LG Uplus og OpenAI bygger AI som tar kundesamtalene

Nøkkelinnsikt

• Skiftet fra 'AI som svarer' til 'AI som gjør jobben': det nye systemet sjekker kontostatus, henter frem policyer og fullfører oppgaver uten å tvinge kunden gjennom stive menyer
• OpenAIs Realtime API er stemme-til-stemme uten transkripsjonssteg, slik at AI-en fanger opp tonefall, tempo og nøling for en mer naturlig samtale
• Tradisjonelt AI-kundesenter er et beslutningstre: når kunden går utenfor manuset, bryter det sammen. Store språkmodeller kan holde kontekst, resonnere og tilpasse seg underveis
• Dette er ikke en løsning bare for telekom. Det samme mønsteret gjelder IT-support, regnskap, e-handel og helsevesen: alle bransjer som håndterer kundehenvendelser i stor skala

Kort fortalt

LG Uplus, Sør-Koreas nest største teleselskap, har bygget et neste generasjons AI-kundesenter (AICC, AI Contact Center) sammen med OpenAI. Systemet gjør mer enn å svare på spørsmål. Det forstår hva kunden faktisk trenger, sjekker kontoen, henter frem riktige vilkår og løser saken, alt i én samtale. Daniel, løsningsarkitekt hos OpenAI, forklarer hva som skiller dette fra tradisjonell automatisering og hvorfor tilnærmingen har konsekvenser langt utover telekom.

Fra menyer til handling

Tenk på sist du ringte kundeservice. Du ble sannsynligvis møtt av en talemeny der du tastet 1 for faktura, 2 for teknisk support, og hvert svar låste deg inne i en forhåndsbestemt sti. Det er et beslutningstre (decision tree), og det har vært grunnmuren i automatisert kundeservice i årtier.

Problemet er at virkelige samtaler ikke fungerer slik. Kunder hopper mellom temaer, stiller oppfølgingsspørsmål som ingen hadde forutsett, og avbryter seg selv midt i en setning. Når det skjer, bryter systemet sammen. Du blir satt over, eller du sitter fast.

LG Uplus sitt system gjør det annerledes. Som Daniel forklarer, er tradisjonelle regelbaserte AI-kundesentre "great when the world is predictable, but we know that it never is." Den agentbaserte tilnærmingen erstatter beslutningstreet med AI som forstår naturlig språk, beholder kontekst gjennom hele samtalen og kan handle i praksis: hente frem riktige vilkår, sjekke kontostatus eller starte neste steg i en prosess, uten å tvinge kunden inn i en stiv, forhåndsskriptet flyt.

Det er dette "agentbasert" betyr i praksis. AI-en ruter deg ikke videre. Den ordner saken.

Stemmelaget: ingen transkripsjon i midten

Noe av det mest interessante med løsningen er hvordan LG Uplus håndterer stemme: de bruker OpenAIs Realtime API (et programmeringsgrensesnitt for sanntidskommunikasjon) i stedet for den tradisjonelle metoden. De fleste stemme-AI-systemer konverterer tale til tekst, kjører teksten gjennom en språkmodell og konverterer svaret tilbake til lyd. Hvert konverteringssteg legger til forsinkelse og mister informasjon.

Realtime API hopper over transkripsjonen helt. Som Daniel sier, er den "natively speech to speech", som betyr at modellen prosesserer lyden direkte. AI-en hører om du høres frustrert ut, om du nøler, om du avbryter deg selv. Den konteksten er med på å forme svaret.

Det praktiske resultatet er en samtale som føles mer som å snakke med et kompetent menneske enn med en telefonrobot. AI-en håndterer avbrytelser naturlig, svarer uten merkbar forsinkelse og mister ikke tråden fra tre replikker tilbake.

Systemet er også fullstendig hendelsesdrevet (event-driven), noe som betyr at det reagerer på ting i sanntid i stedet for å vente på at en full replikk er ferdig. Mens du fortsatt snakker, kan systemet allerede hente frem kontoinformasjonen din i bakgrunnen.

Nøkkelskiftet: fra skript til resonnering

Hva er det som har gjort dette mulig nå? Svaret er store språkmodeller (LLM, large language model), AI-systemer trent på enorme mengder tekst, som kan forstå sammenheng, følge flertrinns resonnering og svare på ting de aldri eksplisitt er programmert for.

Daniel beskriver det som skjedde i samarbeidet med LG Uplus: "a key shift from scripted routing to a system that can reason, adapt, and stay grounded with the right safeguards." Forrige generasjon AI-kundesenter krevde at ingeniørene kartla alle tenkelige kundescenarioer på forhånd. Det nye systemet håndterer situasjoner det aldri eksplisitt er programmert for, fordi det forstår hva kunden faktisk prøver å få til.

LG Uplus bygde også en planleggingsagent (Planning Agent) på toppen av dette, som bruker sjekkliste-baserte arbeidsflyter til å bryte komplekse forespørsler ned i ordnede steg og gjennomføre dem pålitelig. Det er det samme mønsteret som dukker opp i bedrifts-AI generelt: ikke én modell som gjør alt, men et strukturert system av agenter der hver håndterer det den er best på.

En modell, ikke et engangsprosjekt

LG Uplus er interessant ikke bare som en telekom-historie, men som et konkret eksempel på hva som er mulig for alle som håndterer kundehenvendelser i stor skala.

Daniel sier det eksplisitt: "This isn't just a carrier-specific or industry-specific innovation. It's actually a blueprint for how next-generation contact centers are going to work globally." Alle markeder søker det samme: raskere løsningstid, mer naturlig kommunikasjon og drift som kan skaleres uten å ansette tilsvarende mer folk.

Den samme arkitekturen passer et regnskapskontor som tar imot spørsmål om fakturaer. En IT-helpdesk som håndterer glemte passord og nettverksavbrudd i samme samtale. Et netthandelsselskap som tar seg av returer, ordrestatus og produktspørsmål uten å sette folk på vent. Det underliggende problemet er identisk: kunden vil ha noe gjort, ikke bare besvart.

LG Uplus og OpenAI har bygget et tidlig eksempel på at dette skiftet beveger seg fra pilotprosjekt til produksjon. Daniel beskriver neste fase som å "scale what's working and making it even more operationally strong": dypere evaluering, overvåking og strukturert eksperimentering etter hvert som systemet utvides til flere bruksområder og bedriftskunder.

De tekniske brikkene er på plass. Spørsmålet nå er hvor raskt resten av bransjen henger seg på.

Ordliste

Kilder og ressurser