Asystent AI, który brzmi jak Ty, a nie jak każdy chatbot świata

Co właściwie siedzi w tej "bazie wiedzy"

Zanim ktoś powie "baza wiedzy", wyobraź sobie konkretny plik. Regulamin sklepu. PDF z ofertą dla hurtów. Odpowiedzi na pytania, które Twój handlowiec dostaje trzydzieści razy w miesiącu. Instrukcja obsługi produktu, którą kurier i tak wyrzuca do kosza. To wszystko — wrzucone w odpowiednim formacie do systemu, który asystent może przeszukiwać zanim odpowie — tworzy to, co ładnie nazywa się RAG, czyli Retrieval-Augmented Generation. Model nie "uczy się" tych dokumentów raz na zawsze jak student przed egzaminem; on je przeszukuje na żywo, za każdym razem gdy ktoś zadaje pytanie. Dzięki temu można aktualizować cennik w poniedziałek rano i asystent już w południe przestaje dawać stare kwoty.

W praktyce baza wiedzy to rzadko jeden spójny dokument. To zazwyczaj kilkanaście plików w różnym stanie: część napisana przez kogoś ze stylem, część to wyeksportowane tabele z Excela, część to odpowiedzi mailowe kogoś z działu obsługi z 2021 roku. I tu pojawia się problem, o którym mówi się za mało: jakość odpowiedzi asystenta jest dokładnie tak dobra jak jakość tego, co mu wpychasz. Garbage in, garbage out — to nie jest bon mot, to diagnoza połowy wdrożeń, które widziałem.

Przy dobrze przygotowanej bazie asystent może odpowiedzieć na pytanie o termin dostawy do konkretnego województwa, wyjaśnić warunki gwarancji, podać rozmiarówkę, porównać dwa warianty produktu. Bez bazy, albo z chaotyczną bazą, będzie ostrożnie blefował — i brzmiał jak każdy inny chatbot.

Głos marki to nie jest kwestia tonu formalnego czy nieformalnego

Większość firm, z którymi rozmawiałem, myśląc o "głosie marki" w kontekście AI, sprowadza to do jednej decyzji: mówi per ty czy per pan? To ważne, ale to wierzchołek. Głos marki to też to, czego asystent nie mówi. Czy używa słowa "dedykowany" w każdym zdaniu? Czy odpowiada na reklamację z empatią, zanim zacznie tłumaczyć procedurę? Czy kiedy czegoś nie wie, przyznaje to wprost, czy owijał w bawełnę?

Żeby asystent to wiedział, ktoś musi mu to napisać — dosłownie. W praktyce wygląda to tak: przygotowuje się dokument zwany "system promptem" albo instrukcją asystenta, który opisuje jego osobowość, styl, zakazy (co wolno, czego nie), i daje kilkanaście przykładów dobrych odpowiedzi ze złymi alternatywami. To trwa. Nie trzy godziny, raczej kilka iteracji rozłożonych na tydzień albo dwa — szczególnie jeśli po drodze okazuje się, że firma sama nie wie do końca, jak powinna brzmieć. Co zdarza się częściej, niż ktokolwiek chciałby przyznać.

Tutaj mała dygresja: najbardziej wartościowym efektem ubocznym budowania takiej instrukcji jest often zmuszenie firmy do zapisania rzeczy, które do tej pory były w głowie jednej osoby. Kto może przyznać klientowi wyjątek od polityki zwrotów? Jak firma reaguje na złe oceny w Google? To pytania, na które asystent musi mieć odpowiedź, więc ktoś musi je najpierw sam sobie zadać.

Wdrożenie u Karola z Wrocławia i dlaczego utknęło na trzy tygodnie

Karol prowadzi firmę produkującą akcesoria do pracowni ceramicznych — dwadzieścia kilka osób, sprzedaż do klientów indywidualnych i hurtowa do szkół artystycznych. Wdrażał asystenta AI do obsługi pytań przedsprzedażowych gdzieś w październiku 2024 roku. Baza wiedzy: regulamin, FAQ z 60 pytaniami, trzy pliki PDF z katalogiem. System prompt pisaliśmy razem przez dwa spotkania. Asystent miał być ciepły, konkretny, mówić do klientów na ty, nie sprzedawać nachalnie.

Utknęło na eksporcie danych z platformy sklepowej przez trzy tygodnie, bo formaty plików produktowych okazały się mniej standardowe niż wszyscy myśleli, i zanim stany magazynowe trafiły do bazy w czytelnej formie, asystent przez jakiś czas podawał nieaktualne informacje o dostępności — co zostało wychwycone przez jedną klientkę, która zamówiła coś, czego nie było. Karol był niezadowolony, co zrozumiałe. Po ustabilizowaniu integracji sprawy poszły w górę: liczba pytań mailowych do obsługi o tematy pokryte przez FAQ spadła wyraźnie, choć dokładnych liczb nie mam, bo nie było punktu odniesienia sprzed wdrożenia. Połowa zespołu obsługi i tak przez pierwsze dwa miesiące sprawdzała ręcznie odpowiedzi asystenta — z przyzwyczajenia albo z braku zaufania, trudno powiedzieć.

Morał nie jest taki, że wdrożenie asystenta AI to droga przez mękę. Morał jest taki, że wdrożenie jest tak nudno operacyjne jak każde inne wdrożenie systemowe — i kto tego nie rozumie na początku, ten będzie zaskoczony w połowie drogi.

Co realnie się zmienia, a co jest przereklamowane

Realnie zmienia się jedno: klient dostaje odpowiedź o dwudziestej drugiej w niedzielę, bez czekania do poniedziałku. Dla firm z klientami indywidualnymi, którzy kupują impulsywnie i oczekują natychmiastowej odpowiedzi na pytanie o rozmiar albo czas dostawy, to jest konkretna różnica w liczbie dokończonych transakcji. Moje przeczucie, bez twardych danych pod ręką, jest takie, że największy efekt widzą sklepy internetowe i firmy usługowe z długim FAQ, nie firmy B2B z procesem sprzedaży trwającym trzy miesiące.

Przereklamowane jest to, że asystent "zastąpi" kogokolwiek z obsługi klienta. Przy skomplikowanych sprawach — reklamacje z emocjami, negocjacje, sytuacje niestandardowe — asystent powinien oddawać piłkę człowiekowi, i dobry system jest tak skonfigurowany. Kto wdraża chatbot z myślą o cięciu etatu obsługi, ten prawdopodobnie przepali budżet i szybko wróci do poprzedniego stanu.

Jest też kwestia, o której mówi się rzadko: asystent oparty na bazie wiedzy jest tak aktualny jak jego baza. Jeśli nikt nie aktualizuje dokumentów po zmianie cennika, asystent będzie dawał stare informacje z przekonaniem człowieka, który nie wie, że nie wie. To nie jest problem technologii — to problem procesu w firmie. Ktoś musi być właścicielem tej bazy: pilnować aktualizacji, co kilka tygodni przeglądać logi pytań, na które asystent odpowiedział źle albo wcale, i uzupełniać luki. Bez tej osoby narzędzie po sześciu miesiącach staje się dekoracją.

Przy dobrze utrzymanej bazie i jasno napisanej instrukcji głosu marki asystent naprawdę brzmi inaczej niż domyślny ChatGPT wklejony na stronę. Brzmi jak ktoś z firmy. Nie idealnie — zdarzają mu się zdania trochę zbyt gładkie, trochę zbyt symetryczne — ale wystarczająco, żeby klient nie czuł, że rozmawia z anonimowym botem. To mała rzecz. Ale w obsłudze klienta małe rzeczy sumują się szybko.