For mange mennesker har dette allerede blitt en ny vane. Informasjon innhentes på en annen måte enn tidligere. Det endrer noe grunnleggende ved kundereisen, fordi kunden ikke nødvendigvis møter virksomheten først, men via en AI-agent som opptrer på kundens vegne. I tillegg blir det mer og mer vanlig at kunden møter en AI-agent, snarere enn et menneske, når de først tar kontakt med virksomheten. Kundeopplevelsen har rett og slett fått et nytt reisefølge.

For oss som jobber med tjenestedesign, rører dette ved noe grunnleggende: vi må ruste oss til å designe kundeopplevelsen på en annen måte, fordi reglene for hva som skaper den er i endring.

Kundeatferden er endret

Informasjon hentes i økende grad fra ChatGPT, som har over 900 millioner ukentlige brukere ifølge OpenAI, og Googles AI-oppsummeringer reduserer utgående klikk med nesten 40 %, ifølge et feltforsøk fra forskere ved Indian School of Business og Carnegie Mellon. Vi tror dette bare er starten. Agentbruk kommer til å bli en enda større del av folks hverdag fremover, både til research og til å faktisk gjennomføre handlinger på kundens vegne. Der kunden før satt igjen med en liste over alternativer å vurdere selv, får den nå en anbefaling, gjerne med to eller tre muligheter å velge mellom. Er du ikke blant dem, er du i praksis ikke med i kundens vurdering.

Atferden endrer seg også når kunden først er i direkte kontakt med virksomheten din, fordi de møter deg med helt andre forutsetninger enn før. En venninne av meg brukte nylig AI i forbindelse med boligkjøp, og fikk vesentlig bedre lånebetingelser i banken enn hun hadde forventet. Hun møtte banken forberedt, med oversikt over markedet, konkurrerende betingelser og egen forhandlingsposisjon kartlagt på forhånd. Vi har snakket med flere banker som kjenner seg igjen i mønsteret. Kunden har allerede innhentet kunnskap den tidligere måtte få hos rådgiveren, og møter dem dermed fra en helt annen posisjon enn før.

Kjernen i det som skjer er at makten i kunderelasjonen forskyver seg.

Når kundens AI møter deg

Det første man bør ta stilling til er hvordan man forholder seg til en språkmodell som ikke er ens egen. Det er den som gjør research- og navigeringsjobben på kundens vegne, uten at bedriften har noen innflytelse på hvordan den er satt opp.

Her holder det ikke lenger å designe et godt grensesnitt for mennesker alene. Informasjonen om produktene og tjenestene må også struktureres slik at en språkmodell eller en AI-agent kan forstå og vurdere dem.

Vi kaller dette Machine Experience (MX): maskinlesbar informasjon som er tillagt brukeropplevelsen vi allerede jobber med. Andre bruker i denne forbindelse begrepet Answer Engine Optimization (AEO), med utgangspunkt i søk og synlighet: målet er at innholdet ditt blir sitert, anbefalt eller valgt når det er en språkmodell, ikke et menneske, som møter det først. Felles for begge er at det ikke lenger holder at informasjonen finnes et sted på nettsiden din. Den må være ryddig, oppdatert og tilgjengelig på en måte som gjør at en språkmodell både finner den og velger å bruke den.

Skal en agent i tillegg gjennomføre selve handlingen på kundens vegne, ikke bare gjøre researchen, endrer det spillereglene på en annen måte. En agent kan som regel komme seg gjennom en flyt den ikke er tilrettelagt for, ved å mime hvordan et menneske gjør det. Men det er tungvint for agenten, noe som gir den et incentiv til å heller velge alternativer der informasjonen den trenger er lettere tilgjengelig. Uten et grensesnitt agenten faktisk kan handle gjennom, risikerer du derfor å bli valgt bort. Dette er et skritt de fleste virksomheter enda ikke har tatt stilling til.

For oss som designere betyr det at innsiktsarbeidet må utvides: i tillegg til å forstå hvordan mennesker opplever tjenesten vår, må vi kartlegge hvordan språkmodellene og AI-agentene kundene bruker, «opplever» og tolker informasjonen vi gir dem tilgang til.

Når din egen AI møter kunden

Det andre spørsmålet er hva som skjer når bedriften selv bruker AI i møte med kunden, for eksempel i kundeservice eller andre egne kanaler.

Klarna kuttet rundt 700 stillinger i kundeservice da en AI-agent overtok en stor del av henvendelsene, ca. 2,3 millioner i året. Dette ga betydelige gevinster på enkle saker, men i de mer komplekse sakene sviktet AI: kundetilfredsheten falt, og klagene økte. Konsernsjef Sebastian Siemiatkowski innrømmet i 2025 at selskapet hadde gått for langt og fokusert for mye på kostnad. Klarna reverserte og begynte å ansette mennesker igjen.

IKEA (Ingka Group) sto overfor den samme utfordringen, men valgte en annen respons. Da chatboten «Billie» ble god nok til å svare på enkle spørsmål om eksempelvis lagerstatus og bestillinger, dukket det opp et mønster i sakene den ikke kunne løse: kundene lurte ikke bare på om sofaen var på lager, men om den faktisk ville passe i stuen deres. Dette krevde smak og kontekstforståelse, noe AI ikke kunne gi. I stedet for å si opp folk, omskolerte selskapet sine 8 500 kundeservicemedarbeidere til rådgivere innen interiørdesign og fjernsalg. Tre år senere utgjorde den nye tjenesten 3,3 prosent av selskapets omsetning, med mål om å nå 10 prosent.

De to eksemplene illustrerer noe viktig. Ved hjelp av AI kan rutinehenvendelser løses raskere og automatisk, mens de få møtene som gjenstår med et menneske, får større betydning for relasjonen, tilliten og opplevelsen av virksomheten. Samtidig kommer kunden bedre forberedt inn i disse møtene, slik bankene i boligeksempelet erfarte. Det hever terskelen for hva førstelinjen må kunne tilføre: kunden trenger sjelden mer informasjon, men vurdering, tolkning og råd i de sakene som faktisk er kompliserte. Å identifisere hvilke saker det er, og bemanne dem med mennesker, er en designoppgave i seg selv.

Et konkret sted å starte

Vet du hvordan din kundereise ser ut i praksis når AI er en del av den? Det er verdt å kartlegge hvor i kundereisen AI-agenter allerede opptrer på kundens vegne i din bransje, også utover egne kanaler. Det betyr steder der kunden bruker en AI-assistent for å orientere seg, sammenligne eller ta beslutninger før bedriften i det hele tatt er i bildet.

En slik kartlegging gjør to ting samtidig. Den viser hvor du risikerer å tape kontakten med kunden fordi en språkmodell aldri finner, forstår eller velger deg. Samtidig viser den hvor du fortsatt har et reelt handlingsrom til å styrke relasjonen: ved å gjøre egen informasjon mer tilgjengelig for språkmodeller, ved å legge til rette for at en agent faktisk kan fullføre en handling der det er relevant, eller ved å styrke de menneskelige møtepunktene som blir stående igjen når det enkle er automatisert.

Dette er tjenestedesign i praksis. Å kartlegge og designe kundereiser er kjernefaget vårt, og metodene vi bruker holder fortsatt stand. Det nye er at reisen har fått flere typer aktører å ta hensyn til, og at innsiktsarbeidet må utvides til å forstå hvordan disse aktørene «opplever» og velger virksomheten din, i tillegg til hvordan menneskene gjør det. En språkmodell velger sjelden basert på produktspesifikasjoner; den velger basert på om du har beskrevet hvilket problem du løser og for hvem. Det å identifisere kundens behov er derfor blitt viktigere enn noen gang.

En relasjon man må designe for

Kunderelasjonen er ikke lenger noe en bedrift eier automatisk, på samme måte som før. Når språkmodeller og AI-agenter i økende grad står mellom kunden og bedriften, enten det er dine egne eller kundens, er det ikke gitt at det er du som ender opp med relasjonen.

Hvis kundens agent aldri forstår, siterer eller velger deg, eller din egen bruk av AI svekker kundeopplevelsen i jakten på effektivitet, er det andre enn deg som ender opp med kunden.

Hvordan man møter denne utviklingen strategisk, og hvilke fallgruver som oftest ligger i veien, tar vi for oss i neste artikkel.

Vil du høre mer om hvordan AI påvirker kundereisen? Ta kontakt.