Co to jest chatbot i jak wykorzystać go w obsłudze klienta i sprzedaży?

Chatbot to program umożliwiający użytkownikowi prowadzenie rozmowy z systemem za pomocą tekstu lub głosu. Może odpowiadać na proste pytania, pomagać znaleźć informacje, prowadzić użytkownika przez określony proces, zbierać dane, kwalifikować leady albo wykonywać działania w innych systemach. W najprostszej wersji działa według przygotowanego wcześniej scenariusza. Bardziej zaawansowany chatbot może wykorzystywać sztuczną inteligencję, rozumieć swobodnie formułowane pytania i generować odpowiedzi na podstawie określonej wiedzy.

Sam fakt dodania na stronę okna rozmowy nie oznacza jednak, że firma posiada inteligentnego asystenta. Chatbot może być świetnym elementem automatyzacji, ale może również stać się kolejnym irytującym popupem, który nie rozumie użytkownika, podaje nieaktualne informacje i za wszelką cenę uniemożliwia kontakt z człowiekiem. O jego wartości nie decyduje więc to, czy wykorzystuje AI. Decyduje to, czy rzeczywiście rozwiązuje konkretny problem.

Co to jest chatbot?

Chatbot jest interfejsem konwersacyjnym. Zamiast przechodzić przez menu, formularze i kolejne podstrony, użytkownik może napisać: „Czy ten produkt jest dostępny?” „Ile kosztuje dostawa?” „Potrzebuję rozwiązania dla firmy zatrudniającej 20 osób.” „Gdzie jest moje zamówienie?” System analizuje wiadomość i na jej podstawie wybiera lub generuje odpowiedź. To właśnie forma rozmowy odróżnia chatbota od klasycznej wyszukiwarki albo formularza. Użytkownik nie musi wiedzieć, w której zakładce znajduje się potrzebna informacja. Opisuje problem swoim językiem. Chatbot powinien następnie przełożyć tę wypowiedź na coś, co system potrafi obsłużyć.

Jak działa chatbot?

Sposób działania zależy od jego konstrukcji. Najprostszy chatbot może posiadać kilka przycisków i z góry określone ścieżki. Użytkownik wybiera:

• status zamówienia,
• dostawa,
• zwrot,
• kontakt z obsługą.

Po wybraniu opcji system pokazuje kolejne pytanie albo gotową odpowiedź. Bardziej zaawansowane rozwiązanie analizuje tekst wpisany przez użytkownika. Jeszcze bardziej rozbudowany chatbot wykorzystuje model językowy i może tworzyć odpowiedzi dynamicznie. Na końcu nadal jednak musi istnieć logika biznesowa. System powinien wiedzieć:

• z jakich informacji może korzystać,
• którym źródłom ufać,
• jakie działania wolno mu wykonać,
• jak identyfikować użytkownika,
• których danych nie wolno ujawniać,
• kiedy przerwać automatyczną rozmowę,
• kiedy przekazać sprawę człowiekowi.

Właśnie dlatego dobry chatbot jest znacznie bardziej projektem procesowym niż samym „dodaniem AI na stronę”.

Jakie są rodzaje chatbotów?

Pod jedną nazwą kryją się rozwiązania o bardzo różnym poziomie zaawansowania.

Chatbot oparty na regułach

Najprostszy model działa według scenariusza. Jeżeli użytkownik wybierze A, system pokazuje B. Jeżeli wybierze B, przechodzi do C. Może to przypominać interaktywne menu. Taki chatbot nie musi posiadać żadnej sztucznej inteligencji. Jego zaletą jest przewidywalność. Jeżeli przygotuję pięć możliwych ścieżek, dokładnie wiem, dokąd może trafić użytkownik. To dobrze sprawdza się przy bardzo prostych procesach, takich jak:

• wybór działu,
• odnalezienie kontaktu,
• odpowiedzi na podstawowe pytania,
• wstępne zebranie danych,
• przekierowanie do odpowiedniej podstrony.

Problem zaczyna się wtedy, gdy użytkownik chce zapytać o coś, czego scenariusz nie przewidział.

Chatbot rozpoznający intencje

Kolejny poziom polega na rozpoznaniu, czego użytkownik chce. Może on napisać: „Gdzie jest moja paczka?” „Nie dostałem zamówienia.” „Kiedy przyjedzie kurier?” Choć zdania są różne, wszystkie mogą zostać przypisane do podobnej intencji związanej ze statusem dostawy. System nie musi więc otrzymać dokładnie takiego słowa, jakie wcześniej wpisał administrator. Musi rozpoznać znaczenie wypowiedzi.

Chatbot wykorzystujący generatywną AI

Chatbot oparty na modelu językowym potrafi analizować znacznie bardziej swobodne wypowiedzi i sam tworzyć odpowiedzi. Użytkownik może opisać problem w kilku zdaniach, dodać kontekst i zadawać kolejne pytania wynikające z wcześniejszej rozmowy. To daje znacznie bardziej naturalne doświadczenie. Jednocześnie pojawia się zupełnie nowa grupa ryzyk. Model może wygenerować odpowiedź, która brzmi przekonująco, ale jest nieprawdziwa. Może źle zinterpretować dane. Może próbować odpowiedzieć na pytanie, na które powinien powiedzieć: „Nie wiem”. Dlatego wykorzystanie generatywnej AI wymaga kontroli źródeł, zakresu odpowiedzialności i sposobu reagowania na niepewność.

Chatbot hybrydowy

W wielu zastosowaniach najlepszym rozwiązaniem jest połączenie kilku metod. Rozmowa może być swobodna, ale kluczowe operacje pozostają kontrolowane przez konkretną logikę. Chatbot może na przykład zrozumieć: „Chcę sprawdzić, co dzieje się z moim zamówieniem”. Następnie zamiast wymyślać odpowiedź uruchamia określony proces:

1. prosi użytkownika o identyfikację,
2. pobiera numer zamówienia,
3. odpytuje system sklepu przez API,
4. otrzymuje rzeczywisty status,
5. przekłada go na zrozumiałą odpowiedź.

AI odpowiada wtedy za rozmowę. System biznesowy odpowiada za fakty. To bardzo ważne rozdzielenie.

Czym chatbot różni się od live chatu?

Live chat jest kanałem komunikacji z człowiekiem. Użytkownik otwiera okno rozmowy, ale po drugiej stronie znajduje się pracownik firmy. Chatbot prowadzi przynajmniej część rozmowy automatycznie. Oba rozwiązania mogą działać razem. Chatbot może obsłużyć początek rozmowy:

• zapytać o temat,
• zebrać numer zamówienia,
• sprawdzić podstawowe informacje,
• ustalić język użytkownika.

Jeżeli potrafi rozwiązać problem, kończy rozmowę. Jeżeli nie, przekazuje całą zebraną historię konsultantowi. To jest znacznie lepszy model niż zmuszanie użytkownika do ponownego tłumaczenia problemu po przełączeniu na człowieka.

Czym chatbot różni się od asystenta AI?

Granica nie jest sztywna. Określenie chatbot opisuje przede wszystkim sposób komunikacji: rozmowę. Asystent AI sugeruje zwykle szerszy zakres możliwości. Może nie tylko odpowiadać, ale również:

• analizować dane,
• wykonywać zadania,
• korzystać z narzędzi,
• tworzyć dokumenty,
• pobierać informacje z systemów,
• uruchamiać procesy.

Asystent może więc posiadać interfejs chatbota, ale sam chatbot nie musi być pełnym asystentem. W praktyce ważniejsza od nazwy jest odpowiedź na pytanie: co system może rzeczywiście zrobić poza napisaniem odpowiedzi?

Czy chatbot musi wykorzystywać sztuczną inteligencję?

Nie. I czasami wręcz nie powinien. Jeżeli proces jest prosty, zamknięty i posiada kilka możliwych ścieżek, klasyczna logika może być bardziej niezawodna. Przykład: „Chcesz fakturę?” Tak / Nie. Nie potrzebuję modelu językowego do obsługi dwóch odpowiedzi. AI zaczyna mieć większą wartość wtedy, gdy użytkownik może wyrazić tę samą potrzebę na wiele sposobów albo gdy liczba możliwych pytań jest duża. Nie dodaję sztucznej inteligencji do procesu tylko dlatego, że jest dostępna. Najpierw określam problem. Dopiero później dobieram technologię.

Do czego chatbot może służyć w firmie?

Zakres zastosowań jest bardzo szeroki. Najczęściej chatboty wykorzystuje się w:

• obsłudze klienta,
• sprzedaży,
• e-commerce,
• pozyskiwaniu leadów,
• wsparciu pracowników,
• rezerwacjach,
• pomocy technicznej,
• wewnętrznych bazach wiedzy.

Nie każdy z tych przypadków wymaga jednak tego samego systemu. Chatbot odpowiadający na godziny otwarcia jest zupełnie innym projektem niż asystent mający dostęp do zamówień, CRM-u i stanów magazynowych.

Chatbot w obsłudze klienta

Obsługa klienta jest najbardziej oczywistym zastosowaniem. Duża część zapytań powtarza się. Klienci pytają:

• ile trwa dostawa,
• jak zwrócić produkt,
• czy można zmienić zamówienie,
• gdzie znajduje się paczka,
• jak działa gwarancja,
• jak skontaktować się z konkretnym działem.

Jeżeli odpowiedź jest zawsze podobna, automatyzacja może zdjąć część pracy z zespołu. Ale tylko pod warunkiem, że użytkownik otrzymuje odpowiedź szybciej niż bez chatbota. System, który po pięciu pytaniach wyświetla: „Skontaktuj się z obsługą klienta”, nie usprawnił procesu. Dodał pięć kroków przed właściwym kontaktem.

Chatbot w e-commerce

W sklepie internetowym chatbot może działać znacznie szerzej niż zwykłe FAQ. Może pomagać przy wyborze produktu. Użytkownik może napisać: „Potrzebuję ekspresu automatycznego do biura dla około 15 osób. Nie chcę modelu wymagającego codziennego skomplikowanego czyszczenia.” Dobry system może wykorzystać rzeczywiste dane produktowe:

• parametry,
• ceny,
• dostępność,
• kategorię,
• cechy produktów.

Na tej podstawie może zawęzić wybór. To już nie jest tylko chatbot informacyjny. Staje się konwersacyjnym interfejsem katalogu produktów.

Chatbot nie powinien wymyślać parametrów produktu

To szczególnie ważne. Jeżeli system odpowiada na pytania o produkty, powinien korzystać z wiarygodnego źródła danych. Nie może „pamiętać”, że konkretny model ma 1800 W mocy, jeżeli informacja nie pochodzi z aktualnego katalogu. Cena również nie powinna pochodzić z wiedzy modelu. Powinna zostać pobrana ze sklepu. Podobnie:

• stan magazynowy,
• czas dostawy,
• wariant,
• promocja,
• koszt wysyłki.

Dane dynamiczne powinny pochodzić z systemu, który nimi zarządza.

Chatbot jako wyszukiwarka produktów

Klasyczne filtrowanie wymaga zrozumienia struktury sklepu. Użytkownik musi wiedzieć, czy interesująca go cecha znajduje się w filtrze „materiał”, „typ”, „zastosowanie” czy „technologia”. Rozmowa pozwala zacząć od potrzeby. „Szukam lekkiej kurtki na jesienne bieganie w deszczu do 500 zł.” System może przetłumaczyć to na:

• kategoria: kurtki biegowe,
• sezon: jesień,
• ochrona: deszcz,
• cecha: niska masa,
• cena maksymalna: 500 zł.

To bardzo ciekawe zastosowanie chatbota, ponieważ nie zastępuje katalogu. Tworzy dodatkową drogę korzystania z niego.

Chatbot a sprzedaż

W usługach chatbot może pełnić rolę pierwszego etapu kwalifikacji zapytania. Zamiast formularza: Imię E-mail Telefon Wiadomość system może przeprowadzić krótką rozmowę. Może zapytać:

• czego firma potrzebuje,
• jaki problem chce rozwiązać,
• jakiego systemu obecnie używa,
• jaki jest przewidywany termin,
• czy projekt posiada już określony budżet.

Na końcu tworzy uporządkowany lead i przekazuje go dalej. To może być znacznie bardziej wartościowe niż formularz zawierający wiadomość: „Proszę o ofertę”.

Chatbot a CRM

Jeżeli chatbot pozyskuje informacje sprzedażowe, naturalnym kolejnym krokiem jest przekazanie ich do CRM-u. Rozmowa może utworzyć kontakt, dopisać źródło, temat zainteresowania i najważniejsze informacje. Przykład: użytkownik szuka systemu B2B. Chatbot ustala, że firma:

• ma 25 handlowców,
• obsługuje około 600 klientów,
• potrzebuje indywidualnych cenników,
• korzysta z ERP,
• chce wdrożenia w ciągu czterech miesięcy.

Handlowiec nie otrzymuje wtedy anonimowego: „Dzień dobry, proszę o kontakt”. Otrzymuje kontekst rozmowy. To skraca pierwszy etap sprzedaży.

Chatbot a lead scoring

Informacje z rozmowy mogą również wspierać ocenę potencjalnego klienta. Nie chodzi o to, aby chatbot sam arbitralnie decydował: „dobry klient” albo „zły klient”. Może natomiast przekazać dane do istniejącego procesu kwalifikacji. Firma może przykładowo uznać, że znaczenie mają:

• wielkość organizacji,
• rodzaj potrzeby,
• termin realizacji,
• dopasowanie do oferowanych usług.

Na tej podstawie system może nadać priorytet rozmowie. W połączeniu z marketing automation kontakt niewymagający natychmiastowej rozmowy handlowej może również trafić do dalszego procesu edukacyjnego.

Czy chatbot może wykonywać działania?

Tak. I właśnie wtedy możliwości robią się naprawdę ciekawe. Chatbot nie musi kończyć na odpowiedzi tekstowej. Może wywołać określoną funkcję albo komunikować się z innym systemem przez API. Może na przykład:

• sprawdzić status zamówienia,
• utworzyć zgłoszenie,
• zarezerwować termin,
• utworzyć lead w CRM,
• wyszukać produkt,
• sprawdzić dostępność,
• przesłać dokument,
• uruchomić proces reklamacji,
• przekazać sprawę do właściwego działu.

To moment, w którym chatbot zaczyna być częścią prawdziwej automatyzacji procesu.

Chatbot a API

API pozwala chatbotowi rozmawiać nie tylko z człowiekiem, ale również z systemami. Użytkownik pyta: „Gdzie jest zamówienie 12345?” Chatbot nie powinien mieć zapisanej na stałe odpowiedzi. Powinien pobrać aktualne dane. Może wysłać zapytanie do systemu zamówień. System odpowiada: zamówienie spakowane, numer przesyłki XYZ, odbiór przez kuriera zaplanowany na dzisiaj. Chatbot zamienia te dane na normalne zdanie. Dzięki temu rozmowa jest naturalna, ale informacja pozostaje prawdziwa.

Chatbot a webhook

Nie każda integracja musi działać wyłącznie poprzez ciągłe odpytywanie systemu. Webhook pozwala przekazać informację wtedy, gdy wydarzy się konkretne zdarzenie. Przykładowo system zgłoszeń może poinformować inny komponent: „konsultant odpowiedział”. Albo: „zamówienie zmieniło status”. Takie mechanizmy pozwalają budować chatboty, które nie tylko reagują na pytania, ale uczestniczą w większym przepływie danych.

Chatbot wewnętrzny dla pracowników

Chatbot nie musi być widoczny dla klientów. Może działać wewnątrz organizacji. Pracownik może pytać: „Jak wygląda procedura reklamacji?” „Jaki jest aktualny cennik usługi X?” „Gdzie znajduje się formularz urlopowy?” „Jak skonfigurować konto nowego pracownika?” System może przeszukiwać wewnętrzną bazę wiedzy i podawać właściwą informację. To szczególnie przydatne w firmach, w których wiedza jest rozproszona pomiędzy:

• dokumentami,
• instrukcjami,
• plikami,
• wiki,
• systemami firmowymi.

Najważniejsze jest jednak prawidłowe zarządzanie dostępem. Pracownik działu sprzedaży nie powinien automatycznie otrzymywać dostępu do każdego dokumentu finansowego tylko dlatego, że chatbot technicznie potrafi go znaleźć.

Skąd chatbot AI bierze wiedzę?

To jedno z najważniejszych pytań. Model językowy posiada własną wiedzę wynikającą z procesu treningu, ale w chatbotach firmowych zwykle nie powinno się traktować jej jako źródła prawdy o przedsiębiorstwie. Model nie zna aktualnego:

• cennika,
• regulaminu,
• stanu magazynu,
• procedur,
• oferty,
• zamówień klientów.

Te informacje powinny pochodzić z kontrolowanych źródeł.

Baza wiedzy

Jednym z podejść jest przygotowanie bazy dokumentów. Mogą znajdować się w niej:

• instrukcje,
• FAQ,
• regulaminy,
• opisy usług,
• dokumentacja produktów.

Gdy użytkownik zadaje pytanie, system wyszukuje fragmenty związane z tematem i przekazuje je modelowi jako kontekst. Model tworzy odpowiedź na podstawie znalezionych materiałów. Nie oznacza to jednak, że można wrzucić do jednego folderu tysiąc przypadkowych plików i uznać projekt za zakończony. Jakość źródeł bezpośrednio wpływa na jakość odpowiedzi.

Co to jest RAG w chatbotach?

W kontekście chatbotów AI często pojawia się skrót RAG, czyli Retrieval-Augmented Generation. W uproszczeniu oznacza on połączenie wyszukiwania informacji z generowaniem odpowiedzi. Najpierw system szuka właściwych danych. Dopiero później model tworzy odpowiedź na ich podstawie. Schemat może wyglądać tak:

1. użytkownik zadaje pytanie,
2. system wyszukuje odpowiednie fragmenty wiedzy,
3. fragmenty są przekazywane do modelu,
4. model buduje odpowiedź,
5. użytkownik otrzymuje wynik.

Takie podejście znacząco zwiększa kontrolę nad źródłem informacji. Nie eliminuje jednak wszystkich błędów. Jeżeli system znajdzie niewłaściwy dokument, model może poprawnie odpowiedzieć na podstawie niewłaściwych danych.

Dlaczego chatbot AI może się mylić?

Model językowy nie działa jak tradycyjna baza danych. Generuje najbardziej prawdopodobną odpowiedź na podstawie dostępnego kontekstu. To powoduje ryzyko halucynacji, czyli tworzenia informacji, które brzmią wiarygodnie, ale nie mają oparcia w danych. Przykład: użytkownik pyta o termin zwrotu. Chatbot nie znajduje informacji w bazie. Zamiast powiedzieć: „Nie mam wystarczających danych”, generuje typowy dla sklepów termin 14 dni. Jeżeli rzeczywista sytuacja jest bardziej skomplikowana, firma właśnie otrzymała bardzo elegancko napisaną błędną odpowiedź. Dlatego dobry chatbot musi potrafić nie wiedzieć.

„Nie wiem” jest prawidłową odpowiedzią chatbota

To jedna z najważniejszych zasad. System nie musi odpowiadać na każde pytanie. Powinien rozpoznawać sytuacje, w których:

• brakuje danych,
• źródła są sprzeczne,
• pytanie wykracza poza jego zakres,
• sprawa wymaga decyzji człowieka,
• odpowiedź może mieć poważne konsekwencje.

W takim przypadku właściwym zachowaniem jest przekazanie rozmowy dalej. Chatbot, który przyznaje, że czegoś nie wie, jest znacznie bardziej użyteczny niż chatbot, który zawsze znajduje odpowiedź.

Kiedy chatbot powinien przekazać rozmowę człowiekowi?

Nie tylko wtedy, gdy użytkownik wpisze: „chcę rozmawiać z człowiekiem”. Przekazanie powinno nastąpić również wtedy, gdy system wykryje określone sytuacje. Przykładowo:

• kilkukrotnie nie rozumie pytania,
• użytkownik zgłasza reklamację wymagającą indywidualnej decyzji,
• rozmowa dotyczy niestandardowej wyceny,
• brakuje danych potrzebnych do odpowiedzi,
• klient jest wyraźnie niezadowolony,
• sprawa wymaga dostępu, którego chatbot nie posiada.

Escalation path powinien być częścią projektu od początku. Nie awaryjnym dodatkiem wdrażanym dopiero po skargach użytkowników.

Czy chatbot powinien udawać człowieka?

Nie widzę w tym wartości. Użytkownik powinien wiedzieć, że rozmawia z automatycznym systemem. Nie trzeba zaczynać rozmowy od technicznego wykładu o modelu językowym. Wystarczy jasny komunikat. Na przykład: „Jestem automatycznym asystentem. Mogę pomóc sprawdzić zamówienie, znaleźć informacje lub przekazać rozmowę do zespołu.” Uczciwe określenie roli systemu buduje właściwe oczekiwania. Ukrywanie automatyzacji może natomiast szybko podważyć zaufanie, kiedy chatbot popełni typowy dla systemu błąd.

Chatbot a dane osobowe

Rozmowa może zawierać dane klientów. Adres e-mail. Numer telefonu. Numer zamówienia. Dane firmy. Opis reklamacji. Czasami również informacje znacznie bardziej wrażliwe. Dlatego przed wdrożeniem trzeba określić:

• jakie dane chatbot może zbierać,
• gdzie są przechowywane,
• kto ma do nich dostęp,
• jak długo są przechowywane,
• do jakich zewnętrznych systemów są przesyłane.

Nie powinno się wysyłać całej historii klienta do każdego narzędzia tylko dlatego, że technicznie można to zrobić. Minimalizacja danych jest tutaj bardzo praktyczną zasadą.

Chatbot a bezpieczeństwo

Im więcej system może zrobić, tym ważniejsze staje się bezpieczeństwo. Chatbot, który tylko odpowiada na publiczne pytania z FAQ, ma stosunkowo niewielki zakres uprawnień. System, który może:

• odczytać zamówienie,
• zmienić dane,
• utworzyć zwrot,
• wysłać dokument,
• uruchomić proces finansowy,

jest już interfejsem do infrastruktury firmy. Nie można traktować go jak dekoracyjnego widgetu. Każde działanie powinno mieć odpowiedni poziom autoryzacji.

Użytkownik musi zostać prawidłowo zidentyfikowany

To, że ktoś zna numer zamówienia, nie zawsze oznacza, że powinien otrzymać wszystkie informacje na jego temat. System może wymagać dodatkowego potwierdzenia. Zakres weryfikacji zależy od ryzyka. Inaczej podchodzę do pytania: „Czy wysyłacie paczki do Niemiec?” a inaczej do: „Zmień adres dostawy mojego zamówienia”. Druga operacja wpływa na rzeczywiste dane i powinna posiadać znacznie mocniejsze zabezpieczenia.

Chatbot a automatyzacja procesów

Największa wartość zaczyna się wtedy, gdy rozmowa nie jest osobnym światem. Chatbot może stać się punktem wejścia do całej automatyzacji procesu. Klient zgłasza problem. System:

1. rozpoznaje rodzaj sprawy,
2. zbiera potrzebne dane,
3. sprawdza informacje w systemie,
4. tworzy zgłoszenie,
5. przypisuje je do właściwego zespołu,
6. wysyła potwierdzenie,
7. zapisuje historię w CRM.

Wtedy chatbot nie jest już „botem na stronie”. Jest interfejsem procesu biznesowego.

Chatbot w marketing automation

Rozmowa może być również jednym ze źródeł danych o zainteresowaniu użytkownika. Jeżeli odwiedzający pyta o konkretną usługę, może to być sygnał podobny do:

• odwiedzenia określonej podstrony,
• pobrania materiału,
• kliknięcia konkretnego CTA.

Po uzyskaniu odpowiednich zgód i identyfikacji kontaktu informacja może zasilić system marketing automation. Nie chodzi jednak o to, aby po jednym pytaniu użytkownik otrzymał dziesięć wiadomości sprzedażowych. Informacja powinna poprawiać dopasowanie komunikacji. Nie zwiększać jej agresywność.

Chatbot a dostępność 24/7

Często reklamuje się chatboty hasłem: „Obsługa klienta 24 godziny na dobę”. To prawda tylko częściowo. Chatbot może odpowiadać przez całą dobę. Nie oznacza to, że przez całą dobę jest w stanie rozwiązać każdą sprawę. Jeżeli proces wymaga:

• zgody pracownika,
• ręcznej weryfikacji,
• kontaktu z kurierem,
• decyzji działu finansowego,

automatyzacja nie zmieni godzin pracy tych zespołów. Może natomiast zebrać informacje i przygotować sprawę tak, aby pracownik rano nie zaczynał od zera.

Czy chatbot zmniejsza koszty obsługi?

Może. Ale nie automatycznie. Jeżeli system obsługuje tysiące powtarzalnych pytań, oszczędność czasu może być bardzo duża. Jeżeli firma otrzymuje pięć zapytań tygodniowo i każde jest zupełnie inne, zaawansowany chatbot może kosztować więcej niż problem, który miał rozwiązać. Trzeba więc policzyć:

• liczbę rozmów,
• rodzaj pytań,
• powtarzalność,
• czas obsługi,
• koszt błędnej odpowiedzi,
• potencjał automatyzacji.

Techniczna możliwość wdrożenia chatbota nie jest jeszcze argumentem biznesowym.

Jak mierzyć skuteczność chatbota?

Liczba rozpoczętych rozmów mówi niewiele. Dużo rozmów może oznaczać sukces. Może również oznaczać, że użytkownicy nie potrafią znaleźć informacji na stronie. Znacznie ciekawsze są wskaźniki opisujące rezultat. Można mierzyć między innymi:

• odsetek spraw rozwiązanych bez udziału człowieka,
• liczbę rozmów przekazanych do konsultanta,
• powody przekazania,
• czas do uzyskania odpowiedzi,
• liczbę pozyskanych leadów,
• liczbę zakończonych procesów,
• konwersję rozmów,
• ocenę użytkownika,
• liczbę błędnych odpowiedzi.

W przypadku sprzedaży końcowym celem nie powinno być: „chatbot miał 5000 rozmów”. Bardziej wartościowe pytanie brzmi: co wydarzyło się po tych rozmowach?

Chatbot może ujawnić problemy strony

Historia rozmów jest bardzo ciekawym źródłem wiedzy. Jeżeli setki osób pytają: „ile kosztuje dostawa?”, możliwe, że problemem nie jest brak odpowiedzi chatbota. Problemem może być to, że koszt dostawy jest źle pokazany na stronie. Jeżeli użytkownicy ciągle pytają o ten sam parametr produktu, być może trzeba poprawić kartę produktu. Dobry chatbot nie powinien więc służyć wyłącznie do maskowania problemów UX. Powinien pomagać je wykrywać.

Najczęstsze błędy przy wdrażaniu chatbota

Chatbot bez konkretnego celu

Firma chce „mieć AI”, więc instaluje chatbota. Nikt nie określił, jaki problem ma rozwiązać. System istnieje, ale nie wiadomo, jak ocenić jego skuteczność.

Odpowiadanie na wszystko

Chatbot próbuje udzielać odpowiedzi nawet wtedy, gdy nie posiada danych. Powstają halucynacje i błędne informacje.

Brak aktualnego źródła wiedzy

Regulamin został zmieniony. Cennik został zmieniony. Oferta została zmieniona. Chatbot nadal odpowiada na podstawie starych materiałów.

Brak drogi do człowieka

Użytkownik utknął. Bot nie rozumie problemu. Nie ma przycisku ani komendy pozwalającej przejść do obsługi. To jeden z najszybszych sposobów na stworzenie bardzo nowoczesnego systemu do irytowania klientów.

Zmuszanie użytkownika do rozmowy

Chatbot nie powinien zastępować całej nawigacji strony. Jeżeli ktoś chce po prostu przeczytać cennik, nie powinien być zmuszany do prowadzenia dialogu. Rozmowa jest dodatkowym interfejsem. Nie zawsze najlepszym.

Brak integracji

Chatbot potrafi odpowiadać, ale nie może sprawdzić żadnych rzeczywistych danych. Użytkownik pyta o zamówienie. System odpowiada instrukcją: „Status możesz sprawdzić po zalogowaniu”. Technicznie udzielił odpowiedzi. Praktycznie niewiele zrobił.

Nadanie zbyt dużych uprawnień

W drugą stronę również można przesadzić. Chatbot nie powinien otrzymywać pełnego dostępu administracyjnego tylko dlatego, że łatwiej skonfigurować integrację. Każdy komponent powinien mieć minimalne uprawnienia potrzebne do wykonania swojego zadania.

Brak logów

Jeżeli system wykonał błędną operację, trzeba móc sprawdzić:

• co napisał użytkownik,
• jak system zinterpretował polecenie,
• jakich danych użył,
• jakie działanie uruchomił,
• jaki wynik otrzymał.

Bez logów diagnozowanie automatyzacji zamienia się w zgadywanie.

Czy gotowy chatbot SaaS wystarczy?

Czasami tak. Jeżeli potrzebuję prostego:

• FAQ,
• formularza konwersacyjnego,
• live chatu z podstawową automatyzacją,

gotowe rozwiązanie może być najbardziej ekonomiczne. Nie każda firma potrzebuje własnego silnika. Problem zaczyna się wtedy, gdy chatbot ma korzystać z nietypowych danych albo wykonywać działania w kilku systemach. Wtedy najważniejszą częścią projektu przestaje być sam interfejs rozmowy. Stają się nią integracje i logika.

Kiedy potrzebny jest chatbot dedykowany?

Rozwiązanie dedykowane zaczyna mieć sens, gdy proces jest specyficzny dla firmy. Przykładowo chatbot ma:

• łączyć dane z kilku źródeł,
• uwzględniać indywidualne uprawnienia,
• obsługiwać własne zasady biznesowe,
• wykonywać operacje w systemie firmowym,
• korzystać z prywatnej bazy wiedzy,
• posiadać własny panel kontroli.

Wtedy gotowy widget może być tylko fragmentem rozwiązania. Całość zaczyna przypominać dedykowany system operacyjny dla procesu firmy z konwersacyjnym interfejsem.

Jak zaprojektować dobrego chatbota?

Nie zaczynam od modelu AI. Zaczynam od rozmów. Najpierw sprawdzam, o co użytkownicy rzeczywiście pytają. Nie to, o co wydaje nam się, że będą pytać. Źródłem mogą być:

• maile,
• rozmowy telefoniczne,
• tickety,
• live chat,
• wyszukiwarka na stronie,
• pytania handlowców.

Następnie grupuję potrzeby. Dla każdej określam: co chatbot może zrobić? Skąd weźmie dane? Czy potrzebna jest identyfikacja? Co stanie się, jeżeli nie zna odpowiedzi? Kiedy dołącza człowiek? Dopiero później wybieram technologię.

Najpierw jeden proces, potem cały świat

Nie budowałbym od razu chatbota mającego „obsługiwać wszystko”. Znacznie bezpieczniej zacząć od konkretnego zakresu. Na przykład: status zamówienia. Jeżeli system poprawnie:

• rozpoznaje pytanie,
• identyfikuje klienta,
• pobiera dane,
• udziela odpowiedzi,
• obsługuje błędy,

można dodać kolejne procesy. Zwroty. Reklamacje. Dobór produktów. Sprzedaż. Tak powstaje system, który można kontrolować. Nie demonstracja technologii składająca obietnicę obsługi wszystkiego.

Kiedy chatbot nie ma sensu?

Jeżeli firma ma bardzo mało zapytań, a każde wymaga indywidualnej wiedzy eksperta, chatbot może nie przynieść wystarczającej wartości. Nie jest również dobrym rozwiązaniem problemu: „nasza strona jest tak skomplikowana, że nikt niczego nie może znaleźć”. Najpierw warto wtedy poprawić stronę. Chatbot może pomagać użytkownikowi. Nie powinien być protezą złej informacji i chaotycznej architektury.

Chatbot nie zastępuje dobrej obsługi klienta

Może przejąć powtarzalne czynności. Może działać natychmiast. Może zebrać dane. Może rozwiązać prosty problem. Ale nadal będą sytuacje wymagające człowieka. Zwłaszcza wtedy, gdy klient:

• jest niezadowolony,
• ma nietypowy przypadek,
• potrzebuje negocjacji,
• oczekuje decyzji,
• nie mieści się w przygotowanym procesie.

Dobra automatyzacja nie próbuje wyeliminować człowieka ze wszystkich rozmów. Eliminuje z jego pracy te rozmowy, w których obecność człowieka nie wnosi dodatkowej wartości.

Jak podchodzę do chatbotów w DIGIKROM?

Nie zaczynam od pytania: „Jaki model AI podłączyć?” Zaczynam od procesu. Co użytkownik chce zrobić? Jakie dane są do tego potrzebne? Gdzie obecnie znajdują się te dane? Który system jest ich źródłem prawdy? Co można wykonać automatycznie? Gdzie potrzebna jest decyzja człowieka? Dopiero później wybieram sposób prowadzenia rozmowy i technologię. Czasami najlepszym rozwiązaniem będzie prosty chatbot scenariuszowy. Czasami asystent AI korzystający z bazy wiedzy. Czasami system połączony z CRM-em, sklepem, API i wewnętrzną logiką firmy. A czasami po analizie okaże się, że chatbot w ogóle nie jest potrzebny i znacznie więcej da poprawienie formularza albo istniejącego procesu. W automatyzacjach DIGIKROM interesuje mnie nie liczba użytych technologii, ale ilość ręcznej pracy i tarcia, które można realnie usunąć. Chatbot ma sens dokładnie wtedy, gdy rozmowa jest najlepszym sposobem uruchomienia takiego procesu. Nie wtedy, gdy firma po prostu chce mieć na stronie coś, co mówi, że jest AI.