WELKOM HOE KUN JE QUALITY MONITORING MET AI STRUCTUREEL VERBETEREN? Welkom bij Ferment Management AI: QM IN DE VOLGENDE VERSNELLING

Transcriptie

1 WELKOM Welkom bij Ferment Management HOE KUN JE QUALITY MONITORING MET AI STRUCTUREEL VERBETEREN? MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

2 Het gaat om het ontwikkelen van mensen Quality Monitoring en Ferment Management MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

3 Ontwikkelen van uw mensen over QM en engagement Engagement is geen medewerkerstevredenheid, maar de emotionele commitment van uw medewerkers en leidinggevenden. Zij werken met passie voor uw klant. Zij hebben trots voor het werk dat zij doen. Zij zijn trots op de organisatie waarvoor zij werken. QM: één van de specialismen van Ferment Management Want er is enorm veel te bereiken in de aansturing en ontwikkeling van adviseurs. Want met goed ingerichte Quality Monitoring stelt het bedrijf zich in staat om structuur te geven aan beeldvorming en concreet te worden in verbeterdoelen waardoor klanten zich steeds beter bediend gaan voelen. MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

4 Nieuwsgierig wat wij doen in QM? Wij onderscheiden een aantal gebieden waar Ferment Management toegevoegde waarde levert bij de QM. 1. Doelen ontdekken en vastleggen voor medewerkers, management en directie. 2. Zeker stellen van commitment van de medewerkers en klanten. 3. Borgen/beschrijven van alle juridische voorwaarden, processen en procedures. 4. Coachen en opleiden van coaches en managers in QM. 5. QM-Academy skilltrainingen specifiek gemaakt aan de hand van de kwaliteitsdoelen. 6. Business Case waarmaken/garanderen duurzaam beter presteren door QM-audits, teamsessies, intervisies, kalibraties en begeleiding in de praktijk. MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

5 Menukaartmodel QM menukaart van Ferment Management Naar eigen behoefte specifieke keuzes kunnen maken Concreet Ondersteunende diensten (eigen regie) Full service mogelijkheden (wij lossen het op) Van de overige onderwerpen, stellen wij met de organisatie een maatwerkproject samen, dat precies past bij de behoefte en competenties. MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

6 Onze visie (why) elke dag een stap beter worden in een lerende cultuur MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

7 Work smarter, not harder MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

8 Nooit meer achter de feiten aan MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

9 WIJ PRATEN GRAAG OVER HOE WIJ U KUNNEN HELPEN OM UW QM STRUCTUREEL TE VERBETEREN Olaf Friedrichs Business manager Ferment Management Olaf.Friedrichs@fermentmanagement.nl MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

10 Quality Monitoring is een vak MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

11 Maar krijgt niet altijd de hoogste prioriteit.. MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

12 Redenen om Quality Monitoring structureel te verbeteren Minder klachten door intensieve aandacht op gesprekskwaliteit waardoor begrip van klantbehoefte toeneemt. Kosten besparen door concrete feedback op verbeteringen. Verhogen medewerkersmotivatie door betere inzichten. Teamleiders meer helpen door intensieve en eenduidige beoordelingen te realiseren. Impact vergroten door structurele aanpak. MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

13 Zelf doen of Innovaties gebruiken Hoe ziet dat er uit? En wat levert dat op? MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

14 Jullie interesses! IK WIL DE BUSINESS CASE KUNNEN MAKEN 18 HOE WEET IK OF QM MET AI GOED IS VOOR MIJ? 26 TOOLING / OPLOSSING 25 TIPS VOOR IMPLEMENTATIE 13 TOEKOMST VAN QM, KLANTCASE / PRAKTIJKERVARING 33 IK HEB ALLEEN INTERESSE IN INFORMATIE OVER AI TOEPASSINGEN 20 IK GEBRUIK GEEN QM MAAR BEN BENIEUWD WAT HET VOOR MIJ KAN DOEN 4 IK GEBRUIK QM TOOLING GEÏNTEGREERD IN RAPPORTAGES / DASHBOARD 21 IK GEBRUIK QM TOOLING 18 IK HEB ERVARING MET QM VIA CHECKLISTS MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

15 Jullie inspiratie voor ons! Probleem: geringe hoeveelheid resources beschikbaar om QM professioneel te doen Bestaat er een business case voor AI QM? Huidige tools om QM slim te zijn heel erg duur. Quality management persoonlijk en realtime maken voor de adviseurs Verandertengedrag en inzichten van adviseurs wanneer AI QM gebruikt wordt? Zijn er al contact centers die AI QM operationeel hebben draaien? Wat betekent AI QM voor resource besetting en welke conmepenties nodig? Welke data is noodzakelijk om AI QM efficient/effectief in te kunnen zetten? Kan de emotie van klant en agent gemeten worden tijdens een gesprek? Hoe realistisch zijn dezemetingen? Kan CSAT door AI voorspeld worden tijdens gesprek klant adviseur? Waar heeft AI de grootte impact:, analyse, rapportage, coaching? Hoe verwachten jullie dat dit zal ontwikkelen in de komende 5/10/20 jaar? MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

16 Vandaag Programma 13:30 Ontvangst 14:00 Welkom en inleiding, Olaf Friedrichs business manager Ferment Management AI, wat is het? Cris Donze - manager Stichting KIRC Hoe kan AI helpen QM te verbeteren? Mark Riepma directeur Mangl Uitdagingen met QM, Martine Ferment directeur Ferment Management 15:30 Pauze 15:45 Drivers en barriers in AI assisted QM, Olaf Friedrichs 16:30 Business case: AI assisted QM, Martine Ferment 16:45 Hoe ziet de wereld er over 5 jaar uit? 16:50 Conclusies en wrap up 17:00 Netwerkborrel MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

17 Cris Donze Manager, Klantinteractie Research Centrum Klantinteractie Research Centrum 2018 Masterclass Ferment Management, 29 november 2018

18 18 Even voorstellen: Klantinteractie Research Centrum Enige not-for-profit onderzoeksinstelling in Nederland voor klantcontact, klantinteractie en contact centers Doelstellingen van KIRC: Antwoorden vinden op trends/vragen in de customer interactie branche Wetenschappelijke inzichten ontwikkelen en/of delen Het optimaliseren van klantenservice en klantinteractie in Nederland en daarbuiten Klantinteractie Research Centrum 2018

19 19 Wellicht kent u ons van: 15 boeken gepubliceerd vanaf 2001: Oplages e Nationaal Benchmarkonderzoek Respondenten, jaarlijks meer dan 700 Jaarlijks trendonderzoek 1e chat onderzoek in Nederland uitgevoerd rond klantinteractie 1e whats app onderzoek in Nederland rond klantinteractie 3 Lectures per jaar over actuele onderwerpen 10 Strategic Decision Monitors per jaar met een panel van 400 professionals Jaarlijkse State of the Union op KSF-congres 1500 views in 1,5 maand bezoekers op onze events 7600 views op slideshare Workshops door vrijwilligers 800+ toeschouwers Whitepapers Upcoming: 1 e nationale Benchmark Belgie: november 1 e KIRC Benchmarkplein: 13 december publicatie Service-aan-Huis: april 2019 CX-Trendevent in 2019 Klantinteractie Research Centrum 2018

20 20 KIRC wordt mogelijk gemaakt door vrijwillige onderzoekers uit de branche, individuele donateurs en organisatie- sponsoren Alle resultaten zijn gebaseerd op onafhankelijk wetenschappelijk verantwoord onderzoek. Donateurs en sponsoren hebben geen invloed op de resultaten van de onderzoeken Klantinteractie Research Centrum 2018

21 FOCUS op Artificial Intelligence in Customer Service Vandaag gaan we het zien!

22 Kent u uitspraken als deze? 'Tegen 2020 zal 85% van alle klantinteracties worden afgehandeld zonder een tussenpersoon' 'Het oplossen van problemen met klantenservice voordat deze zich voordoen, kan het aantal opzeggende klanten aanzienlijk verkorten' 'AI, chatbots en geautomatiseerde zelfbedieningstechnologieën maken callcentermedewerkers vrij van routine-taken, zodat zij zich kunnen concentreren op meer complexe taken Maar Hoe, Waar en door Wie dan? Wat gebeurt er nu in AI op dit moment in onze sector?

23 De toekomst Deloitte: toenemende automatisering is de tweede belangrijkste strategische prioriteit in organisaties vandaag en over 10 jaar

24 De toekomst Deloitte: toenemende automatisering is de tweede belangrijkste strategische prioriteit in organisaties vandaag en over 10 jaar

25 FOCUS op AI. Wat is het nu precies? Artificial Intelligence (AI) is de ontwikkeling van ITsoftware die op eigen kracht functioneert waar voorheen menselijke intelligentie vereist was. De software maakt gebruik van impliciete kennis, leert voortdurend van ervaringen om zijn gedrag aan te passen, wat handig is als het gaat om het omgaan met menselijke interactie. AI op een website kan bijvoorbeeld worden gebruikt om te achterhalen welk type profiel de neiging heeft om te bladeren, te kopen en te onderzoeken welk type product of onderwerp. Artificial intelligence (Al) in customer service gebruikt technologie zoals machine learning, natural language processing en sentiment analyse om the customer or employee experience te verbeteren.

26 Voordelen AI 24/7 customer service Kan elk volume aan en elke piek Zorgt dat medewerkers kunnen focussen op kernzaken Kan meer dan mensen manueel kunnen doen (spraakanalyse etc)

27 Waarom zijn organisaties aarzelend om dit te implementeren? Kosten: de implementatie van nieuwe technologie past niet naast de investeringen in bestaande technologie die ook gedaan moeten worden De hoeveelheid werk en inspanning die nodig is om het te programmeren in de back end systemen (het is geen out of the box-technologie) Veel kennis nodig om de machine learning technologie goed te laten werken vanuit de duizenden of miljoenen interacties en dan de beste 3 of 4 antwoorden eruit te krijgen Veel training nodig om het systeem aan de praat te houden en nieuwe benefits te genereren

28

29 AI en de toekomst van klantcontact Onderzoeksresultaten Wij deden onderzoek naar de toepassing van Artificiële Intelligentie in klantcontact. We zijn benieuwd naar uw mening: pak daarom uw smartphone en surf naar:

30 30 Wat houdt AI volgens u in? Klantinteractie Research Centrum 2018

31 Klantinteractie Research Centrum

32 32 Resultaten KIRC-onderzoek oktober 2018: Content Guru Klantinteractie Research Centrum 2018

33 Klantinteractie Research Centrum

34 34 Content Guru resultaten 11 oktober 2018 Klantinteractie Research Centrum 2018

35 35 Binnen welke termijn zijn deze toepassingen gerealiseerd in uw organisatie? chatbots slim routeren relevante content QM en analyse forecasting en planning analyse klantdata is al het geval binnen 1 jaar binnen 3 jaar na 3 jaar nooit Klantinteractie Research Centrum 2018

36 Klantinteractie Research Centrum

37 37 Content Guru resultaten 11 oktober 2018 Klantinteractie Research Centrum 2018

38 Kansrijke voorbeelden van AI toepassingen: 2-weg vertaling Klant spreekt Duits, en de agent spreekt Engels. De klant spreekt de vraag uit in het Duits. AI vertaalt dit snel en volledig contextueel in Engels Agent antwoordt in het Engels dankzij natuurlijke taalverwerking Dit wordt in het Duits aan de klant teruggegeven in natuurlijke taal, in context AI-technieken doen context-en sentiment analyse

39 Contextual knowledge management AI technologie maakt gebruik van natuurlijke taalverwerking om tijdens een gesprek met een klant te interpreteren wat de klanten vragen Dan wordt direct het kennisbanksysteem doorzocht op een antwoord Vervolgens worden deze onbewerkte gegevens geïnterpreteerd tot een intelligente, mensvriendelijke reactie. Voorbeeld: 80% van de contacten die een luchtvaartmaatschappij ontvangt om een ticket te wijzigen, resulteert niet in het veranderen van het ticket.omdat de klant niet goed op de hoogte was van alle voorwaarden en condities, zoals vergoedingen of planningsproblemen. Een AI-systeem kan deze relevante en relevante informatie snel aan de beller of agent verstrekken

40 Leren en beoordelen van het beste antwoord AI machine learning Via machine leren wordt het gedrag van agenten bijgehouden (vraagantwoord-vraag-antwoord) Het systeem leert de meest geschikte antwoorden op vragen (de applicatie wordt steeds slimmer door nieuwe interacties) Het systeem kan gebruikt worden om chatbots en agenten te trainen. De organisatie kan drempels opgeven voor wat succesvol gedrag is (bv 80% van de agents moet dit in 3 kliks hebben beantwoord) zodat het systeem die actie als het "ideale" antwoord kan herkennen En via het meeluisteren bij conversaties de interacties van de afgelopen dag, week, maand of beoordeelt.

41 screening, distributie en antwoordsuggestie AI onderzoekt, distribueert en/of handelt informatieverzoeken via automatisch af Bv openbaarvervoer bedrijf: veel mensen e- mailen. Dat kan een compliment zijn, een klacht of een vraag Een AI applicatie leest de , begrijpt wat de klant vraagt Vervolgens beoordeelt de AI applicatie de aard van het verzoek (categoriseren) en leidt de vraag naar de juiste afdeling Of geef zelf het beste antwoord uit de kennisdatabank. Direct aan de klant Aan de medewerker die het na kan kijken voor het versturen

42 Gespreksanalyse en real time hulp AI volgt gedurende het gesprek de spraakpatronen en taalgebruik van bellers en detecteert veranderingen in toon, spraakpatronen of volume AI bepaalt zo wanneer een interactie zou kunnen escaleren (sentiment analyse) AI geeft een aanwijzing om de situatie in realtime aan te pakken: Manieren voorstellen voor een agent om het stressniveau van een gesprek te verminderen Informatie geven over hoe een verkoop beter had kunnen worden uitgevoerd Het totaal hiervan geeft informatie voor de manager, voor trainingshulp in omgaan met stress of woede bij een klant.

43 Klantinteractie Research Centrum 2018

44 Klantinteractie Research Centrum

45 45 Het Nationaal Benchmark en Trendonderzoek Klantinteractie 2018 Alles over AI en meer is te lezen in onze kersverse onderzoeks-publicatie, te bestellen via Klantinteractie Research Centrum 2018

46 Wilt u altijd up to date zijn en belangrijk onderzoek naar klantinteractie steunen? Word donateur

47 AI assisted QM POWERED BY

48 Route POWERED BY Voorstellen Over Mangl Hoe ziet het eruit? Hoe werkt het technisch? Modules en voorspellingsmodellen Proces bij onboarding Wat levert het op? Demo Route

49 Mark Riepma Begonnen in contactcenter De Persgroep Nederland 8 jaar verantwoordelijk voor het inhouse en outsource klantcontact. Mangl combineert datacentralisatie, speech2text, AI en een QM-tool om zonder tussenkomst van mensen klantcontact te analyseren. Door deze inzichten te delen in ons platform maken we de gehele operatie volledig transparant en kan er direct gestuurd worden op de inhoud. Mark Riepma Voorstellen

50 POWERED BY Opgericht in 2017, Powered bydatanext; Your tailormade Ai solution Web-basedplatform geschikt voor inbound, outbound, inhouse, outsource Lid van DDMA + Privacy waarborg (gold) Missie: Eerlijk, betrouwbaar en transparant zijn Ambitie: Europese markt standaard te zijn op het gebied van het verzorgen van inzichten voor agents, teamleiders en contactcenters door gebruik te maken van Artificial Intelligence. Quality monitoring and coaching platform Over ons

51 Hoe ziet Mangl eruit? Visueel

52

53 Hoe ziet Mangl eruit? Visueel

54

55 Artificial Intelligence (AI) De fundamentele basis van AI is algoritmes gebruiken om gegevens te analyseren, er wijzer van te worden en vervolgens een bepaling of voorspelling te maken over iets in de wereld. 1. Machine Learning (ML) houdt zich bezig met de ontwikkeling van algoritmes en technieken om AI te bereiken. Bij ML wordt met behulp van grote hoeveelheden data de machine getraind om bepaalde taken uit te voeren. 2. Deep Learning (DL) is een ML-methode; het algoritme bepaalt een relatie tussen de invoer en uitvoer van gegevens. In een notendop AI

56 POWERED BY 1. Gesprekken (recordings) 2. Transcripties 3. Menselijke gespreksanalyses 4. Machine- en deeplearning algoritmes 5. Output 6. Betrouwbaarheid (accuracy) Hoe werkt het? Technisch

57 De analyse omgeving Input

58 Training van het model Bijsturen

59 Inventariseren QM punten 1 Recordings uploaden 3 Transcripties gesprekken 5 2 Bepalen structuur 4 Menselijke analyses Live / modules 10 Output naar Mangl platform 8 Trainen AI - QM er 6 9 Instructie locatie 7 Uitkomst (accuracy) Het 10 stappen proces bij onboarding Livegang

60 Ai QM-er MANGL biedt een geautomatiseerde Quality Medewerker aan die met een hoge accuracy de QM scores op commercieel en compliance punten kan afgeven, zodat QM medewerkers kostenefficiënt geautomatiseerd zijn en de scores gewaarborgd. Agent instroom voorspeller na 20 uur bellen 94% zeker over wel of niet van toegevoegde waarde Sentiment analyse Per gesprek in kaart wat het sentiment van het gehele gesprek is Call-reasoning voorspeller Voorspellen wat de juiste afboekreden is van een gesprek zonder dat een agent dit hoeft aan te geven (winst in afhandeltijd) NPS voorspeller Zonder uitvragen aan consument toch de KTS scores realtime en teruggekoppeld Uitval Voorspeller MANGL biedt ook de uitval voorspeller aan, die voor elke klant getraind kan worden. We kunnen hiermee >80% van de uitval correct voorspellen, waardoor er actie ondernomen kan worden voordat die sales daadwerkelijk uitvalt. E-learning Deze module kan agenten e-learning testen laten afnemen gebaseerd op zijn persoonlijke coaching behoefte of op het level van de agenten. Voorspellende waarden Modules

61 Hoe ziet Mangl eruit? Visueel

62 Wat het oplevert MANGL ontsluit alle (meta)data van klantcontact. (Telefonisch, Chat, Mail) En maakt die transparant, inzichtelijk en actionable. Er worden inzichten gecentraliseerd, en er wordt direct een geschiedenis opgebouwd Hierdoor ontstaat een inzicht per bedrijf / team / agent op verschillende doelstellingen Dankzij de inzichten kan er direct persoonlijker gestuurd worden op kwaliteit en resultaat bijvoorbeeld d.m.v coaching. Het platform zorgt voor transparantie, wat leidt tot inzicht, kennisvermeerdering, gedragsverandering en toename kwaliteit en rendement van het klantcontact. Winst in Quality Monitoring: Minder tot geen uren kwijt aan het naluisteren van gesprekken en of analyseren van chats en mails Geen uren kwijt aan het verwerken van die data Geen uren kwijt aan het documenteren en inzichtelijk maken van de ontwikkelingen van de agents Eerlijker en betrouwbaarder dan een menselijke benchmark (er wordt altijd op 1 uniforme manier geanalyseerd) Teamleads kunnen meer tijd besteden aan 1 op 1 coaching Objectieve meting en analyse van klantcontact Mangl

63 Demo-account POWERED BY Gebruikersnaam: Wachtwoord: ervaarhetzelf Ervaar het zelf Demo

64 Vandaag Programma 13:30 Ontvangst 14:00 Welkom en inleiding, Olaf Friedrichs business manager Ferment Management AI, wat is het? Cris Donze - manager Stichting KIRC Hoe kan AI helpen QM te verbeteren? Mark Riepma directeur Mangl Uitdagingen met QM, Martine Ferment directeur Ferment Management 15:30 Pauze 15:45 Drivers en barriers in AI assisted QM, Olaf Friedrichs 16:30 Business case: AI assisted QM, Martine Ferment 16:45 Hoe ziet de wereld er over 5 jaar uit? 16:50 Conclusies en wrap up 17:00 Netwerkborrel MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

65 Als je QM Excellent wilt doen MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

66 1. Introductie Doel Doelgroep Proces beschrijving Quality Coaching... 5 Moet je nogal wat dingen regelen 2.1. Coachingscriteria en -definities Methode Scoreberekening Normering en Performancemanagement Frequentie Coaching Volume Registreren van de resultaten Feedback Escalatieproces Randvoorwaarden Verantwoordelijkheden Calibratie Randvoorwaarden Verantwoordelijkheden Frequentie Normering Processtappen Relatie met Klanttevredenheidonderzoek (KTO) Juridische inbedding van Quality Coaching 19 MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

67 Maar laten we eerst eens terug gaan naar de basis Waarom doen we QM? MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

68 Kwaliteitsmonitoring is onderdeel van een geheel kwaliteits-/prestatieproces We doen QM voor een hoger doel, als onderdeel van een verbetercyclus QM ZIT HIER Uitdaging 1: of is QM een doel op zich geworden?? MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

69 Kwaliteitsmonitoring is onderdeel van een geheel kwaliteits-/prestatieproces De verbetercylcus is niet eenmalig Uitdaging 2: Hoeveel draagt QM bij aan continue verbeteren??? De bal moet de heuvel oprollen van continue verbeteren QM ZIT HIER Continue verbeteren MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

70 Even inzoomen op betrouwbaarheid en representativiteit Normale QM situatie Team: teamleider, 20 medewerkers, waarvan 50% parttime werkt 1 FTE: 65 gesprekken per dag, 1300 calls per mnd Hele team: 10 medewerkers 1300 gesprekken per maand 10 medewerkers: gesprekken per maand QM inspanning teamleider: 3 calls per medewerkers per maand scoren: 10 uur werk. 20 coachingsgesprekken voeren van een half uur: 10 uur werk Betrouwbaarheid = als iemand dezelfde meting uitvoert, komt er hetzelfde resultaat uit Zijn teamleiders/coaches zo onbevooroordeeld als u denkt? Alles wat zij vinden over de medewerker, weegt onbewust mee in hun oordeel. Opleiding teamleider, selectie calls heeft grote invloed op scoring Als de kalibratie niet frequent en goed gebeurt, is de beoordeling niet betrouwbaar Als de beoordeling steeds door dezelfde ps gebeurt, is het ws minder betrouwbaar Representatief: Is 3 gesprekken monitoren wel genoeg? 3 calls op 1300 calls per maand = 0,002% van het werk van een FT mw (1% = 13 calls) Representativiteit gaat ook over tijdstip calls, verschillende drukte, verschillende dagen van week, periode in de maand MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

71 Uitdagingen te over: de QM goed uitvoeren 3. Plannen in het werk van teamleiders en medewerkers 4. Doelen bepalen 5. Goed doen Betrouwbaar en representatief 6. Doelen halen 9. veranderen van gedrag 10. Veranderen van inhoud 7. Beoordelen of het goed gebeurt (rapportages) 8. Resultaten beoordelen MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

72 Wat is nu echt het resultaat? Voor klanten? Voor medewerkers? Voor teamleiders? Voor management? Voor de organisatie? MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

73 Uitdagingen Waarom? 1. QM is een doel op zich geworden 2. Onduidelijk hoeveel QM bijdraagt aan continue verbeteren 3. Planning in werk van teamleiders en medewerkers lukt niet goed 4. Doelen zijn niet helder en smart 5. Wordt niet goed genoeg uitgevoerd: betrouwbaarheid en representativiteit 6. Doelen worden niet gehaald 7. Beoordelen of het goed gebeurt, ontbreekt 8. Resultaten worden niet beoordeeld (maand gemiddelden, per doelgroep) 9. Gedrag verandert onvoldoende 10. De inhoud verandert onvoldoende 11.. MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

74 AI Assisted QM helpt bij.. Uitdagingen 1. QM is een doel op zich geworden 2. Onduidelijk hoeveel QM bijdraagt aan continue verbeteren 3. Planning in werk van teamleiders en medewerkers lukt niet goed 4. Doelen zijn niet helder en smart 5. Wordt niet goed genoeg uitgevoerd: betrouwbaarheid en representativiteit 6. Doelen worden niet gehaald 7. Beoordelen of het goed gebeurt, ontbreekt 8. Resultaten worden niet beoordeeld (maand gemiddelden, per doelgroep) 9. Gedrag verandert onvoldoende 10. De inhoud verandert onvoldoende 11.. MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

75 ..maar een aantal dingen moet je nog zelf doen (gelukkig) Dit moet je zelf blijven doen Training Coaching Managementfocus Dit doet de tool AI assisted QM QM rapportages QM beoordelingen MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

76 MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

77 Signaling Drivers & Barriers for AI assisted Quality Monitoring Drivers Barriers Employee Customer Company MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

78 Quality monitoring: mensen bepalen het succes People are our most important ingredient Bron: personeelsadvertentie van een grote hamburgerketen 7 8 MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

79 Even rekenen Hoe kan AI kwaliteitsmanagement versnellen, vergemakkelijken en verbeteren? Zorg dat het meer blijvend effect heeft. Geef volledige transparantie naar medewerkers, teamleiders en opdrachtgevers. Halveer de tijd die het proces van QM kost. Maak QM gemakkelijker. 5 aandachtspunten die nodig zijn voor de volgende versnelling van uw QM Reduceer toolingkosten. MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

80 Business Case Huidige QM-effect op: AI assisted QM-effect : Operational Excellence: Medewerker Operational Excellence: Medewerker Productiviteit Engagement Productiviteit Engagement First time Fix Verloop First time Fix Verloop Monitoring Excellence Ziekteverzuim Monitoring Excellence Ziekteverzuim Productiviteit scoren Productiviteit coaching Betrouwbaarheid Representativiteit Klanttevredenheid CES/NPS/KTV Fouten Waarde: Retentie Acquisitie Cross- of upsell Tooling: Licentiekosten Hardwarekosten Onderhoudskosten Gebruikskosten Productiviteit scoren Productiviteit coaching Betrouwbaarheid Representativiteit Klanttevredenheid CES/NPS/KTV Fouten Waarde: Retentie Acquisitie Cross- of upsell Tooling: Licentiekosten Hardwarekosten Onderhoudskosten Gebruikskosten MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

81 Model business case Huidige QM = Effect op: AI assisted QM = Effect op: Operational Excellence Productiviteit seconden ATT, ACW Euro Operational Excellence Productiviteit seconden ATT, ACW Euro First time Fix % Euro First time Fix % Euro Monitoring Excellence: 1 team Productiviteit scoren 10 uur/mnd Euro Monitoring Excellence: 1 team Productiviteit scoren 0 Euro Productiviteit coaching 15 uur/md Euro Productiviteit coaching 10 uur/md Euro Betrouwbaarheid onvoldoende Euro Betrouwbaarheid goed Euro Representativiteit onvoldoende Euro Representativiteit goed Euro Klanttevredenheid Klanttevredenheid CES/NPS/KTV loyaliteitseffect Euro CES/NPS/KTV loyaliteitseffect Euro Fouten klachten, recall, 2e lijn Euro Fouten klachten, recall, 2e lijn Euro Medewerker Engagement cijfer Euro Medewerker Engagement cijfer Euro Verloop % Euro Verloop % Euro Ziekteverzuim % Euro Ziekteverzuim % Euro Waarde Retentie % Euro Waarde Retentie % Euro Acquisitie % Euro Acquisitie % Euro Cross- of upsell % Euro Cross- of upsell % Euro Tooling Tooling Licentiekosten Euro Euro Licentiekosten 0 0 Hardwarekosten Euro Euro Hardwarekosten 0 0 Onderhoudskosten Euro Euro Onderhoudskosten 0 0 Gebruikskosten nvt Gebruikskosten Euro Euro MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING

82 NIEUWSGIERIG WAAR EN HOE ÚW QM STRUCTUREEL TE VERBETEREN IS? Onze aanpak is gericht op snelheid, inzichten en pragmatische actiepunten. Olaf Friedrichs MASTERCLASS AI: QM IN DE VOLGENDE VERSNELLING