Automatyzacja obsługi klienta: kiedy niższy koszt kontaktu oznacza wyższe koszty ogółem

Wdrożenie automatyzacji w obsłudze klienta zwykle od razu poprawia statystyki contact center - rozmowy trwają krócej, część zgłoszeń nigdy nie trafia do agenta, a zapotrzebowanie na pracę ludzi spada. Kłopot zaczyna się w momencie, gdy firma śledzi jedynie koszt samego kontaktu, nie sprawdzając, czy sprawa klienta została faktycznie zamknięta.

Niższy koszt kontaktu może oznaczać wyższy koszt obsługi

Logika stojąca za większością projektów automatyzacji CX jest prosta: skoro bot przejmuje część rozmów, koszt jednej interakcji spada, a przy dużej skali nawet drobna oszczędność zamienia się w istotną sumę.

Ten rachunek nie uwzględnia jednak tego, co dzieje się już po zakończeniu kontaktu. Klient, który nie dostał odpowiedzi, może spróbować innego kanału, zadzwonić na infolinię, złożyć reklamację lub w ogóle zrezygnować z usługi. Statystyki chatbota nie widzą już tego kontaktu, mimo że problem wciąż istnieje wewnątrz organizacji.

Z tego powodu sam wysoki odsetek rozmów zamkniętych bez udziału człowieka nie potwierdza jeszcze, że automatyzacja działa dobrze - mówi tylko, że klienta nie przekazano agentowi. Nie wiadomo, czy uzyskał odpowiedź, czy po prostu zniechęcił się i przerwał kontakt.

Firma Qualtrics podkreśla, że popularny wskaźnik containment rate nie odzwierciedla jakości obsługi - system może zatrzymać rozmowę w kanale automatycznym, jednocześnie nie rozumiejąc, o co właściwie chodzi klientowi. To poczucie, że sprawa została właściwie zrozumiana, ma największy wpływ na satysfakcję i dalszą lojalność.

Wynika z tego potrzeba zmiany podstawowej miary sukcesu. Miejsce kosztu kontaktu powinien zająć koszt trwałego zamknięcia sprawy - liczony razem z ponownymi zgłoszeniami, eskalacjami, korektami finansowymi, reklamacjami i utratą klientów.

AI realnie zwiększa produktywność, gdy wspiera pracowników

Ryzyka związane ze źle zaprojektowaną automatyzacją nie unieważniają jej potencjału ekonomicznego. Badanie przeprowadzone na grupie 5179 pracowników obsługi klienta pokazało, że dostęp do asystenta generatywnej AI zwiększył liczbę rozwiązanych spraw na godzinę o 14% średnio. W przypadku osób z krótszym stażem wzrost wyniósł nawet 34%, natomiast najbardziej doświadczeni agenci zyskali znacznie mniej.

Kluczowa konkluzja tego badania nie dotyczy jednak zastępowania ludzi maszynami. AI działa tu przede wszystkim jako mechanizm przyspieszający transfer wiedzy, którą wcześniej dysponowali tylko najbardziej doświadczeni pracownicy. Pomaga szybciej odnaleźć odpowiedź, wskazuje możliwy sposób rozwiązania problemu i skraca czas potrzebny na dokumentowanie rozmowy.

To właśnie w takich zastosowaniach zwrot z inwestycji jest najbardziej przewidywalny. Automatyzacja podsumowań, klasyfikacji zgłoszeń, wyszukiwania informacji i generowania odpowiedzi obniża koszty obsługi, nie odbierając klientowi dostępu do osoby odpowiedzialnej za finalny efekt.

Klarna podała, że między pierwszym kwartałem 2023 a pierwszym kwartałem 2025 koszt obsługi jednej transakcji spadł o 40%, przy zachowaniu deklarowanego poziomu satysfakcji klientów. Wcześniej spółka informowała również o skróceniu czasu rozwiązania sprawy z 11 minut do mniej niż dwóch minut oraz o spadku liczby ponownych zapytań o 25%. To dane własne firmy, ale dobrze ilustrują, że automatyzacja może jednocześnie obniżać koszty i poprawiać doświadczenie klienta, jeśli rzeczywiście prowadzi do zamknięcia sprawy.

Liczy się więc nie to, czy po drugiej stronie jest człowiek, czy AI, ale to, czy klient dostaje oczekiwany rezultat bez dodatkowego wysiłku.

Bot przestaje się opłacać, gdy zamienia się w bramkę

Klienci nie odrzucają automatyzacji z zasady, tylko dlatego, że po drugiej stronie stoi algorytm. Akceptują ją, kiedy dzięki niej dostają odpowiedź szybciej niż w tradycyjnym kanale. Frustracja pojawia się w momencie, gdy bot nie rozwiązuje sprawy, a jednocześnie utrudnia dostęp do człowieka.

Badacze nazywają to zjawisko „gatekeeper aversion”. Klient unika kanału, w którym najpierw musi przejść przez niedoskonały etap automatyczny, a potem - jeśli w ogóle trafi do eksperta - musi jeszcze raz opowiedzieć całą sytuację od początku. Niechęć rośnie wraz ze znaczeniem i ryzykiem danej sprawy, a zmniejsza się, gdy klient wcześniej otrzymuje jasną informację o możliwościach bota, przewidywanym czasie obsługi oraz szybkiej ścieżce do pracownika po nieudanej próbie.

Dla firmy oznacza to, że mechanizm eskalacji nie jest technicznym dodatkiem do chatbota, lecz elementem produktu, który wpływa bezpośrednio na ekonomikę całego procesu.

Dobrze zaprojektowane przekazanie rozmowy zawiera historię kontaktu, dane klienta, dotychczas podjęte kroki oraz powód, dla którego automat nie zamknął sprawy. Jeśli agent zaczyna rozmowę od pytania „w czym mogę pomóc?”, to znaczy, że wcześniejsza automatyzacja nie zaoszczędziła czasu, a tylko dodała kolejny etap.

Największe ryzyko powstaje, gdy zespołom stawia się cel maksymalizacji liczby rozmów zatrzymanych przez AI. System zaczyna wtedy optymalizować unikanie eskalacji, nawet jeśli przekazanie sprawy człowiekowi byłoby najlepszym rozwiązaniem dla klienta i dla firmy.

Mniej prostych spraw nie znaczy mniejsze potrzeby kompetencyjne

Automatyzacja zmienia również charakter pracy w contact center. Gdy AI przejmuje proste pytania, do agentów trafiają głównie wyjątki, reklamacje, konflikty, problemy finansowe oraz sytuacje nieprzewidziane w standardowej ścieżce obsługi.

Może to wydłużyć średni czas rozmowy prowadzonej przez człowieka, co nie musi oznaczać spadku produktywności - po prostu zmienia się struktura zgłoszeń.

Dane Gartnera wskazują, że redukcja zatrudnienia nie jest dziś głównym efektem takich wdrożeń - tylko 20% ankietowanych liderów obsługi zadeklarowało ograniczenie liczby agentów w związku z AI. W kwietniu 2026 roku 85% liderów wskazało z kolei, że rozszerza zakres odpowiedzialności pracowników, bo automatyzacja przesuwa ich pracę w stronę zadań o wyższej wartości.

Dla zarządu ważniejsze od liczby zredukowanych stanowisk staje się więc pytanie, czy organizacja lepiej wykorzystuje kompetencje ludzi. Agenci obsługujący trudniejsze przypadki potrzebują szerszych uprawnień, lepszego dostępu do danych i możliwości podejmowania decyzji, które wcześniej nie były powierzane automatom.

Oszczędność wynikająca z ograniczenia pierwszej linii kontaktu może szybko się rozpłynąć, jeśli pozostały zespół nie ma zasobów do obsługi wyjątków. Wtedy rosną kolejki, liczba reklamacji i czas potrzebny na rozwiązanie najbardziej wartościowych lub najbardziej ryzykownych spraw.

Autonomiczny agent to inny profil ryzyka

Chatbot ograniczony do odpowiadania na pytania może w najgorszym razie przekazać błędną informację. Agent AI podłączony do CRM, systemu płatności, zamówień i poczty może natomiast wykonać błędną operację.

To zmiana o innym charakterze. Taki system nie tylko wpływa na opinię klienta, ale może też zmienić dane, przyznać rabat, anulować usługę, uruchomić zwrot środków albo ujawnić informacje, które powinny być chronione.

Przykład Air Canada pokazał, że przedsiębiorstwo odpowiada za treści przekazane przez własnego chatbota. Kanadyjski trybunał uznał, że firma jest odpowiedzialna za błędną informację dotyczącą możliwości uzyskania zwrotu, nawet jeśli poprawne zasady były opisane w innym miejscu na stronie.

Dla biznesu wniosek jest jasny: odpowiedź wygenerowana przez model nie jest jakąś dodatkową, nieformalną sugestią technologii. W oczach klienta to komunikat pochodzący od firmy.

Wraz z podłączaniem AI do systemów wykonawczych rośnie też znaczenie cyberbezpieczeństwa. Według OWASP prompt injection może prowadzić między innymi do ujawnienia poufnych informacji, uzyskania nieautoryzowanego dostępu do funkcji systemu oraz wykonywania poleceń w połączonych systemach.

Poziom kontroli musi więc rosnąć razem z zakresem autonomii przyznanej systemowi. Dla prostego bota informacyjnego może wystarczyć aktualna baza wiedzy i monitorowanie generowanych odpowiedzi. Agent wykonujący konkretne działania wymaga już ograniczeń uprawnień, limitów wartości operacji, rejestru podjętych decyzji oraz zatwierdzania skutków trudnych do odwrócenia.

Od 2 sierpnia 2026 roku firmy działające na terenie UE będą objęte wynikającym z AI Act obowiązkiem informowania użytkownika, że prowadzi rozmowę bezpośrednio z systemem AI. Równocześnie wykorzystanie danych klientów do działania lub dalszego rozwijania modeli pozostaje regulowane przepisami RODO.

Transparentność w tym kontekście nie jest jedynie formalnym obowiązkiem. Klient podejmuje inne decyzje, gdy wie, że rozmawia z automatem, rozumie jego ograniczenia i widzi realną możliwość przejścia do rozmowy z człowiekiem.

Nie ma jednego uniwersalnego poziomu automatyzacji CX

Status zamówienia, kopia faktury czy zmiana prostych danych to zadania, które dobrze znoszą pełną automatyzację - są powtarzalne, oparte na jednoznacznych informacjach, a skutki ewentualnego błędu łatwo odwrócić.

Zupełnie inny profil mają spór finansowy, podejrzenie przejęcia konta, kradzież tożsamości czy wyjątek od zapisów umowy. Tutaj jeden błąd może kosztować więcej niż tysiące prawidłowo obsłużonych, prostych zgłoszeń.

Decyzja o zakresie automatyzacji nie powinna więc wynikać jedynie z wolumenu kontaktów. Równie istotne są konsekwencje ewentualnej pomyłki, jakość dostępnych danych, liczba wyjątków od standardowej ścieżki, wrażliwość przetwarzanych informacji oraz możliwość odwrócenia wykonanej operacji.

W tym modelu rola CIO wykracza daleko poza wybór platformy i modelu językowego. Odpowiada on za cały łańcuch: źródła wiedzy wykorzystywane przez system, integracje z innymi narzędziami, przyznane uprawnienia, rejestrowanie działań, testy po każdej zmianie oraz możliwość szybkiego wyłączenia automatyzacji, gdyby coś zaczęło działać niepoprawnie.

Zarząd potrzebuje z kolei wskaźników, które łączą oszczędność kosztową z realnym wynikiem po stronie klienta. Obok kosztu obsługi i udziału automatyzacji warto śledzić skuteczność rozwiązania sprawy przy pierwszym kontakcie, liczbę powrotów klientów z tym samym problemem, nieudane eskalacje, reklamacje, korekty finansowe oraz churn po interakcji z systemem.

Automatyzacja CX daje największą wartość nie wtedy, gdy eliminuje jak najwięcej rozmów z udziałem człowieka, ale wtedy, gdy usuwa jak najwięcej powodów, dla których klienci muszą wracać do firmy z tą samą sprawą.