Agentic AI
Die Signale sind eindeutig: Agentic AI ist nicht mehr nur ein „Buzzword“, sondern eine neue Produktlogik.
Und genau deshalb lohnt sich ein genauer Blick – auch kritisch.
Was sind „Agents“ im Kontext von CX & Insights?
Ein klassisches CX-/Insight-Setup funktioniert wie ein Kontrollzentrum:
- Daten rein (Surveys, Reviews, Calls, CRM, Social)
- Analyse & Dashboard raus
- Und dann: Menschen entscheiden & handeln.
Agentic AI dreht dieses Modell um:
Der „Agent“ wird zum aktiven Akteur im System.
Experience Agents – wie Qualtrics sie beschreibt – sind AI-gestützte, autonome Einheiten, die direkt mit Kunden oder Mitarbeitenden interagieren können, um Erfahrungen zu verbessern.
In einfachen Worten: Das System bleibt nicht beim Insight stehen – es greift ein.
Welche Tasks werden autonom?
Der Sprung von „Analytics“ zu „Agents“ entsteht vor allem durch drei autonome Aufgabenbereiche:
1) Themen erkennen & clustern
Agents bündeln offene Antworten automatisch, erkennen Muster und priorisieren Themen – schneller als jedes Insight-Team es könnte.
2) Alerts & Frühwarnsysteme
Statt monatlichem Reporting entstehen Realtime Signale:
- steigende Frustration im Checkout
- neue Treiber für Abwanderung
- Service-Probleme in einer Region
Qualtrics skizziert hier Szenarien, in denen Agenten Verhaltenssignale wie „digital frustration“ erkennen und proaktiv reagieren.
3) Action Recommendations & sogar Actions
Das ist der eigentliche Gamechanger:
Der Agent schlägt nicht nur vor („Customer unhappy, please respond“), sondern antwortet im richtigen Ton, bietet Kompensation, stellt Rückfragen – und triggert ggf. Workflows.
Damit wird ein Feedback-Kanal plötzlich zum Service-Kanal.
Warum das spannend ist (und warum es gefährlich werden kann)
Agentic AI löst ein echtes Problem:
Insight Teams sitzen oft zwischen Daten und Handlung – die Umsetzung hängt in der Organisation fest. Agents versprechen:
- kürzere Feedback-Loops
- weniger Zeitverlust
- höhere Reaktionsgeschwindigkeit
- skalierbare Personalisierung
Aber genau hier beginnt auch die kritische Zone.
Warum wurde genau diese Aktion ausgelöst? Und warum nicht eine andere?
Das Problem: Viele Agent-Systeme geben Entscheidungen nicht wirklich „auditierbar“ aus. Man sieht, dass etwas passiert – aber nicht sauber, warum, basierend auf welchen Signalen, und mit welcher Unsicherheit.
In CX ist das brandgefährlich:
Ein falsch getriggertes Incentive, eine unpassende Entschuldigung oder eine eskalierende Kommunikation kann mehr Schaden als Nutzen erzeugen.
Agentic AI ist stark darin, Signale zu erkennen – aber nicht automatisch darin, Relevanz im Business-Kontext zu verstehen.
Typisches Muster:
- Der Agent reagiert auf viele Beschwerden (laute Minderheit)
- aber übersieht stille Kündiger (Abwanderung ohne Feedback)
- oder priorisiert Themen, die „emotional“ wirken, statt geschäftskritisch zu sein.
Das ist nicht die Schuld der AI – das ist ein Designproblem:
Ohne klare Ziele, Gewichtungen und Leitplanken optimiert der Agent für das Falsche.
Früher musste ein Mensch handeln. Fehler waren begrenzt.
Heute:
Ein Agent kann falsch handeln – und zwar tausendfach, sofort, automatisch.
- Was als Effizienz beginnt, kann in der Fläche plötzlich zur Governance-Frage werden:
- Wer haftet für falsche Kommunikation?
- Wer kontrolliert Tonalität?
- Wer überprüft, ob Maßnahmen diskriminieren oder Gruppen benachteiligen?
Die Transformation ist real – aber sie macht CX nicht nur schneller.
Sie macht es risikoreicher, wenn man sie nicht sauber kontrolliert.