Un examen approfondi de la qualité de réponse de Fin d'Intercom

Alors, tout le monde parle des agents IA dans le service client, et Fin d'Intercom est un grand nom dans ce domaine. Il promet de gérer une tonne de questions clients de manière autonome, ce qui semble génial. Mais voici la vraie question que nous devons tous nous poser : les réponses sont-elles de bonne qualité ? Un taux de résolution élevé ne signifie pas grand-chose si la qualité des réponses de Fin est médiocre, vous laissant avec des clients mécontents et un surplus de travail pour votre équipe.

Réfléchissez-y, le coût d'une seule mauvaise réponse peut être énorme. Elle peut briser la confiance que vous avez mis tant d'efforts à construire avec un client. Ce guide plonge dans les détails du fonctionnement de Fin, les défis pour s'assurer que ses réponses sont fiables, et comment une approche plus ouverte peut vous donner la confiance nécessaire pour vraiment vous appuyer sur l'automatisation.

Qu'est-ce que Fin d'Intercom ?

En termes simples, Fin d'Intercom est l'agent IA d'Intercom conçu pour les équipes de service client. Il utilise des grands modèles de langage (comme la technologie derrière ChatGPT) et se connecte à votre base de connaissances, comme les articles de votre centre d'aide, pour fournir des réponses conversationnelles aux questions des clients. L'idée est qu'il agisse comme votre première ligne de défense, traitant instantanément les requêtes courantes pour que vos agents humains puissent se concentrer sur les cas plus complexes.

Fin est un élément central de la Suite Service Client d'Intercom, conçue pour fonctionner aux côtés de leur helpdesk et de leurs agents humains. Vous pouvez l'utiliser en chat en direct, par e-mail et sur d'autres canaux. Il est conçu pour gérer des conversations qui peuvent nécessiter plusieurs étapes, pas seulement pour débiter de simples réponses de FAQ.

Pourquoi la qualité des réponses de Fin est la métrique la plus critique pour les agents IA

Les fournisseurs aiment brandir les « taux de résolution », mais si vous travaillez dans le support depuis un certain temps, vous savez que ce chiffre ne dit pas tout.

Comme l'a sagement dit un développeur sur Reddit, « Le coût d'un faux positif est très élevé ; il y a un risque énorme à envoyer une réponse incorrecte à l'utilisateur. »

Reddit

Et une bonne qualité ne se résume pas à l'exactitude des faits. C'est un mélange de plusieurs éléments :

• Précision et pertinence : La réponse résout-elle réellement le problème spécifique de l'utilisateur avec les bonnes informations ?

• Exhaustivité : Fournit-elle au client tout ce dont il a besoin, ou est-il obligé de poser d'autres questions ?

• Ton et voix de la marque : L'IA donne-t-elle l'impression d'appartenir à votre entreprise ? Correspond-elle à la personnalité de votre marque ?

• Sécurité et garde-fous : L'IA s'en tient-elle à ce qu'elle sait, ou invente-t-elle des choses (hallucinations) et parle-t-elle de sujets qu'elle ne devrait pas aborder ?

Se concentrer uniquement sur le taux de résolution peut être trompeur. Une IA peut clore un ticket en donnant une réponse qui semble correcte mais qui est totalement fausse, obligeant le client à revenir plus tard, encore plus frustré. Cela ne fait que gonfler vos statistiques tout en nuisant à l'expérience client. Lorsque vous vous concentrez sur la qualité des réponses, vous vous assurez que votre automatisation est réellement utile et qu'elle renforce la confiance sur le long terme.

Comment Fin d'Intercom aborde la qualité de ses réponses

À son crédit, Intercom a sérieusement réfléchi à l'amélioration de la qualité des réponses de Fin. Ils se concentrent sur quelques domaines clés, de la technologie en arrière-plan aux outils qu'ils vous fournissent pour la formation et les tests.

Le moteur IA de Fin : un processus en plusieurs étapes

Sous le capot, Fin utilise un système appelé le Fin AI Engine™. Il ne s'agit pas d'une simple connexion à un modèle d'IA ; c'est un processus en plusieurs étapes conçu pour rendre les réponses plus précises :

1. Affiner la requête : D'abord, il essaie de reformuler la question du client pour la rendre plus claire pour l'IA.

2. Récupérer le contenu pertinent : Ensuite, il parcourt vos articles d'aide et autres sources de connaissances à la recherche d'informations pertinentes.

3. Reclasser pour plus de précision : Il évalue ensuite tout le contenu trouvé pour sélectionner les meilleurs éléments à utiliser.

4. Générer une réponse : En utilisant ce contenu de premier ordre, il élabore une réponse.

5. Valider l'exactitude : Enfin, il effectue une dernière vérification pour s'assurer que la réponse est sûre et exacte.

L'ensemble de ce processus vise à ce que les réponses de l'IA restent basées sur votre contenu approuvé, ce qui contribue à réduire le risque qu'elle sorte du cadre ou invente des choses.

Capacités de formation et de test

Fin apprend à partir du contenu que vous lui fournissez, comme les articles du centre d'aide, les PDF et les pages de site web. Il dispose également d'une fonctionnalité appelée « Simulations » qui vous permet de tester comment Fin répondra avant de le laisser parler à de vrais clients. Vous pouvez lancer ces fausses conversations pour voir ce que Fin pense, pourquoi il choisit certaines réponses, et s'il réussit ou échoue à un test spécifique. C'est une bonne couche de contrôle qualité avant de passer en production.

Bien que ces outils soient un bon début, ils apportent aussi leur lot de maux de tête lorsque vous essayez de maintenir une qualité de réponse élevée au quotidien.

Les défis cachés de l'évaluation de la qualité des réponses de Fin

Même avec un système intelligent comme le Fin AI Engine™, obtenir et maintenir une haute qualité de réponse est difficile. Lorsque vous gérez un agent IA en conditions réelles, vous vous heurtez rapidement à quelques problèmes délicats.

Le problème de la « boîte noire »

Bien que le moteur de Fin suive un processus clair, l'IA générative en son cœur peut encore être imprévisible. Parfois, elle peut « halluciner », un mot chic pour dire qu'elle invente des choses, et affirmer quelque chose de complètement faux avec une confiance totale. Comme vous n'avez pas de contrôle direct sur le raisonnement final ou l'étape de validation de l'IA, cela peut ressembler à une « boîte noire ». Lorsqu'elle donne une mauvaise réponse, comprendre pourquoi peut être un vrai casse-tête, ce qui rend la correction et l'ajustement difficiles.

La surcharge des tests manuels et de l'optimisation

L'outil de simulation de Fin est bien, mais il vous laisse tout le travail. Vous devez imaginer tous les cas de test et les exécuter à la main. Et à mesure que vos produits, services et politiques changent, vous devez maintenir ces simulations à jour. Pour les équipes de support déjà surchargées, qui a vraiment le temps de créer et de maintenir constamment une énorme bibliothèque de cas de test ? Ce n'est tout simplement pas réaliste, et cela peut conduire à ce que les connaissances de l'IA deviennent lentement obsolètes et moins précises.

Les coûts imprévisibles d'un modèle par résolution

La tarification de Fin à 0,99 $ par résolution semble simple en surface, mais elle crée un étrange problème commercial. Que se passe-t-il lorsque Fin donne une réponse de mauvaise qualité ou incorrecte qui « résout » techniquement le ticket parce que le client abandonne par frustration ? Vous payez quand même pour cela. Ce modèle de tarification signifie que vous pourriez payer pour de mauvaises expériences client. Pendant un mois chargé, cela peut entraîner une facture étonnamment élevée, sans garantie que chacune de ces résolutions était une bonne résolution.

Une meilleure approche : Atteindre une qualité de réponse supérieure avec des contrôles d'IA transparents

Tous ces défis liés à l'évaluation de la qualité des réponses de Fin pointent vers une seule chose : les équipes de support ont besoin de plus de contrôle et de transparence de la part de leurs outils d'IA. Au lieu de croiser les doigts en espérant qu'une « boîte noire » fasse le bon choix, vous avez besoin d'outils qui vous permettent de construire, tester et utiliser l'IA en toute confiance.

C'est là qu'une approche différente, comme celle que nous adoptons chez eesel AI, entre en jeu. Elle fonctionne avec le helpdesk que vous utilisez déjà (comme Zendesk ou Freshdesk) et vous donne le contrôle direct dont vous avez besoin pour garantir que chaque réponse est de bonne qualité.

Simulez les performances sur de vrais tickets

Au lieu de devoir imaginer des cas de test, et si vous pouviez tester votre IA sur des milliers de vos vrais tickets de support passés ? eesel AI dispose d'un puissant mode de simulation qui fait exactement cela. Il exécute l'IA sur vos conversations historiques et vous fournit un rapport clair et basé sur des données sur ses performances potentielles. Vous pouvez voir son taux de résolution potentiel et la qualité de ses réponses, examiner chaque réponse simulée, identifier les lacunes dans votre base de connaissances et ajuster le comportement de l'IA avant qu'elle ne parle à un seul client.

Une capture d'écran du mode simulation d'eesel AI, qui aide à garantir la qualité des réponses de Fin en testant sur de vrais tickets.

Obtenez un contrôle granulaire sur l'automatisation

L'automatisation ne devrait pas être un choix du tout ou rien. Vous devriez être aux commandes. eesel AI vous permet de définir exactement quels types de tickets l'IA doit traiter. Vous pouvez commencer petit, en la laissant automatiser uniquement les questions les plus simples, et lui faire remonter tout le reste. Avec un éditeur de prompt entièrement personnalisable, vous pouvez définir le ton et la personnalité de l'IA et définir les actions exactes qu'elle peut entreprendre, vous donnant un contrôle total sur l'expérience client.

Une vue des règles de personnalisation d'eesel AI, montrant comment un contrôle granulaire peut améliorer la qualité des réponses de Fin.

Passez à une tarification prévisible et transparente

Parlons de la tarification, car elle ne devrait pas être une source de stress. Votre outil d'IA ne devrait pas vous pénaliser pour un mois chargé ou pour quelques erreurs commises par l'IA en cours de route. eesel AI propose des forfaits simples et fixes basés sur votre utilisation, sans frais par résolution. Ce modèle prévisible signifie que vous savez exactement quel sera le montant de votre facture chaque mois, vous pouvez donc faire évoluer votre automatisation du support sans vous soucier des coûts surprises liés à des résolutions de mauvaise qualité.

Tarification Intercom Fin vs. eesel AI : L'impact sur la qualité des réponses

La tarification est un facteur énorme lorsque vous envisagez un nouvel outil. Les différentes philosophies de tarification d'Intercom Fin et d'eesel AI montrent vraiment une manière différente de concevoir le partenariat.

Une capture d'écran de la page de tarification d'eesel AI, qui met en avant une tarification transparente pour aider les équipes à se concentrer sur la qualité des réponses de Fin.

Visez une véritable qualité de réponse, pas seulement une résolution

Obtenir une haute qualité de réponse de Fin n'est pas impossible, mais cela peut ressembler à une bataille difficile lorsque vous travaillez avec un système qui vous tient à distance. Le risque de donner de mauvaises réponses aux clients et la tarification imprévisible sont de réels obstacles pour toute équipe de support qui essaie de faire un excellent travail.

En fin de compte, le meilleur agent IA est celui en qui vous pouvez vraiment avoir confiance. Cette confiance vient de la capacité à voir exactement comment il performe, à avoir un contrôle fin sur ce qu'il fait, et à avoir un partenariat prévisible avec votre fournisseur.

Prêt à voir comment une IA plus transparente se comporte sur vos vrais tickets de support ? Commencez votre essai gratuit d'eesel AI et lancez une simulation sur vos données historiques en quelques minutes.