat vääriä, vaan koska niiden soveltamiskohde on muuttunut: luottamus, läpinäkyvyys ja käyttäjän kontrolli ovat nyt suunnittelun keskiössä. 

Maanantaiaamun tehtävälista

Moni organisaatio ei ole vielä muotoillut valmista tekoälyvisiota, eikä ehkä edes asiakaskokemusvisiota. Se ei estä asian kanssa etenemistä. Voit aloittaa sillä, että kaivaa esiin vanhat asiakastutkimukset ja kysyy uudelleen:

  1. mahdollistaako uusi teknologia nyt jotain, mitä ei aiemmin voitu tehdä?

  2. tai voit tarkastella asiakaspolun kitkakohtia uudestaan: mahdollistaako uusi teknologia nyt jotain, mitä ei aiemmin voitu korjata? 

Siltikin, ensimmäinen kokeilu kannattaa usein suunnata omaan henkilöstöön ennen asiakasrajapintaa. Tämä antaa organisaatiolle tilaa oppia turvallisesti, ilman että mahdolliset virheet näkyvät suoraan asiakkaalle asti.

Joku ajattelee puolestasi

Palaan vielä pankkiin, jossa isäni tunnettiin ovelta asti. En tietenkään väitä, että tekoäly toisi täsmälleen saman tunteen takaisin. Kone ei ole ihminen, eikä sen pitäisikään yrittää olla. Mutta rakenteellisesti sama asia on jälleenm mahdollista: joku, tässä tapauksessa jokin, tuntee tarpeesi ja ajattelee puolestasi, ilman että sinun tarvitsee ensin osata pukea tarvettasi oikeiksi termeiksi, navigoida monimutkaista valikkorakennetta tai käyttää aikaasi mahdollisten ja mahdottomien vaihtoehtojen vertailuun.

Emme ole menossa taaksepäin. Palaamme eteenpäin siihen, mitä hyvä palvelu on aina ollut. Ero aiempaan on siinä, että tämä joku voi nyt olla läsnä jokaiselle asiakkaalle yhtä aikaa, ilman että kukaan jää odottamaan vuoroaan pöydän toiselle puolelle.

Lähteet: 

1 https://www.klarna.com/international/press/klarna-ai-assistant-handles-two-thirds-of-customer-service-chats-in-its-first-month/

2 https://www.customerexperiencedive.com/news/klarna-reinvests-human-talent-customer-service-AI-chatbot/747586/

3 http://www.energychoicematters.com/stories/20250910c.html

4 https://journals.sagepub.com/doi/10.1177/10946705251344387

5 https://obloailab.substack.com/p/ai-based-services-design-framework

6 https://www.sciencedirect.com/science/article/pii/S305079012500032 4

Next
Next

White paper: Context Debt at Machine Speed