Zdjęcie: Mohamed Nohassi / Unsplash
Klarna, szwedzka firma zajmująca się płatniczym modelem „kup teraz, zapłać później”, wdrożyła chatbota na bazie OpenAI do obsługi klientów. W ciągu pierwszego miesiąca AI obsługiwał dwie trzecie wszystkich zapytań. Ale po sukcesie przyszły problemy, które zmusiły firmę do całkowicie innego myślenia o automatyzacji.
Po co Klarna szukała AI do obsługi klientów
Każdy, kto kupi coś przez Klarnę, ma pytania: dlaczego nie przeszła płatność, kiedy wróci kasa, jak zmienić harmonogram spłat, co z anulowanym zamówieniem albo skąd się wzięła konkretna wpłata. Dla firmy to oznacza morze zapytań w support.
Zanim AI wkroczyło do gry, Klarna utrzymywała około 3 000 operatorów zewnętrznych. Znaczna część ich pracy to była rutyna: weryfikacja danych klienta, sprawdzenie statusu płatności, wyjaśnienie zasad zwrotu, zmiana planu spłat albo standardowe operacje. Taki profil pracy to właśnie idealne pole do zaorania przez algorytm.
Nie był to zwykły chatbot
Na początku 2024 roku Klarna uruchomiła asystenta AI. Ale nie zrobili ze niego prostego bota, który wyciąga odpowiedzi z bazy wiedzy i przesyła je użytkownikowi. Firma postawiła na autonomiczne agenty — systemy zdolne do wykonywania całych sekwencji działań.
AI otrzymał dostęp do danych klienta, potrafił sprawdzić stan sprawy, komunikować się z wewnętrznymi systemami Klarna, zorganizować zwrot albo zmienić plan spłaty. Klient nie musiał najpierw rozmawiać z botem, czekać na człowieka i czekać jeszcze na wykonanie operacji. Agent robił to sam, w jednym ruchu.
Dla Klarna to było wciągające. Jeśli pytanie pojawia się tysiące razy, a schemat rozwiązania jest oczywisty, czemu zmuszać człowieka do powtarzania tego samego?
Pierwszy miesiąc: całkowity triumf
Po uruchomieniu AI obsłużył 2,3 miliona rozmów — mniej więcej dwie trzecie całego traffic’u support’u Klarna. Średni czas rozwiązania spadł z 11 minut do poniżej 2 minut. Liczba powtórnych zapytań zmalała o 25 procent. Klarna szacowała, że AI wykonywał pracę około 700 pracowników na pełny etat.
Dodajcie do tego oszczędności: firma liczyła, że wdrożenie może dodać około 40 milionów dolarów do jej rocznego zysku. Bot pracował całą dobę, obsługiwał klientów w dziesiątkach języków. Im więcej standardowych zapytań trafiało do maszyny, tym mniej operatorów trzeba było wrzucać do systemu.
Zewnętrzna obsługa klienta skurczyła się z około 3 000 do 2 300 pracowników. Wszystko wyglądało perfekcyjnie: AI bierze na siebie nudę, biznes oszczędza, a klienci czekają krócej.
Potem zaczęły się pytania
Kłopot pojawił się nie tam, gdzie się go spodziewano. Kiedy klient pyta, kiedy dostanie zwrot za anulowane zamówienie, AI sobie doskonale radzi. Widzi dane zakupu, sprawdza status zwrotu, informuje o postępach.
Ale wyobraźcie sobie inny scenariusz. Ktoś odkrywa, że nieznajomy dostał się na jego konto i wykonał kilka operacji. Pieniądze już poszły, standardowa procedura zwrotu nie pasuje, a historia zapytań zawiera kilka sprzecznych szczegółów. Tu wiedza z bazy FAQ to za mało. Trzeba wejść w kontekst, zrozumieć, co się stało, ocenić sytuację i podjąć decyzję, jaki ruch będzie słuszny.
W żargonie twórców AI te przypadki się zowią edge cases — sytuacje nietypowe, które wymykają się standardowemu zachowaniu systemu. I dokładnie tutaj Klarna natrafiła na mur.
Im lepszy AI, tym trudniejsza praca człowieka
Powstał dość niemiły paradoks. Zanim wdrożyli automatyzację, operator obsługiwał całą dobę proste pytania i co jakiś czas trafiało mu coś trudnego. Po automatyzacji proste pytania po prostu zniknęły.
Oznacza to, że kiedy zapytanie trafiało do człowieka, było ono z dużą szansą skomplikowane, pełne emocji albo niestandardowe. Obsługa człowieka zmalała w wolumenie, ale urosła w trudności. A taki mix nie pasuje do modelu biznesowego zbudowanego wokół średniego czasu odpowiedzi i kosztu na zapytanie.
Według Forbesa Klarna natknęła się na sprawy wymagające ludzkiej ekspertyzy, niuansowanego myślenia i empatii. Firma zrozumiała: nawet super efektywny AI nie zastąpi ludzi przy edge case’ach.
Zmiana strategii
Klarna nie wyrzuciła AI do śmieci. Nie przywróciła też poprzednich 3 000 operatorów. Zdecydowała się na coś innego: zostawić AI tam, gdzie robi robotę, a ludzką ekspertyzę skoncentrować na zapytaniach, które rzeczywiście wymagają głowy.
Firma powołała niewielki zespół — około 100 wysokiej klasy specjalistów — do obsługi trudnych spraw i określania, gdzie rzeczywiście potrzebna jest interwencja człowieka.
Jeśli by się okazało, że AI był pułapką, czekalibyśmy powrotu do starego systemu. Stało się odwrotnie. Według Forbesa, volume pracy wykonywany przez AI wzrósł z równowartości 700 pracowników do około 850. AI nadal włącza się w około 80 procent wszystkich czatów support’u.
Innymi słowy: nawet po wszystkich odsłonach problemów, Klarna nie zaczęła mniej używać AI. Nauczyła się lepiej definiować, gdzie jego odpowiedzialność się kończy.
O czym zapomniały liczby
Jeśli 80 procent zapytań da się rozwiązać automatycznie, kusząca jest myśl: „Super, automatyzujmy jeszcze więcej”. Ale zostałe 20 procent to niekoniecznie kolejne 20 procent zwyczajnej pracy.
W tym 20 procentach mogą być najdroższe błędy, najbardziej wściekli klienci i sytuacje, w których zła odpowiedź kosztuje zdecydowanie więcej niż oszczędność na jednym operatorze. Klarna potrzebowała ludzi dokładnie dlatego — ale nie po to, by znowu odpowiadać na miliony prostych pytań.
Ale żeby rozpracować sytuacje, których AI nie potrafi niezawodnie sformalizować.
Klarna chciała sprawdzić, czy AI może przejąć większość pracy support’u. Okazało się, że może. Ale przy okazji odkryła coś jeszcze: im więcej roboty zabiera maszyna, tym bardziej ważny staje się człowiek, który potrafi rozkminić to, co nie mieści się w instrukcji.