AI w obsłudze klienta zawodzi nie przez technologię. Problem zaczyna się przy wdrożeniu

Gdy rozmowa z botem przestaje być prosta, klienci nadal wybierają opcję „połącz z konsultantem”. Według raportu Qualtrics CX Trends 2026, obsługa klienta należy do najgorzej ocenianych zastosowań AI pod względem użyteczności, wygody i oszczędności czasu. Problem nie musi jednak tkwić w samej technologii. Coraz częściej decyduje o nim sposób zaprojektowania i wdrożenia agenta AI.

Sztuczna inteligencja trafiła do obsługi klienta wyjątkowo szybko. To naturalny kierunek, ponieważ jest to obszar oparty na dialogu, a przy dużej liczbie zgłoszeń automatyzacja może przynosić wymierne oszczędności. Jednocześnie możliwości dzisiejszych agentów AI są zupełnie inne niż chatbotów sprzed kilku lat.

Tradycyjny chatbot działał według przygotowanych wcześniej scenariuszy i słów kluczowych. Gdy klient pisał: „kurier miał być wczoraj, nic nie przyszło, a w piątek wyjeżdżam”, system mógł rozpoznać jedynie słowo „kurier” i odesłać do informacji o dostawie. Agent AI może natomiast zrozumieć intencję całej wypowiedzi, sprawdzić status przesyłki, rozpoznać opóźnienie, zaproponować przekierowanie paczki do punktu odbioru i po akceptacji klienta wykonać tę operację w systemie. To podstawowa różnica: agent nie tylko odpowiada, ale może działać. Zmiana dotyczy również kanału głosowego. Nowoczesne modele potrafią prowadzić rozmowę po polsku z naturalnym tempem i intonacją, zamiast wymuszać wybór kolejnych opcji za pomocą klawiatury telefonu.

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

Rosnące możliwości AI nie oznaczają jednak, że każdy projekt zakończy się sukcesem. Gartner prognozuje, że do końca 2027 roku ponad 40% projektów opartych na agentach AI zostanie anulowanych. Wśród przyczyn wymienia rosnące koszty, trudności z wykazaniem wartości biznesowej oraz niewystarczającą kontrolę ryzyka. W praktyce o jakości obsługi decyduje nie tylko sam model językowy. Równie ważne są projektowanie procesów, integracja z systemami firmy, testowanie rzeczywistych przypadków oraz późniejsza optymalizacja agenta już 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” – mówi Maja Schaefer, CEO & Co-founder w Zowie.

To właśnie na tym etapie pojawia się jedna z największych różnic między projektami. Rynek agentów AI jest wciąż młody, a doświadczenie w prowadzeniu wielu wdrożeń produkcyjnych pozostaje ograniczone. Część firm próbuje budować rozwiązania własnymi siłami, inne korzystają z dostawców, którzy dopiero zdobywają doświadczenie.

Dobrym przykładem jest InPost, dla którego firma Zowie zaprojektowała agenta AI z myślą o wielojęzycznej obsłudze spraw związanych z przesyłkami. Kluczowe było tu nie samo wykorzystanie modelu językowego, ale sposób zaprojektowania całej interakcji, tak aby klient mógł załatwić sprawę, a nie tylko otrzymać odpowiedź.

Problemem bywa również przenoszenie starych schematów automatyzacji do nowej technologii. Jeśli agenta AI zaprojektuje się jak dawny chatbot, otrzymamy sztywne ścieżki, formularzową komunikację i ograniczony zakres działania. Model może mieć znacznie większe możliwości, ale użytkownik ich nie zobaczy. Dlatego samo stworzenie agenta jest dopiero początkiem projektu. O jego wartości decyduje integracja z architekturą IT, prawidłowe odwzorowanie procesów biznesowych, testy na rzeczywistych przypadkach oraz stałe doskonalenie rozwiązania.

Agent AI wymaga przygotowania i stałego nadzoru

Dzisiejszych agentów AI nie należy więc oceniać przez pryzmat doświadczeń z chatbotami sprzed dwóch czy trzech lat. Najlepsze wdrożenia prowadzą sprawę od pierwszej wiadomości aż do jej rozwiązania, wykorzystując systemy firmy i wykonując konkretne operacje. Po stronie organizacji oznacza to jednak konieczność zwrócenia uwagi nie tylko na możliwości modelu. Równie istotne jest doświadczenie dostawcy, liczba działających wdrożeń produkcyjnych oraz sposób rozwijania rozwiązania po jego uruchomieniu.

Firma powinna też odpowiednio przygotować się do wdrożenia i wcześniej określić, jakie sprawy agent ma obsługiwać oraz jak będzie mierzona 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” – podsumowuje Maja Schaefer.