वेबिनार रिकैप: Admiral AI एजेंट्स के साथ इंश्योरेंस कॉल्स कैसे संभालता है

Admiral दुनिया भर में कई भाषाओं में हर साल ग्राहकों के साथ लाखों बातचीत संभालता है (जिसमें यूके, इटली, फ्रांस और स्पेन शामिल हैं)।

हमारे नवीनतम वेबिनार बिहाइंड द एजेंट: Admiral AI एजेंट्स के साथ बीमा कॉल्स कैसे संभालता है में Admiral की जनरेटिव AI ग्रुप हेड डोमिनिका काम्पा ने बताया कि उनकी टीम इस बड़े पैमाने को संभालने के लिए AI लेयर कैसे बना रही है, जिसमें आर्किटेक्चर, टेस्टिंग मानक और इसके पीछे का संगठनात्मक काम शामिल है।

Admiral का मुख्य लक्ष्य बीमा क्षेत्र में सबसे भरोसेमंद ग्राहक अनुभव बनाना था 

Admiral का लक्ष्य ग्राहक अनुभव की एक अलग श्रेणी बनाना था।

ऐसा एजेंट बनाना आसान है जो ग्राहक की समस्या को वास्तव में हल किए बिना बातचीत जल्दी खत्म कर दे। 

उनका अंतिम लक्ष्य यह है कि हर ग्राहक की हर ज़रूरी बात, हर चैनल पर, तुरंत हल हो जाए या फिर उसे ऐसे इंसान तक पहुंचाया जाए जो ग्राहक, संदर्भ और उसकी समस्या को समझता हो।

उनका मुख्य मेट्रिक 90% फर्स्ट कॉन्टैक्ट रिज़ॉल्यूशन हासिल करना था। वे 24/7 उपलब्ध सेवा, संक्षिप्त बातचीत और NPS में उल्लेखनीय बढ़ोतरी को भी ट्रैक करते थे। 

कंटेनमेंट एक द्वितीयक मेट्रिक था। अपने पहले वॉइस यूज़ केस में, जैसे-जैसे ग्राहकों को पता चला कि एजेंट तेज़ है, टीम ने इसमें बहुत सुधार किया।

लेकिन रिज़ॉल्यूशन उनका मुख्य आधार था। Admiral इसे अलग मेट्रिक के रूप में ट्रैक करता है कि ग्राहक को वह मिला या नहीं जिसके लिए उसने कॉल किया था, भले ही कॉल एस्केलेट हुई हो या नहीं। इसलिए किसी इंसान को सोच-समझकर हैंडऑफ करना कभी विफलता नहीं माना जाता।

नियमित उद्योग में "अच्छा" कैसा दिखना चाहिए

प्रोडक्शन के लिए Admiral का मानक ऊंचा है। वे चाहते हैं कि लाइव होने से पहले उनका एजेंटिक समाधान उनके मौजूदा मानव एजेंट्स जितना अच्छा, या उससे बेहतर हो।

जो एज केस ज्ञान पहले सबसे अनुभवी एजेंट्स की सहज समझ में रहता था, अब उसे हर यूज़ केस के लिए स्पष्ट रूप से टेस्ट करना पड़ता है।

व्यवहार में, टीम ने दायरे की सीमाएं भी जानबूझकर तय कीं। उदाहरण के लिए, जब तक टीम यूज़ केस से जुड़े और एज केस सीखती है, तब तक संवेदनशीलता और बकाया भुगतान वाले मामलों को मानव एजेंट के पास ही भेजा जाता है।

चूंकि अधिकतर बीमा नियम परिणाम-आधारित हैं, डोम का नज़रिया व्यावहारिक है: "कैसे" में लचीलापन हो सकता है, बशर्ते ग्राहक और व्यवसाय के लिए परिणाम बिल्कुल वही हो जो तय किया गया है।

सिर्फ आदेश से समर्थन नहीं मिलता

कोई नियमित संगठन सिर्फ कहे जाने पर AI नहीं अपनाता। 

Admiral में शामिल होने से पहले डोम ने McKinsey में बदलाव प्रबंधन कार्यक्रमों पर कई साल काम किया। जब उनसे पूछा गया कि आज एजेंटिक AI के पक्ष में बात रखने वाले किसी सहकर्मी को वह क्या सलाह देंगी, तो उन्होंने उसी प्लेबुक के तीन सिद्धांत बताए।

1) लोग उसी चीज़ का समर्थन करते हैं जिसे बनाने में वे मदद करते हैं

Admiral ने संदेह करने वालों के सामने सीधे टूल रखकर उनके संदेह का जवाब दिया।

टीम ने एजेंटिक AI को समझने योग्य बनाने के लिए पूरे संगठन में डेमो और शिक्षण सत्र चलाए—जिसमें समूह के शीर्ष 50 लीडर्स भी शामिल थे। ElevenLabs और डोम ने एक ट्रेनिंग डे आयोजित किया, जिसमें ग्रुप सीईओ मिलिना मोंडिनी डी फोकातिस समेत लीडरशिप टीम ने शून्य से एजेंट्स बनाए। डोम के शब्दों में, उन्हें "वास्तव में… यह अनुभव पसंद आया"।

2) बात कभी सिर्फ टेक्नोलॉजी की नहीं होती

विज़न P&L में बदलाव, ग्राहक अनुभव में बदलाव और कर्मचारी अनुभव में बदलाव का है।

जब लोग परिणाम पर सहमत हो जाते हैं, तो टेक्नोलॉजी के विकल्प समझ में आ जाते हैं। डोम की सलाह थी कि शुरुआत टेक्नोलॉजी से न करें।

3) गवर्नेंस जल्दी बनाएं

शुरुआती दिनों से सही टचपॉइंट्स, सही KPIs और सही डेटा होने पर फैसले लेना बहुत आसान हो जाता है। उनके शब्दों में, गलत तरीका है केवल सहज अनुमान पर भरोसा करना और अंत में "एक बहुत अच्छी चीज़" बना देना, जिसका कोई इस्तेमाल नहीं करता और जो आपके किसी भी अहम मेट्रिक को बेहतर नहीं करती।

रोलआउट मॉडल भी अहम था। Admiral का तरीका था कि समूह का एक हिस्सा एक विषय पर गहराई से प्रयोग करे, फिर सीख को हर जगह लागू करे।

वे पहले तेज़ी से अपनाने और फिर पूर्ण रोलआउट के जरिए ऐसा करते हैं। एक डोमेन में सिर्फ एक यूज़ केस नहीं, जो डोम के अनुसार उन्हें बहुत धीमा कर देता, बल्कि एक सोच-समझी आदत कि एक ही काम को दस बार नए सिरे से न किया जाए।

डेमो 1: सेटलमेंट कोट्स (Admiral Money)

परिदृश्य: एक ग्राहक अपना लोन समय से पहले चुकाना चाहती है। यह एक आसान अनुरोध है, जिसमें उसे सिर्फ सेटलमेंट की रकम चाहिए।

पहले यह रकम पाने के लिए IVR के कई विकल्पों से गुजरना पड़ता था, मानव एजेंट से अपनी पहचान सत्यापित करनी होती थी, बैकएंड सिस्टम के कैलकुलेशन और स्क्रीन लोड होने का इंतज़ार करना होता था, और फिर इनबॉक्स में PDF आने का इंतज़ार करना पड़ता था। एक जवाब वाले सवाल के लिए पांच मिनट की प्रक्रिया।

Admiral के जनरेटिव AI ग्रुप हेड डैन क्लार्क ने बताया कि टीम ने क्या बनाया।

क्या दिखाया गया:

• वर्कफ़्लो की शुरुआत में, कोई और प्रक्रिया चलने से पहले, ऑथेंटिकेशन अपने अलग सब-एजेंट के रूप में चलता है।
• सेंट्री सब-एजेंट जांचता है कि कॉलर AI एजेंट से बात करने के योग्य है या नहीं—संवेदनशील ग्राहकों और बकाया भुगतान वाले ग्राहकों को मानव एजेंट वाली प्राथमिकता कतार में भेज दिया जाता है, जबकि टीम और एज केस सीखती है। 
• एजेंट पहले से अनुमान के आधार पर जवाब इकट्ठा करता है और पुराने स्क्रीन-आधारित सिस्टम का इंतज़ार करने के बजाय API के जरिए काम करता है। मानव एजेंट के साथ जिस प्रक्रिया में करीब पांच मिनट लगते हैं, एजेंट के साथ उसमें करीब ढाई मिनट लगते हैं।
• सफलता इस आधार पर मापी जाती है कि ग्राहक का ऑथेंटिकेशन हुआ और उसे सेटलमेंट कोट मिला या नहीं; इसे एस्केलेशन से अलग ट्रैक किया जाता है।
• कॉल के अंत में एक फीडबैक एजेंट ग्राहकों से अनुभव को एक से पांच तक रेट करने के लिए कहता है। जिन कॉल्स को एस्केलेट नहीं किया जाता, उन्हें लगभग पूरी तरह चार और पांच की रेटिंग मिलती है।

यह क्यों मायने रखता है: समय की बचत इसलिए होती है कि वर्कफ़्लो स्क्रीन-ड्रिवन के बजाय API-ड्रिवन है, न कि केवल इसलिए कि इंसान की जगह AI जवाब दे रहा है। डैन के शब्दों में, इसका मतलब है कम कॉल समय और नतीजतन बेहतर ग्राहक अनुभव। मौजूदा एस्केलेशन भी उन सीमाओं को दिखाते हैं जिन्हें टीम ने सीखते समय चुना है, न कि एजेंट की मदद करने में विफलता को।

डेमो 2: ओलिविया (L’Olivier)

परिदृश्य: फ्रांस की एक ग्राहक को अपनी पॉलिसी के बारे में सवाल है। वह वेबसाइट पर चैट खोलती है और उसे पुराना ट्री-आधारित टूल ऑली बॉट मिलता है ("इसके लिए A दबाएं, उसके लिए B")। उसका सवाल न विकल्प A है, न विकल्प B, इसलिए वह बिना जवाब पाए चली जाती है।

L’Olivier इसी अनुभव को बदलना चाहता था। टीम ने आज साइट पर लाइव ElevenLabs पर एक नॉलेज बेस एजेंट, ओलिविया, बनाया है।

क्या दिखाया गया:

• सिस्टम प्रॉम्प्ट, पहला संदेश, वर्कफ़्लोज़ और सब-एजेंट—सभी सीधे फ्रेंच में लिखे गए थे, अंग्रेज़ी से अनुवादित नहीं। डैन ने शोध का हवाला दिया कि ग्राहक की भाषा में प्रॉम्प्ट देने पर मॉडल अलग तरह से जुड़ता है, और टीम को इस तरीके से काफी बेहतर नतीजे मिले। ज़रूरत पड़ने पर ओलिविया अपने आप भाषा पहचानकर अंग्रेज़ी में जवाब देती है। 
• कमियों का पता लगाने के लिए असली ग्राहक बातचीत की नॉलेज बेस के सामने समीक्षा की जाती है, और आमतौर पर एक से दो घंटे में सुधार लाइव एजेंट में दिखने लगते हैं।
• बदलावों को क्रमिक ट्रैफ़िक विभाजन के साथ ब्रांच पर डिप्लॉय किया जाता है—1%, 2%, 5%, 10%, 25%, 50% और फिर 100%। लाइव ट्रैफ़िक तक पहुंचने से पहले सिमुलेशन टेस्ट और मैनुअल प्रीव्यू किए जाते हैं। अगर डेटा बदलाव का समर्थन नहीं करता, तो ट्रैफ़िक तुरंत शून्य पर लौट जाता है और कुछ भी रोल बैक नहीं करना पड़ता। 
• एक पूरा ब्रांच साइकल शुरू से अंत तक कुछ घंटों से एक दिन के बीच पूरा हो जाता है। अब दो हफ्ते के स्प्रिंट और दो हफ्ते के डिप्लॉयमेंट नहीं।

यह क्यों मायने रखता है: रिलीज़ साइकल का हफ्तों से घटकर घंटों में आ जाना अपने आप में उल्लेखनीय है, लेकिन इससे बड़ी बात यह है कि भाषा शायद केवल लोकलाइज़ेशन का विवरण नहीं है—यह मॉडल के तर्क करने के तरीके को बदल सकती है। 

कोई प्लेबुक नए बाज़ार के सामने टिक नहीं पाती

बारी-बारी से बोलने के तौर-तरीके, बीच में टोकने की सहनशीलता और सामान्य बातचीत की लय की परिभाषा बाज़ारों के बीच बहुत अलग होती है। 

इसका कोई एक अचूक उपाय नहीं है। डोम के मुताबिक, सही तरीका है प्रॉम्प्टिंग और आर्किटेक्चर जानने वाले इंजीनियर को स्थानीय इकाई के ऐसे बिज़नेस ओनर के साथ जोड़ना, जो बाज़ार के संदर्भ को जीवंत रूप में समझता हो, और इस जोड़ी को डिप्लॉयमेंट की इकाई मानना।

निर्माण की प्रक्रिया बाज़ारों के बीच इतनी अलग नहीं होती। अपनाने का तरीका अलग होता है। डोम का मानना है कि यह सिर्फ ग्राहक संचालन नहीं, हर AI डिप्लॉयमेंट के लिए सच है।

इसीलिए टीम को उम्मीद है कि वह मॉडल की तुलना में ग्राहक शिक्षा—वेलकम मैसेज, पोज़िशनिंग, IVR मैसेजिंग आदि—पर अधिक समय लगाएगी।

सभी बाज़ारों में निष्पक्ष व्यवहार

बीमा में, संवेदनशीलता का पता लगाना एक बुनियादी मानक है जिसे हर बाज़ार, भाषा और चैनल में कायम रहना चाहिए।

Admiral का तरीका कई माध्यमों से पहचान करना है। संवेदनशीलता के लिए खास तौर पर, टीम किसी एक पर भरोसा करने के बजाय स्थापित मशीन लर्निंग मॉडल्स को जनरेटिव AI के साथ चलाती है—ताकि जो भी सिग्नल पहले मिले, संवेदनशील ग्राहकों की किसी भी चरण पर पहचान हो जाए और उन्हें सही तरीके से सेवा दी जाए।

यह मानक तब भी लागू होता है, जब टेक्नोलॉजी को केस संभालने के लिए भरोसेमंद नहीं माना गया हो। सेटलमेंट कोट्स एजेंट में सेंट्री सब-एजेंट हर कॉलर की स्क्रीनिंग करता है और संवेदनशील ग्राहकों या बकाया भुगतान वाले ग्राहकों को सीधे मानव एजेंट वाली प्राथमिकता कतार में भेजता है—टीम के और एज केस सीखने तक यह एक जानबूझकर तय की गई सीमा है।

और क्योंकि ग्राहक अप्रत्याशित हो सकते हैं (मिसाल के तौर पर, किसी ने ओलिविया से प्याज़ का सूप बनाने का तरीका पूछा), टीम गार्डरेल्स के साथ असामान्य बातों की सक्रिय फ़्लैगिंग भी करती है, ताकि उसे हमेशा पता रहे कि कौन उसके टूल्स से कैसे इंटरैक्ट कर रहा है।

एजेंट्स के पीछे की टीम 

Admiral हब और स्पोक मॉडल चलाता है, जिसमें समूह-स्तर की विशेषज्ञता “हब” में होती है और बाज़ार, ग्राहकों व कर्मचारियों को जानने वाले स्थानीय विशेषज्ञ “स्पोक्स” में होते हैं।

सेंटर ऑफ एक्सीलेंस दो हिस्सों में बंटा है। पहला, वैल्यू कैप्चर पक्ष, जो रणनीति, रोडमैप्स, प्रोडक्ट डिज़ाइन और A/B टेस्टिंग समेत परिणाम परीक्षण का मालिक है। दूसरा, इंजीनियर्स, आर्किटेक्ट्स और डिलीवरी सहयोगियों वाला तकनीकी पक्ष, जो यह सुनिश्चित करता है कि हर चीज़ मानकों पर खरी उतरे और बाकी सिस्टम्स के साथ इंटीग्रेट हो।

भविष्य के AI इंजीनियर को लेकर डोम का मानना है कि उसकी भूमिका कोड लिखने से कहीं कम और जनरेटिव AI के काम करने के तरीके को समझने, विचारों को सही ढंग से व्यवस्थित करने और डिलीवर करने के लिए एजेंटिक कोडिंग का लाभ उठाने से कहीं अधिक जुड़ी होगी।

मुख्य टीम के आसपास, प्रक्रिया विशेषज्ञों और बिज़नेस ओनर्स को प्रोडक्ट व टेक टैलेंट के साथ छोटे पॉड्स में जोड़ा जाता है। उनके शब्दों में, साथ मिलकर बनाने और टेस्ट करने के लिए उन्हें "एक कमरे में बंद कर देना", फिर उसे तोड़ने के लिए असली ग्राहकों को दे देना।

Admiral रोडमैप को कैसे प्राथमिकता देता है 

यहां भी हब और स्पोक मॉडल काम करता है। समूह बड़े प्रोजेक्ट्स के लिए ऐसी प्राथमिकताएं तय करता है जिन पर समझौता नहीं हो सकता—जहां जोखिम और मूल्य अधिक, लेकिन व्यवहार्यता कुछ कम होती है, ताकि केंद्रीय सहायता अड़चनों को दूर कर सके। स्पोक्स को बॉटम-अप इनोवेशन की जगह मिलती है, बशर्ते उनके पास क्षमता हो और वे टॉप-डाउन दिशानिर्देशों के भीतर रहें।

टीम जो भविष्य का रोडमैप बना रही है, वह इस लक्ष्य पर केंद्रित है कि ग्राहक को कभी खुद को दोहराना न पड़े—चाहे IVR, वॉइस एजेंट, मानव एजेंट या किसी चैनल के बीच हो। हर हैंडऑफ में सिर्फ ट्रांसक्रिप्ट नहीं, बल्कि इरादे, भावना और संवेदनशीलता के सिग्नल भी साथ ले जाए जाएं। 

पूरा सेशन देखें

बीमा में सर्वश्रेष्ठ ग्राहक अनुभव बनाने के अपने लक्ष्य के करीब पहुंचने के लिए Admiral ने वैलिडेशन मानक, संगठनात्मक समर्थन और टेक स्टैक को साथ मिलकर फिर से बनाया।

पूरा वेबिनार यहां देखें।