Jest 22:00. Klient Twojej hurtowni szuka na stronie ceny artykułów i terminu dostawy – nie znajduje ani jednego, ani drugiego, więc pisze wiadomość i zamyka laptopa. Odpowiedź dostanie następnego dnia po dziesiątej, kiedy zamówienie leży już u konkurencji, która miała agenta AI. Rano Twój konsultant otwiera skrzynkę i zaczyna dzień tak samo jak wczoraj: od kilkudziesięciu wariantów jednego pytania, „gdzie moja paczka”.
- Badanie „Generative AI at Work" (NBER 2023, opublikowane w Quarterly Journal of Economics w 2025 roku), przeprowadzone na 5179 agentach obsługi klienta, wykazało, że dostęp do asystenta AI zwiększył liczbę rozwiązanych spraw na godzinę średnio o 14 procent, a u najmniej doświadczonych pracowników wzrost sięgał 34 procent.
- W przykładowym rachunku dla hurtowni obsługującej 3000 zgłoszeń miesięcznie agent AI, przy 40-procentowej deflekcji powtarzalnych zapytań, pozwala odzyskać około 4250 zł miesięcznie, co przy przykładowym koszcie wdrożenia rzędu 20 000 zł daje zwrot inwestycji po 4–5 miesiącach.
- Opisany model pracy agenta oparty jest na zasadzie „człowiek w pętli" – agent przygotowuje gotowe odpowiedzi lub szkice, ale każda z nich wymaga zatwierdzenia przez konsultanta, a sprawy niejednoznaczne, takie jak reklamacje ze sporną kwotą, trafiają do człowieka przed wysłaniem jakiejkolwiek odpowiedzi do klienta.
To jest martwy proces. Praca, która się dzieje, zajmuje ludzi i kosztuje, ale nie buduje żadnej wartości. Klient jej nie docenia, bo dostaje tylko to, czego się spodziewał. Konsultanta ta praca męczy, bo odbiera mu czas na sprawy, w których naprawdę jest potrzebny. Firma nie widzi jej w żadnym raporcie, bo koszt rozkłada się po godzinach kilku etatów i nigdzie nie ma osobnej rubryki „odpowiadanie na to samo”.
Agent AI do obsługi klienta bierze na siebie właśnie tę część, powtarzalną i przewidywalną. Poniżej pokazujemy, co taki agent robi naprawdę, ile realnie oszczędza (policzone na jawnych założeniach), jak potrafi podpowiedzieć klientowi następny krok, koszyk w sklepie albo formularz kontaktowy na stronie, i jak go wdrożyć.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Ile to znaczy w złotówkach, policzone na jawnych założeniach
Weźmy sklep z 3000 zgłoszeń miesięcznie. Przyjmując benchmark Zendesk, 17 do 25 zgłoszeń na agenta dziennie, przy 20 dziennie i 21 dniach roboczych, wychodzi około 7 etatów. Pełny koszt jednego etatu to około 7460 zł miesięcznie: mediana wynagrodzenia konsultanta 6190 zł brutto według Ogólnopolskiego Badania Wynagrodzeń Sedlak i Sedlak, plus narzut pracodawcy około 20,5 procent. Koszt pracy na jedno zgłoszenie wychodzi więc około 17,7 zł. To liczba, która zwykle nie trafia do żadnego raportu.
Teraz odejmijmy samą część powtarzalną. Zapytania typu „gdzie moja paczka” to ostrożnie 20 procent zgłoszeń, czyli 600 miesięcznie. Przy ostrożnej deflekcji (odsetku spraw zamkniętych bez udziału człowieka) na poziomie 40 procent agent zdejmuje z zespołu około 240 zgłoszeń miesięcznie. Odzysk to 240 razy 17,7 zł, czyli około 4250 zł miesięcznie. Przyjmijmy przykładowe wdrożenie rzędu 20 000 zł (wycena w Twojej firmie będzie inndywidualna). W tym scenariuszu zwraca się po jakichś 4 do 5 miesiącach.
To wariant ostrożny. Jeśli powtarzalnych spraw jest u Ciebie 30 procent, a deflekcja sięgnie 50 procent, odzysk rośnie do około 7900 zł miesięcznie, a zwrot skraca się do 2 do 3 miesięcy. Widać, od czego to zależy: od wolumenu zgłoszeń, realnego czasu obsługi i faktycznej skuteczności agenta na Twoich danych. Nie ma tu jednej liczby dobrej dla wszystkich. Jest model do policzenia na własnych danych, przed decyzją o wydatku.
W tym rachunku celowo czegoś nie ma. Nie ma obietnicy wzrostu sprzedaży, nie ma „oszczędzisz X procent”, nie ma efektu, którego nie da się przypisać do konkretnego procesu. Jest jeden martwy proces, jego koszt i to, ile z niego realnie da się odzyskać.
Następny krok: koszyk albo formularz kontaktowy
Agent nie musi kończyć na samej odpowiedzi. Skoro i tak rozumie, o co pyta klient, może podpowiedzieć naturalny następny krok. Gdy pytanie dotyczy asortymentu albo konkretnego produktu, po udzieleniu informacji agent potrafi zaproponować dodanie pozycji do koszyka i pokazać, jak to zrobić. To ta sama rozmowa, w której klient już jest, doprowadzona o krok dalej, do decyzji, którą i tak rozważał.
Jeśli agent jest osadzony na stronie-wizytówce zamiast w sklepie, ten sam mechanizm prowadzi gdzie indziej. Po odpowiedzi na pytanie może podsunąć formularz kontaktowy i przekazać zgłoszenie do człowieka. Na stronie bez koszyka to formularz jest następnym krokiem: zamiast zostawiać klienta z samą informacją, agent zbiera kontakt i oddaje go zespołowi.
Martwy proces: gdzie naprawdę znika czas obsługi w B2B
W hurtowni B2B rzadko chodzi o jedno wielkie wąskie gardło. Chodzi o setki drobnych, powtarzalnych spraw, które konsumują roboczogodziny. Zobaczmy, z czego często składa się typowy dzień konsultanta.
Status zamówienia i przesyłki, czyli klasyczne „gdzie moja paczka”. Zwroty i odstąpienia: te same warunki, te same terminy, ta sama ścieżka, tłumaczone od nowa dziesiąty raz w tygodniu. Reklamacje, które trzeba wstępnie zakwalifikować, zanim w ogóle trafią do właściwej osoby. Prośby o fakturę i korektę. Pytania o parametry produktu, dostępność, zgodność z normą, gwarancję. Do tego wątki na marketplace, choćby w Centrum Wiadomości Allegro, gdzie zegar terminu odpowiedzi tyka niezależnie od tego, ilu masz ludzi na urlopie.
Żadna z tych spraw z osobna nie jest trudna. Problem w tym, że jest ich dużo i że są przewidywalne. W polskim e-commerce powtarzalne pytania o status przesyłki to, według szacunków branżowych (m.in. Imker, 2026), ostrożnie około jednej piątej wszystkich zgłoszeń. Jedna piąta pracy Twojego zespołu idzie więc na sprawy, w których nie ma żadnej decyzji do podjęcia: odczytanie statusu i przepisanie go klientowi.
To właśnie ta część nadaje się do zdjęcia z ludzi. Praca konsultanta nie polega na odczytywaniu numerów przesyłek. Polega na reklamacji spornej, na kliencie na krawędzi rezygnacji, na nietypowym zamówieniu z odroczonym terminem. Tam jest nie do zastąpienia. Przy „gdzie moja paczka” jego czas jest po prostu zbyt drogi.
Opisz krótko, czego potrzebujesz. Jesteśmy największym HUB-em AI w Polsce — w naszej bazie znajdziesz blisko 500 zweryfikowanych firm specjalizujących się w AI. W Twoim imieniu poprosimy 3-5 dopasowanych wykonawców o kontakt w ciągu 48 godzin.
Co agent AI robi naprawdę, a czego nie
Zacznijmy od tego, czym agent AI nie jest. To nie jest czatbot z drzewkiem reguł, ten, który na każde pytanie spoza scenariusza odpowiada „nie rozumiem, przekieruję do konsultanta”. Takie boty firmy kupowały latami i słusznie im nie ufają, bo frustrują klienta bardziej, niż pomagają.
Agent taki jak Kodzik to model językowy (w tym wypadku Claude firmy Anthropic) pracujący na realnych danych Twojej firmy: spisanych politykach, bazie wiedzy o produktach, statusach zamówień, historii rozmowy z danym klientem.
Agent odbiera zgłoszenie z kanału, na którym już rozmawiasz z klientami: sklepu, marketplace’u, e-maila, czatu. Rozpoznaje, o co chodzi, i sięga do bazy wiedzy oraz danych o zamówieniach i przesyłkach. Pisze gotową odpowiedź albo propozycję rozwiązania. Potem, i to jest krok, na którym wszystko stoi, człowiek ją zatwierdza. Sprawy, których agent nie jest pewny, trafiają do konsultanta jako zgłoszenie do decyzji, zanim cokolwiek pójdzie do klienta. Każde działanie jest zapisane, a firma ma wyłącznik, który w każdej chwili wstrzymuje automatykę.
Ta konstrukcja, agent pisze, człowiek zatwierdza, ma nazwę: człowiek w pętli. Wrócę do niej w ostatniej sekcji, bo to od niej zależy, czy wdrożenie się uda, czy skończy się cofaniem.
Wygląda to w praktyce tak. Przychodzi wiadomość: „Zamówienie 84213, kiedy dostawa?”. Agent rozpoznaje pytanie o status, sprawdza numer w systemie, widzi paczkę u kuriera z doręczeniem na jutro i pisze gotową odpowiedź z numerem listu przewozowego. Rano konsultant przegląda kolejkę i zatwierdza ją jednym kliknięciem, bo nie ma tam nic do sprawdzania. Na etapie, gdy ta kategoria spraw działa już w pełni automatycznie, ta sama odpowiedź wychodzi do klienta od razu, także o 22:00.
Teraz druga wiadomość: „Towar przyszedł uszkodzony, żądam zwrotu pełnej kwoty i rekompensaty”. Tu agent nie odpowiada sam. Rozpoznaje reklamację ze sporną kwotą, przygotowuje szkic zgodny z polityką firmy i oddaje sprawę konsultantowi z adnotacją, że wymaga decyzji. Człowiek dostaje gotowy materiał i kontekst, ale to on rozstrzyga. Na tym polega pętla: łatwe idzie szybciej, trudne trafia tam, gdzie powinno.
Jest jeszcze jeden efekt, łatwy do przeoczenia, a cenniejszy niż sama oszczędność czasu. Odpowiedzi przestają zależeć od tego, kto akurat jest na zmianie. Wszystkie wychodzą z tej samej, spisanej wiedzy, więc są spójne. Nowa osoba w zespole nie zaczyna od zera i od dzwonienia do koleżanki z pytaniem, jak się liczy termin zwrotu, bo dostaje gotowy szkic z właściwą polityką w środku. Agent rozprowadza po zespole wiedzę najlepszych pracowników. To samo zresztą pokazało badanie, do którego zaraz przejdę: największy skok zaliczali pracownicy najmniej doświadczeni.
Jak czytać liczby o AI w obsłudze: 14 procent, 45 procent
Wokół AI w obsłudze klienta krąży tyle liczb, że łatwo pomylić ich ciężar. Najlepiej ułożyć je według tego, skąd pochodzą. Liczba z niezależnego badania, liczba z prognozy analityka i liczba z komunikatu prasowego dostawcy to trzy różne gatunki, choć na slajdzie wyglądają tak samo.
Niezależne badanie. Najmocniejszy dowód, jaki dziś mamy, opisali Erik Brynjolfsson, Danielle Li i Lindsey Raymond w pracy „Generative AI at Work” (NBER 2023, wersja recenzowana w Quarterly Journal of Economics w 2025 roku). Objęła 5179 agentów obsługi w jednej firmie. Dostęp do asystenta AI podniósł liczbę spraw rozwiązanych na godzinę o 14 procent średnio. Ważniejszy od tej średniej jest rozkład: u pracowników najmniej doświadczonych wzrost sięgał 34 procent. Badanie odnotowało też łagodniejszy ton klientów i rzadsze prośby o rozmowę z przełożonym. To liczba zmierzona i recenzowana.
Szacunek konsultingowy. McKinsey w raporcie „The economic potential of generative AI” (2023) szacuje, że generatywna AI może podnieść produktywność obsługi klienta o 30 do 45 procent, a do połowy aktywności w obsłudze jest potencjalnie automatyzowalna. To oszacowanie potencjału całej funkcji. Ile z niego dotyczy Twojej firmy, pokażą dopiero jej dane.
Prognozy. Gartner przewiduje (marzec 2025), że do 2029 roku agentowa AI samodzielnie rozwiąże 80 procent typowych spraw obsługi i obniży koszty operacyjne o 30 procent, a w innej prognozie, że do 2027 roku 40 procent spraw obsłużą zewnętrzne narzędzia oparte na generatywnej AI. Podobnie badanie Zendesk CX Trends 2025 (około 10 500 respondentów, 22 kraje): większość liderów obsługi spodziewa się, że w ciągu kilku lat zdecydowana część interakcji będzie rozwiązywana bez udziału człowieka. To oczekiwanie branży.
Dane dostawców. Platformy podają własne wskaźniki samodzielnego rozwiązywania spraw, zwykle w przedziale od około 50 do 60 procent (Intercom Fin około 51 procent średnio, Gorgias około 60 procent w e-commerce). To dane sprzedażowe, mierzone różnymi metodami, na korzystnie dobranych wdrożeniach. Dobrze je znać, ale z rezerwą.
Sedno
Agent AI do obsługi klienta nie zwalnia zespołu. Zdejmuje z niego jeden martwy proces, powtarzalne zgłoszenia, i zostawia człowiekowi kontrolę nad tym, co wychodzi do klienta. Badanie na 5179 agentach mówi o kilkunastu do kilkudziesięciu procentach wzrostu, największym u najmniej doświadczonych. Reszta liczb to szacunki albo dane sprzedażowe. Zwrot z inwestycji, policzony uczciwie na danych konkretnej firmy, wychodzi zwykle w miesiącach.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
FAQ, czyli co musisz wiedzieć o wdrożeniach agentów AI w hurtowni
Ile trwa samo wdrożenie?
Najwięcej czasu zajmuje przygotowanie. Trzeba spisać wiedzę, uporządkować dane o zamówieniach i podłączyć kanały, na których już obsługujesz klientów. Firma z gotową, spójną bazą wiedzy rusza szybciej niż taka, która politykę zwrotów trzyma w głowach trzech osób.
Co się dzieje, gdy agent nie zna odpowiedzi albo się myli?
Sprawy niepewne oddaje człowiekowi do decyzji, zanim cokolwiek trafi do klienta. Każda odpowiedź przechodzi przez zatwierdzenie, a firma ma wyłącznik zatrzymujący automatykę w każdej chwili. Błąd agenta zostaje wtedy szkicem na ekranie konsultanta, a nie wysłaną wiadomością.
Na jakich kanałach to działa, w tym Allegro?
Na tych, na których już rozmawiasz z klientami: w sklepie, e-mailu, na czacie i na marketplace’ach, w tym w Centrum Wiadomości Allegro, gdzie agent pilnuje terminu odpowiedzi niezależnie od obłożenia zespołu i trzyma jeden styl komunikacji.
Czy to jest zgodne z RODO?
Przy poprawnym wdrożeniu tak. Przetwarzanie danych osobowych wymaga umowy powierzenia, a decyzja w sprawie klienta zostaje po stronie człowieka. Z góry ustal, do jakich danych agent ma dostęp, a do jakich nie.
Ile trwa zwrot z inwestycji?
Zwykle miesiące. Wynik zależy od Twojego wolumenu zgłoszeń i realnej skuteczności agenta; w przykładzie policzonym wyżej mieścił się między dwoma a pięcioma miesiącami. To rachunek do wykonania na danych konkretnej firmy.
Czy potrzebujemy własnego działu IT, żeby to wdrożyć?
Nie. Największa praca po Twojej stronie to uporządkowanie wiedzy i danych. Integracja z kanałami i systemem zamówień zostaje po stronie wdrożeniowca. To, jak agent ma odpowiadać, ustalasz Ty, bo to Twoje polityki i Twój ton rozmowy z klientem.
Kontakt: www.koda.plus, krystian@koda.plus
Źródła
- Brynjolfsson E., Li D., Raymond L., „Generative AI at Work”, NBER Working Paper 31161 (2023); Quarterly Journal of Economics 140(2) (2025).
- McKinsey, „The economic potential of generative AI: the next productivity frontier” (2023).
- Gartner, prognozy dotyczące agentowej AI w obsłudze klienta (marzec 2025).
- Zendesk CX Trends 2025 oraz Zendesk Benchmark 2025.
- Intercom (Fin) oraz Gorgias, dane dostawców o samodzielnym rozwiązywaniu spraw.
- Klarna, komunikat prasowy (luty 2024) oraz doniesienia o korekcie strategii (2025).
- Ogólnopolskie Badanie Wynagrodzeń, Sedlak i Sedlak; składki ZUS 2024.
- Imker, „Koszt obsługi klienta w e-commerce” (2026).
