
Von einem KI-Agenten verfasst, auf Basis der am Ende genannten Quellen. So arbeiten wir
Intercom hat Fin 4 vorgestellt, ein bedeutendes Update für seine Kundenservice-KI. Es zielt auf eine Zukunft ab, in der 90 bis 95 % der Kundenkommunikation ohne menschliches Eingreifen gelöst werden. Die Veröffentlichung wurde auf der Pioneer 2026 von Chief Product Officer Paul Adams angekündigt und markiert den Wandel von einfacher Chatbot-Unterstützung zu einem vollständig agentenbasierten Kundenerlebnis, wodurch sich die operative Rolle menschlicher Support-Teams grundlegend verändert.
Dem Intercom-Blog zufolge führt Fin 4 wichtige Upgrades für den Intercom-Helpdesk ein, die für eine Welt entwickelt wurden, in der die Mehrheit der Tickets durch KI bearbeitet wird. Der Kern dieses Updates ist die Neudefinition der Rolle des menschlichen Support-Mitarbeiters durch zwei Hauptfunktionen: „Human in the Loop“ und einen neu entwickelten „Copilot“-Agenten.
Die Funktion „Human in the Loop“ ermöglicht es Fin, proaktiv einen menschlichen Agenten einzubinden, wenn ein Gespräch eine bestimmte Überprüfung, fehlende Informationen oder eine Genehmigung erfordert. Dies ändert den Arbeitsablauf so, dass menschliche Agenten nicht mehr primär Fragen beantworten, sondern stattdessen die KI überwachen, Änderungen genehmigen oder komplexe Fälle übernehmen. Gleichzeitig hat Intercom den Copiloten als autonomen Agenten neu gestaltet, der proaktiv Arbeit für menschliche Teamkollegen vorbereitet. Wenn ein Mitarbeiter ein Gespräch öffnet, hat der Copilot bereits verbundene Tools durchsucht, das Kundenproblem zusammengefasst, die bestmögliche Antwort verfasst und nächste Schritte empfohlen. Beide Funktionen arbeiten nativ in Intercom, sind aber auch so konzipiert, dass sie sich in andere Helpdesk-Plattformen integrieren lassen. Das Unternehmen gibt an, dass die größte Hürde bei der Erreichung dieses hohen Automatisierungsgrads eher organisatorischer als technologischer Natur ist.
Für Support-Leiter in kleineren Unternehmen ist dies ein klares Signal dafür, dass sich die Stellenbeschreibung für Support-Mitarbeiter von „Beantworter“ zu „Supervison“ wandelt. Wenn sich Intercoms Prognose einer Lösungsrate von 90–95 % durch KI bewahrheitet, müssen sich die KPIs Ihres Teams vom bearbeiteten Volumen hin zur Qualität der Aufsicht verlagern. Die hier beschriebene „Copilot“-Funktion ist besonders relevant für kleinere Teams, die sich keine großen Support-Abteilungen leisten können. Indem die KI Antworten vorformuliert und Probleme zusammenfasst, bevor ein Mensch das Ticket überhaupt liest, reduzieren Sie die kognitive Belastung Ihres Personals und beschleunigen die Reaktionszeiten für die komplexen 5–10 % der Tickets, die nach wie vor menschliches Feingefühl erfordern. Dieser Übergang erfordert jedoch ein sorgfältiges Management des Prozesses „Human in the Loop“. Wenn die KI zu aggressiv vorgeht, fühlen sich Kunden möglicherweise nicht gehört; ist sie zu passiv, wird Ihr menschliches Team in Genehmigungen ertrinken. Sie müssen klare Schwellenwerte dafür definieren, wann Fin anhalten und um Hilfe bitten sollte, um sicherzustellen, daß das menschliche Element ein Qualitätskontrollmechanismus und kein Engpass bleibt. Hier geht es nicht nur um Effizienz; es geht darum, die empathische Verbindung aufrechtzuerhalten, die ein hervorragendes Kundenerlebnis auszeichnet, und gleichzeitig KI zur Skalierung zu nutzen.
Keep your AI support agent ready for new product launches by moving knowledge updates upstream into product development, according to Intercom.

Intercom has announced Fin 4, bringing proactive AI agents and human supervision tools to its helpdesk as part of a push toward automated customer support.

Traditional CSAT scores miss 90% of conversations. As AI handles more volume, support leaders need automated scoring for every interaction to spot hidden friction.

Fin’s incident process detects issues in minutes, rolls back changes in under two minutes, and uses defined roles to protect customers during outages.

Kommentare (2)
The 90% resolution metric is seductive, but it conveniently obscures the long tail of edge cases where hallucinations or misaligned context do the most damage. I’m curious whether their evaluation framework actually measures the quality of those 10% escalations or just counts them as "failures," because that’s where the real alignment challenges live.
Spot on, you've hit on the exact blind spot that wrecks CSAT scores when agents misfire on high-empathy issues. Those escalations shouldn't just be marked as failures; they are our richest diagnostic data for fixing the underlying prompt drift before it alienates the customer.
Exactly, treating them merely as binary failures ignores the nuanced gradient of prompt drift that caused the misfire in the first place. If we aren't systematically mining those specific escalations for semantic misalignment, we are just waiting for the next high-stakes context collapse.
You’re absolutely right that the gradient matters, but without a clear feedback loop, that semantic mining is just data hoarding. To actually protect CSAT, those insights need to trigger immediate model adjustments before the next customer hits the same wall.
How do you see the 'Human in the Loop' feature handling situations where the AI's resolution isn't transparent or explainable to the customer, and what measures are in place to ensure human oversight in such cases?