L'IA pour mieux gérer les plaintes de clients

Alors que l'introduction de l'intelligence artificielle dans le service aux clients ne génère, apparemment, que des résultats mitigés, le spécialiste américain Spring Labs s'attaque déjà à l'étape suivante, encore plus sensible, avec Zanko ComplianceAssist, une nouvelle solution qui promet d'optimiser la gestion des réclamations.

Le sujet est absolument critique pour les institutions financières car il ne conditionne pas uniquement la satisfaction globale des clients et, plus largement, une éventuelle dégradation de leur image publique : il comporte également des implications réglementaires, autour d'exigences en termes de délai de réponse ou d'équité de traitement, par exemple, qui peuvent déboucher sur des sanctions conséquentes (telles que les 3,5 milliards de dollars réclamés par le CFPB sur l'année 2023).

Dans ce contexte, Spring Labs se présente comme un partenaire pour la maîtrise de l'ensemble de ces risques, conformité comprise. S'appuyant sur son expertise des agents intelligents pour le secteur financier, son produit intervient à deux niveaux dans le suivi des plaintes, individuel et statistique. Toujours dans un mode d'assistance à un humain, il peut ainsi aider à la compréhension et à la résolution des demandes, puis fournir une analyse globale sur les grandes tendances et leurs origines probables.

Dans le premier cas, un décryptage de la doléance reçue (par courriel, tchat ou téléphone) établit ses principales caractéristiques : catégorie (dont le domaine métier concerné), segment de clientèle, état d'esprit de l'interlocuteur, estimation de l'impact de l'incident signalé… jusqu'à une hypothèse de sa cause profonde. Ainsi armé, le collaborateur en charge du dossier, d'une part, définit facilement sa priorité et, d'autre part, dispose instantanément des éléments essentiels à l'exécution de ses tâches.

Le deuxième versant est tout aussi utile puisque la visibilité sur l'ensemble des affaires prises en charge autorise la détection automatique des contentieux les plus fréquents, avec leurs sources. Le déploiement d'actions correctives, que ce soit sur des systèmes et processus internes ou auprès de sous-traitants, peut être de la sorte beaucoup mieux ciblé, pour une efficacité démultipliée, à coûts contrôlés. Le classement des plaintes sur une échelle de risque réglementaire (notamment l'escalade vers les autorités par le client) offre en outre une autre perspective de sélection des urgences.

Le principe est évidemment séduisant et il est d'autant plus susceptible d'attirer l'attention des institutions financières (une poignée de petites enseignes ayant déjà adopté la plate-forme) qu'il est porteur d'optimisation des opérations, qui constitue aujourd'hui la première motivation des projets exploitant l'intelligence artificielle, loin devant l'amélioration de l'expérience client (hélas). Il sera tout de même intéressant de surveiller si la proximité avec les délicats enjeux de conformité ne constitue pas un frein à sa mise en œuvre, même en support de personnels en chair et en os.