Das Sammelpostfach wird vom Stapel Unbekannter zur sortierten Arbeitsliste

Die Klassifikationsschicht lernt an Ihrer eigenen Post. Wir analysieren eine Stichprobe der Postfachhistorie, stimmen einen Satz Labels mit denjenigen ab, die heute sortieren, und Ihr Team kennzeichnet Trainingsbeispiele in UiPath Communications Mining: Zählerstand übermittelt, Rechnungskopie angefordert, Ratenplan, Tarifwechsel, Einzug, Versorgungsunterbrechung, Schadensfall, Beschwerde sowie Post ohne Handlungsbedarf. Dasselbe Modell extrahiert die Felder, an denen die Weiterleitung hängt, und gibt zu jeder Vorhersage einen Konfidenzwert aus. Das ist überwachtes maschinelles Lernen an Ihrer Korrespondenz: es erkennt und extrahiert, es schreibt nicht.

Was auf die Klassifikation folgt, ist deterministisch und prüfbar. Ein Roboter prüft, ob der Vorgang bereits zu einem offenen Fall gehört, gleicht die Kundin im Abrechnungssystem ab und legt dann einen Vorgang mit Anliegen, Priorität, Frist und Originalnachricht an oder aktualisiert ihn. Die Weiterleitung folgt einer Regeltabelle, die der Serviceleitung gehört, nicht dem Modell. Ein festgelegter Satz Standardanfragen wird ohne Mitarbeitende aus freigegebenen Vorlagen erledigt: Rechnungskopie, Kontostand, Status eines Vorgangs, Bestätigung eines erfassten Zählerstands.

Menschen begegnen dem Ablauf in Microsoft Teams. Dringende Anliegen erscheinen mit Link zum Vorgang in einem Kanal, sobald sie erkannt sind. Nachrichten unterhalb der Konfidenzschwelle kommen als Action-Center-Aufgaben in Teams an, wo eine Teamleitung das Label in Sekunden bestätigt oder korrigiert und die Korrektur in den Trainingsbestand zurückfließt. Eine Grenze sei klar benannt: diese Lösung löst nichts. Sie entscheidet, worum es in jeder Nachricht geht, wie dringend sie ist und wer sie führt, und übergibt Beschwerden an den Prozess, der Beschwerden löst.