AI-drivna telefonreceptionister: verkliga problem och varför webben fungerar bättre

Det finns två AI-receptionister. Den ena lyfter luren och svarar med en röst. Den andra skriver i chatten på en webbplats. Den här artikeln handlar om den första: vilka problem som uppstår när kundkontakten sker via telefonsamtal, och varför dessa problem inte är desamma som vid chatt. Varje siffra åtföljs av den studie som ligger till grund för den samt en länk för att öppna studien. Det finns inga påhittade siffror och inga konkurrerande företag nämns.

Folk vill kunna nå en person

I februari och mars 2026 frågade Gartner 3 566 kunder, både företagskunder och konsumenter, om användningen av generativ AI inom kundtjänsten. 87 % svarade att om ett företag använder sådan AI är det avgörande att kunna nå en mänsklig medarbetare. Samtidigt svarade 50 % att ärenden hanteras enklare när företaget använder generativ AI. Slutsatsen är inte att ”AI är överflödigt”. Det handlar snarare om att människor accepterar hjälp, men avvisar att hjälpen ska utgöra ett hinder.

Gartner frågade dem som inte ville använda AI vad som skulle få dem att ändra sig. Det vanligaste svaret var att kunna kopplas vidare till en människa om det behövdes. I samma kommentar från Gartner tilläggs att det inte är lämpligt att göra AI till ett obligatoriskt steg i alla fall: när kunden måste göra flera misslyckade försök innan hen kommer fram till någon är det mindre troligt att hen kommer att använda verktyget igen. 58 % av dem som använder generativ AI har redan använt den för att utföra en uppgift, inte bara för att läsa ett svar. I företag stiger den andelen till 74 %.

Gartner, augusti 2026: enkät bland 3 566 kunder (februari och mars 2026)

Rädslan är inte ny: att nå fram till någon

En tidigare undersökning från Gartner, genomförd i december 2023 bland 5 728 kunder, pekade redan i samma riktning. 64 % skulle föredra att företagen inte använde artificiell intelligens i kundtjänsten. 53 % skulle överväga att byta leverantör om de visste att företaget skulle använda AI i kundtjänsten. Den främsta farhågan var att det skulle bli svårare att få tag på en mänsklig medarbetare. Därefter kom effekterna på sysselsättningen och risken att AI skulle ge felaktiga svar.

Gartner, 9 juli 2024: enkät bland 5 728 kunder (december 2023)

Den som just ringde är den som minst vill ha en röststyrd AI

I Gartners rapport ”Four Data Findings to Inform Your Customer Experience Strategy” uppgav hälften av kunderna att de skulle använda en digital assistent baserad på generativ AI. Siffran varierar beroende på kontaktkanal. Bland dem som vid sitt senaste ärende hade använt telefonen var det endast 35 % som var positiva till att använda en sådan assistent. Gartner förklarar detta med en praktisk iakttagelse: om samtalet redan löste problemet genom att de pratade med en människa, finns det ingen anledning för dem att riskera att slösa tid på en automatiserad röst nästa gång. Samma rapport rekommenderar att man inte döljer den mänskliga kontakten: man bör tydligt informera om att assistenten kan lösa ärendet och, om så inte är fallet, vidarebefordra det.

Gartner, Fyra datainformationer som kan ligga till grund för din strategi för kundupplevelsen (PDF)

Rösten missförstås, och det retar upp en

Ofcom undersökte smarta högtalare i Storbritannien genom en kvalitativ fältstudie mellan augusti och oktober 2022: hundra användare, samt intervjuer med personer som inte ägde någon. Det är inte en undersökning med nationella siffror. Trots detta framgår slutsatsen tydligt i rapporten: att enheten inte förstod eller hörde vad man bad den om var den överlägset vanligaste klagomålet. Man var tvungen att upprepa sig eller ändra sitt sätt att tala, eftersom enheten hade börjat med något annat eller ignorerat meningen.

I samma studie uppgav en del av deltagarna att en regional eller internationell dialekt – deras egen eller någon i familjens – gjorde att apparaten fungerade sämre. Vissa anhöriga hade slutat använda den eftersom den inte förstod vad de sa. Den fungerade inte heller med barn, vid låg röstvolym, när man talade snabbt, på avstånd eller med en konversationston istället för en kort kommandofras. Ofcoms offentliga sammanfattning uttrycker det i en mening: de flesta blev frustrerade eftersom högtalaren inte svarade bra på kommandon, och detta märktes tydligare hos dem som hade en utpräglad regional dialekt.

Ofcom, Undersökning om smarta högtalare (PDF, fältarbete augusti–oktober 2022)

Ofcom, sammanfattning: Det blir ingen ensam jul för användare av smarta högtalare

BBC Research & Development publicerade 2019 en onlineenkät med 330 deltagare, som rekryterats via ett inlägg på deras blogg. Det rör sig inte om ett slumpmässigt urval från ett land: det kom fler svar från personer i åldern 25–54 år, och en stor andel av deltagarna var anställda vid BBC i London och nordvästra England. Med denna begränsning uppgav en fjärdedel att assistenten förstod dem lite eller inte alls. 38 % tillskrev missförstånden accenten och 36 % bullret i rummet. 55 % ansåg att tekniken ännu inte var tillräckligt utvecklad och 58 % att problemet berodde på att de inte visste vilken kommando de skulle säga. När assistenten inte förstår leder det enligt rapporten till frustration, ilska och ökad stress. Klagomålen gällde inte bara själva misslyckandet, utan även felmeddelandena, som upprepades och var föga hjälpsamma.

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

En AI-receptionist som hanterar telefonsamtal arbetar i den kanalen. Den måste lyssna på en mening, ofta med bakgrundsljud, och avgöra när personen har talat klart. En webbchatt transkriberar inte: den läser upp det som besökaren har skrivit. Accent och bakgrundsljud i rummet påverkar inte bokstäverna. Det gör dock inte chatten felfri. Om texten är felaktig blir svaret felaktigt. Ta bort det mänskliga misstaget som uppstår vid lyssnande.

Svaret kommer för sent för ett muntligt samtal

I ett samtal mellan människor är det oftast snart ens tur. En artikel i SIGDIAL 2022, ”When can I Speak?”, sammanfattar läget för system för talad dialog: de inleder sin tur efter en lång tystnad, på mellan 700 och 1 000 millisekunder, och därför känns samtalet långsamt och onaturligt. Människor, står det i samma artikel, brukar svara inom cirka 200 millisekunder. Att vänta på en så lång tystnad är det vanliga sättet att inte avbryta den som fortfarande funderar. Det är också ett sätt att lämna ett mellanrum som, i ett telefonsamtal, märks tydligt.

SIGDIAL 2022: När kan jag ta till orda? Att förutsäga startpunkter för talande dialogagenter

En studie som presenterades på SemDial mätte verkliga konversationer med röstassistenter, inte ett laboratorieförsök med ett enda kommando. Studien analyserade 1 077 konversationsväxlingar hos tio personer som använde assistenten för första gången, i sex hushåll. Den modellerade genomsnittstiden från det att personen avslutade sitt inlägg till dess att assistenten tog till orda var 1 366 millisekunder, med en standardavvikelse på 30 millisekunder. Författarna jämför detta med turväxlingar mellan människor, som ligger på omkring 300 millisekunder, och hänvisar till Levinson och Torreira (2015), Stivers m.fl. (2009) samt Heldner och Edlund (2010). Urvalet är litet och det rör sig om tidiga tillämpningar: det är inte ett genomsnitt för alla länder eller alla produkter. Det visar dock, i verkliga samtal, en väntetid som är flera gånger längre än i ett mänskligt samtal, och utan de fyllnadsord som en person använder för att signalera att hen ska svara.

SemDial: Alexa, du är för långsam! (Barthel), skiftbyten med röstassistenter

I en chatt avbryter inte den väntetiden någons mening. Besökaren skriver, skickar och kan fortsätta på sidan. Svaret visas skriftligt. Det finns ingen röst som kommer in för sent och avbryter nästa mening – vilket är en annan effekt som samma studie från SemDial beskriver i assistentens turer. Hostly anger ingen garanterad svarstid för modellen: chatten går genom en kö och tiden beror på belastningen. Det som saknas är tystnaden under ett samtal medan ett system avgör att du har talat klart.

Loops, syntetisk röst och frågan om det finns någon där

Gartners kommentar från 2026 anger ingen procentandel för samtal som fastnar i en loop. Den beskriver mekanismen: flera misslyckade försök med AI innan man når en mänsklig operatör minskar sannolikheten för att kunden ska använda verktyget igen. Under ett samtal hörs den här loopen. Man måste upprepa sig, vänta på nästa fråga i menyn och återigen be om att få prata med en människa. I chatten sparas konversationen skriftligt. Teamet öppnar den i panelen och kan skriva vidare i samma tråd.

Rösten som svarar vid ett automatiskt samtal är en genererad röst. Denna artikel anger ingen procentandel av personer som upplever den som ”robotlik”: bland källorna ovan finns ingen undersökning som mäter detta med ett tydligt urval. Däremot har man i BBC:s rapport mätt frustrationen när systemet inte förstår, och Ofcom har klagat på att man måste upprepa kommandot. En röst som inte tillåter nyanser och ett felaktigt röstigenkänningssystem samverkar inom loppet av en minut. På webben är svaret text. Man kan läsa om det. Man behöver inte gissa sig till ett ord som lät fel.

Salesforce gav YouGov i uppdrag att genomföra en undersökning bland 15 015 konsumenter mellan den 16 juli och den 16 augusti 2024 i 18 länder, däribland Spanien. Nästan tre av fyra ville veta om de pratade med en AI-agent. 45 % uppgav att de skulle använda en AI-agent oftare om det fanns en tydlig möjlighet att få prata med en mänsklig medarbetare. Endast 30 % av konsumenterna skulle välja att interagera med en AI-agent istället för en mänsklig medarbetare i utbyte mot snabbare service. Salesforces PDF-rapport från samma undersökning sammanfattar det så här: 72 % anser att det är viktigt att veta när man pratar med en AI-agent. Transparens och möjligheten att kopplas vidare till en mänsklig medarbetare är inte bara en finess. Det är vad denna målgrupp efterfrågar.

Salesforce, ”State of the AI Connected Customer”, YouGov-undersökning juli–augusti 2024

Salesforce, State of the Connected Customer (PDF från samma forskningsprojekt)

Varför en webbaserad AI-receptionist inte drabbas av dessa brister

Hostly är webbplatsens AI-receptionist, inte den som svarar i telefon. Besökaren skriver i chatten på din webbplats. Det finns varken röstigenkänning, dialekt, bakgrundsljud eller en syntetisk röst som svarar. Svaret baseras på den information som företaget har godkänt. Om uppgiften saknas säger den att den inte vet. Den hittar inte på ett pris, en tid eller en ledig plats. Om bokningsfunktionen är aktiverad erbjuder den endast de tider som kalendern visar.

Att kopplas vidare till en medarbetare på Hostly innebär inte att samtalet vidarebefordras automatiskt. Teamet ser tråden i kontrollpanelen och tar över. Medan en medarbetare skriver svarar inte AI:n i den tråden. Att be om att få prata med en medarbetare överför inte konversationen automatiskt – det är den som sitter vid kontrollpanelen som gör det. Det är en faktisk begränsning i produkten, och det är bättre att säga det än att lova en ”koppla mig till någon”-funktion som chatten inte kan utföra på egen hand. Det som däremot undviks är att någon lämnas ensam i en konversation med ett menyval: texten sparas, och en medarbetare kan fortsätta där man slutade.

AI:n svarar i chatten på din webbplats. Om du aktiverar WhatsApp-knappen öppnas företagets WhatsApp-konto och en person svarar: AI:n deltar inte i den konversationen. Hostly läser inte det WhatsApp-meddelandet och använder inte heller någon modell där. Den som vill skriva till företaget, och inte till webbplatsens chatt, använder den knappen. Den som befinner sig på webbplatsen kan stanna kvar i chatten.

Startpriset är 29,90 € per månad, inklusive moms. Denna sida anger inte att en chatt minskar antalet avbokningar eller att betalningar via Stripe medför en viss avgift: detta framgår inte av källorna ovan och utgör inte ett produktlöfte i denna text. Betalningen, om företaget aktiverar den, sker som en förskottsbetalning eller som hela beloppet vid bokningen. Kortbetalningen går inte via Hostly.

Vad denna artikel inte visar

Det bevisar inte att alla AI-baserade telefonreceptionister fungerar lika dåligt. Studierna mäter röstassistenter, högtalare och åsikter om AI inom kundtjänst, inte en produktinventering. SemDials urval består av tio personer. BBC:s urval är inte slumpmässigt. Ofcoms undersökning om högtalare är kvalitativ. Undersökningarna från Gartner och Salesforce är stora enkäter riktade till kunder och konsumenter, inte ett lyssningstest av ett specifikt nummer.

Det bevisar inte heller att en chatt aldrig gör fel. Om informationen är inaktuell är även svaret det. Om företaget stänger av AI:n svarar ingen förrän en person tar över. Om besökaren behöver ringa är företagets telefonnummer fortfarande företagets telefonnummer: Hostly ersätter det inte. Det som chatten undviker är de fel som endast uppstår eftersom konversationen sker muntligt.

Produktbeskrivningen, med information om installation, språk, bokningar och pris, är den AI-drivna receptionisten.

Källor

Produktbeskrivningen är IA-receptionist.