根据 2019 年 8 月的一项调查显示，医疗保健行业中 13% 的电话在呼叫者被转接至客服人员之前就被挂断，67% 的呼叫者因无法与代表通话而感到沮丧而挂断电话。 ×8，统一通信厂商。 2021 年，大多数医疗保健客户仍然对呼叫中心感到不满。
语音识别供应商 LumenVox 的首席产品官乔·哈根 (Joe Hagan) 表示：“医疗保健呼叫中心最常见的问题是运营效率低下且成本高昂。” “由于 2020 年初迅速转向远程工作，我们发现联络中心往往拥有不同的系统和不兼容的软件，因此很难满足不断增加的呼叫量和对现场座席的需求。”
身处 COVID-19 大流行之中也无济于事。 医疗保健呼叫中心必须经常重置患者和员工密码，当呼叫量很大时，这样做的乏味可能会减慢整个过程。
“呼叫中心已成为许多行业客户服务的基本要素，并且在医疗保健领域发挥着核心作用，”专门从事客户参与解决方案的 SpinSci 营销和业务开发副总裁 Nick Kagal 表示。 “呼叫管理对于支持患者需求至关重要，包括日程安排、处方补充、护理问题、对外通信和关键信息管理。”
为了满足高客户服务需求，医疗保健提供商正在转向语音识别等自动化技术，以提高效率、提高性能、降低成本并改善患者体验。 他们在呼叫中心实施的技术之一是基于上下文人工智能的语音识别。
卡加尔说：“人工智能无法取代人类代理可以做的所有事情，但它通常足以为简单的请求达成令人满意的解决方案。” “企业可以将例行的日常问题（例如密码重置）留给人工智能，从而使人工代理能够响应更复杂的呼叫并提高其他运营效率。”
每次客户互动中都蕴藏着丰富的信息，而呼叫中心人工智能就是可以自动捕获这些信息的机制。 简单的对话情感分析可以提供人们对品牌、服务或产品的感受的提示。 借助自然语言处理和语音识别等功能，呼叫中心代理可以记录和转录服务交互。 转录使主管可以轻松地一目了然地查看对话、获取必要的细节并发现座席可以改进的领域。
“NLP 协助呼叫中心运营的最大方式之一是帮助软件程序理解呼叫者的语音模式和思路，”Hagan 说。 “这种理解使这些项目能够更准确地为患者提供服务。 它还可以帮助联络中心技术团队在自动聊天和即时消息中创建听起来更自然的交互。”
要在 AI 中实施 NLP，IT 团队必须首先训练其语音应用程序，以正确解释并学习如何快速准确地处理呼叫。 这意味着训练人工智能正确理解呼叫者的语言和意图，同时确保应用程序支持流畅的客户体验。
“在最初的训练步骤中，人工智能模型会获得一组训练数据，并被要求根据这些信息做出决策，”哈根说。 “当 IT 团队发现错误时，他们会做出调整，帮助人工智能变得更加准确。 一旦人工智能完成基本训练，它就可以进入验证阶段。 在此阶段，IT 团队将使用一组新数据来验证有关人工智能执行情况的假设。”
验证后，IT 部门会进行测试，看看人工智能是否能够根据收到的非结构化对话信息做出准确的决策。 人工智能模型不断完善，直到每个测试它的人都觉得它已经达到了一定程度的可靠性，可以接听用户的电话。
人工智能和自然语言处理等大数据技术是否会改善医疗保健领域的呼叫中心体验？
如果系统的请求很简单，例如安排或取消约会，可以。 但对于更复杂的问题，例如讨论实验室测试的结果，呼叫者仍应转接给知识渊博的人。
了解这个交接点在哪里，然后制定适合员工和患者顺利运行的工作流程，是呼叫中心有效运行的关键。 对于医疗机构来说，这仍然是一项正在进行的工作，但人工智能技术的加入肯定会有所帮助。
