Telefoniczne recepcjonistki oparte na sztucznej inteligencji: rzeczywiste problemy i dlaczego strona internetowa sprawdza się lepiej

Są dwie recepcjonistki oparte na sztucznej inteligencji. Jedna podnosi słuchawkę i odpowiada głosem. Druga pisze na czacie na stronie internetowej. Ten artykuł dotyczy tej pierwszej: jakie problemy pojawiają się, gdy obsługa odbywa się w formie rozmowy telefonicznej i dlaczego problemy te nie dotyczą czatu. Każda liczba jest poparta badaniem, na którym się opiera, oraz linkiem umożliwiającym jej otwarcie. Nie ma tu żadnych zmyślonych danych, nie wymieniono też żadnej konkurencyjnej firmy.

Ludzie chcą mieć możliwość dotarcia do konkretnej osoby

W lutym i marcu 2026 r. firma Gartner przeprowadziła ankietę wśród 3 566 klientów – zarówno korporacyjnych, jak i indywidualnych – na temat wykorzystania generatywnej sztucznej inteligencji w obsłudze klienta. 87% respondentów stwierdziło, że jeśli firma korzysta z tej technologii, niezbędna jest możliwość skontaktowania się z prawdziwą osobą. Jednocześnie 50% respondentów stwierdziło, że załatwianie spraw jest łatwiejsze, gdy firma korzysta z generatywnej sztucznej inteligencji. Nie oznacza to, że „sztuczna inteligencja jest zbędna”. Chodzi o to, że ludzie akceptują pomoc, ale nie chcą, by ta pomoc stanowiła barierę.

Gartner zapytał tych, którzy nie chcieli korzystać ze sztucznej inteligencji, co skłoniłoby ich do zmiany zdania. Najczęstszą odpowiedzią była możliwość przekierowania do osoby w razie potrzeby. W tej samej uwadze firma Gartner dodaje, że nie należy traktować sztucznej inteligencji jako obowiązkowego etapu we wszystkich przypadkach: gdy klient musi przejść przez kilka nieudanych prób, zanim dotrze do kogoś, jest mniej prawdopodobne, że ponownie skorzysta z tego narzędzia. 58% osób korzystających z generatywnej sztucznej inteligencji wykorzystało ją już do wykonania zadania, a nie tylko do przeczytania odpowiedzi. W przedsiębiorstwach odsetek ten wzrasta do 74%.

Gartner, sierpień 2026 r.: ankieta przeprowadzona wśród 3 566 klientów (luty i marzec 2026 r.)

Ten strach nie jest niczym nowym: dotrzeć do kogoś

Wcześniejsze badanie firmy Gartner z grudnia 2023 r., w którym wzięło udział 5 728 klientów, wskazywało już na ten sam trend. 64% respondentów wolałoby, aby firmy nie korzystały ze sztucznej inteligencji w obsłudze klienta. 53% rozważałoby zmianę dostawcy, gdyby dowiedziało się, że firma zamierza wykorzystywać sztuczną inteligencję do obsługi klienta. Największym zmartwieniem była trudność w skontaktowaniu się z prawdziwą osobą. Kolejne obawy dotyczyły wpływu na zatrudnienie oraz ryzyka udzielenia przez sztuczną inteligencję błędnej odpowiedzi.

Gartner, 9 lipca 2024 r.: ankieta przeprowadzona wśród 5 728 klientów (grudzień 2023 r.)

Osoba, która właśnie dzwoniła, jest tą, która najmniej chce mieć głosową sztuczną inteligencję

W raporcie firmy Gartner „Four Data Findings to Inform Your Customer Experience Strategy” połowa klientów stwierdziła, że skorzystałaby z cyfrowego asystenta opartego na generatywnej sztucznej inteligencji. Dane te różnią się w zależności od kanału komunikacji. Spośród osób, które podczas ostatniej interakcji skorzystały z telefonu, tylko 35% wyraziło chęć korzystania z takiego asystenta. Gartner wyjaśnia to praktyczną obserwacją: jeśli rozmowa telefoniczna z prawdziwą osobą już rozwiązała ich problem, nie mają powodu, by następnym razem tracić czas na kontakt z automatycznym systemem głosowym. Ten sam dokument zaleca, by nie ukrywać obecności człowieka: należy jasno poinformować, że asystent może rozwiązać sprawę, a jeśli nie, przekazać ją dalej.

Gartner, Cztery wnioski dotyczące danych, które pomogą w opracowaniu strategii obsługi klienta (PDF)

Słowa są źle rozumiane, a to mnie wkurza

Organizacja Ofcom przeprowadziła badanie dotyczące inteligentnych głośników w Wielkiej Brytanii w ramach jakościowych badań terenowych w okresie od sierpnia do października 2022 r.: wzięło w nim udział stu użytkowników, a dodatkowo przeprowadzono wywiady z osobami, które nie posiadały takiego urządzenia. Nie jest to ankieta obejmująca całą populację kraju. Mimo to wnioski zawarte w raporcie są jednoznaczne: zdecydowanie najczęstszą skargą było to, że urządzenie nie rozumiało lub nie słyszało polecenia. Trzeba było powtarzać polecenie lub zmienić sposób mówienia, ponieważ urządzenie zaczęło wykonywać inną czynność lub zignorowało polecenie.

W tej samej pracy część uczestników stwierdziła, że akcent regionalny lub międzynarodowy – ich własny lub kogoś z rodziny – powodował częstsze awarie urządzenia. Niektórzy członkowie rodziny przestali z niego korzystać, ponieważ urządzenie nie rozumiało ich poleceń. Urządzenie zawodziło również w przypadku dzieci, osób mówiących cicho, mówiących szybko, z daleka lub używających tonu rozmowy zamiast krótkich poleceń. Publiczne podsumowanie Ofcomu ujęło to w jednym zdaniu: większość osób odczuwała frustrację, ponieważ głośnik nie reagował prawidłowo na polecenia, co było bardziej zauważalne w przypadku osób z wyraźnym regionalnym akcentem.

Ofcom, Badanie dotyczące inteligentnych głośników (PDF, badania terenowe: sierpień–październik 2022 r.)

Ofcom, podsumowanie: Użytkownicy inteligentnych głośników nie będą czuli się samotni w te święta Bożego Narodzenia

W 2019 roku BBC Research & Development opublikowało wyniki ankiety internetowej przeprowadzonej wśród 330 osób, które zgłosiły się poprzez wpis na blogu tej organizacji. Nie była to losowa próba z jednego kraju: większość odpowiedzi pochodziła od osób w wieku od 25 do 54 lat, a także od pracowników BBC z Londynu i północno-zachodniej Anglii. Biorąc pod uwagę te ograniczenia, jedna czwarta respondentów stwierdziła, że asystent rozumiał ich słabo lub wcale. 38% przypisywało te błędy akcentowi, a 36% – hałasowi w pomieszczeniu. 55% respondentów stwierdziło, że technologia nie jest jeszcze wystarczająco zaawansowana, a 58%, że problem wynikał z nieznajomości właściwego polecenia. Raport wskazuje, że gdy asystent nie rozumie polecenia, pojawia się frustracja, złość i dodatkowy stres. Skargi dotyczyły nie tylko samych błędów, ale także powtarzających się i mało pomocnych komunikatów o błędach.

BBC Research & Development, „Smart Speaker UX and User Emotion” (PDF, 2019)

W tym kanale działa telefoniczna recepcjonistka oparta na sztucznej inteligencji. Musi ona wysłuchać zdania – często przy hałasie w tle – i zdecydować, kiedy rozmówca skończył mówić. Czat internetowy nie transkrybuje: odczytuje to, co wpisał użytkownik. Akcent i hałas w pomieszczeniu nie wpływają na litery. Nie oznacza to jednak, że czat jest nieomylny. Jeśli dane są błędne, odpowiedź również będzie błędna. Eliminuje to błąd wynikający z samego słyszenia.

W przypadku rozmowy ustnej odpowiedź przychodzi zbyt późno

W rozmowie między ludźmi kolej na wypowiedź zazwyczaj nadchodzi szybko. Artykuł opublikowany w SIGDIAL 2022, zatytułowany „When can I Speak?”, podsumowuje stan obecny systemów dialogu mówionego: rozpoczynają one swoją kolej po długiej ciszy, trwającej od 700 do 1 000 milisekund, przez co rozmowa wydaje się powolna i nienaturalna. Jak podaje ten sam artykuł, ludzie zazwyczaj odpowiadają w ciągu około 200 milisekund. Czekanie na tak długą ciszę jest powszechną praktyką, pozwalającą nie przerywać osobie, która wciąż się zastanawia. Jest to również sposób na pozostawienie przerwy, która podczas rozmowy telefonicznej jest wyraźnie odczuwalna.

SIGDIAL 2022: Kiedy mogę zabrać głos? Przewidywanie momentów rozpoczęcia wypowiedzi przez agentów dialogowych

W pracy przedstawionej podczas konferencji SemDial zmierzono rzeczywiste przebiegi rozmów z asystentami głosowymi, a nie wyniki z laboratorium oparte na pojedynczym poleceniu. Przeanalizowano 1 077 zmian kolejności wypowiedzi dziesięciu osób, które po raz pierwszy korzystały z asystenta, w sześciu gospodarstwach domowych. Średni czas, jaki upłynął od momentu, gdy dana osoba kończyła mówić, do momentu, gdy asystent przejmował głos, wyniósł 1 366 milisekund, przy odchyleniu standardowym wynoszącym 30 milisekund. Autorzy porównują ten wynik z czasem zmiany kolejności wypowiedzi między ludźmi, wynoszącym około 300 milisekund, powołując się na Levinsona i Torreirę (2015), Stiversa i in. (2009) oraz Heldnera i Edlunda (2010). Próba jest niewielka i są to wstępne wyniki: nie jest to średnia dla wszystkich krajów ani wszystkich produktów. Pokazuje jednak, że w prawdziwych rozmowach czas oczekiwania jest kilkakrotnie dłuższy niż w rozmowie między ludźmi, przy czym brakuje tu zwrotów, którymi osoba sygnalizuje, że zamierza odpowiedzieć.

SemDial: Alexa, jesteś za wolna! (Barthel), zmiany zmian za pomocą asystentów głosowych

Na czacie to oczekiwanie nie przerywa nikomu wypowiedzi. Użytkownik pisze, wysyła wiadomość i może dalej przeglądać stronę. Odpowiedź pozostaje zapisana. Nie ma sytuacji, w której głos pojawia się z opóźnieniem i nakłada się na kolejne zdanie – co jest kolejnym efektem opisanym w tym samym badaniu SemDial w odniesieniu do tur rozmowy prowadzonej przez asystenta. Hostly nie podaje gwarantowanego czasu odpowiedzi modelu: wiadomości na czacie trafiają do kolejki, a czas oczekiwania zależy od obciążenia serwera. Nie ma tu jednak ciszy charakterystycznej dla rozmowy telefonicznej, kiedy system ustala, że użytkownik zakończył wypowiedź.

Pętle, syntetyczny głos i pytanie, czy ktoś tam jest

W raporcie firmy Gartner z 2026 roku nie podano odsetka połączeń, które utknęły w pętli. Opisano natomiast mechanizm: kilka nieudanych prób komunikacji z AI przed nawiązaniem kontaktu z człowiekiem zmniejsza prawdopodobieństwo, że klient ponownie skorzysta z tego narzędzia. Podczas rozmowy ta pętla jest słyszalna. Trzeba powtarzać, czekać na kolejne pytanie z menu i ponownie prosić o połączenie z konsultantem. Na czacie wątek pozostaje zapisany. Zespół otwiera go w panelu i może pisać w tym samym wątku.

Głos odpowiadający na automatyczne połączenie jest głosem generowanym komputerowo. W artykule tym nie podano odsetka osób, które uważają go za „robotyczny”: wśród powyższych źródeł nie ma ankiety, która mierzyłaby to pojęcie na jasnej próbie. W raporcie BBC zmierzono natomiast poziom frustracji, gdy system nie rozumie polecenia, a także skargi kierowane do Ofcom w sytuacjach, gdy konieczne jest powtórzenie polecenia. Głos, który nie dopuszcza niuansów, oraz zawodne rozpoznawanie głosu łączą się w tej samej minucie. W sieci odpowiedzią jest tekst. Można go przeczytać ponownie. Nie trzeba zgadywać, jakie słowo zabrzmiało nieprawidłowo.

Firma Salesforce zleciła agencji YouGov przeprowadzenie ankiety wśród 15 015 konsumentów w okresie od 16 lipca do 16 sierpnia 2024 r. w 18 krajach, w tym w Hiszpanii. Prawie trzy czwarte respondentów chciało wiedzieć, czy rozmawiają z agentem opartym na sztucznej inteligencji. 45% respondentów stwierdziło, że częściej korzystałoby z pomocy agenta opartego na sztucznej inteligencji, gdyby istniała jasna możliwość przełączenia się na rozmowę z prawdziwą osobą. Tylko 30% konsumentów zdecydowałoby się na współpracę z agentem opartym na sztucznej inteligencji zamiast z prawdziwą osobą w zamian za szybszą obsługę. Raport Salesforce w formacie PDF, oparty na tym samym badaniu, podaje następujące dane: 72% respondentów uważa, że ważne jest, aby wiedzieć, kiedy rozmawiają z agentem opartym na sztucznej inteligencji. Przejrzystość i możliwość przełączenia się na rozmowę z prawdziwą osobą to nie tylko dodatki. Są one tym, czego domaga się ta grupa respondentów.

Salesforce, „State of the AI Connected Customer”, badanie YouGov, lipiec–sierpień 2024 r.

Salesforce, „State of the Connected Customer” (plik PDF z tej samej serii badań)

Dlaczego internetowa recepcjonistka oparta na sztucznej inteligencji nie powiela tych błędów

Hostly to recepcjonistka oparta na sztucznej inteligencji działająca na stronie internetowej, a nie przez telefon. Gość pisze na czacie na Twojej stronie. Nie ma tu rozpoznawania głosu, akcentu, hałasu w pomieszczeniu ani syntetycznego głosu, który odpowiadałby na pytania. Odpowiedź opiera się na informacjach zatwierdzonych przez firmę. Jeśli dane nie są dostępne, system informuje, że nie zna odpowiedzi. Nie podaje zmyślonych cen, godzin ani wolnych terminów. Jeśli rezerwacje są aktywne, proponuje wyłącznie terminy dostępne w kalendarzu.

W serwisie Hostly połączenie z pracownikiem nie polega na automatycznym przekierowaniu rozmowy. Zespół widzi wątek na panelu i przejmuje kontrolę. Gdy użytkownik pisze, sztuczna inteligencja nie odpowiada w tym wątku. Sam fakt poproszenia o połączenie z pracownikiem nie powoduje automatycznego przekierowania rozmowy – robi to osoba obsługująca panel. Jest to rzeczywiste ograniczenie produktu i lepiej o tym powiedzieć, niż obiecywać funkcję „przekieruj mnie do kogoś”, której czat nie realizuje samodzielnie. Dzięki temu nie dochodzi jednak do sytuacji, w której ktoś rozmawia sam z menu: tekst pozostaje, a pracownik może kontynuować rozmowę od tego samego miejsca.

Sztuczna inteligencja obsługuje czat na Twojej stronie internetowej. Przycisk WhatsApp, jeśli go aktywujesz, otwiera firmowy profil WhatsApp, a odpowiedzi udziela osoba: sztuczna inteligencja nie bierze udziału w tej rozmowie. Hostly nie odczytuje treści z tego WhatsApp ani nie stosuje w nim żadnego modelu. Kto chce napisać do firmy, a nie na czacie na stronie, korzysta z tego przycisku. Osoby przebywające na stronie mogą pozostać na czacie.

Cena podstawowa wynosi 29,90 € miesięcznie, z VAT. Na tej stronie nie ma informacji, że czat zmniejsza liczbę rezygnacji ani że płatności za pośrednictwem Stripe wiążą się z konkretną prowizją: nie ma tego w powyższych źródłach i nie jest to obietnica dotycząca produktu zawarta w tym tekście. Pobranie opłaty, jeśli firma zdecyduje się na tę opcję, następuje w formie przedpłaty lub opłaty całkowitej w momencie rezerwacji. Transakcja kartą nie przechodzi przez Hostly.

Czego ten artykuł nie dowodzi

Nie dowodzi to, że wszystkie telefoniczne asystentki oparte na sztucznej inteligencji zawodzą w ten sam sposób. Badania dotyczą asystentów głosowych, głośników oraz opinii na temat wykorzystania sztucznej inteligencji w obsłudze klienta, a nie spisu produktów. Próba SemDial obejmuje dziesięć osób. Próba BBC nie jest losowa. Badanie Ofcom dotyczące głośników ma charakter jakościowy. Badania przeprowadzone przez firmy Gartner i Salesforce to szeroko zakrojone ankiety wśród klientów i konsumentów, a nie testy odsłuchowe konkretnego numeru.

Nie oznacza to też, że czat nigdy się nie myli. Jeśli profil jest nieaktualny, odpowiedź również będzie nieaktualna. Jeśli firma wyłączy sztuczną inteligencję, nikt nie odpowie, dopóki nie pojawi się pracownik. Jeśli gość potrzebuje rozmowy telefonicznej, numer firmy nadal pozostaje numerem telefonu: Hostly go nie zastępuje. Czat pozwala uniknąć błędów, które wynikają wyłącznie z tego, że rozmowa odbywa się ustnie.

Karta produktu, zawierająca informacje o instalacji, językach, rezerwacjach i cenie, to recepcjonistka AI.

Źródła

Karta produktu to recepcjonista IA.