Sztuczna inteligencja miała być odpowiedzią na wiele wyzwań związanych z doświadczeniem klienta. Miała skrócić czas obsługi, odciążyć konsultantów, poprawić personalizację i sprawić, że klienci szybciej otrzymają pomoc.
Tak się dzieje, ale nie wszędzie.
Są organizacje, które dzięki AI poprawiają wskaźniki satysfakcji i skracają czas obsługi o kilkadziesiąt procent. Są też takie, które po kilku miesiącach dochodzą do wniosku, że technologia nie spełniła oczekiwań.
O powodzeniu takich projektów w większym stopniu decyduje jakość danych niż wybór modelu AI czy dostawcy rozwiązania.
AI jest tak dobra, jak informacje, które otrzymuje
Jeszcze kilka lat temu wiele firm wierzyło, że wdrożenie nowego CRM-u rozwiąże problemy związane z obsługą klientów. Dziś podobne oczekiwania często towarzyszą sztucznej inteligencji.
Tymczasem AI nie tworzy wiedzy o kliencie. Korzysta z informacji, które organizacja już posiada. Jeżeli dane są niekompletne, rozproszone lub niespójne, technologia będzie działała dokładnie na takim obrazie rzeczywistości.
Dobrym przykładem jest sytuacja, którą zna niemal każdy klient. Rozpoczyna rozmowę z chatbotem, później dzwoni na infolinię, a następnie kontaktuje się z opiekunem. Za każdym razem musi od początku opowiadać swoją historię. Przyczyną jest brak wspólnej historii klienta dostępnej we wszystkich kanałach kontaktu.
Według raportu Zendesk CX Trends 2026 aż 74% konsumentów nadal irytuje konieczność wielokrotnego przekazywania tych samych informacji podczas kontaktu z firmą. AI może ten problem wyeliminować, ale tylko wtedy, gdy wszystkie kanały kontaktu korzystają z tych samych danych.
Samo wdrożenie AI może pogłębić istniejące problemy
To jeden z mniej oczywistych wniosków.
- Jeżeli organizacja nie uporządkuje danych przed wdrożeniem AI, technologia może przyspieszyć dokładnie te problemy, z którymi miała walczyć.
- Jeżeli baza wiedzy zawiera nieaktualne informacje, AI będzie udzielała błędnych odpowiedzi szybciej niż konsultant.
- Jeżeli informacje o kliencie znajdują się w kilku systemach, chatbot nie przekaże ich pracownikowi, który przejmie sprawę.
- Jeżeli różne działy korzystają z odmiennych danych, klient może usłyszeć kilka różnych odpowiedzi na to samo pytanie.
Sztuczna inteligencja nie tworzy tych problemów. Po prostu działa na tym samym fundamencie, z którego od lat korzysta organizacja.
Firmy, które osiągają najlepsze wyniki, zaczynają od uporządkowania danych
Dobrym przykładem jest globalny producent komputerów, który chciał skrócić czas obsługi zgłoszeń. Problemem nie była liczba konsultantów ani jakość ich pracy. Firma dysponowała ogromną bazą wiedzy o produktach, ale znalezienie właściwej informacji zajmowało zbyt dużo czasu.
Zamiast zastępować konsultantów AI, wykorzystano ją do wspierania ich podczas rozmów z klientami. System analizował zgłoszenie, przeszukiwał bazę wiedzy i podpowiadał najbardziej prawdopodobne rozwiązania. Jeżeli pierwsza odpowiedź nie rozwiązywała problemu, AI automatycznie wyszukiwała kolejne możliwości.
Efekty pilotażu były bardzo konkretne. Średni czas obsługi skrócił się o 58%, liczba spraw rozwiązanych przy pierwszym kontakcie wzrosła o 55%, a NPS i CSAT poprawiły się o 18%. (Źródło: Michael Hutchison, How to Make AI Work for Your CX Challenges, CustomerThink.)
Wyniki nie były efektem wyłącznie zastosowania AI. Równie ważne okazało się uporządkowanie firmowej bazy wiedzy, z której korzystał system.
Podobny problem miała firma świadcząca usługi podatkowe. Chciała wykorzystać AI do lepszego dopasowania ofert i zwiększenia sprzedaży wśród obecnych klientów. Brzmiało to jak typowy projekt związany z personalizacją. Szybko okazało się jednak, że organizacja nie ma jednej bazy wiedzy o klientach. Informacje znajdowały się w dwudziestu różnych systemach. Każdy zawierał inny fragment historii klienta, a połączenie ich w całość było praktycznie niemożliwe.
Dopiero po zintegrowaniu danych, ich ujednoliceniu i uporządkowaniu firma mogła wykorzystać AI do segmentacji klientów oraz przygotowywania trafniejszych rekomendacji. Efektem był 12-procentowy wzrost wartości klientów w najbardziej perspektywicznym segmencie oraz 30-procentowa redukcja wydatków marketingowych. (Źródło: Michael Hutchison, How to Make AI Work for Your CX Challenges, CustomerThink.)
Oba przykłady pokazują podobny mechanizm. AI nie naprawiła procesów. Nie uporządkowała danych i nie zintegrowała systemów. Zrobiły to organizacje jeszcze przed wdrożeniem sztucznej inteligencji.
Dlaczego dane są dziś ważniejsze niż kolejne funkcje AI?
Większość dyskusji o sztucznej inteligencji koncentruje się na możliwościach modeli językowych. Który jest szybszy? Który lepiej odpowiada klientom? Który łatwiej zintegrować z obecnymi systemami?
To ważne pytania, ale znacznie większy wpływ na efekty wdrożenia ma to, czy AI korzysta z wiarygodnych informacji.
- Jeżeli historia klienta jest zapisana w kilku miejscach, sztuczna inteligencja nie będzie wiedziała, że wszystkie dotyczą tej samej osoby.
- Jeżeli procedury są nieaktualne, będzie korzystać z nieaktualnej wiedzy.
- Jeżeli różne działy inaczej opisują ten sam proces, AI nie rozstrzygnie, która wersja jest prawidłowa.
W praktyce oznacza to, że jakość odpowiedzi generowanych przez AI zależy nie tylko od modelu, ale przede wszystkim od jakości środowiska, w którym został wdrożony.
Od czego zacząć przygotowanie organizacji?
Zanim rozpocznie się kolejny projekt związany ze sztuczną inteligencją, warto wykonać znacznie mniej spektakularną pracę.
Najpierw trzeba odpowiedzieć na kilka podstawowych pytań: Czy wiadomo, gdzie znajdują się wszystkie dane o klientach? Czy informacje swobodnie przepływają między systemami? Czy konsultant, chatbot i handlowiec korzystają z tej samej historii klienta? I wreszcie: czy organizacja ufa własnym danym na tyle, aby podejmować na ich podstawie decyzje?
To od mapowania danych i zrozumienia ich przepływu powinny zaczynać się projekty AI. Dopiero wtedy można ocenić, które luki trzeba uzupełnić przed wdrożeniem nowych narzędzi.
W praktyce oznacza to również przyjrzenie się sposobowi zarządzania wiedzą o klientach. Dane nie aktualizują się same. Nie poprawiają swojej jakości. Nie eliminują niespójności. Nadal odpowiadają za to ludzie oraz procesy funkcjonujące w organizacji.
AI jest elementem większej układanki
Presja związana z wdrażaniem sztucznej inteligencji jest dziś ogromna. Trudno znaleźć organizację, która nie prowadzi projektów CX związanych z AI lub przynajmniej ich nie planuje. To dobry kierunek, o ile technologia rozwiązuje rzeczywiste problemy klientów i pracowników. Jeżeli jednak organizacja potraktuje AI jako sposób na ominięcie problemów z jakością danych, integracją systemów czy przepływem informacji, efekty prawdopodobnie okażą się krótkotrwałe.
Sztuczna inteligencja potrafi przyspieszyć analizę informacji, wesprzeć konsultanta podczas rozmowy czy pomóc klientowi znaleźć odpowiedź na pytanie. Nadal jednak korzysta z wiedzy, którą dostarcza jej organizacja.
Uporządkowane dane, spójna wiedza o klientach i dobrze opisane procesy zwiększają szanse, że AI przyniesie oczekiwane rezultaty. Dopiero na takim fundamencie wybór modelu czy dostawcy technologii zaczyna mieć realne znaczenie.
Inspiracją do artykułu był wpis: https://customerthink.com/how-to-make-ai-work-for-your-cx-challenges/