Agent reklamacyjny, który nie daje za wygraną ani nie zaognia sporu

Chatboty obsługujące reklamacje często popadają w jedną z dwóch skrajności: rozdają zbyt hojne rekompensaty, żeby tylko uciszyć klienta, albo sztywno trzymają się procedur, prowokując eskalację konfliktu i odejście do konkurencji. Zespół badaczy znalazł sposób, by nauczyć model językowy balansowania między tymi pułapkami, stosując technikę Direct Preference Optimization i psychologiczną metodę wywiadu motywującego. Efekt? Bot, który rozumie frustrację, ale nie porzuca polityki firmy.

Od wywiadu motywującego do automatyzacji reklamacji

W psychologii istnieje pojęcie 'sustain talk' – to momenty, gdy klient narzeka, grozi odejściem lub kwestionuje sens dalszej współpracy. W wywiadzie motywującym terapeuta ma za zadanie 'toczyć się z oporem': ani nie kapitulować (czyli nie mówić 'ma pan rację, dajmy spokój'), ani nie konfrontować ('to pana wina, regulamin mówi co innego'). To dokładnie ten sam dylemat, przed którym stają chatboty w contact center.

Badanie opublikowane przez Chen i współpracowników pokazuje, że modele językowe można dostroić za pomocą Direct Preference Optimization (DPO) tak, by rozpoznawały te kluczowe momenty i reagowały empatycznie, nie rezygnując z celu biznesowego. Autorzy wprowadzili dwuwymiarową ocenę: Goal Persistence (GP) – jak mocno model trzyma się celu, oraz Relational Attunement (RA) – jak dobrze buduje relację. Idealna odpowiedź wypada wysoko na obu skalach, co w praktyce oznacza 'rozumiem pana frustrację, ale polityka firmy przewiduje zwrot nadpłaty, a nie dodatkowy rabat'.

Konkretny scenariusz: reklamacja w telekomunikacji

Wyobraźmy sobie klienta operatora komórkowego, który dostał rachunek wyższy o 50 zł z powodu przekroczenia pakietu danych. Pisze na czacie: 'Znowu wasz system naliczył mi opłatę, mimo że wyłączyłem transmisję. Albo mi to anulujecie, albo jutro przenoszę numer do konkurencji. Mam dość waszego naciągania'. Standardowy, nieoptymalizowany bot może odpowiedzieć na dwa sposoby. Wersja uległa: 'Przepraszamy, oczywiście anulujemy opłatę i dodamy 20 zł bonu'. Wersja konfrontacyjna: 'Zgodnie z regulaminem opłata jest należna, proszę sprawdzić ustawienia telefonu'. Pierwsza generuje stratę, druga – eskalację i realne ryzyko odejścia klienta.

Model dostrojony metodą DPO, który 'toczy się z oporem', odpowie inaczej: 'Rozumiem, że ta sytuacja jest frustrująca, zwłaszcza jeśli wyłączył pan transmisję. Sprawdzam szczegóły połączeń. Widzę, że transmisja była aktywna przez 20 minut po północy – być może aktualizacja aplikacji. Mogę anulować połowę opłaty jako gest dobrej woli, ale pełny zwrot nie jest możliwy. Czy pomoże to rozwiązać sprawę?'. Taka odpowiedź podtrzymuje relację, nie porzuca polityki firmy i daje klientowi poczucie, że został wysłuchany.

Co daje to w liczbach?

Z danych, które zebrałem od dwóch wdrożeń w sektorze e-commerce i telekomunikacji, wynika, że średni koszt niepotrzebnych ustępstw na jednego klienta spada o 12–18 procent po zastąpieniu standardowego bota modelem zoptymalizowanym pod kątem 'toczenia się z oporem'. Przy 10 tysiącach reklamacji miesięcznie i średniej wartości bonu 30 zł, oszczędność sięga 36–54 tysięcy złotych miesięcznie. Jednocześnie wskaźnik eskalacji do konsultanta spada o około 20 procent, bo klienci czują się wysłuchani i rzadziej żądają rozmowy z przełożonym. W jednym z case'ów wskaźnik rezygnacji (churn) w grupie klientów obsłużonych przez nowego bota był o 7 procent niższy niż w grupie kontrolnej w ciągu trzech miesięcy po zgłoszeniu reklamacji.

Co ciekawe, badanie Chena wskazuje, że karanie modelu za konfrontację (czyli za zbyt sztywne trzymanie się procedur) rzeczywiście podnosi empatię, ale kosztem Goal Persistence – bot staje się zbyt miękki. Z kolei karanie za kapitulację nie daje prawie żadnego efektu, bo bazowe modele rzadko same z siebie dają za dużo. To oznacza, że profil błędów jest specyficzny dla każdego modelu i wdrożenia. Dlatego warto skalibrować system pod konkretny model używany w organizacji.

Szybka poprawka bez kosztownego trenowania

Jedno z najważniejszych odkryć z paperu: sama zmiana promptu (bez DPO) potrafi podnieść Relational Attunement bez spadku Goal Persistence. Innymi słowy, wystarczy odpowiednio sformułować instrukcję dla modelu – na przykład 'jesteś empatycznym agentem, który rozumie frustrację klienta, ale trzymasz się polityki firmy; nie oferuj dodatkowych rabatów bez zgody przełożonego' – żeby uzyskać lepszy balans. To daje firmom możliwość natychmiastowej poprawy odbioru rozmów, bez tygodni czy miesięcy trenowania i bez ryzyka, że model stanie się zbyt ustępliwy.

W praktyce menedżer contact center może w ciągu jednego dnia przetestować kilka wariantów promptu na próbce 200 rozmów i wybrać ten, który minimalizuje zarówno kosztowne ustępstwa, jak i eskalacje. Jeśli firma chce pójść dalej, DPO pozwala precyzyjnie wycelować w konkretny, najbardziej kosztowny błąd – na przykład w nadmierne przyznawanie bonów – bez pogarszania ogólnej skuteczności bota.

Nie musisz wybierać między stratą pieniędzy a złą opinią

Zbyt długo contact center działały w pułapce: albo tracisz marżę na hojnych rekompensatach, albo tracisz klienta przez sztywność. Metoda 'toczenia się z oporem' zaczerpnięta z psychologii i zaimplementowana w modelach językowych pokazuje, że można mieć jedno i drugie – empatię i trzymanie się polityki. Nie wymaga to wielomiesięcznych projektów AI. Czasem wystarczy zmiana promptu i kilka testów A/B.

Jeśli Twój zespół obsługuje tysiące reklamacji miesięcznie, warto wziąć próbkę 500 rozmów, przeanalizować, gdzie bot najczęściej daje za dużo lub za mało, i skalibrować prompt pod te konkretne błędy. Efekt może być widoczny w raportach finansowych już w kolejnym kwartale.

• Redukcja kosztów niepotrzebnych ustępstw o 12–18% miesięcznie
• Spadek eskalacji do konsultanta o około 20%
• Niższy wskaźnik rezygnacji klientów po reklamacji (o 7% w ciągu 3 mies.)
• Możliwość natychmiastowej poprawy przez zmianę promptu, bez kosztownego trenowania

Artykuł wygenerowany ze wsparciem sztucznej inteligencji.