Boty w obsłudze klienta nadal zawodzą – winna nie sztuczna inteligencja, a jej wdrożenie

Kiedy dialog z automatem komplikuje się choć trochę, użytkownicy i tak sięgają po opcję rozmowy z żywym człowiekiem. Z raportu Qualtrics CX Trends 2026 wynika, że obsługa klienta plasuje się wśród zastosowań AI ocenianych najsłabiej – zarówno pod kątem użyteczności, jak i wygody czy oszczędności czasu. Eksperci podkreślają jednak, że winowajcą rzadko jest sama technologia – znacznie częściej zawodzi projekt wdrożenia agenta AI.

Wejście sztucznej inteligencji do działów obsługi klienta przebiegło błyskawicznie. To zrozumiałe, bo mowa o obszarze zbudowanym na komunikacji, gdzie przy dużej skali zgłoszeń automatyzacja szybko przekłada się na realne oszczędności. Warto jednak zauważyć, że dzisiejsze agenty AI dzieli od chatbotów sprzed kilku lat przepaść możliwości.

Dawny chatbot pracował w oparciu o gotowe skrypty i rozpoznawanie słów kluczowych. Przykładowo, gdy klient napisał wiadomość w stylu: kurier miał dostarczyć paczkę wczoraj, nic nie dotarło, a on wyjeżdża w piątek – system wychwytywał jedynie fragment kurier i kierował go do ogólnej informacji o dostawach. Agent AI działa inaczej – rozumie sens całej wypowiedzi, weryfikuje status przesyłki, wykrywa opóźnienie, proponuje zmianę miejsca odbioru i po zgodzie klienta sam realizuje tę operację w systemie. Kluczowa różnica polega na tym, że taki agent nie ogranicza się do odpowiedzi, lecz podejmuje działanie. Podobna ewolucja dotyczy kanału głosowego – współczesne modele prowadzą rozmowę po polsku w naturalnym tempie i z odpowiednią intonacją, zamiast zmuszać dzwoniącego do wybierania opcji klawiszami telefonu.

Agent AI to nie tylko model. Liczy się integracja z firmą

Większe możliwości AI nie gwarantują jednak sukcesu każdego projektu. Według prognoz Gartnera do końca 2027 roku anulowanych zostanie ponad 40% inicjatyw opartych na agentach AI. Jako powody analitycy wskazują rosnące koszty, kłopoty z udowodnieniem wartości biznesowej oraz niedostateczną kontrolę nad ryzykiem. W praktyce jakość obsługi zależy nie tylko od samego modelu językowego – równie istotne są zaprojektowanie procesów, połączenie z systemami firmy, testy na realnych scenariuszach oraz dalsza optymalizacja agenta już po uruchomieniu w środowisku produkcyjnym.

Z naszych doświadczeń wynika, że model rzadko jest główną przyczyną problemów. Najczęściej zawodzi integracja z systemami firmy i źle zdefiniowany proces: agent bez dostępu do zamówień, płatności czy statusu reklamacji umie odpowiadać na pytania, ale nie zamknie sprawy, a klient oczekuje właśnie tego. Drugim częstym powodem jest brak osoby, która po stronie firmy odpowiada za agenta, czyli regularnie przegląda rozmowy, poprawia procedury i decyduje, które sprawy agent załatwia sam, a które przekazuje konsultantowi

Maja Schaefer, CEO & Co-founder, Zowie

Właśnie na tym etapie ujawnia się jedna z najistotniejszych różnic pomiędzy poszczególnymi wdrożeniami. Rynek agentów AI jest wciąż na wczesnym etapie rozwoju, a firm z doświadczeniem w wielu produkcyjnych projektach jest niewiele. Część organizacji próbuje budować takie rozwiązania samodzielnie, inne wybierają dostawców, którzy sami dopiero zbierają kompetencje.

Za dobry przykład może posłużyć InPost, dla którego Zowie zaprojektowało agenta AI obsługującego sprawy związane z przesyłkami w wielu językach. Decydujące znaczenie miało tu nie samo użycie modelu językowego, lecz sposób zaprojektowania całej interakcji tak, by klient mógł faktycznie rozwiązać swój problem, a nie tylko usłyszeć odpowiedź.

Częstym błędem bywa też kopiowanie starych schematów automatyzacji na nową technologię. Zaprojektowanie agenta AI na wzór dawnego chatbota skutkuje sztywnymi ścieżkami rozmowy, komunikacją przypominającą formularz i ograniczonym zakresem działania – nawet jeśli sam model ma znacznie większy potencjał, użytkownik go nie dostrzeże. Z tego względu stworzenie agenta to dopiero początek pracy nad projektem. O jego realnej wartości przesądzają: integracja z architekturą IT, poprawne odwzorowanie procesów biznesowych, testy oparte na rzeczywistych przypadkach oraz nieustanne udoskonalanie rozwiązania.

Agent AI wymaga przygotowania i stałego nadzoru

Obecnych agentów AI nie powinno się więc oceniać na podstawie doświadczeń z chatbotami sprzed dwóch czy trzech lat. Najlepiej działające wdrożenia prowadzą sprawę klienta od pierwszej wiadomości aż po jej finalne rozwiązanie, korzystając z systemów firmy i wykonując konkretne operacje. Dla organizacji oznacza to konieczność patrzenia szerzej niż tylko na możliwości samego modelu – liczy się także doświadczenie dostawcy, liczba wdrożeń działających już produkcyjnie oraz sposób rozwijania rozwiązania po jego starcie.

Przed uruchomieniem projektu firma powinna również dokładnie ustalić, jakie sprawy ma obsługiwać agent i w jaki sposób będzie oceniana jego skuteczność.

Firma powinna najpierw wiedzieć, z jakimi sprawami klienci zgłaszają się najczęściej i które z nich da się rozwiązać bez udziału człowieka, bo od tego zależy zwrot z wdrożenia. Przed podpisaniem umowy warto sprawdzić cztery rzeczy: czy dostawca pokaże agenta na danych i systemach firmy, czy agent wykonuje operacje według ustalonych reguł, czy każdą jego decyzję da się prześledzić i skontrolować oraz jak będzie mierzona skuteczność (np. odsetek spraw zamkniętych bez konsultanta). Warto też zapytać, kto u dostawcy odpowiada za wyniki po starcie, bo agent wymaga stałej opieki również po wdrożeniu. Brzmi to prosto, ale zdecydowanie nie jest takie przy wielkoskalowych wdrożeniach

Maja Schaefer, CEO & Co-founder, Zowie