"Customized Large Language Models in customer service". Leg uit, wat is dat?! 

ChatGPT heeft de wereld de afgelopen tijd flink opgeschud. Schijnbaar uit het niets was er een praktische AI-toepassing die bijna iedereen kan gebruiken. ChatGPT kan allerlei vragen beantwoorden, teksten schrijven en bepaalde opdrachten uitvoeren en gesprekken voeren alsof je met een echt mens spreekt.  

Dit wekte natuurlijk ook de interesse in de contactcenterbranche, omdat daar doorlopend interacties tussen klanten en de organisatie plaatsvinden. Toch kun je ChatGPT niet één op één inzetten op je klantenservice. Zoals je waarschijnlijk weet is ChatGPT getraind op heel veel (generieke) data, op basis waarvan de tool antwoorden geeft op allerlei vragen. Door het generieke karakter is ChatGPT in de algemene vorm dus niet bruikbaar, maar de techniek erachter wél. Dat zijn Large Language Models (LLM). In dit artikel leggen we uit wat Large Language Models (LLM) zijn en hoe je ze in kunt zetten om je klanten een betere, geloofwaardige en snelle service te geven. 

Wat is een Large Language Model? 

Een Large Language Model (LLM) is een gespecialiseerde vorm van kunstmatige intelligentie (AI) gericht op het begrijpen en creëren van menselijke taal. Zo’n model is getraind op grote hoeveelheden tekst en kunnen daarmee taal analyseren en nabootsen. Dat maakt ze geschikt als ‘vraagbaak’, maar ook als vertaler, schrijver van samenvattingen, chatbot en virtuele assistent.  

Het bijzondere aan LLM’s is dat ze gaandeweg steeds slimmer en beter worden. Doordat ze interacties aangaan met echte mensen, krijgen ze steeds meer informatie en leren daarvan. Hun taalvaardigheid en kennis neemt daardoor steeds verder toe. 

De bekendste voorbeelden van dergelijke modellen zijn OpenAI's GPT-4 (Generative Pre-trained Transformer 4) en Google's BERT. Overigens is er ook kritiek op deze modellen. Zo hebben ze nog wel eens de neiging om foutieve informatie te verstrekken (het zogenaamde ‘hallucineren’, waarbij onjuiste informatie wordt gebracht als de waarheid) en zijn er zorgen over privacy en copyright. 

LLM inzetten in klantenservice: Customized Large Language Models 

Een generiek LLM inzetten op de klantenservice is geen goed idee. Het model is tenslotte getraind op algemene informatie en is toegankelijk voor iedereen. Voor organisaties is het juist belangrijk dat de antwoorden die de tool geeft zijn toegespitst op hun specifieke situatie. Bepaalde kennis over producten en diensten, maar ook zaken als leveringsvoorwaarden, condities, of zelfs wetgeving zijn belangrijk. Daarnaast zijn generieke modellen (gelukkig!) niet verbonden met systemen binnen de organisatie, maar is dat wel nodig als je je klanten en medewerkers de juiste informatie wilt geven.   

Om wel van de voordelen gebruik te maken en te kunnen toepassen in een klantenserviceorganisatie, worden customized LLM’s ontwikkeld. OpenAI biedt deze diensten aan, en ook andere grote leveranciers zoals eGain en Oracle bieden integraties aan. Wat we hierbij zien, is dat de technologie in eerste instantie vaak intern wordt toegepast. Dat betekent dat medewekers eerst gebruik maken van de mogelijkheden en het model trainen voordat het later wordt uitgebreid naar de klanten.

De voordelen van een Customized Large Language Model op je klantenservice 

Klinkt tof en behoorlijk futuristisch, toch? Die toekomst is dichterbij dan je denkt en het is tijd om AI en LLM’s toe te passen op de klantenservice. Waarom? Dit bereik je ermee:  

Snellere en betere antwoorden 

Mensen hebben tijd nodig om een vraag te begrijpen en een antwoord te vinden. De een wat langer dan de ander, maar een LMM reduceert dat naar bijna nul.  

Hogere klanttevredenheid 

Doordat klanten sneller en beter worden geholpen, en dat ook nog eens 24 uur per dag en 7 dagen in de week, komt dat de klanttevredenheid ten goede. Tevreden klanten zijn loyaler en doen gemakkelijker (herhaal)aankopen. 

Meer efficiëntie 

Klantenservicemedewerkers zijn vaak veel tijd kwijt aan repeterende en relatief eenvoudige vragen. Vragen die in no-time automatisch kunnen worden afgehandeld.  

Medewerkers kunnen klanten écht helpen 

Wanneer de simpele vragen automatisch worden afgehandeld, hebben medewerkers meer tijd over voor de complexe vragen. Dat is niet alleen voor klanten goed nieuws, maar ook voor de medewerker zelf. Zij halen zo meer voldoening uit hun werk, omdat ze zich kunnen richten op meer uitdagende taken en meer betekenisvolle interacties met klanten.  

Kostenbesparing 

Tot slot kan de inzet van LMM’s op de klantenservice helpen om kosten te besparen. Natuurlijk is er een investering nodig om de technische oplossing up and running te krijgen, maar dat weegt zeker op tegen de (personeels)kosten die anders ontstaan om het werk door mensen uit te laten voeren.  

Wil je weten hoe LLM's jouw organisatie kunnen helpen? Kom naar het KMM!

Ben je benieuwd hoe Large Language Models jouw organisatie naar een hoger niveau kunnen tillen? Reserveer dan 10 november 2023 in je agenda voor de 22ste Kennismanagement MeetUp (KMM) op het hoofdkantoor van de NS in Utrecht.

Leer van experts zoals onze eigen Leonie, die een presentatie geeft over ChatGPT. Ze presenteert hoe zij ChatGPT toepast in haar werkzaamheden en advieswerk bij TKC, en ze besteedt aandacht aan de kunst van een effectieve prompt.

Wil je hierbij zijn? Het volledige programma vind je op de website. Daar vind je ook het inschrijfformulier.