Mesterséges intelligenciával működő telefonos ügyintézők: valós problémák és miért működik jobban az internetes megoldás

Két AI-recepciós van. Az egyik felveszi a telefont, és hangon válaszol. A másik egy weboldal csevegőjében ír. Ez a cikk az elsőről szól: milyen problémák merülnek fel, amikor a szolgáltatás telefonos ügyfélszolgálat formájában történik, és miért nem ezek a problémák jellemzőek a csevegőre. Minden adat mellé feltüntettük az azt alátámasztó tanulmányt és egy linket, amelyen keresztül megnyitható. Nincsenek kitalált számok, és egyetlen versenytárs vállalatot sem említünk.

Az emberek szeretnék elérni egy bizonyos személyt

A Gartner 2026 februárjában és márciusában 3 566 vállalati és lakossági ügyfelet kérdezett meg a generatív mesterséges intelligencia ügyfélszolgálati alkalmazásáról. A válaszadók 87%-a szerint, ha egy vállalat ilyen mesterséges intelligenciát használ, elengedhetetlen, hogy egy valódi emberhez lehessen fordulni. Ugyanakkor 50% szerint a ügyintézés egyszerűbb, ha a vállalat generatív mesterséges intelligenciát használ. Ez nem azt jelenti, hogy „nincs szükség a mesterséges intelligenciára”. Hanem azt, hogy az emberek elfogadják a segítséget, de nem fogadják el, ha a segítség akadályt jelent.

Azoktól, akik nem akarták használni a mesterséges intelligenciát, a Gartner azt kérdezte, mi késztetné őket arra, hogy meggondolják magukat. A leggyakoribb válasz az volt, hogy szükség esetén át tudnák adni az ügyet egy embernek. A Gartner ugyanebben a megjegyzésében hozzáteszi, hogy nem célszerű az AI-t minden esetben kötelező lépésként bevezetni: ha az ügyfélnek többször is sikertelenül kell próbálkoznia, mielőtt valakihez eljutna, akkor kevésbé valószínű, hogy újra használni fogja azt az eszközt. A generatív mesterséges intelligenciát használók 58%-a már felhasználta azt egy feladat elvégzésére, nem csupán egy válasz elolvasására. A vállalatoknál ez az arány 74%-ra emelkedik.

Gartner, 2026. augusztus: 3 566 ügyfél megkérdezése (2026. február és március)

A félelem nem új dolog: kapcsolatba lépni valakivel

A Gartner egy korábbi, 2023. decemberi, 5 728 ügyfél bevonásával készült felmérése már ugyanerre a következtetésre jutott. A válaszadók 64%-a inkább azt szeretné, ha a vállalatok nem alkalmaznának mesterséges intelligenciát az ügyfélszolgálatban. 53 % fontolóra venné a szolgáltatóváltást, ha tudná, hogy a vállalat mesterséges intelligenciát fog használni az ügyfélszolgálatban. Az elsődleges aggodalom az volt, hogy nehezebb lesz elérni egy élő embert. Ezt követte a foglalkoztatásra gyakorolt hatás, valamint az, hogy a mesterséges intelligencia helytelen választ adhat.

Gartner, 2024. július 9.: 5 728 ügyfél megkérdezése (2023. december)

Az, aki most hívott, az az, aki a legkevésbé szeretne egy hangalapú mesterséges intelligenciát

A Gartner „Four Data Findings to Inform Your Customer Experience Strategy” című dokumentumában az ügyfelek fele azt állította, hogy szívesen használna egy generatív mesterséges intelligencián alapuló digitális asszisztenst. A csatornánkénti bontásban azonban változik ez az arány. Azok közül, akik legutóbbi ügyintézésük során telefonon léptek kapcsolatba, csupán 35 % volt hajlandó ilyen asszisztenst használni. A Gartner ezt egy gyakorlati megfigyeléssel magyarázza: ha a hívás során már megoldódott a problémájuk egy emberrel való beszélgetés révén, akkor nincs okuk arra, hogy legközelebb időt pazaroljanak egy automatikus hangrendszerre. Ugyanez a dokumentum azt javasolja, hogy ne rejtsék el az embert: tegyék egyértelművé, hogy az asszisztens megoldhatja az ügyet, és ha nem, akkor továbbítsák azt.

Gartner: Négy adatbeli megállapítás, amely segít kialakítani az ügyfélélmény-stratégiáját (PDF)

A hangot félreértik, és ez felbosszant

Az Ofcom 2022 augusztusa és októbere között kvalitatív terepkutatás keretében vizsgálta az intelligens hangszórókat az Egyesült Királyságban: száz felhasználó vett részt a felmérésben, emellett interjúkat készítettek azokkal is, akik nem rendelkeztek ilyen készülékkel. Ez nem egy országos szintű felmérés. Ennek ellenére a jelentés egyértelműen rámutat: messze a leggyakoribb panasz az volt, hogy a készülék nem értette vagy nem hallotta meg, amit kértek tőle. Ismételni kellett a kérést, vagy másképp kellett fogalmazni, mert a készülék másra váltott, vagy figyelmen kívül hagyta a mondatot.

Ugyanebben a tanulmányban a résztvevők egy része arról számolt be, hogy egy regionális vagy nemzetközi akcentus – akár a sajátjuk, akár egy családtagjuké – miatt a készülék gyakrabban hibásodott meg. Néhány családtag már nem használta a készüléket, mert az nem értette meg őket. A készülék gyerekeknél, halkan beszélőknél, gyors beszéd esetén, távolról, illetve rövid parancs helyett beszélgető hangnemben is hibásan működött. Az Ofcom nyilvános összefoglalója egy mondatban fogalmazza meg: a többséget az frusztrálta, hogy a hangszóró nem reagált megfelelően a parancsokra, és ez leginkább azoknál volt észrevehető, akiknek kifejezett regionális akcentusa volt.

Ofcom, Okos hangszórókról szóló kutatás (PDF, terepkutatás: 2022. augusztus–október)

Ofcom, összefoglaló: Az intelligens hangszórók felhasználói számára ez a karácsony nem lesz magányos

A BBC Research & Development 2019-ben tett közzé egy online felmérést, amelyben 330 fő vett részt, akiket a blogjuk egyik bejegyzésén keresztül toboroztak. Nem egy ország véletlenszerű mintájáról van szó: több válasz érkezett a 25 és 54 év közötti korosztálytól, és a minta összetételét tekintve a BBC londoni és északnyugat-angliai munkatársai voltak túlsúlyban. Ezen korlátozások mellett a válaszadók egynegyede azt állította, hogy az asszisztens alig vagy egyáltalán nem értette meg őket. A válaszadók 38%-a az akcentust, 36%-a pedig a szobában uralkodó zajt okolta a hibákért. 55% szerint a technológia még nem elég fejlett, 58% pedig úgy vélte, hogy a hiba abból adódik, hogy nem tudják, milyen parancsot kell kimondani. Amikor az asszisztens nem ért meg valamit, a jelentés szerint ez frusztrációt, dühöt és további stresszt okoz. A panasz nem csak a hibára vonatkozott: a ismétlődő és kevéssé hasznos hibaüzenetekre is.

BBC Kutatás és Fejlesztés, Az intelligens hangszórók felhasználói élménye és a felhasználói érzelmek (PDF, 2019)

Ezen a csatornán egy telefonos AI-recepciós dolgozik. Meg kell hallgatnia egy mondatot – gyakran háttérzaj mellett –, és el kell döntenie, mikor fejezte be a beszélő a mondatot. A webes csevegő nem készít átiratot: azt olvassa, amit a látogató begépelt. Az akcentus és a helyiségben hallható zaj nem változtatja meg a betűket. Ez azonban nem teszi hibátlanná a csevegőt. Ha a beírás hibás, a válasz is hibás lesz. Kiküszöböli a hallásból adódó hibalehetőséget.

A válasz későn érkezik egy szóbeli beszélgetéshez

Az emberek közötti beszélgetés során a beszédsor általában azonnal sorra kerül. A SIGDIAL 2022 egyik cikke, a „When can I Speak?” összefoglalja a beszélt párbeszédrendszerek jelenlegi állapotát: a rendszer csak egy hosszú, 700–1000 milliszekundumig tartó csend után veszi át a szót, ezért a beszélgetés lassúnak és természetellenesnek tűnik. Ugyanez a cikk szerint az emberek általában körülbelül 200 milliszekundum alatt válaszolnak. Egy ilyen hosszú csend kivárása a szokásos módja annak, hogy ne szakítsuk félbe azt, aki még gondolkodik. Ez egyben olyan szünetet is teremt, amely egy telefonhívás során jól észrevehető.

SIGDIAL 2022: Mikor szólalhatok meg? A beszélt párbeszéd-ügynökök beszédkezdeményezési pontjainak előrejelzése

A SemDial konferencián bemutatott tanulmány a hangsegédekkel való valós beszélgetéseket mérte fel, nem pedig egy laboratóriumi kísérletet, ahol csak egyetlen parancsot adtak ki. A tanulmány hat háztartásban tíz, az asszisztenst először használó személy 1 077 beszélgetésváltását elemezte. A modell szerint az a személy beszédének befejezésétől az asszisztens beszédének megkezdéséig eltelt átlagos idő 1 366 milliszekundum volt, 30 milliszekundumos szórással. A szerzők ezt összehasonlítják az emberek közötti beszédváltásokkal, amelyek körülbelül 300 milliszekundumot tesznek ki, hivatkozva Levinsonra és Torreirára (2015), Stiversre és társaira (2009), valamint Heldnerre és Edlundra (2010). A minta kicsi, és ezek korai felhasználások: nem az összes országra, sem az összes termékre vonatkozó átlagról van szó. Ugyanakkor valódi beszélgetésekben többszörösen hosszabb várakozási időt mutat, mint egy emberi beszélgetés során, és mindezt anélkül, hogy a beszélő olyan kitöltő szavakat használna, amelyekkel jelezné, hogy válaszolni fog.

SemDial: Alexa, túl lassú vagy! (Barthel), műszakváltás hangsegédekkel

Egy csevegésben ez a várakozás senkinek sem szakítja meg a mondatát. A látogató ír, elküldi az üzenetet, és tovább böngészhet az oldalon. A válasz írásban marad. Nincs olyan, hogy egy hang késve érkezik, és beleszól a következő mondatba – ez egy másik hatás, amelyet a SemDial ugyanazon tanulmánya az ügyintézői párbeszédekben is leír. A Hostly nem ad meg garantált válaszidőt a modellre vonatkozóan: a csevegés várólistára kerül, és az idő a terheléstől függ. Ami viszont nincs, az a telefonhívás során tapasztalható csend, amíg a rendszer eldönti, hogy befejezted-e a beszédet.

Hurokhangok, szintetikus hang és az a kérdés, hogy van-e ott valaki

A Gartner 2026-os elemzése nem ad meg százalékos arányt a hurokba került hívásokra vonatkozóan. A mechanizmust írja le: ha az ügyfélnek többször is sikertelenül kell próbálkoznia a mesterséges intelligenciával, mielőtt élő emberhez jutna, akkor csökken annak az esélye, hogy az ügyfél újra használja az eszközt. Egy hívás során ez a hurok hallható. Ismételni kell, meg kell várni a menü következő kérdését, majd újra embert kell kérni. A csevegésben a beszélgetés írásban rögzül. A csapat megnyitja azt a panelen, és ugyanabba a beszélgetésbe írhat.

Az automatikus hívásnál válaszoló hang generált hang. Ez a cikk nem említi, hogy hány százalékos arányban tartják az emberek „robotikusnak”: a fenti források között nincs olyan felmérés, amely egyértelmű mintával mérné ezt a jelenséget. Ami viszont mérhető, az a BBC-jelentésben szereplő frusztráció, amikor a rendszer nem ért meg valamit, valamint az Ofcom panaszai, amikor az utasítást meg kell ismételni. A árnyalatokat nem ismerő hang és a hibás hangfelismerés egyazon percen belül együtt jelentkezik. Az interneten a válasz szöveges. Újra elolvasható. Nem kell kitalálni egy rosszul hangzó szót.

A Salesforce megbízta a YouGov-ot egy 15 015 fogyasztót érintő felmérés elvégzésével, amelyet 2024. július 16. és augusztus 16. között végeztek 18 országban, köztük Spanyolországban is. A válaszadók közel háromnegyede szerette volna tudni, hogy éppen egy mesterséges intelligencia (AI) ügynökkel beszél-e. A válaszadók 45%-a azt mondta, hogy gyakrabban használna mesterséges intelligencia által működtetett ügyintézőt, ha egyértelműen lehetőség lenne átkapcsolni egy emberhez. A fogyasztók csupán 30%-a lenne hajlandó egy ember helyett mesterséges intelligencia által működtetett ügyintézővel dolgozni a gyorsabb szolgáltatásért cserébe. A Salesforce ugyanebből a kutatásból származó PDF-jelentése a következőképpen fogalmaz: a válaszadók 72%-a fontosnak tartja, hogy tudja, mikor beszél egy mesterséges intelligencia ügynökkel. Az átláthatóság és a lehetőség, hogy emberhez fordulhasson, nem csupán díszítés. Ezeket kéri a minta.

Salesforce, „State of the AI Connected Customer” című felmérés, YouGov, 2024. július–augusztus

Salesforce, A hálózatba kapcsolt ügyfelek helyzete (PDF ugyanabból a kutatási sorozatból)

Miért nem örökli ezeket a hibákat egy webes AI-recepciós?

A Hostly a weboldal mesterséges intelligenciájú recepciósa, nem pedig a telefoné. A látogató a weboldalad csevegőjébe ír. Nincs hangfelismerés, nincs akcentus, nincs háttérzaj, és nem egy szintetikus hang válaszol. A válasz a vállalkozás által jóváhagyott információkat használja. Ha az adat hiányzik, azt mondja, hogy nem tudja. Nem talál ki árat, időpontot vagy szabad helyet. Ha a foglalás engedélyezve van, csak azokat az időpontokat kínálja fel, amelyeket a naptár visszaad.

A Hostly-n egy munkatárshoz való kapcsolás nem automatikus hívátirányítás. A csapat látja a beszélgetést a panelen, és átveszi az irányítást. Amíg egy munkatárs ír, a mesterséges intelligencia nem válaszol abban a beszélgetésben. A munkatárs hívása önmagában nem irányítja át a beszélgetést: ezt a panelen lévő személy végzi el. Ez a termék valódi korlátja, és jobb ezt elmondani, mint azt ígérni, hogy „kapcsolj valakihez”, amit a csevegő nem hajt végre önállóan. Amit viszont megakadályoz, az az, hogy valaki egyedül beszéljen egy menüvel: a szöveg megmarad, és egy munkatárs ugyanott folytathatja a beszélgetést.

A mesterséges intelligencia válaszol a weboldalad csevegőjében. A WhatsApp-gomb, ha aktiválod, megnyitja a vállalkozás WhatsApp-fiókját, és egy ember válaszol: a mesterséges intelligencia nem vesz részt ebben a beszélgetésben. A Hostly nem olvassa el ezt a WhatsApp-üzenetet, és nem is alkalmaz benne mesterséges intelligenciát. Aki a vállalkozásnak szeretne írni, és nem a weboldal csevegőjében, az használja ezt a gombot. Aki a weboldalon tartózkodik, az maradhat a csevegőben.

A belépési díj havi 29,90 €, áfával együtt. Ez az oldal nem állítja, hogy a csevegőfunkció csökkentené a lemondások számát, sem azt, hogy a Stripe-en keresztüli fizetéshez konkrét jutalék kapcsolódna: ez nem szerepel a fenti forrásokban, és a szövegben nem szerepel ilyen termékígéret sem. A fizetés – amennyiben a vállalkozás ezt bekapcsolja – a foglaláskor történik, akár előlegként, akár a teljes összeg kifizetéseként. A hitelkártya-tranzakció nem halad át a Hostly rendszeren.

Mit nem bizonyít ez a cikk

Ez nem bizonyítja, hogy minden telefonos AI-recepciós ugyanúgy meghibásodna. A tanulmányok a hangsegédeket, a hangszórókat és az ügyfélszolgálatban alkalmazott AI-vel kapcsolatos véleményeket mérik, nem pedig a termékek teljes körű felmérését. A SemDial mintája tíz főből áll. A BBC-é nem véletlenszerű. Az Ofcom hangszórókkal kapcsolatos felmérése kvalitatív jellegű. A Gartner és a Salesforce felmérései nagy léptékű, ügyfelek és fogyasztók körében végzett felmérések, nem pedig egy konkrét szám hallgatási tesztjei.

Azt sem bizonyítja, hogy egy csevegőrobot soha nem téved. Ha az adatlap elavult, a válasz is az lesz. Ha a vállalkozás kikapcsolja a mesterséges intelligenciát, senki sem válaszol, amíg be nem lép egy ember. Ha a látogatónak telefonhívásra van szüksége, a vállalkozás telefonszáma továbbra is a telefonszám marad: a Hostly nem helyettesíti azt. A csevegőprogram viszont elkerüli azokat a hibákat, amelyek kizárólag a szóbeli beszélgetésből adódnak.

A termékleírás – amely tartalmazza a telepítést, a nyelveket, a foglalásokat és az árat – az AI-recepciós.

Források

A termékadatlap a IA-recepciós.