Künstliche Intelligenz verändert den Kundenservice. Doch der entscheidende Fortschritt liegt nicht allein in besseren Bots oder neuen Benutzeroberflächen. Entscheidend ist, ob Kundenanfragen tatsächlich gelöst werden. Im Gespräch, welches im Rahmen der Zendesk Relate 2026 in Denver stattfand, erklärt Cristina Fonseca, VP Product bei Zendesk, warum AI Agents spezialisierter, besser vernetzt und kontinuierlich lernfähig werden und weshalb Unternehmen nicht auf perfekte Daten warten sollten, bevor sie mit KI starten.
Meike Tarabaori, Chefredaktorin vom cmm360, live aus Denver.
Cristina Fonseca, bevor wir über Produkte und KI sprechen: Wer sind Sie und wofür sind Sie bei Zendesk verantwortlich?
Cristina Fonseca: Ich bin VP Product bei Zendesk. Zu Zendesk kam ich, als das Unternehmen Cleverly 2021 übernommen hat – meine zweite Unternehmensgründung nach Talkdesk. Cleverly entwickelte KI-gestützte Lösungen für den Kundenservice und wurde in die Zendesk-Plattform integriert.
Ich hatte danach die Möglichkeit, die AI- und Machine Learning-Teams bei Zendesk mit aufzubauen. Ich sehe mich nach wie vor als Unternehmerin. Aber die Arbeit bei Zendesk ist sehr spannend, weil wir moderne KI-Technologien in einer Branche einsetzen, in der ihr Nutzen sehr offensichtlich ist: im Kundenservice.
Was ist aus Ihrer Sicht aktuell die wichtigste Produktentwicklung bei Zendesk?
Im Zentrum stehen für mich AI Agents. Wir haben heute sehr leistungsfähige AI Agents für den Kundenservice. Gleichzeitig sehen wir, dass Unternehmen unterschiedliche AI Agents für unterschiedliche Aufgaben benötigen werden. Einige davon sind spezialisiert, etwa für Customer Experience oder Employee Service. Andere können als Custom Agents erweitert werden, wenn Unternehmen spezifische Aufgaben abdecken möchten.
Ein wichtiger Schritt ist auch die Akquisition von Forethought. Damit können Zendesk AI Agents auch ausserhalb des Zendesk-Ökosystems eingesetzt werden, zum Beispiel auf Plattformen wie Salesforce, Freshdesk oder ServiceNow. Es geht uns darum, bei AI Agents führend zu sein, unabhängig davon, welche Kernplattform ein Unternehmen nutzt.
Zendesk entwickelt sich damit von einer Customer-Service-Lösung hin zu einer breiteren KI-Plattform. Was bedeutet das konkret?
Früher waren wir stärker auf klassische CX-Anwendungsfälle und auf unsere Benutzeroberfläche fokussiert. Heute investieren wir deutlich mehr in Plattformfähigkeiten. Das bedeutet: Wir müssen uns mit anderen Systemen verbinden, Daten strukturieren, andere Agents einbinden und verschiedene Agents orchestrieren können.
Es geht nicht mehr nur darum, dass Menschen Tickets in einer Oberfläche bearbeiten. Entscheidend ist, dass die Plattform flexibel genug ist, um Kontext aus unterschiedlichen Systemen zu nutzen. Dafür investieren wir stark in den Knowledge Graph und in die Frage, wo Kontextlücken entstehen. Denn wenn ein Bot nicht weiss, wie ein bestimmter Fall gelöst werden muss, wird er auch keine gute Antwort geben können.
Welche Rolle spielt Forethought dabei?
Forethought bringt zwei Dinge ein. Erstens können Kunden Zendesk AI Agents auch dann nutzen, wenn sie ihre Serviceprozesse auf einer anderen Plattform betreiben. Zweitens verfügt Forethought über starke Fähigkeiten im Bereich Improvement Loop. Das heisst, das System kann Veränderungen testen und besser verstehen, welche Auswirkungen diese Änderungen auf die Performance von AI Agents haben.
Gerade in der KI-Welt ist das zentral. Es reicht nicht, einen Agent einmal zu konfigurieren. Man muss verstehen, wie sich seine Qualität entwickelt, wo Lücken entstehen und wo Verbesserungen nötig sind.
Zendesk spricht bewusst von Resolution statt Deflection. Warum ist diese Unterscheidung wichtig?
Für uns ist Automated Resolution eine der wichtigsten Metriken. Deflection bedeutet oft nur, dass eine Anfrage nicht bei einem menschlichen Agent landet. Aber das sagt noch nichts darüber aus, ob das Problem des Kunden wirklich gelöst wurde.
Wenn ein Kunde mit einem AI Agent interagiert, hat er ein konkretes Anliegen. Entscheidend ist, ob er am Ende eine Lösung erhält. Wir wollen KI liefern, die tatsächlich funktioniert. Deshalb sehen wir Qualität nicht allein als Verantwortung des Kunden. Wir müssen die Technologie so entwickeln, dass sie einsatzbereit ist, gute Ergebnisse liefert und gleichzeitig an den jeweiligen Anwendungsfall angepasst werden kann.
Welche Rolle spielen Copilots in diesem Zusammenspiel?
Es gibt unterschiedliche Copilots für unterschiedliche Rollen. Für menschliche Agents unterstützen sie etwa beim Formulieren von Antworten, beim Auffinden relevanter Informationen oder bei der Frage, welches System konsultiert werden sollte. Bei einigen Kunden sehen wir Akzeptanzraten von 80 bis 90 Prozent. Das bedeutet: Ein grosser Teil der Antworten wird bereits von KI vorbereitet, der Mensch prüft und verantwortet sie aber weiterhin.
Ein weiterer wichtiger Bereich ist der Admin Copilot. Er hilft Administratoren und Serviceverantwortlichen zu verstehen, was sie als Nächstes tun sollten: Wo gibt es Routing-Probleme? Welche Fälle könnten automatisiert werden? Warum wurde ein Ticket nicht korrekt weitergeleitet?
Wir haben gesehen, dass der Engpass bei der KI-Adoption oft nicht beim Agent liegt, sondern bei den Admins. Sie stehen unter Druck, ihre Operation ist komplex, und sie müssen aus vielen Daten und Reports ableiten, wo sie ansetzen sollen. Genau hier soll der Admin Copilot unterstützen.
Was bedeutet der kontinuierliche Improvement Loop konkret für Kunden?
Am Ende geht es immer um die Frage: Wie kommen wir schneller und präziser zu einer Lösung? Manchmal geben Bots oder Menschen falsche Antworten, weil der notwendige Kontext fehlt. Vielleicht gibt es keine Dokumentation zu einem bestimmten Fall. Vielleicht ist Wissen vorhanden, aber der Bot ist nicht richtig konfiguriert. Oder es fehlen Ressourcen in der Operation. Der Improvement Loop sammelt Signale aus der gesamten Serviceorganisation – aus der menschlichen Bearbeitung, aus der Wissensbasis, aus der AI-Agent-Operation und aus Qualitätsbewertungen. Daraus entstehen Empfehlungen, wie sich das System verbessern lässt. Wenn zum Beispiel ein Knowledge-Artikel fehlt, kann das System auf Basis historischer Daten einen Entwurf erstellen. Dieser wird dann geprüft und freigegeben. So verbessert sich nicht nur ein einzelner Bot, sondern das gesamte Zusammenspiel aus Wissen, Prozessen, Mitarbeitenden und AI Agents.
Viele Unternehmen sagen, ihre Wissensbasis sei noch nicht bereit für KI. Was raten Sie ihnen?
Das hören wir seit Jahren. Eine der häufigsten Begründungen, KI noch nicht einzusetzen, lautet: «Unsere Knowledge Base ist nicht bereit.» Aber die Wahrheit ist, dass sie nie perfekt sein wird. Deshalb sollte man nicht versuchen, alles auf einmal zu lösen. Man sollte starten und akzeptieren, dass Wissen kontinuierlich gepflegt und verbessert werden muss. Wenn Unternehmen hohe Automatisierungsraten erreichen wollen, müssen AI Agents zudem mit externen Systemen interagieren können. Denn dort liegen viele der Informationen, die für eine Lösung relevant sind. Es braucht also technische Ressourcen und die Bereitschaft, die Systemlandschaft Schritt für Schritt zu verbinden. KI ist kein einmaliges Projekt, sondern eine Reise.
Auch Quality Scoring wird immer anspruchsvoller. Es geht um Empathie, Tonalität, Lösungsqualität oder Churn-Risiken. Wie lässt sich so etwas in ein Produkt übersetzen?
Der Ausgangspunkt war ein klassischer Qualitätsprozess. Viele Serviceorganisationen bewerten manuell eine Stichprobe von Tickets. Dabei schauen sie auf Kriterien wie Empathie, Tonalität, Eskalation, Lösungsqualität oder mögliche Churn-Risiken. Wir haben diese Dimensionen produktseitig verfügbar gemacht. Gleichzeitig kann Qualität für jedes Unternehmen etwas anderes bedeuten. Deshalb können Kunden zusätzliche Kriterien definieren und Interaktionen automatisch entlang dieser Kriterien bewerten lassen.
Manche Kunden nutzen sehr viele eigene Dimensionen. Cristina Fonseca zufolge bewerten bereits fast 1000 Kunden 100 Prozent ihrer Interaktionen anhand zusätzlicher, individuell definierter Kriterien. Das zeigt, dass Qualität stark von Branche, Geschäftsmodell, Marke und Kundenerwartungen abhängt. Unsere Aufgabe ist es, Standarddimensionen bereitzustellen und gleichzeitig genügend Flexibilität zu ermöglichen.
Sie haben Customer-Service-Technologie aus verschiedenen Perspektiven aufgebaut: bei Talkdesk, Cleverly und nun bei Zendesk. Hat sich Ihr Blick auf die Branche verändert?
Im Kern lösen wir heute dieselben Probleme wie vor 15 Jahren, wir haben nur bessere Werkzeuge. Kunden haben Probleme und möchten sich eigentlich nicht an den Support wenden. Auf der anderen Seite stehen Serviceorganisationen und Contact Center, in denen Menschen unter hohem Druck arbeiten.
Technologie kann hier viel bewirken, indem sie manuelle Arbeit reduziert und Menschen entlastet. Die Technologie ist heute sehr leistungsfähig. Die grössere Herausforderung liegt inzwischen oft auf der menschlichen Seite: Menschen haben Sorge, Technologie einzusetzen. Es gibt Risiken, Fragen zur Verantwortung und Unsicherheit im Change Management. Mich fasziniert heute vor allem die Frage, wie wir Technologie so in Organisationen bringen, dass sie tatsächlich genutzt wird und Wert schafft.
Wohin entwickelt sich der Kundenservice in den nächsten Jahren?
Kunden erwarten schnellen und präzisen Service. Gleichzeitig glauben viele Menschen noch nicht vollständig an automatisierten Kundenservice, weil Bots in den vergangenen Jahren oft enttäuscht haben. Ich bin überzeugt, dass sich das ändern wird. Entscheidend wird sein, intelligente Systeme zu bauen, die die richtigen Daten nutzen, den richtigen Kontext verstehen und sich selbst verbessern. Die Servicewelt ist sehr komplex. Menschen allein können diese Komplexität nicht dauerhaft manuell beherrschen.
Die Zukunft liegt deshalb in Systemen, die erkennen, wo Lücken bestehen, relevante Signale auswerten und kontinuierlich besser werden. Es geht darum, Service mit besseren Ergebnissen für Kunden und einer besseren Arbeitsrealität für Mitarbeitende weiterzuentwickeln.
Zendesk hat es sich zur Aufgabe gemacht, außergewöhnlichen Service für alle Menschen auf der Welt zu ermöglichen. Als Branchenführer für Customer Experience (CX) unterstützt Zendesk Unternehmen dabei, das Beste aus KI-Agent:innen, Workflow-Automatisierung und dem menschlichen Serviceteam für ihre Kund:innen und Mitarbeiter:innen zusammenzubringen. Mit der Software und Expertise von Zendesk können Unternehmen einen Service anbieten, der die Kundenbindung erhöht, den Umsatz steigert und gleichzeitig die Kosten senkt.
