Az igazi kihívás nem az volt, hogy hogyan vegyenek fel több ügyintézőt a főszezonra. Hanem az, hogy hogyan biztosítsanak egyenletes, magas minőségű ügyfélkiszolgálást akkor is, amikor a rendszer a legnagyobb nyomás alatt van. Mindezt éjjel-nappal, hétvégén, ünnepnapon is. Mert a fűtés nem várja meg a munkaidőt. Ha szombaton reggel hat órakor hideg van a lakásban, az ügyfél nem fogja megvárni a hétfő kilenc órát a hívással.
A szezonális csúcsok kezelése önmagában is komplex feladat egy ekkora ügyfélbázison. A PÉTÁV-nál viszont volt egy másik, kevésbé látható rétege is a problémának: az ismétlődő, rutinszerű kérdések tömege. Mikor indul a fűtési szezon? Mikor érkezik a számla? Mi az ügyfélazonosítóm? Ezek a kérdések egyenként ugyan csak perceket vesznek el, összességében azonban órákat, napokat, és az ügyintézők figyelmének azt a részét, amelyet az összetettebb, valóban emberi ítélőképességet igénylő esetekre kellene fordítani.
Mindezek mellett a helyzetet tovább nehezítette, hogy a PÉTÁV ügyfélköre rendkívül heterogén. Idősebb ügyfelek, akiknek a telefon az egyetlen és megszokott csatorna, és fiatalabb generációk, akik gyors, pontos választ várnak és nem akarnak várólistán tölteni tíz percet. Egyazon rendszernek kellett mindkét igényt kiszolgálnia, ami nem csak technikai követelmény volt, hanem egyfajta piaci edukáció is: az ügyfeleknek meg kellett tanulniuk, hogy az a hang, amellyel beszélnek, nem egy felvett menüszalag, hanem egy valóban értő, reagáló asszisztens.
Egy rosszul kommunikáló, merev robothang azonnal elveszíti a bizalmat, különösen azoknál, akik eleve szkeptikusan veszik fel a telefont. Egy túl bonyolult, sok lépéses megoldás pedig kizárja azokat, akiknek a legjobban szüksége van rá. A rendszernek tehát egyszerre kellett természetesnek, megbízhatónak és egyszerűnek lennie. Ez az a hármas elvárás, amellyel a legtöbb AI-bevezetés megbukik, ha nem elég gondosan tervezik meg.
