Firma otrzymuje kilkanaście zapytań dziennie. Część dotyczy zakresu usług, część terminów, a kilka wymaga wyceny lub wyjaśnienia nietypowej sytuacji. Pracownik za każdym razem czyta całą korespondencję i szuka tych samych informacji. Przy większym obciążeniu odpowiedzi się opóźniają.
AI w obsłudze klienta może pomóc w porządkowaniu wiadomości, przygotowywaniu podsumowań i projektów odpowiedzi. Warunkiem jest aktualna wiedza, jasno określony zakres działania i sprawne przekazywanie trudnych spraw człowiekowi. Najlepszy punkt startu często znajduje się wewnątrz procesu obsługi, zanim firma zdecyduje się na automatyczne odpowiadanie klientom.
AI w obsłudze klienta to więcej niż chatbot
Chatbot jest widocznym elementem kontaktu, ale wiele zastosowań AI może działać w tle. Klient nadal pisze zwykłą wiadomość, a system pomaga pracownikowi ją opracować.
Przydatne zastosowania obejmują rozpoznanie tematu zgłoszenia, zebranie najważniejszych pytań, przygotowanie krótkiego podsumowania wcześniejszej korespondencji i zaproponowanie odpowiedzi na podstawie zatwierdzonych informacji. Ich skuteczność trzeba sprawdzić na przykładach odpowiadających rzeczywistym sprawom firmy.
Nie wszystkie elementy obsługi wymagają AI. Numer zgłoszenia, przypomnienie o terminie czy przypisanie sprawy na podstawie wybranej kategorii mogą działać według stałych reguł. Rozdzielenie tych funkcji ułatwia ustalenie przyczyny błędu i ogranicza zależność od modelu językowego.
Co warto usprawnić w pierwszej kolejności?
Najpierw przyjrzyj się pracy wykonywanej pomiędzy otrzymaniem wiadomości a udzieleniem odpowiedzi. To tam często pojawia się szukanie informacji i ręczne przekazywanie spraw.
Klasyfikowanie zapytań
AI może proponować kategorię: nowe zapytanie, pytanie o realizację, prośba o zmianę terminu czy reklamacja. Kategorie powinny wynikać z organizacji pracy. Jeśli nikt nie ma przypisanej odpowiedzialności za daną grupę spraw, sama etykieta nie poprawi obsługi.
Wiadomość może dotyczyć kilku tematów jednocześnie. Dlatego system powinien dopuszczać kategorię „wymaga oceny” zamiast wymuszać jednoznaczny wybór w każdej sytuacji.
Przygotowywanie projektów odpowiedzi
AI może zaproponować strukturę wiadomości, wyjaśnić zatwierdzony zakres usługi i wskazać brakujące informacje. Pracownik sprawdza, czy odpowiedź odnosi się do wszystkich pytań oraz czy nie zawiera nieuzgodnionych cen lub deklaracji.
Warto oddzielić pola pobierane z firmowego rejestru od tekstu generowanego przez model. Cenę, dostępność i termin lepiej odczytywać z właściwego źródła niż pozwalać AI na ich swobodne uzupełnianie.
Podsumowania i przekazywanie spraw
Przy przekazaniu zgłoszenia innej osobie system może przygotować podsumowanie: czego oczekuje klient, co zostało już ustalone i jakie pytanie pozostaje otwarte. Pracownik powinien mieć dostęp do oryginalnej wiadomości, aby zweryfikować skrót.
Przypomnienia o braku odpowiedzi i przekroczeniu terminu mogą działać automatycznie. Potrzebny jest jednak właściciel sprawy oraz zastępstwo na czas jego nieobecności.
Przykładowy proces od formularza do odpowiedzi
Poniższy przykład jest hipotetyczny i dotyczy firmy świadczącej usługi dla przedsiębiorców. Pokazuje, jak można zorganizować obsługę zapytania.
Etap pierwszy: zapis zgłoszenia
Formularz zapisuje zgłoszenie i nadaje mu identyfikator. System sprawdza wymagane pola oraz możliwy duplikat.
Etap drugi: potwierdzenie odbioru
Klient otrzymuje potwierdzenie odbioru. Wiadomość nie zawiera obietnicy dostępności ani akceptacji zamówienia.
Etap trzeci: rozpoznanie tematu
AI proponuje kategorię i podsumowanie. Sprawy niejednoznaczne trafiają do ręcznej oceny.
Etap czwarty: przygotowanie odpowiedzi
System pobiera zatwierdzone informacje o usłudze. Jeśli brakuje podstaw do odpowiedzi, wskazuje tę lukę zamiast tworzyć brakujące ustalenia.
Etap piąty: kontrola pracownika
Pracownik sprawdza projekt, uzupełnia indywidualne ustalenia i zatwierdza wysyłkę.
Etap szósty: aktualizacja CRM
Odpowiedź i status zostają zapisane w CRM. W razie braku dalszego działania system przypomina o sprawie odpowiedzialnej osobie.
Po pilotażu firma może ocenić, czy część prostych odpowiedzi nadaje się do automatycznej wysyłki. Taka decyzja powinna dotyczyć jasno określonej kategorii, a nie całej skrzynki. Konieczne pozostają kontrola wyników i możliwość zatrzymania automatyzacji.
Baza wiedzy: na czym AI ma opierać odpowiedź?
Baza wiedzy powinna zawierać zaakceptowane informacje: zakres usług, warunki współpracy, sposób zgłaszania spraw i aktualne odpowiedzi na powtarzalne pytania. Każdy materiał potrzebuje właściciela oraz daty aktualizacji.
Archiwalna oferta nie powinna być traktowana tak samo jak aktualna. Warto wskazać, które dokumenty są przeznaczone dla klienta, a które służą wyłącznie do pracy wewnętrznej. Samo podłączenie plików do systemu AI nie rozwiązuje problemu sprzecznych treści.
Korzystanie z zatwierdzonej bazy ogranicza część ryzyka, ale nie gwarantuje poprawności odpowiedzi. W systemach generatywnej AI trzeba uwzględnić ryzyko generowania błędnych informacji, nieuprawnionego ujawnienia danych oraz wykorzystania nieaktualnych materiałów.
Pięć ryzyk i sposoby ich ograniczenia
Projektując automatyzację zapytań klientów, trzeba określić reakcję na błędy, które mogą wpłynąć na odbiorcę.
Błędna odpowiedź
AI może przygotować przekonujący tekst z nieprawdziwym szczegółem. Ogranicz zakres zadań, wymagaj oparcia odpowiedzi na wskazanych materiałach i kontroluj informacje o cenach, terminach oraz zobowiązaniach. Brak informacji powinien kończyć się pytaniem do pracownika.
Nieaktualna oferta
Wyznacz osobę odpowiedzialną za aktualizację bazy. Po zmianie warunków usuń lub wyłącz nieaktualne materiały i sprawdź odpowiedzi na pytania, których zmiana dotyczy. Regularny przegląd jest potrzebny również wtedy, gdy narzędzie działa bez widocznych awarii.
Ujawnienie informacji
System nie powinien mieć dostępu do całej firmowej dokumentacji tylko dlatego, że jest to wygodne. Rozdziel dane klientów, ogranicz uprawnienia i sprawdź, co trafia do dostawcy narzędzia. Nie kopiuj do AI pełnej korespondencji, jeśli zadanie wymaga tylko jej fragmentu.
Przy danych osobowych trzeba uwzględnić między innymi cel przetwarzania, minimalizację danych, poufność i czas przechowywania. Są to podstawowe wymagania wynikające z RODO. Wybór narzędzia lub włączenie konkretnego ustawienia nie oznacza automatycznej zgodności całego procesu z przepisami.
Niewłaściwe rozpoznanie sprawy
Sprawdź zgłoszenia wielowątkowe, krótkie wiadomości i nietypowe sformułowania. Reklamacje oraz sprawy wymagające indywidualnej decyzji powinny mieć jasną ścieżkę przekazania. Deklarowana przez model pewność odpowiedzi nie zastępuje testów.
Brak przekazania trudnego pytania
Ustal, kto otrzymuje eskalację i po jakim czasie sprawa trafia do zastępstwa. Klient powinien móc poprosić o kontakt z człowiekiem. W razie awarii systemu zgłoszenie musi pozostać dostępne do obsługi ręcznej.
Jak oceniać jakość pilotażu?
Mierz czas pracy nad odpowiedzią, ale także poprawność i kompletność. Sprawdzaj, ile projektów wymaga istotnej zmiany, ile zapytań trafia do niewłaściwej osoby i czy firma terminowo obsługuje wyjątki.
Testy powinny obejmować pytania spoza oferty, nieaktualne informacje, brak danych, reklamacje i próbę uzyskania informacji o innym kliencie. Do pierwszych testów można przygotować przykłady syntetyczne, które nie ujawniają rzeczywistych danych.
Nie oceniaj rozwiązania wyłącznie po liczbie wygenerowanych wiadomości. Szybka odpowiedź, która wymaga sprostowania, może zwiększyć pracę zespołu. Istotny jest czas do poprawnego rozwiązania sprawy.
Najczęstsze pytania
Czy trzeba zaczynać od chatbota na stronie?
Nie. Wewnętrzne projekty odpowiedzi lub porządkowanie zgłoszeń pozwalają sprawdzić przydatność AI przy większej kontroli nad komunikacją.
Czy AI może przygotować indywidualną wycenę?
Może wspierać zebranie danych lub pracować na ustalonych regułach, ale nie powinno swobodnie ustalać ceny. Przy niestandardowym zakresie potrzebna jest decyzja uprawnionej osoby.
Kiedy pracownik powinien przejąć rozmowę?
Gdy brakuje informacji, sprawa jest nietypowa, klient kwestionuje odpowiedź lub potrzebna jest decyzja o zobowiązaniu firmy. Szczegółowe kryteria trzeba dopasować do branży i procesu.
Zacznij od analizy obsługi zapytań
AI w małej firmie może pomóc odzyskać czas potrzebny na czytanie i opracowywanie wiadomości. Efekt zależy od jakości informacji, organizacji odpowiedzialności i sposobu obsługi wyjątków.
Jeżeli chcesz ustalić, które etapy obsługi warto usprawnić, sprawdź zakres audytu procesów obsługi klienta. W formularzu kontaktowym opisz, skąd napływają zapytania i gdzie najczęściej pojawiają się opóźnienia. To punkt wyjścia do wyboru zakresu analizy.