AI Agent ช่วยรับเรื่องเคลมและคืนสินค้า ตั้ง⁠แต่หลักฐานถึงเสนอทางเลือก

ระบบที่น่าเริ่ม​พั⁠ฒ⁠น⁠า​คือแฟ้มเคสที่เปิดแล้วรู้ว่าข้อมูลใดมีครบ ข้อมูลใดขาด และต้องทำอะไรต่อ ลูกค้าไม่ต้องอธิบายเรื่องเดิมซ้ำทุก⁠ครั้ง ส่วนทีมดูแลลูกค้าเห็นหลักฐานกับเหตุผลประกอบอยู่ใน⁠ที่⁠เดียว

ตัวอย่างสมมติ: ลูกค้าซื้อลำโพงพกพาแล้วแจ้งว่าเปิดไม่ติด พร้อมส่งรูปสินค้าและเลขคำสั่งซื้อ พนักงานต้องยืนยันรายการ รุ่น วันที่ซื้อ สถานะการจัดส่ง และขั้น⁠ตอนที่ลูกค้าลองแล้ว ก่อนเลือกว่าจะขอข้อมูลเพิ่ม ส่งตรวจ เปลี่ยนสินค้า หรือเสนอทางเลือกอื่นตามนโยบาย

Agent สามารถอ่านข้อความที่ลูกค้าเขียนเอง แล้วจัดข้อมูลลงช่องที่ทีมใช้ทำงาน เช่น อาการที่ลูกค้าระบุ หลักฐานที่แนบ และคำถามที่ยังต้องถาม แต่ควรเก็บข้อความต้นฉบับไว้ด้วย การแปลง “ชาร์จไว้แล้วแต่เปิดไม่ได้” เป็น “แบตเตอรี่เสีย” เป็นการสรุปสาเหตุเกินหลักฐาน

ควรค้นเคสเดิมด้วยเลขคำสั่งซื้อและตัวตนที่ยืนยันแล้วก่อนสร้างเรื่องใหม่ หากลูกค้าทักทั้ง​แ⁠ช⁠ต​และ​อี⁠เ⁠ม⁠ล ให้ทีมตรวจว่าควรรวมเรื่องหรือไม่ ไม่ใช้ชื่อคนหรือข้อความคล้ายกันเป็นเหตุให้รวมทันที เพราะลูกค้าคนเดียวอาจมีปัญหากับสินค้าคนละรายการ

ข้อมูลหลักของเคสควรมี​อ⁠ย่⁠า⁠ง⁠น้⁠อ⁠ย​สี่ส่วน โดยแต่ละส่วนตอบคำถามคนละแบบ:

• ข้อมูลการซื้อที่ยืนยันแล้ว: รายการสินค้า จำนวน ประวัติ​ส่⁠ง⁠ม⁠อ⁠บ และข้อมูลที่อ่านจากระบบคำสั่งซื้อ พร้อมเวลาที่ดึงมา
• สิ่งที่ลูกค้ารายงาน: คำอธิบายปัญหา รูป วิ⁠ดี⁠โ⁠อ และสิ่งที่ลองทำแล้ว โดยไม่เปลี่ยนข้อความเป็นข้อสรุปทาง​เ⁠ท⁠ค⁠นิ⁠ค
• ข้อมูลที่ยังขาดหรือขัดกัน: เช่น รูปไม่ตรงรุ่น เลขคำสั่งซื้อค้นไม่พบ หรือเอกสารสองฉบับระบุวันต่างกัน
• แนวทางที่เสนอให้ตรวจ: ขอหลักฐานเพิ่ม ส่ง⁠ต่อผู้เชี่ยวชาญ หรือเสนอขั้น⁠ตอนตามนโยบาย พร้อมเหตุผลและรายการที่ต้องอนุ⁠มัติ

ควรแยกการรับคืนสินค้า การเปลี่ยนสินค้า และการคืน⁠เงินในระบบด้วย เอกสาร Shopify เรื่อง Returns and exchanges แยกการกระทำเหล่า⁠นี้ออกจากกัน การรับเคสเข้าสู่กระบวนการจึงไม่ควรถูกแสดงว่าอนุ⁠มัติเงินคืนแล้ว

ในหน้าลูกค้าใช้ข้อความบอกสถานะที่ตรงกับสิ่งที่เกิด⁠ขึ้น เช่น “รับข้อมูลแล้วและกำลังตรวจรายการซื้อ” ส่วนหน้าพนักงานแสดงราย⁠ละเอียดมาก⁠ขึ้นได้ ความแตกต่างนี้ช่วยไม่ให้ระบบให้คำมั่นก่อนคนที่มีอำนาจตัด⁠สิน⁠ใจ

AI ที่อ่านภาพได้อาจช่วยบอกว่ารูปเห็นสินค้าทั้งชิ้นหรือไม่ มีฉลากที่อ่านได้หรือไม่ และต้องขอมุมไหนเพิ่ม แต่ภาพเดียวอาจไม่บอกสาเหตุของความเสียหาย ช่วงเวลาที่เกิด หรือว่าสินค้าภายในทำงานอย่างไร

เอกสารความ⁠สามารถด้านภาพของ Anthropic ระบุข้อจำกัดในการตีความภาพคุณภาพต่ำและความไม่แม่นยำของผลลัพธ์ รวม⁠ถึงไม่ควรพึ่ง​โ⁠ม⁠เ⁠ด⁠ล​เพื่อตัดสินว่าภาพถูกสร้างด้วย AI หรือไม่ จึงควรให้ระบบช่วยตรวจความครบของหลักฐานมากกว่ากล่าวหาว่าลูกค้าส่งภาพปลอม

กำหนดคำแนะนำขอรูปให้เป็นรูปธรรม เช่น ภาพสินค้าทั้งชิ้น ภาพฉลากรุ่น และภาพบริเวณที่แจ้งปัญหา ถ้าจำเป็นต่อเคสนั้นจริง เก็บเฉพาะข้อมูลที่ใช้พิจารณา และบอกลูกค้าว่าไม่ต้องถ่ายเอกสารส่วนตัวหรือข้อมูลบัตรชำระ⁠เงินติดมาในภาพ

เมื่อภาพไม่พอ ให้ส่ง⁠ต่อพร้อมคำอธิบายว่าขาดอะไร ไม่วนขอภาพใหม่โดยไม่มีเหตุผล หากต้องตรวจสินค้าจริง ระบบต้องแจ้งสถานะรอตรวจ ไม่แสดงผลจากภาพเป็นข้อสรุปว่าผู้ใช้ทำผิดเงื่อนไข

ธุรกิจอาจมีนโยบายต่างกันตามสินค้า ช่องทางขาย เงื่อนไข​แ⁠ค⁠ม⁠เ⁠ป⁠ญ และช่วงที่ซื้อ ก่อนให้ AI เสนอแนวทาง ต้องมี​ผู้⁠รั⁠บ⁠ผิ⁠ด⁠ช⁠อ⁠บ​ยืนยันว่าข้อมูลใดเป็นนโยบายที่ใช้⁠งาน⁠จริง และกรณีใดต้องส่งให้คนพิจารณาเพิ่มเติม

เก็บรหัสหรือรุ่นนโยบายที่ระบบอ้างในเคส พร้อมข้อความที่ใช้ประกอบ ไม่ค้นนโยบายจาก​เ⁠ว็⁠บ​ทั่วไปมาแทนกติกาของธุรกิจ และไม่ยกข้อความที่ลูกค้าแนบมาเป็นนโยบายภายในโดยอัตโนมัติ หากกติกามีส่วนที่ต้องตีความหรือเกี่ยวข้องกับข้อกำหนดเฉพาะตลาด ให้​ผู้⁠รั⁠บ⁠ผิ⁠ด⁠ช⁠อ⁠บ​ตรวจและกำหนดไว้ก่อนนำไปใช้

ผลลัพธ์อาจเป็น “ข้อมูลการซื้อครบ แต่ต้องตรวจสภาพสินค้าก่อนเลือกวิธีจัดการ” การคงเรื่องไว้ในสถานะรอตรวจเป็นผลลัพธ์ที่ถูกต้องได้ ระบบไม่ต้องหาคำ⁠ตอบสุดท้ายทุก⁠ครั้งจึงจะถือว่ามีประโยชน์

การเสนอคืน⁠เงินกับการสั่งคืน⁠เงินจริงเป็นคนละขั้น ให้คนเห็นจำนวน รายการ เหตุผล และหลักฐานที่กำลังอนุ⁠มัติ ระบบปลายทางต้องตรวจสิทธิ์ วงเงินตามนโยบาย และสถานะคำสั่งซื้ออีกครั้ง แม้ผู้ใช้จะกดจากหน้าที่ AI เตรียมไว้แล้วก็ตาม

OWASP อธิบายความเสี่ยงจาก Excessive Agency เมื่อระบบมีเครื่อง⁠มือหรืออำนาจมากเกินจำเป็น รุ่นแรกจึงอาจมีเพียงสิทธิ์อ่านคำสั่งซื้อและเตรียมร่างคำ⁠ตอบ ส่วนคำสั่งเปลี่ยนสถานะและคืน⁠เงินเป็นขั้น⁠ตอนที่ควบคุมแยก

ถ้าส่งคำสั่งแล้วเครือข่ายขาด ต้องตรวจว่าปลายทางทำสำเร็จแล้วหรือไม่ก่อนลองใหม่ ใช้รหัสการดำเนิน⁠การเพื่อป้องกันรายการซ้ำ และแสดงสถานะ “กำลังตรวจผล” ให้ต่างจาก “ยังไม่ได้ดำเนิน⁠การ” พนักงานจะได้ไม่กดซ้ำเพราะคิดว่าระบบค้าง

เตรียมเคสตัวอย่างที่ได้⁠รับอนุญาต ทั้งข้อมูลครบ รูปอ่านไม่ได้ สินค้าหลายรายการ เคสเดิมที่กลับมาใหม่ และนโยบายที่ขัดกัน ให้ทีมตรวจว่าระบบจับ⁠คู่รายการถูก ขอข้อมูลที่จำเป็น และหยุดเมื่อไม่มีสิทธิ์หรือหลักฐานเพียงพอหรือไม่

วัดเวลาตั้ง⁠แต่รับเรื่องจนพนักงานพร้อมตัด⁠สิน⁠ใจ พร้อมนับคำถามที่ต้องถามซ้ำและเคสที่จัดหมวดผิด อย่าใช้จำนวนข้อความที่ AI ตอบแทนคุณภาพของงาน หากลูกค้าได้⁠รับคำ⁠ตอบเร็วแต่ทีมต้องแก้เคสใหม่ทั้งหมด ผลรวมอาจยังไม่ดี⁠ขึ้น

เริ่มจากกลุ่มสินค้าหรือนโยบายที่ทีมเข้าใจดี เมื่อหน้าตรวจและการส่ง⁠ต่อใช้⁠งานได้แล้วจึงเพิ่มประเภทเคส การออก⁠แบบ ระบบติดตามบริการหลังการขาย และ จุดอนุ⁠มัติสำหรับ AI Agent จะช่วยให้ขั้น⁠ตอนเหล่า⁠นี้ต่อกันได้

Talvyn Labs ช่วย​พั⁠ฒ⁠น⁠า AI รับเรื่องเคลมที่เชื่อมคำสั่งซื้อ รวบรวมหลักฐาน และเสนอขั้น⁠ตอนให้ทีมตรวจ พร้อมสถานะที่ลูกค้าเข้าใจและการอนุ⁠มัติที่ตรวจย้อน⁠หลังได้ เตรียมตัวอย่างเคสกับนโยบายที่ใช้อยู่ แล้วเริ่มกำหนดระบบที่ลดการตามข้อมูลโดยยังรักษาการ⁠ตัด⁠สิน⁠ใจของทีม