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

Admiral दुनिया भर में कई भाषाओं में हर साल लाखों ग्राहक इंटरैक्शन संभालता है (जिसमें यूके, इटली, फ्रांस और स्पेन शामिल हैं)।

हमारे नवीनतम वेबिनार एजेंट के पीछे: 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 स्तर के काम को संभालने के लिए AI लेयर कैसे बना रही है—जिसमें आर्किटेक्चर, टेस्टिंग मानक और इसके पीछे की संगठनात्मक तैयारी शामिल है।

Admiral का मुख्य लक्ष्य बीमा 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 सच में हल किए बिना बातचीत जल्दी खत्म कर दे। 

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

उनका मुख्य मेट्रिक 90% फर्स्ट कॉन्टैक्ट रिज़ॉल्यूशन तक पहुँचना था। वे 24/7 उपलब्ध सेवा, संक्षिप्त बातचीत और काफ़ी बेहतर NPS को भी ट्रैक करते थे। 

कंटेनमेंट एक सेकेंडरी मेट्रिक था। अपने पहले वॉइस यूज़ केस में, ग्राहकों को जब पता चला कि एजेंट तेज़ है, तो टीम ने इसमें बहुत बड़ा सुधार किया।

लेकिन रिज़ॉल्यूशन उनका आधार था। Admiral इसे अलग मेट्रिक के रूप में ट्रैक करता है कि ग्राहक को वह मिला या नहीं जिसके लिए उसने कॉल की थी—कॉल एस्केलेट हुई या नहीं, इससे अलग। इसलिए किसी इंसान को सोच-समझकर ट्रांसफ़र करना कभी विफलता नहीं माना जाता।

नियमित उद्योग में “अच्छा” कैसा होना चाहिए

प्रोडक्शन के लिए Admiral का मानक बहुत ऊँचा है। लाइव करने से पहले वे चाहते हैं कि 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 स्पष्ट सीमाएं तय कीं। उदाहरण के लिए, जब तक टीम यूज़ केस के और एज केस समझ रही है, तब तक संवेदनशीलता और बकाया भुगतान वाले मामलों को मानव एजेंट के पास ही भेजा जाता है।

ज़्यादातर बीमा नियम नतीजों पर आधारित होते हैं, इसलिए डोम का नज़रिया व्यावहारिक है: “कैसे” में लचीलापन हो सकता है, बशर्ते ग्राहक और बिज़नेस के लिए नतीजा बिल्कुल वैसा ही हो जैसा होना चाहिए।

समर्थन किसी आदेश से नहीं मिलता

कोई नियमित संगठन सिर्फ़ कह देने पर AI नहीं अपनाता। 

Admiral में शामिल होने से पहले डोम ने McKinsey में बदलाव प्रबंधन प्रोग्राम्स पर कई साल काम किया था। आज एजेंटिक AI के पक्ष में बात रखने वाले किसी साथी को वह क्या सलाह देंगी, पूछे जाने पर 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 पूरे संगठन में डेमो और शैक्षिक सत्र आयोजित किए—जिसमें ग्रुप के शीर्ष 50 लीडर्स भी शामिल थे—ताकि एजेंटिक AI को समझना आसान हो। ElevenLabs और डोम ने एक ट्रेनिंग डे चलाया, जिसमें ग्रुप CEO मिलैना मोंदिनी दे फोकातीस समेत लीडरशिप टीम ने शुरुआत से एजेंट्स बनाए। डोम के शब्दों में, उन्होंने “वाकई… अनुभव का आनंद लिया”।

2) बात कभी सिर्फ़ टेक की नहीं होती

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

जब लोग नतीजे पर सहमत हो जाते हैं, तो टेक्नोलॉजी के विकल्प निकल आते हैं। डोम की सलाह थी कि शुरुआत टेक्नोलॉजी से न करें।

3) गवर्नेंस जल्दी बनाएं

शुरुआत से ही सही टचपॉइंट्स, सही KPIs और सही डेटा होने पर फैसले लेना बहुत आसान हो जाता है। उनके शब्दों में, गलत तरीका है केवल अंदाज़े पर निर्भर रहना और आखिर में “एक बहुत अच्छा आर्टिफैक्ट” बना लेना, जिसे कोई इस्तेमाल नहीं करता और जो आपके किसी अहम मेट्रिक को नहीं बदलता।

रोलआउट मॉडल भी अहम था। Admiral ने ग्रुप के एक हिस्से को किसी एक विषय पर गहराई से प्रयोग करने के लिए चुना, फिर उसकी सीख को बाकी जगह लागू किया।

वे पहले तेज़ी से अपनाने और बाद में पूरे रोलआउट के ज़रिए ऐसा करते हैं। एक डोमेन में केवल एक यूज़ केस नहीं, जो डोम के अनुसार उन्हें बहुत धीमा कर देता, बल्कि पहिया दस बार फिर से न बनाने का एक सोचा-समझा अनुशासन।

डेमो 1: सेटलमेंट कोट्स (Admiral Money)

परिदृश्य: एक ग्राहक अपना लोन समय से पहले चुकाना चाहती है। यह एक सरल अनुरोध है, जिसमें उसे सिर्फ़ चुकाने वाली रकम चाहिए।

परंपरागत रूप से, यह रकम पाने के लिए उसे IVR के विकल्पों से गुज़रना पड़ता, मानव एजेंट से अपनी पहचान सत्यापित करानी पड़ती, बैकएंड सिस्टम के कैलकुलेशन और स्क्रीन लोड होने का इंतज़ार करना पड़ता, और फिर इनबॉक्स में PDF का इंतज़ार करना पड़ता। एक जवाब वाले सवाल के लिए पाँच 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, कुछ और चलने से पहले, ऑथेंटिकेशन अपने अलग सब-एजेंट के रूप में चलता है।
• सेंट्री सब-एजेंट जाँचता है कि कॉलर AI एजेंट से बात करने के योग्य है या नहीं—संवेदनशील ग्राहक और बकाया भुगतान वाले ग्राहकों को मानव एजेंट वाली प्राथमिकता क्यू में भेजा जाता है, जबकि टीम और एज केस समझ रही होती है। 
• एजेंट शुरुआत में ही अनुमान के आधार पर जवाब इकट्ठा करता है और पुराने स्क्रीन के इंतज़ार के बजाय API-ड्रिवन तरीके से काम करता है। मानव एजेंट के साथ लगभग पाँच मिनट लेने वाली यही प्रक्रिया एजेंट के साथ करीब ढाई मिनट में पूरी होती है।
• सफलता इस आधार पर मापी जाती है कि ग्राहक का ऑथेंटिकेशन हुआ और उसे अपना सेटलमेंट कोट मिला या नहीं; इसे एस्केलेशन से अलग ट्रैक किया जाता है।
• कॉल के अंत में, एक फ़ीडबैक एजेंट ग्राहकों से अनुभव को एक से पाँच तक रेट करने के लिए कहता है। जो कॉल एस्केलेट नहीं होतीं, उनमें लगभग सभी को चार या पाँच रेटिंग मिलती है।

यह क्यों अहम है: समय की बचत सिर्फ़ किसी इंसान की जगह AI के जवाब देने से नहीं, बल्कि स्क्रीन-ड्रिवन के बजाय API-ड्रिवन वर्कफ़्लो से होती है। डैन के शब्दों में, यह कॉल का समय कम करने और नतीजतन बेहतर ग्राहक अनुभव देने की बात है। मौजूदा एस्केलेशन भी टीम की सीखने के दौरान तय की गई सीमाओं को दिखाते हैं, न कि एजेंट की मदद करने में नाकामी को।

डेमो 2: ओलिविया (L’Olivier)

परिदृश्य: फ्रांस में एक ग्राहक के अपने पॉलिसी के बारे में सवाल है। वह वेबसाइट पर चैट खोलती है और उसे ऑली बॉट मिलता है—एक पुराने ढर्रे का ट्री-आधारित टूल (“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 ElevenLabs पर नॉलेज बेस एजेंट ओलिविया बनाया, जो आज साइट पर लाइव है।

क्या दिखाया गया:

• सिस्टम प्रॉम्प्ट, पहला संदेश, वर्कफ़्लो और सब-एजेंट—सभी सीधे फ़्रेंच में लिखे गए थे, अंग्रेज़ी से अनुवादित नहीं। डैन ऐसे शोध का उल्लेख करते हैं जिसमें ग्राहक की भाषा में प्रॉम्प्ट देने से मॉडल अलग तरह से काम करता है, और टीम को इस तरीके से काफ़ी बेहतर नतीजे मिले। ज़रूरत पड़ने पर ओलिविया अपने-आप अंग्रेज़ी पहचानती है और उसमें जवाब देती है। 
• कमियां खोजने के लिए असली ग्राहक बातचीत की नॉलेज बेस के मुकाबले समीक्षा की जाती है, और सुधार आमतौर पर एक से दो घंटे में लाइव एजेंट में दिखने लगते हैं।
• बदलाव एक ब्रांच पर धीरे-धीरे ट्रैफ़िक बाँटकर डिप्लॉय होते हैं—1%, 2%, 5%, 10%, 25%, 50%, फिर 100%। लाइव ट्रैफ़िक तक पहुँचने से पहले सिमुलेशन टेस्ट और मैन्युअल प्रीव्यू होते हैं। अगर डेटा बदलाव का समर्थन नहीं करता, तो ट्रैफ़िक तुरंत शून्य पर वापस चला जाता है और कुछ भी रोल बैक नहीं करना पड़ता। 
• शुरू से अंत तक, एक पूरा ब्रांच साइकल कुछ घंटों से एक दिन तक लेता है। अब दो हफ्ते के स्प्रिंट और दो हफ्ते के डिप्लॉयमेंट नहीं।

यह क्यों अहम है: रिलीज़ साइकल का हफ्तों से घंटों तक सिमटना अपने-आप में उल्लेखनीय है, लेकिन बड़ी समझ यह है कि भाषा सिर्फ़ लोकलाइज़ेशन की बारीकी नहीं हो सकती—वह मॉडल के तर्क करने के तरीके को बदल सकती है। 

कोई प्लेबुक नए बाज़ार से टकराव के बाद वैसी नहीं रहती

बारी लेकर बोलने की परंपराएं, बीच में टोकने की स्वीकार्यता और सामान्य बातचीत की लय क्या मानी जाती है—ये बाज़ारों के बीच काफ़ी अलग होते हैं। 

इसका कोई एक जादुई समाधान नहीं है। डोम के अनुसार, सही तरीका यह है कि प्रॉम्प्टिंग और आर्किटेक्चर जानने वाले इंजीनियर को स्थानीय इकाई के ऐसे बिज़नेस ओनर के साथ जोड़ा जाए, जो बाज़ार के संदर्भ को जीवंत कर सके; और इसी जोड़ी को डिप्लॉयमेंट की इकाई माना जाए।

बिल्ड खुद बाज़ार-दर-बाज़ार इतना अलग नहीं होता। अपनाना अलग होता है। और डोम मानती हैं कि यह सिर्फ़ ग्राहक संचालन नहीं, बल्कि किसी भी AI डिप्लॉयमेंट के लिए सच है।

इसीलिए टीम मॉडल के बजाय ग्राहक शिक्षा—वेलकम मैसेज, पोज़िशनिंग, IVR मैसेजिंग आदि—पर ज़्यादा समय देने की उम्मीद करती है।

हर बाज़ार में निष्पक्ष व्यवहार

बीमा में, संवेदनशीलता की पहचान एक बुनियादी मानक है, जो हर बाज़ार, भाषा और चैनल में कायम रहना चाहिए।

Admiral का तरीका कई रास्तों से पहचान करना है। खासकर संवेदनशीलता के लिए, टीम केवल किसी एक पर भरोसा करने के बजाय स्थापित मशीन लर्निंग मॉडल्स को जनरेटिव AI के साथ चलाती है—ताकि कोई भी सिग्नल पहले आए, संवेदनशील ग्राहक किसी भी चरण पर पहचाने जाएं और उन्हें सही तरीके से सेवा मिले।

केस के लिए टेक्नोलॉजी पर भरोसा करने से पहले भी यह मानक लागू होता है। सेटलमेंट कोट्स एजेंट में, सेंट्री सब-एजेंट हर कॉलर की स्क्रीनिंग करता है, और संवेदनशील ग्राहक या बकाया भुगतान वाले ग्राहक सीधे मानव एजेंट वाली प्राथमिकता क्यू में जाते हैं—यह एक जानबूझकर तय सीमा है, जब तक टीम और एज केस समझ रही है।

और क्योंकि ग्राहक अप्रत्याशित होते हैं (मिसाल के लिए, किसी ने ओलिविया से प्याज़ का सूप बनाने का तरीका पूछा), टीम गार्डरेल्स के साथ अनपेक्षित चीज़ों को सक्रिय रूप से फ़्लैग भी करती है, ताकि उसे हमेशा पता रहे कि कौन और कैसे उसके टूल्स से इंटरैक्ट कर रहा है।

एजेंट्स के पीछे की टीम 

Admiral हब और स्पोक मॉडल चलाता है, जहां ग्रुप-स्तर की विशेषज्ञता “हब” में होती है और स्थानीय विशेषज्ञ “स्पोक्स” में होते हैं, जो बाज़ार, ग्राहकों और कर्मचारियों को जानते हैं।

सेंटर ऑफ़ एक्सीलेंस दो हिस्सों में बंटा है। पहला, वैल्यू कैप्चर वाला हिस्सा, जो रणनीति, रोडमैप्स, प्रोडक्ट डिज़ाइन और A/B टेस्टिंग सहित नतीजों की टेस्टिंग संभालता है। दूसरा, इंजीनियर्स, आर्किटेक्ट्स और डिलीवरी सहयोगियों वाला टेक्निकल हिस्सा, जो यह सुनिश्चित करता है कि बनाया गया हर समाधान मानकों पर खरा उतरे और बाकी सिस्टम के साथ इंटीग्रेट हो।

भविष्य के AI इंजीनियर के बारे में डोम का मानना है कि काम में कोड लिखना कम और जनरेटिव AI के काम करने के तरीके को समझना, विचारों को सही ढंग से संरचित करना और डिलीवर करने के लिए एजेंटिक कोडिंग का इस्तेमाल करना ज़्यादा होगा।

कोर टीम के साथ प्रोसेस एक्सपर्ट्स और बिज़नेस ओनर्स को प्रोडक्ट और टेक टैलेंट के साथ छोटे पॉड्स में रखा जाता है। उनके शब्दों में, साथ मिलकर बनाने और टेस्ट करने के लिए उन्हें “कमरे में बंद कर देना”, फिर उसे असली ग्राहकों को तोड़ने के लिए देना।

Admiral रोडमैप को प्राथमिकता कैसे देता है 

हब और स्पोक मॉडल यहां भी काम करता है। ग्रुप बड़े प्रोजेक्ट्स के लिए ऐसी प्राथमिकताएं तय करता है जिन पर समझौता नहीं हो सकता—जहां जोखिम और वैल्यू अधिक, और व्यवहार्यता थोड़ी कम होती है, ताकि केंद्रीय सहायता अड़चनों को दूर कर सके। स्पोक्स को नीचे से आने वाले इनोवेशन की गुंजाइश मिलती है, बशर्ते उनके पास क्षमता हो और वे ऊपर से तय दिशानिर्देशों के भीतर रहें।

टीम जो भविष्य का रोडमैप बना रही है, उसका केंद्र यह महत्वाकांक्षा है कि ग्राहक को कभी अपनी बात दोहरानी न पड़े—चाहे IVR, वॉइस एजेंट, मानव एजेंट या किसी चैनल के बीच हो। हर हैंडऑफ़ में सिर्फ़ ट्रांसक्रिप्ट नहीं, बल्कि इंटेंट, सेंटिमेंट और संवेदनशीलता के सिग्नल भी साथ जाएं। 

पूरा सत्र देखें

बीमा में बेहतरीन ग्राहक अनुभव बनाने के अपने लक्ष्य के करीब पहुँचने के लिए Admiral ने वैलिडेशन मानक, संगठन का समर्थन और टेक स्टैक—तीनों को साथ मिलकर फिर से बनाया।

पूरा वेबिनार यहां देखें।