ROI z AI w obsłudze klienta: ile kosztuje jedno rozwiązanie i co z tego wraca

Każde zestawienie najlepszych platform AI do obsługi klienta miesza pięć różnych produktów

Pierwsze, co psuje rachunek ROI, to pomylenie kategorii. W jednym rankingu narzędzi AI do obsługi klienta znajdziesz wyszukiwarkę bazy wiedzy, copilota podpowiadającego odpowiedzi konsultantowi, autonomicznego agenta zamykającego zgłoszenia, system głosowy na infolinię i asystenta zbudowanego na dokumentach konkretnej firmy. Te pięć rzeczy automatyzuje inną pracę, rozlicza się w innych jednostkach i psuje się na inne sposoby. Porównywanie ich w jednej tabeli to najprostsza droga do płacenia stawki za rozwiązanie produktowi, który niczego nie rozwiązuje.

Zanim więc jakakolwiek liczba trafi do arkusza, ustal, czego właściwie szukasz. Najuczciwszy sposób: wyciągnij zgłoszenia z ostatniego kwartału i posortuj je po tym, czego wymagało zamknięcie - linku do artykułu, sprawdzenia w innym systemie, decyzji człowieka albo zwrotu pieniędzy. Każda z tych czterech kategorii wskazuje inny wiersz poniżej.

Większość działów wsparcia potrzebuje dwóch pozycji, nie jednej: copilota dla ludzi i autonomicznego agenta do wąskiego pasma pytań mających jedną poprawną odpowiedź. To zestawienie jest nudne i to właśnie w nim arytmetyka zwykle wychodzi.

Rachunek ma trzy pozycje, a w cenniku stoi tylko jedna

Ceny z cennika to najłatwiejsza część. Intercom podaje 0,99 dolara za jeden outcome Fin, stanowiska po 29, 85 i 132 dolary miesięcznie zależnie od planu, plus minimalne zobowiązanie miesięczne, gdy Fin pracuje samodzielnie nad cudzym helpdeskiem. Zendesk wycenia Suite Team na 55, a Suite Professional na 115 dolarów za agenta miesięcznie przy płatności rocznej, a agentów AI rozlicza osobno za automated resolution - po 1,50 dolara, według własnego opisu wyceny opartej na wyniku. Sierra rozlicza się za uzgodniony wynik i deklaruje, że w większości przypadków nie ma opłaty, gdy sprawa zostaje eskalowana albo nierozwiązana, co jest jakościowo inną umową niż dwie poprzednie.

Zwróć uwagę, co dzieje się z cennikiem, gdy ten sam dostawca sprzedaje z jednego produktu i pozyskiwanie leadów, i obsługę klienta: definicje wyniku się zlewają, a złapany adres e-mail wyceniany jest obok rozwiązanej reklamacji rozliczeniowej. Jeśli tak wygląda oferta na twoim biurku, rozdziel ją. Te dwa zastosowania mają inny koszt pomyłki i należą do osobnych wierszy modelu.

Druga pozycja to integracja i to ona się rusza. Agent czytający tylko bazę wiedzy to weekend pracy. Agent, który potrafi powiedzieć klientowi, gdzie jest paczka, musi dosięgnąć systemu zamówień; ten, który wystawia zwrot, musi do niego pisać, ze śladem audytowym i drogą odwrotu. Rozłożyliśmy osobno ile naprawdę kosztuje zbudowanie agenta i dlaczego dwie wyceny tego samego różnią się pięciokrotnie, a obsługa klienta jest najczystszym przykładem tej reguły: model jest tani, hydraulika nie.

Trzecia pozycja to utrzymanie i ono się nie kończy. Ktoś musi trzymać treści w aktualności, przeglądać rozmowy, w których agent się pomylił, wycofywać procedury po zmianie regulaminu i testować po każdym wydaniu produktu. Zaplanuj to jako stałą część czyjegoś tygodnia, a nie projekt z datą końca. Kiedy słyszymy, że automatyzacja obsługi klienta po pół roku zaczęła się sypać, prawie zawsze chodzi o tę pozycję, której nikt nie obsadził.

Definicję rozwiązania pisze dostawca, a cisza zwykle się liczy

To ta część, która decyduje, czy stawka za rozwiązanie jest tania czy droga, i siedzi w dokumentacji, a nie na stronie z cennikiem. Zestawione obok siebie trzy definicje różnią się na tyle, żeby zmienić odpowiedź na pytanie, który dostawca wychodzi taniej akurat u ciebie.

Dokumentacja Zendesku mówi wprost, że rozwiązania liczy się per rozmowa, a oznaczone rozmowy weryfikuje dodatkowo model językowy. To więcej rzetelności, niż daje reszta rynku, i nadal nie odróżnia klienta, któremu pomogło, od klienta, który machnął ręką i zadzwonił do banku. Żadna metryka dostawcy tego nie odróżni. Dlatego jedyny containment wart zaufania to ten, który zmierzysz sam, na własnej definicji i z grupą kontrolną.

Wersja praktyczna: oznacz każdą rozmowę zamkniętą przez AI, a siódmego dnia sprawdź, czy ten sam klient założył nowe zgłoszenie w tej samej sprawie, czy odezwał się zamiast tego innym kanałem i czy zamówienie albo płatność, o którą pytał, faktycznie zmieniły stan. Rozwiązanie, które przechodzi wszystkie trzy testy, jest prawdziwe. Różnica między liczbą dostawcy a tą liczbą rzadko bywa mała, a jej domknięcie to największa pojedyncza korekta w całym rachunku ROI.

Co się psuje między udanym pilotem a trzecim miesiącem

Bot zjada tanie zgłoszenia, a średnia idzie w górę. Automatyzacja najpierw wchodzi w status zamówienia i reset hasła, czyli kontakty, które zespół zamyka w półtorej minuty. Zostają spory, przypadki brzegowe i wszyscy, którzy byli zdenerwowani, zanim jeszcze zaczęli pisać, więc średni czas obsługi reszty kolejki rośnie. Zespół, który prognozuje oszczędność jako containment razy uśredniony koszt zgłoszenia, liczy pieniądze, których tam nigdy nie było. Wyceń rozmowy przejęte przez AI po tym, ile naprawdę kosztowały.

Odpowiedź bez oparcia w źródle kosztuje więcej niż brak odpowiedzi. Model, który wygeneruje szczegół regulaminu z pamięci, zrobi to płynnie, konkretnie i błędnie, a w firmie regulowanej pewna siebie pomyłka o opłatach albo terminach płatności to zdarzenie compliance, nie spadek CSAT. Naprawa jest architektoniczna: pobieraj odpowiedź z własnych treści w momencie pytania, pokazuj źródło temu, kto ją przegląda, a gdy nic pobranego nie potwierdza tezy, niech system odmówi, zamiast obchodzić lukę własną inwencją. Opisaliśmy, jak zachowuje się retrieval, gdy baza wiedzy robi się naprawdę duża, a najważniejszy nawyk przenosi się jeden do jednego: każdą konkretną liczbę zweryfikuj względem fragmentu, z którego przyszła, zanim wyjdzie do klienta.

To, dokąd prowadzi eskalacja, jest decyzją produktową. Klarna jest tu najlepszym publicznym punktem odniesienia, bo obie połowy historii są udokumentowane. W lutym 2024 firma ogłosiła, że jej asystent AI obsłużył 2,3 miliona rozmów, czyli dwie trzecie czatów obsługi klienta, wykonując pracę odpowiadającą 700 pełnoetatowym konsultantom, skracając czas załatwienia sprawy z 11 minut do niecałych 2 i obniżając liczbę powtórnych zgłoszeń o 25%. W maju 2025 Klarna rekrutowała konsultantów z powrotem, a jej prezes mówił, że koszt był zbyt dominującym kryterium przy układaniu tej funkcji i że efektem była niższa jakość. Oba zdania mogą być prawdziwe naraz. Pierwsze to realny zysk na łatwej połowie wolumenu, drugie to opis tego, co się dzieje, gdy trudna połowa nie ma dokąd pójść.

Zysk z copilota jest realny i nierówno rozłożony. Najmocniejszym dowodem na AI wspierające konsultanta pozostaje badanie terenowe Brynjolfssona, Li i Raymonda na 5 179 agentach obsługi klienta, które zmierzyło 14% wzrost liczby spraw zamykanych na godzinę, przy około 34% u początkujących i praktycznie zerowym efekcie u najbardziej doświadczonych. To liczba z kontrolowanego badania i ułamek tego, co obiecują prezentacje sprzedażowe. Przestawia też cały biznes case: copilot jest głównie narzędziem wdrożeniowym i wyrównującym jakość, więc jego wartość rośnie z tempem rekrutacji i rotacji, a nie z wielkością zespołu.

Głos na żywo to inny problem inżynierski. AI w czasie rzeczywistym na infolinii to nie czat z mikrofonem. System musi pobrać stan konta, zdecydować i zacząć mówić, zanim pauza zrobi się niezręczna, co twardo ogranicza liczbę odpytań na turę i wypycha większość pobierania danych w stronę struktur i wstępnie rozgrzanych cache'y zamiast wyszukiwania semantycznego. Jeśli dostawca pokazuje głos na scenariuszu z kartki i nie chce pokazać rozkładu latencji przy zimnym cache, to nie widziałeś produktu.

Gotowy rachunek ROI, który policzysz na własnych liczbach jeszcze dziś

Model, którego byśmy użyli, wygląda tak, a dane w nim są przykładowe i do podmiany na własne. Ilustracyjne jest wszystko poza stawką 0,99 dolara za rozwiązanie, która jest publikowana i tu przeliczona przy przykładowym kursie 3,60 zł za dolara.

Zacznij od czterech wejść. Rozmowy miesięcznie: 8 000. Twój pełny koszt rozmowy obsłużonej przez człowieka, czyli całkowity miesięczny koszt zespołu wsparcia razem z narzędziami i zarządzaniem podzielony przez liczbę zamkniętych rozmów: 25 zł. Opłata dostawcy za rozwiązanie: 3,60 zł. Containment zmierzony na dwutygodniowym przebiegu równoległym: 35%.

Teraz nanieś poprawkę, którą prawie każdy model dostawcy pomija. Te 2 800 rozmów przejętych przez AI nie są rozmowami przeciętnymi, tylko twoimi najtańszymi. Załóż, że kosztują 60% średniej, czyli 15 zł zamiast 25 zł. Realnie uniknięty koszt to 2 800 x 15 zł = 42 000 zł, a nie 70 000 zł, które pokazuje naiwny rachunek.

Odejmij koszt działania systemu. Opłaty za rozwiązania: 2 800 x 3,60 zł = 10 080 zł. Utrzymanie treści i kontrola jakości, kilka godzin tygodniowo jednej osoby: 8 000 zł. Oszczędność netto miesięcznie: 42 000 - 10 080 - 8 000 = 23 920 zł. Przy przykładowym budżecie wdrożenia i integracji 90 000 zł zwrot wypada poniżej czterech miesięcy.

Wygląda dobrze. Powód, żeby ten model policzyć zamiast mu uwierzyć, widać dopiero wtedy, gdy containment się rusza.

Przy 20% to samo wdrożenie zwraca się w niecałe dziewięć miesięcy zamiast czterech, a każde obsunięcie na pozycji utrzymania kasuje wynik do zera. Tej wrażliwości nikt nie wpisuje do oferty i to jest powód, żeby containment mierzyć przed podpisem, a nie po. W B2B obraz przechyla się jeszcze mocniej: wolumeny są mniejsze, rozmowy dłuższe i bardziej specyficzne, a model za rozwiązanie potrafi przegrać z licencją na copilota na czystej arytmetyce. Policz obie kolumny.

Jest jeszcze jedna pozycja, której w Polsce pominąć się nie da. Artykuł 50 AI Actu wymaga poinformowania człowieka, że rozmawia z systemem AI, najpóźniej przy pierwszej interakcji, a obowiązki przejrzystości obowiązują od 2 sierpnia 2026. To widoczna linijka nad polem czatu, nie projekt, ale należy na listę kontrolną - rozpisaliśmy resztę tego, co wiąże system już działający na produkcji. Do tego dochodzi RODO: transkrypcje rozmów to dane osobowe, więc retencja, podstawa prawna i lokalizacja przetwarzania u dostawcy są pytaniem do umowy, nie do działu IT po wdrożeniu.

Osiem pytań, które warto zadać przed podpisem

1. Co dokładnie uruchamia opłatę? Weź definicję na piśmie, razem z tym, co się dzieje przy porzuceniu czatu, przy przekazaniu do człowieka i przy zgłoszeniu odnowionym następnego dnia.

2. Jaki containment wychodzi na moim miksie, a nie na waszej medianie? Poproś o przebieg równoległy na twoich prawdziwych rozmowach z ostatniego miesiąca, przed jakimkolwiek zobowiązaniem. Dostawca pewny produktu się zgodzi.

3. Które moje systemy agent czyta, a do których może pisać? Sam odczyt to tydzień pracy i niskie ryzyko. Zapis do rozliczeń albo do realizacji zamówień to już cały projekt, z bramką akceptacji na wszystkim, co rusza pieniądze.

4. Gdzie leżą treści z odpowiedziami i kto za nie odpowiada? Jeśli odpowiedź brzmi „w naszej bazie wiedzy”, zaplanuj jej przepisanie. Większość baz wiedzy jest pisana dla ludzi, którzy wybaczą niejednoznaczność, a retrieval nie wybaczy.

5. Co się dzieje, gdy agent nie wie? Poprawne zachowanie to szybka i oczywista droga do człowieka, z przeniesionym kontekstem. Wszystko, co zapętla albo każe klientowi powtarzać, kosztuje więcej niż zgłoszenie, które udało się odbić.

6. Pokażcie rozkład latencji, nie średnią. Zwłaszcza przy głosie. Średnia chowa ogon, a to ogon klient odbiera jako zepsuty system.

7. Jak wygląda wyjście? Gdzie leżą transkrypcje, procedury i materiały treningowe i czy da się je wyeksportować w używalnej formie? Procedury napisane w kreatorze dostawcy to koszt uwiązania, którego nie widać w porównaniu ofert.

8. Jaki jest plan na pierwszy miesiąc błędnych odpowiedzi? Będzie taki miesiąc. Kto przegląda, jak często i co jest drogą odwrotu, jeśli odpowiedź o regulaminie okaże się błędna na skalę?

Jeśli dostawca odpowie czysto na sześć z tych pytań, to dobry dostawca. Jeśli w odpowiedzi dostajesz procenty z case study, sprzedaje ci się liczbę deflekcji, a nie system. Większość wdrożeń, które rozplątujemy po fakcie, rozbija się o pytania 3, 4 i 5 zadane za późno.

Mechanika, która się broni, i najmniejsza rzecz warta zaczęcia

Nie sprzedajemy produktu do obsługi klienta i nie mamy wdrożenia w supporcie, na które moglibyśmy wskazać. Mamy natomiast trzy mechanizmy, z których taki system się składa, zbudowane i zmierzone na innych problemach - i stąd bierze się kształt powyższych rad.

Osadzenie w źródle: na bazie wiedzy z ponad 500 tysiącami ustrukturyzowanych rekordów każda liczbowa deklaracja jest weryfikowana względem źródłowego fragmentu, zanim odpowiedź wyjdzie, a deklaracja bez możliwego do pobrania źródła zostaje oznaczona jako niezweryfikowana, a nie wygładzona w płynne zdanie. Dokładnie tej dyscypliny potrzebuje agent supportowy przy terminach zwrotu i tabelach opłat. Integracja: przy asystencie zarządczym nad danymi uczelni trudny był nie model, tylko dosięgnięcie rekrutacji, frekwencji i danych kadrowych leżących w trzech systemach oraz odpowiadanie ze stanu bieżącego zamiast z zeszłomiesięcznego raportu, z człowiekiem zatwierdzającym wszystko, co przydziela komuś pracę. Czas rzeczywisty: przy agencie głosowym do wyścigów na żywo ograniczeniem była odpowiedź w niecałe dwie sekundy z 19 narzędzi telemetrii, i to tam nauczyliśmy się, że latencja głosu jest decyzją architektoniczną z pierwszego dnia, a nie strojeniem na końcu.

Najmniejszy sensowny pierwszy krok nic nie kosztuje i nie wymaga dostawcy. Weź rozmowy z zeszłego miesiąca, oznacz dziesięć najczęstszych intencji i przy każdej dopisz jeden system, z którego musi pochodzić poprawna odpowiedź. Intencje, przy których w tej kolumnie stoi „baza wiedzy”, da się zautomatyzować w tym kwartale. Intencje, przy których stoi nazwa systemu rozliczeniowego, to realny projekt. Intencje, przy których kolumna jest pusta, bo odpowiedź zależy od oceny sytuacji, zostaw ludziom na stałe.

To ćwiczenie zajmuje popołudnie i powie ci więcej niż dowolne porównanie platform. Jeśli wyjdzie z niego coś, na co chciałbyś drugą parę oczu, bezpłatny audyt jest otwarty i działa tak samo: patrzymy na twój miks zgłoszeń i mówimy, czego byśmy nie automatyzowali.

FAQ