AI-pipeline ga Entur kapasitet til å håndtere refusjonsbølgen etter ekstremværet «Hans»
Når ekstremvær gjør kollektivtransport vanskelig, kommer henvendelsene og refusjonskravene i store bølger. Sammen med Entur har vi bygget en AI-pipeline som sorterer, kategoriserer og ruter innkommende saker, og gir rask beslutningsstøtte for behandling av refusjoner der vilkårene er tydelige.
Oppdraget
Problem
Da ekstremværet «Hans» traff Norge i 2023, ble store deler av kollektivtrafikken rammet av stengte strekninger og innstillinger. Det utløste en bølge av henvendelser og refusjonskrav som ikke lot seg håndtere manuelt innenfor ønsket responstid. Kundesenter og saksbehandlere måtte komme raskt gjennom volumet, uten at kvaliteten i behandlingen ble svekket.
Løsning
Vi bygde første versjon av pipelinen som svar på refusjonsbølgen, og den er siden videreutviklet i tett samarbeid med Entur. I dag sorterer, kategoriserer og ruter den innkommende saker, og gir beslutningsstøtte til saksbehandlerne på refusjoner. Klassifiseringen er basert på maskinlæring, mens refusjonsbehandlingen følger et regel- og vilkårsbasert oppsett som gjør det mulig å ta valg der grunnlaget er tydelig.
Verdi
Cirka halvparten av refusjonssakene håndteres nå gjennom pipelinen, og løsningen fungerer spesielt bra i perioder med stort trykk og mange henvendelser. Det avlaster saksbehandlerne, gir raskere svar til kundene, og gjør Entur bedre rustet til å møte neste volumtopp. Erfaringen viser at AI gir mest verdi i kundedialogen når den utformes som beslutningsstøtte tett på arbeidsflyten, ikke som et helautomatisert lag på toppen.
Teknologi og tilnærming
- Maskinlæringsbasert klassifisering og ruting av henvendelser
- Regel- og vilkårsbasert refusjonsbehandling
Kontakt oss
Lyst til å snakke med oss om dette oppdraget?
Vi deler gjerne erfaringene våre fra dette arbeidet og tilsvarende problemstillinger. Ta kontakt med Christoffer for en prat.
Send Christoffer en melding
Flere arbeider
