Tack vare ett ihärdigt och emellanåt nästan notoriskt mätande av kundnöjdhet har många svenska verksamheter idag tillgång till massiva mängder data.
– Förut saknade vi processorkraften i datorerna för att kunna bearbeta den här typen av datamängder, men med dagens teknik kan vi alltså analysera den och dra nytta av den, säger Calle Walmstedt.
AI – din bästa och sämsta vän i CX-arbetet
AI På bara några år har AI-strategier kommit att förändra kundupplevelser radikalt – på ont och på gott. Under Svenskt kvalitetsindex årliga presentation av rapporten Sverigekollen berättade Calle Walmstedt, projektledare på SKI, om utmaningarna.

Calle Walmstedt, SKI.
Någonting är fel
Du är inloggad som prenumerant hos förlaget Pauser Media, men nånting är fel. På din profilsida ser du vilka av våra produkter som du har tillgång till. Skulle uppgifterna inte stämma på din profilsida – vänligen kontakta vår kundtjänst.
Kvalitetsmagasinet premium
Läs vidare – starta din prenumeration
Redan prenumerant? Logga in och läs vidare.
Men att dra nytta av data när det kommer till kundbemötande är fortfarande en slingrig väg förklarar han. Att exempelvis använda kunddata inom försäljning ställer stora krav på utformningen av AI:n. Risken blir annars att AI:n drar felaktiga antaganden och skapar dåliga algoritmer. Exempelvis om en person har köpt en leksak till en väns barn och sedan får hela flödet fyllt att barnreklam. Då kan en potentiell framtida kund istället börja känna olust inför företaget.
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


