Asiakaspalvelun suorituskyvyn parantaminen tekoälyn avulla työeläkevakuutusalalla – erityistarkastelussa tekoälyavusteinen data-analytiikka ja generatiivinen tekoäly
Tervomaa, Erkka (2023-08-21)
Asiakaspalvelun suorituskyvyn parantaminen tekoälyn avulla työeläkevakuutusalalla – erityistarkastelussa tekoälyavusteinen data-analytiikka ja generatiivinen tekoäly
(21.08.2023)
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
suljettu
Julkaisun pysyvä osoite on:
https://urn.fi/URN:NBN:fi-fe20230913124669
https://urn.fi/URN:NBN:fi-fe20230913124669
Tiivistelmä
Digitaalisesti etäyhteyksin tapahtuva asiakaspalvelu yleistyy jatkuvasti yritysmaailmassa, joka asettaa samalla myös lisää vaatimuksia asiakaspalvelun suorituskyvylle. Etenkin työeläkevakuutusalalla asiakaspalvelun suorituskyky voidaan nähdä keskeisenä kilpailu ja erottautumistekijänä muuten hyvin geneerisen tuote- ja palveluvalikoiman omaavien yritysten välillä. Tämän tutkielman tarkoitus onkin selventää, miten tekoälyavusteista data-analytiikkaa ja generatiivista tekoälyä voidaan hyödyntää työeläkevakuutusalalla yritysasiakkaille suunnatun asiakaspalvelun suorituskyvyn parantamiseksi. Tutkimuksen case-yrityksenä toimii suomalainen työeläkevakuutusalan yritys.
Aihe nähdään hyvin ajankohtaisena, sillä tekoälyn hyödyntämisen uskotaan yleistyvän yritysmaailmassa myös tulevaisuudessa. Toistaiseksi olemassa oleva tutkimus aiheesta on ollut kuitenkin hyvin vähäistä tai jopa olematonta etenkin työeläkevakuutusalan kontekstissa. Asiakaspalvelun tapauksessa aikaisemmat tutkimukset ovat pääasiassa keskittyneet jonkin tietyn asiakaspalvelukanavan suorituskyvyn parantamiseen hyvin teknisestä näkökulmasta katsottuna, jolloin monikanavaisen asiakaspalvelun tai liikkeenjohdollisen näkökulman tarkastelu on jäänyt vähemmälle huomiolle. Lisäksi generatiivisen tekoälyn tuoreudesta johtuen valtaosa siihen liittyvästä tutkimuksesta on ollut hyvin yleistasoisia kuvauksia sen hyötyihin ja haittoihin tai mahdollisiin hyödyntämismahdollisuuksiin liittyen.
Asiakaspalvelun suorituskyvyn tarkastelu pohjautuu tutkimuksessa Setian ym. (2013) esittämään malliin digitaalisten asiakaspalveluyksiköiden suorituskyvyn rakentumisesta. Tutkimuksessa hyödynnetään myös teoreettisen tarkastelun pohjalta rakennettua kokonaisuutta yrityksen suorituskyvyn parantamisesta tekoälyavusteisen data-analytiikan ja generatiivisen tekoälyn avulla. Yhdessä nämä luovat pohjan tutkimuksen empiiriselle tarkastelulle. Tutkimus onkin laadittu laadullisin tutkimusmenetelmin intensiivisenä tapaustutkimuksena. Aineistonkeruu toteutettiin puolistrukturoiduin teemahaastatteluin ja tutkimusta varten haastateltiin yhteensä seitsemää case-yrityksen asiakaspalvelun parissa eri rooleissa työskentelevää työntekijää.
Työeläkevakuutusalan yritysten asiakaspalvelun suorituskykyä on mahdollista parantaa tekoälyavusteisen data-analytiikan ja generatiivisen tekoälyn avulla neljällä eri keskeisellä tavalla. Tekoälyavusteinen data-analytiikka soveltuu pääasiassa asiakaspalvelun kysynnän ja liiketoimintaympäristön muutosten ennakointiin ja ymmärtämiseen, asiakastapausten ymmärtämiseen ja asiakasymmärryksen lisäämiseen sekä asiakaspalvelun henkilöstön määrän optimointiin ja osaamisen kohdentamiseen. Lisäksi generatiivisella tekoälyllä on mahdollista tehostaa asiakasrajapinnassa työskentelevien asiantuntijoiden tiedonhakua ja vastauksen tuottamista. Yhdessä nämä muodostavat kokonaisuuden, jonka avulla pystytään parantamaan asiakaspalveluyksikön käytettävissä olevan tiedon laatua sekä pienentämään asiakaspalveluprosessien hienostuneisuutta. Tämä taas tehostaa asiakaspalvelussa tehtävää päätöksentekoa ja asiakastapausten käsittelyä ja lisää näin asiakaspalveluyksikön nopeutta ja tehokkuutta sekä asiakaslähtöisyyttä ja parantaa näin asiakaspalvelun suorituskykyä. Remote and digital customer service is constantly becoming more common in the business world, which also places demand on customer service performance. Especially in the pension insurance sector, customer service performance can be seen as a key competitive and differentiating factor between companies with otherwise very generic product and service selections. The purpose of this thesis is to clarify how artificial intelligence -assisted data analytics and generative artificial intelligence can be used to improve the performance of customer service aimed at business customers in the pension insurance industry. The study's case company is a Finnish pension insurance company.
The subject can be seen as very current, as it is believed that the use of artificial intelligence will become more common in the business world in the future. However, so far the existing research on the subject has been very little or even non-existent, especially in the context of the pension insurance sector. In the case of customer service, previous studies have mainly focused on improving the performance of a certain customer service channel from a very technical point of view, in which case the examination of multi-channel customer service or business management perspective has received less attention. In addition, due to the freshness of generative artificial intelligence, the vast majority of research related to it has been very general level descriptions regarding its benefits and disadvantages or possible utilization opportunities.
The examination of customer service performance in this study is based on the model presented by Setia et al. (2013), which explains the structure of the performance of digital customer service units. The research also makes use of an model built on the basis of a theoretical examination of improving the company's performance with the help of artificial intelligence -assisted data analytics and generative artificial intelligence. Together, these create the basis for the empirical examination of the research. The research process has been executed by using qualitative research methods as an intensive case study. The data collection was carried out with semi-structured thematic interviews and a total of seven employees working in different roles in the case company's customer service were interviewed for the research.
According to the results, it is possible to improve the customer service performance of companies in the pension insurance sector with the help of artificial intelligence -assisted data analytics and generative artificial intelligence in four different key ways. Artificial intelligence-assisted data analytics is mainly suitable for predicting and understanding customer service demand and changes in the business environment, understanding customer cases and increasing customer understanding, as well as optimizing the number of customer service personnel and allocating their skills. In addition, with generative artificial intelligence, it is possible to enhance the search for information and the production of answers by personnel working in the customer interface. Together, these form a whole, with the help of which it is possible to improve the quality of the information available to the customer service unit and to reduce the sophistication of the customer service processes. This, in turn, enhances the decision-making and handling of customer cases in customer service and thus increases the speed and efficiency of the customer service unit as well as customer orientation and thus improves customer service performance.
Aihe nähdään hyvin ajankohtaisena, sillä tekoälyn hyödyntämisen uskotaan yleistyvän yritysmaailmassa myös tulevaisuudessa. Toistaiseksi olemassa oleva tutkimus aiheesta on ollut kuitenkin hyvin vähäistä tai jopa olematonta etenkin työeläkevakuutusalan kontekstissa. Asiakaspalvelun tapauksessa aikaisemmat tutkimukset ovat pääasiassa keskittyneet jonkin tietyn asiakaspalvelukanavan suorituskyvyn parantamiseen hyvin teknisestä näkökulmasta katsottuna, jolloin monikanavaisen asiakaspalvelun tai liikkeenjohdollisen näkökulman tarkastelu on jäänyt vähemmälle huomiolle. Lisäksi generatiivisen tekoälyn tuoreudesta johtuen valtaosa siihen liittyvästä tutkimuksesta on ollut hyvin yleistasoisia kuvauksia sen hyötyihin ja haittoihin tai mahdollisiin hyödyntämismahdollisuuksiin liittyen.
Asiakaspalvelun suorituskyvyn tarkastelu pohjautuu tutkimuksessa Setian ym. (2013) esittämään malliin digitaalisten asiakaspalveluyksiköiden suorituskyvyn rakentumisesta. Tutkimuksessa hyödynnetään myös teoreettisen tarkastelun pohjalta rakennettua kokonaisuutta yrityksen suorituskyvyn parantamisesta tekoälyavusteisen data-analytiikan ja generatiivisen tekoälyn avulla. Yhdessä nämä luovat pohjan tutkimuksen empiiriselle tarkastelulle. Tutkimus onkin laadittu laadullisin tutkimusmenetelmin intensiivisenä tapaustutkimuksena. Aineistonkeruu toteutettiin puolistrukturoiduin teemahaastatteluin ja tutkimusta varten haastateltiin yhteensä seitsemää case-yrityksen asiakaspalvelun parissa eri rooleissa työskentelevää työntekijää.
Työeläkevakuutusalan yritysten asiakaspalvelun suorituskykyä on mahdollista parantaa tekoälyavusteisen data-analytiikan ja generatiivisen tekoälyn avulla neljällä eri keskeisellä tavalla. Tekoälyavusteinen data-analytiikka soveltuu pääasiassa asiakaspalvelun kysynnän ja liiketoimintaympäristön muutosten ennakointiin ja ymmärtämiseen, asiakastapausten ymmärtämiseen ja asiakasymmärryksen lisäämiseen sekä asiakaspalvelun henkilöstön määrän optimointiin ja osaamisen kohdentamiseen. Lisäksi generatiivisella tekoälyllä on mahdollista tehostaa asiakasrajapinnassa työskentelevien asiantuntijoiden tiedonhakua ja vastauksen tuottamista. Yhdessä nämä muodostavat kokonaisuuden, jonka avulla pystytään parantamaan asiakaspalveluyksikön käytettävissä olevan tiedon laatua sekä pienentämään asiakaspalveluprosessien hienostuneisuutta. Tämä taas tehostaa asiakaspalvelussa tehtävää päätöksentekoa ja asiakastapausten käsittelyä ja lisää näin asiakaspalveluyksikön nopeutta ja tehokkuutta sekä asiakaslähtöisyyttä ja parantaa näin asiakaspalvelun suorituskykyä.
The subject can be seen as very current, as it is believed that the use of artificial intelligence will become more common in the business world in the future. However, so far the existing research on the subject has been very little or even non-existent, especially in the context of the pension insurance sector. In the case of customer service, previous studies have mainly focused on improving the performance of a certain customer service channel from a very technical point of view, in which case the examination of multi-channel customer service or business management perspective has received less attention. In addition, due to the freshness of generative artificial intelligence, the vast majority of research related to it has been very general level descriptions regarding its benefits and disadvantages or possible utilization opportunities.
The examination of customer service performance in this study is based on the model presented by Setia et al. (2013), which explains the structure of the performance of digital customer service units. The research also makes use of an model built on the basis of a theoretical examination of improving the company's performance with the help of artificial intelligence -assisted data analytics and generative artificial intelligence. Together, these create the basis for the empirical examination of the research. The research process has been executed by using qualitative research methods as an intensive case study. The data collection was carried out with semi-structured thematic interviews and a total of seven employees working in different roles in the case company's customer service were interviewed for the research.
According to the results, it is possible to improve the customer service performance of companies in the pension insurance sector with the help of artificial intelligence -assisted data analytics and generative artificial intelligence in four different key ways. Artificial intelligence-assisted data analytics is mainly suitable for predicting and understanding customer service demand and changes in the business environment, understanding customer cases and increasing customer understanding, as well as optimizing the number of customer service personnel and allocating their skills. In addition, with generative artificial intelligence, it is possible to enhance the search for information and the production of answers by personnel working in the customer interface. Together, these form a whole, with the help of which it is possible to improve the quality of the information available to the customer service unit and to reduce the sophistication of the customer service processes. This, in turn, enhances the decision-making and handling of customer cases in customer service and thus increases the speed and efficiency of the customer service unit as well as customer orientation and thus improves customer service performance.