Arbejdsmetode

AI i kundeservice: Sådan bygger I en bot, der kan give stafetten videre

Den bedste kundeservicebot er ikke den, der holder flest kunder væk fra medarbejderne. Det er den, der løser enkle problemer ordentligt, genkender sine grænser og afleverer resten uden at kunden skal begynde forfra.

Mickey Liechtenstein 28. september 2026 8 minutters læsning

Kundeservicemedarbejder med headset får hjælp af en kollega ved skærmen

Start med kundens problem – ikke med botten

En chatbot kan virke som et overskueligt AI-projekt: læg hjælpecentrets artikler ind, forbind et par systemer, og lad den svare døgnet rundt. I praksis er kundeservice fuld af undtagelser, følelser og løfter med økonomiske konsekvenser. En bot, der er god til at formulere sig, kan derfor være farligere end en, der tydeligt siger, at den ikke ved det.

Det første designspørgsmål er ikke, hvilken model I skal vælge. Det er, hvilke kundeproblemer der kan løses sikkert med den information og de handlinger, systemet faktisk har adgang til. En åbningstid kan besvares fra en godkendt kilde. En levering kan spores, hvis identitet og ordredata håndteres korrekt. En tvist om ansvar kræver ofte en medarbejder.

Tegn de ti hyppigste kontaktårsager op. For hver årsag beskriver I et godt resultat, nødvendig information, værste realistiske fejl og den person, der tager over. Det giver et mere ærligt projektgrundlag end målet »automatisér 60 procent«.

Del opgaverne i tre zoner

En enkel risikomodel gør det lettere at sætte grænser:

Grøn zone er vejledning med lav konsekvens: åbningstider, produktnavigation, generelle vilkår med kilde og hjælp til at finde den rigtige formular. Her kan botten ofte svare direkte.

Gul zone er personlige eller økonomiske forhold med faste rammer: ordrestatus, adresseændring, standardrefusion under en klar beløbsgrænse eller forslag til svar til en medarbejder. Her kræves sikker identifikation, kontrollerede systemkald og sporbarhed. Et genereret svar bør ikke få lov til frit at opfinde vilkår eller beløb.

Rød zone er klager med stor konsekvens, udsatte kunder, trusler, mistanke om svindel, juridiske tvister, sikkerhedshændelser og situationer, hvor kunden gentagne gange siger, at svaret er forkert. Her skal botten hurtigt stoppe og give stafetten videre. Den kan samle fakta, men bør ikke gemme sig mellem kunden og et ansvarligt menneske.

Kunde ved en skranke taler med en smilende medarbejder ved siden af en tablet — En god overdragelse bevarer konteksten og giver kunden en tydelig vej videre.

Vær ærlig om, hvem kunden taler med

EU’s AI-forordnings artikel 50 siger, at udbydere skal sikre, at AI-systemer, som interagerer direkte med mennesker, er designet, så mennesker informeres om, at de taler med AI – medmindre det er åbenlyst for en rimeligt opmærksom person i situationen.

Den praktiske løsning er enkel: Skriv det tydeligt ved samtalens begyndelse og igen, når oplevelsen skifter karakter. Undgå navne, portrætter og formuleringer, der får botten til at fremstå som en bestemt medarbejder. Det er bedre at skrive »Jeg er virksomhedens AI-assistent« end at lade en kunstig persona skjule teknologien.

Transparens er ikke kun en juridisk boks. Den hjælper kunden med at vurdere svaret og gør det legitimt at bede om et menneske. Fortæl også kort, hvad botten kan, hvad den ikke kan, og hvordan man kommer videre.

Byg overdragelsen før de smarte svar

En god overdragelse har fem egenskaber. Den er nem at udløse, både når kunden beder om det, og når systemet opdager usikkerhed. Den bevarer konteksten, så kunden ikke skal gentage ordrenummer og problem. Den viser, om hjælpen er live, senere eller via en anden kanal. Den giver medarbejderen mulighed for at se og korrigere bottens opsummering. Og den registrerer årsagen, så problemet kan forbedres bagefter.

Sæt konkrete triggere: to mislykkede svar, lav sikkerhed i kildegrundlaget, vrede eller bekymrede formuleringer, spørgsmål uden godkendt kilde, eller forsøg på handlinger uden for tilladte rammer. Der bør også altid være en synlig »Tal med et menneske«-vej.

Lad aldrig botten love, at en medarbejder har godkendt noget, som ingen har set. Hvis der er ventetid, så sig det. Hvis overdragelsen er en formular, så vis hvilke oplysninger der følger med. Det er små detaljer, men de afgør, om kunden oplever sammenhæng eller endnu en barriere.

Svar fra en vedligeholdt kilde

Generativ AI bør ikke bruges som fritsvævende hukommelse om virksomhedens produkter. Kundevendte svar skal forankres i godkendte og aktuelle kilder: hjælpecenter, vilkår, produktdata og driftsstatus. Hver kilde bør have en ejer, en opdateringsdato og et anvendelsesområde.

Når der findes flere versioner af samme regel, skal systemet vide, hvilken der gælder for land, produkt og købsdato. Hvis det ikke kan afgøres sikkert, bør det spørge eller eskalere. Et svar med kildehenvisning hjælper både kunden og medarbejderen, men linket skal pege på den faktiske regel – ikke blot på forsiden af hjælpecentret.

Hold også styr på tavs viden. Hvis medarbejdere dagligt retter det samme botsvar, er løsningen ikke nødvendigvis en bedre prompt. Det kan være, at den officielle artikel er uklar eller forældet. Kundeservicebotten bliver dermed en sensor for svagheder i jeres egen viden.

Tre kolleger gennemgår anonymiserede, overstregede samtaleudskrifter i bakker — Anonymiserede samtaler gør det muligt at teste de fejl, som kunderne faktisk møder.

Behandl færre oplysninger

Kunder skriver ofte mere, end systemet behøver: helbredsoplysninger, betalingskort, personnumre eller oplysninger om andre. Design samtalen, så botten beder om det mindst nødvendige og advarer mod følsomme data, når de ikke er relevante.

Adgang til ordresystemer bør være snæver og handlingsspecifik. Det er mere sikkert at give et værktøj tilladelse til at hente status for en verificeret ordre end at give bred adgang til hele kundedatabasen. Log, hvem eller hvad der foretog en handling, men undgå at gøre samtaleloggen til et arkiv uden slettefrist.

Databeskyttelse kan ikke løses med en tekstlinje nederst i chatten. I skal kende formål, behandlingsgrundlag, databehandlere, opbevaring, adgang, sletning og den registreredes rettigheder. Hvis samtaler bruges til at forbedre systemet, kræver det en særskilt og tydelig vurdering.

Test de svære samtaler

Lav et fast testsæt af rigtige, anonymiserede kontaktårsager. Det skal ikke kun indeholde nemme spørgsmål, men også stavefejl, uklare beskrivelser, modstridende information, gamle vilkår, frustrerede kunder og forsøg på at få botten til at bryde reglerne.

Bed faglige medarbejdere bedømme fire ting: Er svaret faktuelt korrekt? Er den foreslåede handling tilladt? Er tonen passende? Burde samtalen være overdraget tidligere? Gem resultatet pr. opgavetype og modelversion. Et samlet gennemsnit kan skjule, at botten er stærk på åbningstider og farlig på opsigelser.

Test igen, når model, prompt, vidensbase, integration eller vilkår ændres. I produktionsdrift bør stikprøver kombineres med signaler som gentagne kontakter, manuelle rettelser, klager og usædvanlige handlinger.

Mål det, kunden mærker

En høj automatiseringsgrad kan se flot ud, selv om kunderne giver op. Brug derfor »containment« med omtanke. Mål også førstegangsløsning, gentagne kontakter inden for få dage, fejl i personlige svar, andel korrekte eskalationer, tid til menneskelig hjælp og kundens anstrengelse.

Se særskilt på sårbare grupper og tilgængelighed. Kan en kunde med læsevanskeligheder forstå beskederne? Virker løsningen med skærmlæser? Kan en stresset kunde finde den menneskelige vej? AI-forordningen fremhæver, at transparens skal tage højde for personer, der kan være sårbare på grund af alder eller handicap.

Det bedste succeskriterium er ikke, at botten taler længst. Det er, at problemet bliver løst korrekt med mindst mulig unødig modstand – og at et menneske træder til, før automatiseringen gør situationen værre.

En forsigtig lancering i fire trin

Start internt. Lad botten foreslå svar til medarbejdere, som godkender og retter. Det giver data om fejl uden at placere hele risikoen hos kunden.
Åbn en smal grøn zone. Vælg få kontaktårsager med gode kilder og tydelig overdragelse. Fortæl kunderne, at løsningen er under kontrolleret indfasning.
Tilføj kontrollerede handlinger én ad gangen. Kræv identifikation, beløbsgrænser, bekræftelse og logning. Test fejltilstande, før handlingen går live.
Udvid kun på evidens. En ny opgavetype skal have ejer, kilde, test, risikozone, eskalationsregel og stopkriterium. Hvis disse mangler, er opgaven ikke klar.

Så bliver kundeservice-AI ikke et projekt om at fjerne mennesker. Den bliver en måde at bruge menneskers tid dér, hvor dømmekraft, empati og ansvar faktisk gør forskellen.