Puhelinasiakaspalvelun laadun arviointi tekoälyn avulla

Abstract

Opinnäytetyö toteutettiin syksyllä 2024 toimeksiantona 020202 Palvelut Oy:lle, joka on keskisuuri kotimainen yritys ja tunnetaan parhaiten sen kuluttajille tarjoamista nimi- ja numeropalveluista. Työn tavoitteena oli kehittää ratkaisu, jonka avulla toimeksiantaja voi tehostaa puhelinasiakaspalvelun laadun arviointia tekoälyn avulla, mikä mahdollistaisi palveluarvioinnin tekemisen useammin, sekä suuremmalle määrälle puheluita. Opinnäytetyön kohteeksi valittiin taksipalvelut-yksikön puhelinasiakaspalvelu. Työssä keskityttiin nykytilanteen kartoitukseen, puheluiden litterointiin, aineiston anonymisointiin, tekoälykehotteen suunnitteluun sekä tekoälymallien vertailuun. Opinnäytetyössä ei käsitelty opinnäytetyön ohessa toteutettavan sovelluksen kehittämistä. Työssä käytettiin OpenAI:n Whisper- ja ChatGPT-tekoälymalleja, koska haluttiin hyödyntää yrityksen olemassa olevia resursseja.

Työn keskeisenä tietoperustana käytettiin OpenAI:n omaa dokumentaatiota, sekä alan artikkeleita ja aikaisempia tutkimuksia aiheesta. Tärkeää tietoa palveluarviointiprosessista, sekä työssä tarvittavaa aineistoa saatiin toimeksiantajalta.

Opinnäytetyöraportti toteutettiin vetoketjumallilla, sillä työ koostuu useasta eri osioista. Jokaisessa osiossa on oma tietoperusta, toteutus sekä pohdintaosio. Opinnäytetyön viimeisessä luvussa pohditaan opinnäytetyön onnistumista kokonaisuutena

Työssä litteroitiin toimeksiantajalta saatuja asiakaspalvelupuheluita Whisper-mallin avulla. Litteroiduista puheluista laskettiin sanavirheet, ja tuloksia verrattiin aikaisempiin tutkimuksiin. Tekoälykehote luotiin palveluarviointilomakkeen ja asiakaspalvelun ohjeistusten pohjalta. ChatGPT:tä pyydettiin luomaan palveluarvio, ja sen luomaa arviota verrattiin manuaalisesti tuotettuun palveluarvioon.

Opinnäytetyön kaikkia suunniteltuja vaiheita ei ehditty toteuttaa. Opinnäytetyöstä saatiin kuitenkin paljon uutta tietoa, ja sitä voidaan hyödyntää ratkaisun jatkokehityksessä. Puhelutallenteiden litterointi onnistui hyvin, ja tulokset olivat verrattavissa aikaisempaan tutkimukseen. Tekoälykehotteen suunnittelussa aika riitti vain yhden iteraation toteuttamiseen. Tietoperustan ja empirian avulla saatiin hyvä käsitys siitä, miten tekoälykehotetta ja arviointikriteerejä tulisi kehittää, jotta tekoälyn tuottama palveluarvio vastaisi manuaalisesti tuotettuja. Aineiston anonymisointia ja kielimallien vertailua ei ehditty toteuttamaan. Työn tulokset esiteltiin toimeksiantajalle lokakuussa 2024. Työn tärkeimpänä antina saatiin vahvistus siitä, että tekoäly pystyy tuottamaan palveluarviointeja, mikä avaa uusia mahdollisuuksia palvelun laadun arvioinnin tehostamiselle.