Kasper bliver glad
Kaspers problem er laviner af kundemails
Hver dag vågner Kasper op til en indbakke med hundredvis af mails med kundefeedback og -klager. Langt de fleste beskeder er harmløse og kræver bare et hurtigt standardsvar.
Men indimellem gemmer sig beskeder, som – hvis ikke de bliver håndteret med den yderste forsigtighed – kan udvikle sig til shitstorms af orkanstyrke. Problemet er, at Kasper kun kan finde de kritiske beskeder ved at læse dem alle sammen igennem – tidskrævende.
Den magiske kombination af data og Machine Learning
Data – i form af kundemails – har han rigeligt af! Kasper får en lys idé: Hvis han kan lave et AI-system, der kan vurdere, hvor kritisk en besked er. Og kun præsentere den for ham, når den har høj shitstorm-potentiale, så han kan bruge sin tid mere effektivt. Han går i gang med at annotere de gamle beskeder, med hvorvidt de er kritiske eller harmløse – på den måde har Machine Learning-modellen nogle mønstre at gå efter.
Kasper træner modellen, tager den i brug – mærker lettelsen
Dog står han stadigvæk tilbage med en masse beskeder, der alle får det samme standardsvar – uanset hvad de handler om, og om de indeholder ris eller ros. Her kan Machine Learning heldigvis også hjælpe. Kasper har i lang tid haft en fornemmelse af, at han får mange beskeder om butikkernes åbningstider, og om han nu også bruger økologiske citroner.
Automatisk inddeling af beskeder med skræddersyet svar
Kasper laver et AI-system, der automatisk finder og svarer på beskeder om åbningstider og økologi. På den måde gør AI både kunderne og Kasper glade.
For Kasper er blevet rigtig glad. Selvom han ved, at fremtiden er fuld af udfordringer, så gør det ham ikke så meget. Han ved nemlig, at den rette kombination af data, AI og gode ideer gør alting mere overkommeligt.
