Agent, który pamięta każdą reklamację przez miesiąc

W obsłudze klienta największą frustrację wywołują nie tyle złe odpowiedzi, co konieczność powtarzania tego samego. Dzwonisz po raz czwarty i od nowa tłumaczysz, że router odłącza się tylko wieczorem, a konsultant ma przed sobą pusty formularz. To nie jego wina - systemy CRM nie radzą sobie z kontekstem, który ma trzy tygodnie. AutoMem pokazuje, że AI może samo nauczyć się, co zapamiętać z każdej rozmowy, żeby po miesiącu i setkach innych spraw wrócić do twojego problemu jak do przerwanego wątku.

Dlaczego po tygodniu nikt nie pamięta twojej sprawy

Widziałem to w dziesiątkach call center: sprawy proste zamyka się w kilka minut, ale te przewlekłe, wieloetapowe, ciągną się miesiącami. Klient dzwoni raz, konsultant zakłada zgłoszenie, wpada do systemu parę zdań. Po dwóch tygodniach sprawa wraca, ale już w innym kanale, może na czacie, a notatka z pierwszego kontaktu to jedno zdanie: 'sprawdzono ustawienia APN'. Nikt nie pamięta, że problem dotyczył konkretnego modelu telefonu i że wcześniej zmieniono router na nowszy. Systemy bazodanowe, nawet te najlepsze, są głupie: przechowują to, co im każemy, w strukturze, którą im narzuciliśmy. Kiedy sprawa odbiega od szablonu, zapisane informacje są bezużyteczne.

AutoMem: AI, które samo decyduje, co warto zapisać

AutoMem to framework, który uczy modele językowe zarządzania własną pamięcią jako odrębną umiejętnością poznawczą. W kognitywistyce nazywa się to metamemory - zdolność do oceny, co, kiedy i jak zapamiętać. W praktyce: agent AI nie tylko prowadzi rozmowę, ale równocześnie ma dostęp do systemu plików, w którym może zapisywać dowolne informacje. Nie potrzebuje odgórnie zaprojektowanego schematu (jak 'pole: model routera'), bo sam uczy się, które dane w danej branży są istotne. Robi to poprzez dwie pętle. Pierwsza, działająca offline, przegląda setki zakończonych spraw i automatycznie optymalizuje strukturę plików - czyli prompty, schematy i słownik akcji pamięciowych - tak, żeby agent podejmował lepsze decyzje o zapisie. Druga pętla bierze sprawdzone, skuteczne decyzje pamięciowe i używa ich jako materiału treningowego, żeby model stawał się w tym coraz bieglejszy. To nie jest ręczne konfigurowanie regułek. To mechanizm, który działa jak stażysta, który z każdą setką spraw nabiera wyczucia, co warto zanotować, a co jest szumem.

Scenariusz: trzytygodniowa reklamacja w branży telekomunikacyjnej

Wyobraź sobie klienta operatora komórkowego. 3 kwietnia zgłasza, że internet w telefonie działa wolno po godzinie 20. Konsultant AI, używając AutoMem, nie wypełnia sztywnego formularza. Decyduje samodzielnie zapisać w pliku: model telefonu (Samsung A54), wersję systemu, typ taryfy, dokładny adres zamieszkania i fakt, że klient testował prędkość przez speedtest o 20:34. Rozmowa się kończy, agent wraca do puli. Przez następne trzy tygodnie obsługuje kilkaset innych spraw - faktury, roamingi, zmiany taryf. 24 kwietnia ten sam klient dzwoni ponownie. Agent AI nie ma w oknie kontekstu tamtej rozmowy, ale odczytuje swój plik pamięci. Od razu widzi: 'Samsung A54, adres X, problem wieczorny'. Zamiast zaczynać od zera, pyta: 'Czy nadal występuje tylko po 20? Sprawdźmy stację bazową przy twoim adresie'. Rozmowa trwa 4 minuty, a nie 25 jak poprzednim razem. Dla porównania, ludzki konsultant bez dostępu do takiej pamięci musiałby czytać kilka notatek z różnych systemów, jeśli w ogóle by je znalazł.

Ile to kosztuje i co zyskujesz

Z wdrożeń wczesnych wersji w centrach kontaktu średniej wielkości (200 stanowisk) wyciągam trzy liczby. Czas obsługi zgłoszeń powtarzalnych spadł średnio o 28%. Liczba kontaktów w tej samej sprawie (repeat rate) spadła o 35-40% dla spraw technicznych - według wewnętrznego raportu jednego z operatorów, który testował to na grupie 50 tysięcy zgłoszeń. Koszt integracji: przygotowanie szablonów pamięci przez AutoMem wymaga przepuszczenia przez system około 500 do 1000 historycznych spraw zakończonych sukcesem. To mniej więcej tydzień pracy jednego analityka, który nie musi programować schematów, tylko zatwierdza wygenerowane struktury. Oszczędności operacyjne: przy koszcie jednej minuty rozmowy ok. 5 zł (licząc technologię i pracę), skrócenie średniego czasu o 3 minuty daje 15 zł na sprawę. Dla 10 tysięcy spraw miesięcznie to 150 tysięcy złotych. Pełen zwrot z wdrożenia widzę po 5-7 miesiącach.

Od skryptowanych botów do agentów z pamięcią

Przez ostatnie lata contact center automatyzowały pierwsze linie wsparcia za pomocą chatbotów opartych na drzewkach decyzyjnych. Szybko się okazało, że klienci ich nienawidzą, bo nie pamiętają niczego z poprzednich rozmów. Potem przyszły duże modele językowe, które brzmiały lepiej, ale nadal zapominały po przekroczeniu okna kontekstu. AutoMem zmienia regułę gry: to już nie jest 'zapamiętaj ostanie 10 wiadomości', tylko 'zdecyduj, co będzie potrzebne za trzy tygodnie'. Dla menedżera zespołu obsługi oznacza to koniec ręcznego ustawiania pól w CRM pod każdy nowy produkt. Jeśli jutro wprowadzisz usługę światłowodu z własnym routerem, system sam wypracuje, które parametry warto notować. Zacznij od pilotażu na jednym, konkretnym typie spraw - na przykład reklamacjach sprzętowych - i daj mu dwa miesiące na naukę. Potem zobaczysz w raportach, czy repeat contact naprawdę spada, czy to tylko ładny slajd od dostawcy.

• Redukcja powtarzalnych kontaktów o 35-40% w sprawach technicznych
• Skrócenie czasu obsługi zgłoszeń historycznych średnio o 28%
• Pełny zwrot z wdrożenia w 5-7 miesięcy przy 10 tys. spraw miesięcznie

Artykuł wygenerowany ze wsparciem sztucznej inteligencji.