Voicebot a IVR: czym się różnią i co daje zmiana?

Każdy to zna. Dzwonisz w jednej konkretnej sprawie, a w słuchawce odzywa się lektor: aby uzyskać informacje o zamówieniu, wciśnij jeden; aby połączyć się z serwisem, wciśnij dwa; aby wysłuchać menu ponownie, wciśnij gwiazdkę. Wciskasz dwa. Wchodzisz w kolejne menu, w którym Twojej sprawy dalej nie ma. Wracasz na początek, wybierasz zero i lądujesz w kolejce, gdzie miły głos informuje, że jesteś siódmy.

To jest IVR, czyli interaktywne menu głosowe. Technologia z lat osiemdziesiątych, która wciąż stoi na pierwszej linii w tysiącach polskich firm. Nie dlatego, że jest dobra dla dzwoniącego. Dlatego, że jest wygodna dla firmy: raz nagrany komunikat, sztywne drzewko, przewidywalne przekierowania. Dzwoniący ma się dopasować do struktury działów, zamiast po prostu powiedzieć, o co mu chodzi.

Poniżej rozkładamy to na części. Jak działa jedno i drugie, gdzie menu się łamie, co realnie zmienia się dla osoby po drugiej stronie i czy trzeba wyrzucać centralę, którą już macie. Jest też osobny kawałek o tym, kiedy stare IVR wystarczy i lepiej go nie ruszać. Bo nie każda infolinia potrzebuje agenta rozumiejącego mowę, a my wolimy to powiedzieć na pierwszej rozmowie niż na fakturze.

Jak działa klasyczne IVR i gdzie się łamie

Klasyczne IVR to nagrania lektora plus drzewko decyzyjne. System odtwarza listę opcji, dzwoniący wybiera cyfrę na klawiaturze telefonu, a centrala przekierowuje połączenie do odpowiedniej kolejki albo odtwarza kolejny poziom menu. Bardziej rozbudowane wdrożenia potrafią jeszcze przyjąć numer sprawy wystukany tonowo i odczytać status z systemu. I na tym w zasadzie kończą się ich możliwości.

Łamie się to na czterech rzeczach. Pojemność menu jest pierwsza: z listy czytanej głosem człowiek zapamiętuje trzy opcje, może cztery, więc dłuższe drzewko zmusza do słuchania wszystkiego od nowa. Druga to sprawy nietypowe, które nie pasują do żadnej gałęzi, a to zwykle właśnie one wymagają uwagi. Trzecia to brak kontekstu. Po przekierowaniu dzwoniący opowiada wszystko od początku, bo IVR nie przekazuje dalej niczego poza numerem kolejki. Czwarta to godziny pracy: o dwudziestej drugiej menu wciąż mówi, tylko za nim nie ma już nikogo.

Efekt uboczny jest taki, że część ludzi nauczyła się omijać menu odruchowo. Wciskają zero, mówią „konsultant”, rozłączają się i piszą maila albo dzwonią do konkurencji. Menu miało odciążyć obsługę, a w praktyce przesuwa ruch do innego kanału i wydłuża drogę do odpowiedzi.

Jest jeszcze jedna rzecz, o której przy IVR mało kto myśli. Po roku takiej infolinii nadal nie wiadomo, po co ludzie dzwonili. Statystyka z centrali pokaże, ilu wybrało jedynkę, a ilu dwójkę, i tyle. Nie powie, ilu dzwoniących miało sprawę, której w menu w ogóle nie ma. W rozmowie prowadzonej głosem wychodzi to samo z siebie, bo zostaje transkrypcja i widać, o co pytają naprawdę.

Kiedy stare IVR w zupełności wystarczy

Zacznijmy od strony, o której agencje AI zwykle milczą. IVR nie jest złą technologią, tylko wąską. Tam, gdzie ruch pasuje do jego kształtu, robi swoje szybciej i taniej niż cokolwiek innego, bo nie ma czego rozumieć. Dzwoniący i tak wie, dokąd chce trafić.

• Menu ma dwie albo trzy opcje i wszyscy trafiają za pierwszym razem. Rozdzielenie ruchu na sprzedaż i serwis jedną cyfrą trwa sekundę, nikomu nic nie trzeba tłumaczyć i nie ma tu miejsca na poprawę.
• Cała treść połączenia to jedna informacja: godziny otwarcia, adres, numer konta, komunikat o awarii. Nagranie powitalne załatwia sprawę, zanim ktokolwiek podniesie słuchawkę.
• Dzwoniący ma podać dane, których nie chce wypowiadać na głos. Numer klienta, PIN, czterocyfrowy kod. Wystukanie tonowe jest tu bezpieczniejsze od dyktowania i taki kawałek IVR zostawiamy nawet w naszych wdrożeniach.
• Ruch jest ogromny, a sprawy identyczne. Przy infolinii, przez którą idzie fala jednakowych połączeń, każde dodatkowe pół sekundy na rozpoznanie mowy to koszt bez zysku.
• Telefon dzwoni kilka razy dziennie i zawsze odbiera go ta sama osoba. Nie ma kolejki, więc nie ma czego skracać.

Jest też przypadek, w którym menu zostaje z powodów formalnych. Nagrana informacja o nagrywaniu rozmowy, komunikat o przetwarzaniu danych, wybór języka. To da się powiedzieć głosem agenta, ale nagranie bywa wygodniejsze, bo brzmi identycznie za każdym razem i łatwiej pokazać, co dokładnie usłyszał klient.

Test, czy jesteście po tej czy po tamtej stronie, można zrobić bez nas. Weźcie sto ostatnich połączeń i policzcie, ile z nich obsłużyłaby jedna cyfra z obecnego menu. Jeśli wychodzi zdecydowana większość, zostawcie IVR w spokoju. Naprawdę. Jeśli połowa kończy się w kolejce do „pozostałych spraw” albo po godzinach na poczcie głosowej, wtedy jest o czym rozmawiać.

Jak działa voicebot, czyli swobodna mowa zamiast wybierania tonowego

Voicebot, czyli agent głosowy AI, odwraca układ. Zamiast listy opcji dzwoniący słyszy pytanie „w czym mogę pomóc” i odpowiada normalnym zdaniem. Pod spodem działają trzy elementy: rozpoznawanie mowy zamienia wypowiedź na tekst, model językowy rozumie intencję i decyduje, co zrobić, a synteza mowy odpowiada głosem. My korzystamy z ElevenLabs, więc głos brzmi jak naturalna polszczyzna, z odmianą przez przypadki i akcentem zdaniowym, a nie jak czytnik z automatu.

Najważniejsza różnica jest jednak głębiej. Agent nie kończy na rozumieniu. Ma dostęp do danych i może w trakcie rozmowy coś zrobić: sprawdzić rozkład, kalendarz, status zamówienia, wolne terminy. Dopytać o brakującą informację, jeśli dzwoniący podał za mało. Zapisać wizytę, wysłać SMS z potwierdzeniem, zanotować zgłoszenie, przesunąć termin na inny dzień. Rozmowa i akcja dzieją się w tym samym czasie, więc całość nie kończy się zdaniem „proszę zadzwonić w godzinach pracy biura”.

Nie znaczy to, że zawsze wychodzi za pierwszym razem. Rozpoznawanie mowy potrafi się wyłożyć na hałasie w tle, na bardzo szybkim mówieniu i na nazwiskach, które każdy wymawia inaczej. Adres mailowy dyktowany przez telefon to osobna udręka, więc zwykle wysyłamy SMS z linkiem, zamiast kazać go literować. Jest też opóźnienie: między końcem Twojego zdania a początkiem odpowiedzi mija ułamek sekundy i słychać, że to nie człowiek. Da się je skrócić, do zera nie. Ile dokładnie wynosi w polskich sieciach komórkowych, tego akurat porządnie nie mierzyliśmy, więc nie będziemy podawać liczby.

Dlatego pierwsze tygodnie po starcie to głównie słuchanie nagrań i poprawianie tego, co się posypało. Kto tego nie robi, ten ma agenta brzmiącego świetnie na demo i słabo w piątek po południu.

Sprawy nietypowe nie kończą się komunikatem o błędzie, tylko przekazaniem do człowieka razem z podsumowaniem tego, co dzwoniący już powiedział. Pracownik odbiera rozmowę z kontekstem, a nie z pustą kartką. A ponieważ agent nie ma zmiany ani przerwy, odbiera tak samo o siódmej rano, jak w sobotę wieczorem. Dane przetwarzamy na serwerach w Polsce i UE, zgodnie z RODO i w oparciu o standardy zgodne z normą ISO 27001. Certyfikatu ISO nie posiadamy i nie udajemy, że jest inaczej. Dla infolinii, przez którą przechodzą dane klientów, to nie jest szczegół.

Voicebot a IVR punkt po punkcie

Zestawmy jedno i drugie w kategoriach, które faktycznie decydują o wyborze. Nie w tabelce z gwiazdkami, tylko w tym, co dzwoniący odczuwa przez pierwsze trzydzieści sekund.

• W IVR dzwoniący wybiera cyfrę z listy i idzie jedną gałęzią naraz. Agentowi mówi własnymi słowami, a ten sam ustala, o co chodzi, i dopytuje o brakujące szczegóły.
• Sprawa nietypowa w menu kończy się powrotem do początku albo kolejką do „pozostałych spraw”. Agent obsłuży pytanie zadane po ludzku, a gdy go przerośnie, przełączy do pracownika razem z podsumowaniem rozmowy.
• IVR w najlepszym razie odczyta status po numerze wystukanym tonowo. Agent sięga do rozkładu, kalendarza, bazy wiedzy czy systemu rezerwacji i odpowiada konkretem zamiast ogólnikiem.
• Menu przekierowuje i na tym kończy swoją rolę. Agent rezerwuje termin, przesuwa wizytę, wysyła potwierdzenie i zapisuje zgłoszenie, jeszcze zanim rozmowa się skończy.
• Po godzinach IVR odtwarza komunikat, że biuro jest zamknięte. Agent odbiera także wtedy i wtedy, gdy wszystkie linie są zajęte, więc nieodebrane połączenie przestaje być stratą.
• Zmiana w IVR to nowe nagranie lektora i przebudowa drzewka w centrali. U agenta poprawiasz wiedzę i zasady, a nie strukturę menu, i widać to w następnej rozmowie.
• IVR nigdy nie powie nic, czego nie nagrał lektor, i to jego prawdziwa przewaga. Agent układa zdania sam, więc trzeba mu wyznaczyć granice: czego nie wolno obiecywać, przy czym ma milczeć, kiedy przełączyć dalej.
• IVR bywa tańszy na starcie, bo to kilka nagrań i konfiguracja centrali. Wdrożenie agenta głosowego zaczyna się u nas od 5 000 zł netto, większe projekty wyceniamy indywidualnie, a utrzymanie to 249, 499 albo 799 zł netto miesięcznie zależnie od pakietu.

Czy trzeba wyrzucać IVR, żeby postawić voicebota

Nie. To najczęstsze nieporozumienie w rozmowach o zmianie infolinii: firma zakłada, że trzeba zdemontować całą centralę i zbudować wszystko od zera. Nie trzeba, a często wręcz nie warto, bo istniejące przekierowania i kolejki działają, ktoś je przez lata dopieszczał i zwykle nikt nie pamięta już wszystkich ustawień.

Najczęściej agent staje po prostu przed IVR. Odbiera połączenie, pyta o sprawę, rozumie odpowiedź i albo załatwia ją sam, albo kieruje dokładnie tam, gdzie trzeba, omijając trzy poziomy menu. Dzwoniący w ogóle nie słyszy drzewka, a firma zachowuje pod spodem dotychczasową strukturę działów.

Druga droga to oddanie agentowi tylko części ruchu. Połączeń po godzinach. Nadmiaru, gdy wszystkie linie są zajęte. Albo jednego typu spraw, powtarzalnego i dobrze opisanego. To najbezpieczniejszy start, bo powrót do stanu wyjściowego jest jednym przełączeniem, a nie projektem.

Można też zacząć od pilotażu na wydzielonym numerze. Agent dostaje własną linię, kierujecie na nią ruch z jednej kampanii albo jednego oddziału i przez kilka tygodni czytacie transkrypcje. Dopiero potem decydujecie, czy ruszać główny numer. Sam numer zresztą zostaje w każdym z tych wariantów, bo przekierowanie ustawia się po stronie operatora albo centrali. Wizytówki i ulotki zostają bez zmian.

Co warto mieć przygotowane przed startem

Wdrożenia, które idą gładko, mają wspólną cechę: firma przychodzi z materiałem, a nie z samym pomysłem. Nie chodzi o dokumentację na trzydzieści stron, tylko o kilka rzeczy, które i tak gdzieś u Was są.

• Nagrania albo chociaż notatki z kilkudziesięciu ostatnich połączeń. Nie po to, żeby je odtwarzać agentowi, tylko żeby zobaczyć, o co ludzie pytają naprawdę.
• Listę pytań, które wracają najczęściej, z odpowiedziami w takiej formie, w jakiej wolno je podać klientowi.
• Informację, gdzie leżą dane: kalendarz, system rezerwacji, arkusz, CRM. I czy da się do nich dostać przez API, czy ktoś przepisuje ręcznie.
• Granice. Czego agent nie może obiecać, jakich spraw w ogóle nie tyka i przy jakich słowach przełącza do człowieka bez dyskusji.
• Jedną osobę u Was, która może zdecydować. Wdrożenia stoją zwykle nie na technologii, tylko na tym, że przez dwa tygodnie nikt nie odpowiedział, co robić z przypadkiem X.

Brak któregoś z tych punktów nie jest powodem do wstydu, tylko pierwszym etapem pracy. Czasem kończy się tak, że firma przez miesiąc porządkuje wiedzę, a projekt czeka. I dobrze, bo agent karmiony bałaganem odpowiada bałaganem, tylko szybciej i przez telefon.

Nowoczesna infolinia w praktyce, czyli nasze demo transportowe

Zbudowaliśmy publiczne demo agenta głosowego dla transportu, dostępne pod adresem pks-gryfice-demo.vercel.app. Mówimy to wprost, bo w branży nagminnie robi się z takich rzeczy referencje: to jest nasza prezentacja techniczna zbudowana na publicznie dostępnych danych rozkładowych, a nie wdrożenie u klienta. PKS Gryfice nie jest naszym klientem i nie zlecał nam tej pracy.

Demo pokrywa 6 przystanków i 276 odjazdów. Można zadzwonić i zapytać zwyczajnie, o której jest najbliższy autobus w konkretną stronę, a agent odpowie godziną i poda źródło, z którego wziął dane. To ostatnie jest tu najważniejsze: agent nie zgaduje i nie improwizuje rozkładu, tylko cytuje to, co ma w danych. W klasycznym IVR taka rozmowa jest technicznie niewykonalna. Nie da się wystukać cyfrą pytania „o której mam autobus z centrum do szpitala w sobotę rano”.

Ograniczenia demo też są jawne. Sześć przystanków to wycinek sieci, dane są statyczne i nie uwzględniają opóźnień ani objazdów, a agent obsługuje jeden typ sprawy. Prawdziwe wdrożenie wymagałoby podłączenia do systemu przewoźnika i ustalenia, co robić z sytuacjami wyjątkowymi: zjazd do zajezdni, kurs odwołany, zmiana trasy z dnia na dzień. Demo pokazuje mechanizm i jakość rozmowy, a nie gotowy produkt. I tak prosimy je traktować.

Kiedy zmiana IVR na voicebota się nie opłaca

Poza sytuacjami, w których menu po prostu działa, są jeszcze firmy, którym odradzamy to wdrożenie z zupełnie innych powodów. Wolimy powiedzieć to na pierwszej rozmowie niż po podpisaniu umowy.

Najczęstszy powód to brak danych, na których agent miałby pracować. Jeśli terminy są w zeszycie, ceny w głowie właściciela, a status zlecenia zna tylko brygadzista, agent nie ma skąd wziąć odpowiedzi. Pierwszym krokiem nie jest wtedy AI, tylko uporządkowanie informacji. Mówimy to regularnie, nawet gdy oznacza to przesunięcie projektu o kilka miesięcy.

Druga sprawa to rozmowy, w których stawką jest decyzja, negocjacja albo emocje. Reklamacja z awanturą. Sprzedaż wymagająca wyczucia. Albo temat po prostu wrażliwy, jak zdrowie czy pieniądze klienta. Tu agent może najwyżej odebrać, zebrać podstawowe informacje i szybko przełączyć do człowieka. Jeśli takie rozmowy stanowią większość Waszego ruchu, sensowniejszą inwestycją jest szkolenie zespołu niż automatyzacja pierwszej linii.

Trzecia to oczekiwania. Jeśli ktoś przychodzi z założeniem, że agent zdejmie z firmy całą obsługę telefonu i nikt już nie będzie odbierał, lepiej rozejść się na tym etapie. Agent przejmuje powtarzalne, a resztę podaje dalej i ktoś tę resztę musi odebrać. Widzieliśmy pomysły na wdrożenie, w których po drugiej stronie przekazania nie było nikogo. To jest gorsze niż samo IVR, bo dzwoniący ma wtedy poczucie, że został oszukany dwa razy.

Częste pytania

Zobacz także