Insights aus dem Webinar
Im AI Reality Check Webinar „KI im Service und Vertrieb mit MS AI Foundry“ wurden zwei Use Cases, gezeigt:
- Besuchsberichte
- Serviceberichte
Beide adressieren eine Schwachstelle im Tagesgeschäft: Informationen entstehen im Gespräch oder im Einsatz beim Kunden, landen aber oft verspätet oder gar nicht im CRM.
Für den Test wurde ein Interface für zwei KI-Agenten erstellt. Einmal ein Interface für einen Agenten namens „Theo“, der für Besuchsberichte genutzt wird, und einmal ein eingebettetes Interface in Dynamics für einen mit KI dokumentierten Servicebericht. Beide Agenten basieren auf MS AI Foundry. Die KI-Agenten ermöglichen es, die Berichte per Spracheingabe zu erstellen. Die Inhalte werden dann in Dynamics strukturiert gespeichert. Zusätzlich können auch direkt Folgeaufgaben angelegt werden.
MS AI Foundry
Für beide Use Cases kam Microsoft AI Foundry zum Einsatz, weil damit ein flexibles Aufsetzen der KI-Agenten möglich war. Diese Plattform sitzt auf Azure und bietet Zugriff auf die neuesten KI-Modelle und Technologien. Das heißt: Deutlich mehr Möglichkeiten, aber auch mehr Komplexität.
Mit AI Foundry lassen sich unterschiedliche Sprachmodelle einsetzen und Datenquellen anbinden. Die Implementierung ist technischer als der Einsatz von beispielsweise Customer Agents, die wir bereits einem anderen Webinar getestet haben.
Für den Besuchsbericht implementierten wir ein reduziertes, eigenes Web-Interface. Für den Customer Service wurde eine direkte Integration und Einbettung in Dynamics umgesetzt.
Use Case 1: Besuchsberichte direkt nach dem Termin
Im ersten Use Case wurde mit der Hilfe von „Theo“ ein Kundentermin vom Vertrieb dokumentiert.
Erfasst wurden unter anderem:
- Gesprächsinhalt
- Folgeaufgaben mit Verantwortlichkeiten und Terminen
- Zu welchem Datensatz der Inhalt und die Aufgaben zugeordnet werden soll
Der praktische Effekt zeigte sich schnell: Der Besuchsbericht konnte direkt eingesprochen werden. Die Verschriftlichung im Nachgang entfiel. „Theo“ speicherte die Inhalte strukturiert im CRM und entsprechende Folgeaufgaben wurden automatisch angelegt.
In der Praxis heißt das: Vertriebler verbringen weniger Zeit mit der Nachbearbeitung von Terminen und haben mehr Zeit für die Kundenakquise.
Use Case 2: Servicebericht
Der zweite Use Case ging einen Schritt weiter, da das Interface direkt in Dynamics eingebettet war und der KI-Agent auf Wissensartikel und eine entsprechende Datenbasis zugreifen konnte.
Der Servicebericht wurde während eines fiktiven vor Ort Termins beim Kunden erstellt. Zusätzlich wurden dem KI-Agenten Fragen zur Wartung einer Maschine gestellt.
Das heißt: Eine Technikerin kann das Problem beschreiben, erhält Hinweise aus Wissensartikeln und hält gleichzeitig die Arbeitsschritte und die Inhalte des Kundentermins fest. Die Technikerin bleibt im Arbeitsfluss. Es gibt keinen Medienbruch zwischen Arbeit und Dokumentation.
Zusätzlich werden Aufgaben für Kolleginnen sofort angelegt, etwa für Nachprüfungen oder weitere Einsätze.
3 Insights aus dem Webinar
#1 Struktur durch Dialog
Ein zentrales Thema war das Thema Struktur. Gerade im Service existieren meist klare Formulare und Abläufe. Diese können mit dem KI-Agenten direkt im Dialog abgebildet werden.
Wenn Angaben fehlen, fragt die KI gezielt nach, und zwar mit direktem Bezug zum aktuellen Einsatz.
Die Struktur entsteht ohne zusätzliche Schulung zur Formularlogik.
#2 Theo: Die Stolpersteine
Im Webinar wurden auch die Grenzen des KI-Agenten angesprochen.
Ein Punkt ist die Sprachinteraktion. Die KI kann bei Unterhaltungen auch mal reingrätschen und ganz ungeniert während einer Antwort reinreden.
Unterbrechungen oder unpassende Rückfragen können deshalb den Ablauf stören. Hier braucht es Feintuning bei der Einrichtung des Agents.
Ein zweiter Punkt betrifft die Nutzerinnen und Nutzer. Die sprachbasierte Verwendung des KI-Agenten braucht eventuell etwas Übung. Bewährt hat sich deshalb ein Start mit ausgewählten, KI-Affinen-Anwenderinnen und -Anwendern, die regelmäßig Feedback geben. Das Feedback ermöglicht gezielte Anpassungen des Agents und ein entsprechendes Feintuning.
#3 Kostenfaktor
In AI Foundry erfolgt die Abrechnung nutzungsbasiert. Es gibt keine fixen Lizenzen pro Nutzer. Für eine erste Einschätzung der Kosten wurden im Webinar reale Zahlen aus unserem easy Testbetrieb gezeigt. Die Kosten lagen im niedrigen zweistelligen Bereich.
Die nutzungsbasierten Kosten ermöglichen:
- günstige Pilotphasen
- eine klare Zuordnung nach dem Piloten von Kosten und Mehrwert, ohne dass bereits für ein erstes Projekt pauschal hohe Kosten anfallen.
Fazit
Der AI Reality Check zeigt, dass die von uns erstellten und getesteten KI-Agenten den Aufwand für Besuchs- und Serviceberichte reduziert.
Die Dokumentation im CRM und das Anlegen von Folgeaufgaben ist damit kein nachgelagerter Schritt im Büro, sondern kann von Vertrieblerinnen und Servicemitarbeiterinnen direkt nach oder während dem Termin erfolgen.
Der Mehrwert zeigt sich durch die Zeitersparnis und die strukturierte Erfassung der Inhalte. Stolpersteine gab es bspw. bei einer zeitweisen Unterbrechung des Gesprächsflusses. Dies lässt sich durch Feintuning des Agents lösen.
Mit MS AI Foundry lassen sich diese Use Cases technisch sehr gut abbilden. Zu beachten ist, dass die Nutzung der Plattform ein technisches Hintergrundwissen erfordert.
Praxistipp: Wenn sich im Piloten erste Potenziale zeigen, kann in die Breite gegangen werden, um KI-Agenten auf Konsistenz und Stabilität zu testen. Das Feintuning und die Auswahl geeigneter Nutzerinnen und Nutzer entscheidet, ob der Einsatz von KI akzeptiert wird.
