Dyrektor ds. technologii i obsługi klienta twierdzi, że liderzy doświadczenia klienta zbytnio koncentrują się na wynikach AI, podczas gdy doświadczenie klienta ulega degradacji

Oremeyi Akah jest dyrektorką ds. obsługi klienta (CCO) w Interswitch, ogólnoafrykańskiej firmie zajmującej się infrastrukturą płatniczą, obsługującej zarówno segmenty B2B, jak i B2C.

Spotkaliśmy się z Oremeyi, aby porozmawiać o imponujących wynikach, jakie obserwuje dzięki integracji AI w całej swojej organizacji CX. Przy okazji opowiedziała nam, gdzie organizacje CX popełniają błędy podczas integracji AI.

Od funkcji usługowej do funkcji strategicznej

Nazywam się Oremeyi Akah i jestem dyrektorką ds. obsługi klienta w Interswitch Group — ogólnoafrykańskiej firmie zajmującej się infrastrukturą płatniczą, działającej na 23 rynkach afrykańskich i łączącej osoby, firmy oraz rządy z cyfrowymi usługami finansowymi.

Organizacja ds. klientów, którą kieruję, obejmuje pełne spektrum relacji handlowych Interswitch — od dużych instytucji finansowych i firm fintech, obsługiwanych przez naszą funkcję zarządzania kluczowymi klientami, po sprzedawców, wystawców rachunków i konsumentów końcowych korzystających z kanałów cyfrowych, centrów kontaktowych oraz kanałów obsługi osobistej. Obsługujemy zarówno segmenty B2B, jak i B2C.

Nasz zakres odpowiedzialności za CX obejmuje zarówno strategiczne relacje z bankami, takimi jak Stanbic IBTC i Providus, wymagające intensywnej obsługi, jak i doświadczenia milionów zwykłych Nigeryjczyków dokonujących transakcji za pomocą kart Verve, Quickteller oraz naszej infrastruktury przełączania płatności.

Mój zespół zarządza relacjami na styku przychodów, zaufania i krajowej inkluzji finansowej — dzięki czemu obsługa klienta staje się nie tylko funkcją usługową, lecz także strategiczną.

Jak AI radykalnie poszerza możliwości zespołów CX

Rok temu, dysponując 15-osobowym zespołem, ręcznie analizowaliśmy zaledwie 10% kontaktów z klientami we wszystkich naszych kanałach B2B i B2C. Oznaczało to, że nie mieliśmy wglądu w doświadczenia 90% naszych klientów — w każdą skargę, każdy punkt tarcia i każdy sygnał ryzyka regulacyjnego. Podejmowaliśmy decyzje dotyczące doświadczeń klientów na podstawie bardzo niepełnego obrazu.

Następnie wdrożyliśmy system zapewniania jakości oparty na AI, co całkowicie zmieniło sytuację. Obecnie analizujemy 100% kontaktów z klientami. Sprawdzamy każdą interakcję, wstępnie kategoryzujemy ją według poziomu dotkliwości oraz oznaczamy ryzyka regulacyjne, powtarzające się wzorce niepowodzeń i obszary wymagające szczególnej uwagi.

W rezultacie zmieniły się trzy rzeczy.

1. Nasz zakres monitorowania wzrósł z 10% do 100% — bez zwiększania liczby pracowników. Oznacza to 10-krotny wzrost widoczności przy wykorzystaniu tych samych zasobów.
2. Przeszliśmy od reaktywności do proaktywności. Wcześniej odkrywaliśmy problemy dopiero wtedy, gdy klienci je eskalowali. Teraz znajdujemy je, zanim dojdzie do eskalacji — a w infrastrukturze płatniczej ta różnica ma ogromne znaczenie, zarówno dla zaufania klientów, jak i dla pozycji regulacyjnej.
3. Zmienił się zakres pracy naszego 15-osobowego zespołu. Zespół przeszedł od próbkowania kontaktów do działania na podstawie informacji. Obecnie koncentruje ludzką ocenę tam, gdzie jest ona najbardziej potrzebna: na interakcjach o najwyższym poziomie dotkliwości i ryzyka, wskazywanych przez system.

Tak w praktyce wygląda CX wspierane przez AI — nie zastępowanie ludzi, lecz radykalne poszerzanie tego, co ci sami ludzie mogą zobaczyć i zrobić.

Rzeczywisty przebieg pracy z AI do obsługi interakcji z klientami

Oto przebieg pracy.

Nasza platforma zapewniania jakości oparta na AI, Gladly, automatycznie pobiera każdą interakcję z klientem — niezależnie od tego, czy odbywa się ona za pośrednictwem głosu, poczty elektronicznej, czatu czy innych kanałów cyfrowych.

Najpierw AI rozumie rozmowę. Klasyfikuje problem, ocenia nastroje, określa poziom dotkliwości, identyfikuje potencjalne ryzyko regulacyjne lub reputacyjne, wykrywa powtarzające się wzorce niepowodzeń oraz przewiduje najbardziej odpowiedni sposób skierowania sprawy i prawdopodobną ścieżkę rozwiązania na podstawie podobnych przypadków historycznych.

Następnie przebieg pracy rozgałęzia się w zależności od stopnia złożoności.

W przypadku prostych problemów AI kieruje sprawę do właściwego zespołu, przekazując mu już zebrany kontekst, aby przyspieszyć rozwiązanie.

W przypadku spraw o wyższym ryzyku lub dużej wartości — szczególnie tych dotyczących naszych partnerów bankowych lub kwestii mających znaczenie regulacyjne — natychmiast eskalujemy sprawę, nadając jej rekomendowany priorytet. Następnie do działania przystępują ludzie. Nasi specjaliści analizują rekomendacje AI, stosują własny osąd, uwzględniają szerszą relację z klientem i określają właściwą reakcję oraz sposób naprawy jakości obsługi.

Proces nie kończy się wraz z zamknięciem sprawy.

AI nieustannie agreguje informacje ze wszystkich interakcji, identyfikując powtarzające się problemy, pojawiające się awarie operacyjne i trendy dotyczące klientów, których pojedyncze sprawy nigdy by nie ujawniły. Informacje te trafiają bezpośrednio do naszych inicjatyw związanych z doskonaleniem operacyjnym, ulepszaniem produktów, przeprojektowywaniem procesów i pulpitami menedżerskimi, umożliwiając nam zajmowanie się przyczynami źródłowymi, zamiast jedynie rozwiązywać pojedyncze skargi.

Dlaczego AI i kontakt z człowiekiem są niezbędne

Ogólnie rzecz biorąc, AI obsługuje pracę na dużą skalę — zadania wymagające szerokiego zakresu, szybkości i rozpoznawania wzorców w milionach punktów danych. Obejmuje to w szczególności kompletną analizę kontaktów, wstępną kategoryzację ważności, ustalanie priorytetów spraw, oznaczanie ryzyka regulacyjnego oraz identyfikowanie powtarzających się wzorców awarii, zanim przerodzą się one w kryzysy. Zapewnia również warstwę wczesnego ostrzegania przed eskalacją — system informuje nas, co wymaga ludzkiej uwagi i jak pilnie.

Trzy zadania pozostają domeną ludzi — i jest to celowe.

1. Ocena zasadności eskalacji: AI informuje nas, na co zwrócić uwagę; ludzie decydują, co zrobić, szczególnie gdy stawką jest relacja z klientem lub gdy sprawa ma wysoką wrażliwość regulacyjną.
2. Naprawa jakości obsługi: Żaden model sobie z tym nie poradzi — szczególnie w obszarze B2B, gdzie rozmowa z bankiem z pierwszego poziomu jest momentem budowania relacji, a nie tylko zgłoszeniem.
3. Zrozumienie rzeczywistych doświadczeń klienta: To właśnie na tym zależy mi najbardziej. Rzeczywistych doświadczeń klienta nie da się sprowadzić wyłącznie do danych. Inwestujemy w etnograficzne i immersyjne zaangażowanie klientów. Spotykamy się z klientami, obserwujemy, jak korzystają z naszych produktów, i słuchamy tego, co mówią, gdy nikt nie przeprowadza ankiety. Tego rodzaju informacje — nieprzefiltrowana, spontaniczna prawda o zachowaniach — kształtują nasze najważniejsze decyzje dotyczące projektowania ścieżek klienta. AI może identyfikować na dużą skalę, co poszło nie tak. Człowiek obecny w danym miejscu rozumie dlaczego.

AI poszerza zakres tego, co możemy dostrzec. Ludzie nadają temu znaczenie i decydują, co z tym zrobić. Oba elementy są niezbędne. Żaden z nich nie jest wystarczający samodzielnie.

Jak AI usprawnia obsługę zgłoszeń i zwiększa satysfakcję

Przemyślenia Oremeyi

Pod względem jakościowym zmieniliśmy kulturę zespołu — od gaszenia pożarów do zarządzania opartego na analizie informacji. Trudniej to zmierzyć, ale łatwiej odczuć — w sposobie, w jaki prowadzimy przeglądy, angażujemy się we współpracę z klientami i rozmawiamy o kliencie podczas rozmów kierownictwa.

Liczby opowiadają przekonującą historię.

Jak wspomniałem, nasz system kontroli jakości oparty na AI umożliwił nam przejście od analizowania 10% do analizowania 100% wszystkich kontaktów z klientami przy użyciu tego samego, 15-osobowego zespołu — 10-krotny wzrost widoczności bez dodatkowych kosztów związanych z zatrudnieniem.

Nasz portal samoobsługi oparty na AI ograniczył również ręczną obsługę zgłoszeń o ponad 54%, a co kluczowe, nie tylko odciąża zespół — inteligentnie ustala priorytety zgłoszeń na podstawie danych o liczbie klientów i trendach, dzięki czemu ludzie w pierwszej kolejności zajmują się właściwymi sprawami.

Wpływ na doświadczenia klientów był również mierzalny: CSAT wzrósł o 60%. Czas realizacji uległ znaczącej poprawie. Być może jednak najbardziej jestem dumny z tego, że satysfakcja pracowników wzrosła o ponad 70%. Gdy zespół przestaje tonąć w liczbie zgłoszeń i zaczyna wykonywać wartościową pracę, widać to w sposobie, w jaki obsługuje klientów.

Pod względem jakościowym zmieniliśmy kulturę zespołu — od gaszenia pożarów do zarządzania opartego na analizie informacji. Trudniej to zmierzyć, ale łatwiej odczuć — w sposobie, w jaki prowadzimy przeglądy, angażujemy się we współpracę z klientami i rozmawiamy o kliencie podczas rozmów kierownictwa.

Dlaczego liderzy CX muszą koncentrować się na przekazywaniu spraw i eskalacji

Większość energii związanej z przeprojektowaniem koncentruje się na warstwie front-endowej — chatbotach, silniku personalizacji i automatyzacji powtarzalnych kontaktów. Ta praca jest konieczna i w dużej mierze już trwa. Jednak element decydujący o tym, czy AI pomaga w relacji, czy jej szkodzi, jest często traktowany jako funkcja do skonfigurowania później, mimo że to właśnie ten system w największym stopniu determinuje zaufanie.

Badania z różnych kierunków prowadzą do tego samego wniosku. Badanie CX z 2025 roku wykazało, że 79% respondentów woli człowieka od agenta AI w przypadku złożonych problemów — ścieżka eskalacji nie jest więc opcjonalna; opcjonalne jest jedynie to, czy przebiega sprawnie. Koszt popełnienia błędu został już określony liczbowo: 48% klientów porzuciłoby markę, gdyby po przekazaniu sprawy człowiekowi musieli ponownie wyjaśniać swój problem, a 40% odeszłoby, gdyby musieli ponownie zweryfikować swoją tożsamość. Problemem nie jest powolność — chodzi o to, że nieudane przekazanie sprawy wymazuje wszystko, co klient już ci powiedział, a zaufanie zbudowane przez AI znika właśnie wtedy, gdy stawka rośnie.

Dwa wnioski sprawiają, że temat zasługuje na uwagę zarządu. Po pierwsze, branża po cichu przyznaje, że zautomatyzowała zbyt wiele: Gartner przewiduje, że do 2027 roku połowa firm, które zredukowały liczbę pracowników obsługi klienta z powodu AI, ponownie zatrudni osoby do podobnej pracy, lecz pod innymi nazwami stanowisk. Po drugie, wniosek strategiczny jest jednoznaczny — marki, które mają największe szanse zdobyć zaufanie dzięki agentom AI, to nie te, które ścigają się w eliminowaniu kontaktu z człowiekiem, lecz te, które projektują wyraźną eskalację, zachowanie kontekstu i uczciwe informowanie.

Dlaczego AI nie zmniejsza potrzeby kontaktu z człowiekiem

Dwa obszary nie rozwinęły się zgodnie z naszymi oczekiwaniami, ale oba nauczyły nas czegoś ważnego.

Pierwszy: sądziliśmy, że AI może znacząco zmniejszyć potrzebę kontaktu z człowiekiem. Tak się nie stało — przynajmniej nie w takim stopniu, jak mieliśmy nadzieję. Wolumen kontaktów się zmniejszył, to prawda. Jednak potrzeba prawdziwej interakcji z człowiekiem nie zniknęła. Patrząc na to z perspektywy czasu, nie powinno nas to dziwić. Działamy w obszarze pieniędzy — pieniędzy ludzi, pieniędzy firm — a kiedy coś idzie nie tak lub stawka wydaje się wysoka, ludzie chcą rozmawiać z człowiekiem. Nie z botem, nie za pośrednictwem portalu. Chcą ludzkiego głosu, który rozumie, bierze odpowiedzialność i działa. AI może obsłużyć duży wolumen. Nie potrafi odtworzyć obecności. W końcu jesteśmy ludźmi.

Drugi: inteligencja projektowania produktu. Oczekiwaliśmy, że dane pozyskane przez AI powiedzą nam, jak klienci chcą kształtować produkty. Nie potrafiły — przynajmniej nie w pełni. Dane behawioralne mówią, co ludzie robią. Nie mówią natomiast, co chcieliby, aby istniało, ani co frustruje ich na poziomie, którego nie potrafili jeszcze wyrazić. W tym celu wróciliśmy do podstaw — usiedliśmy z klientami, przeprowadziliśmy prawdziwe rozmowy i wykonaliśmy pracę etnograficzną. Wgląd, który wpłynął na nasze myślenie o produkcie, pochodził z tych pomieszczeń, a nie z pulpitów nawigacyjnych.

AI jest wyjątkowo skuteczna w działaniu na dużą skalę i w rozpoznawaniu wzorców. Nie radzi sobie natomiast z niuansami, emocjami ani wyobraźnią. Te cechy pozostają uparcie i nieodłącznie ludzkie — i być może właśnie tak powinno być.

Dlaczego liderzy CX muszą nauczyć się mierzyć rezultaty

Nasz pierwszy pilotaż się udał. Model działał, pulpity nawigacyjne rozbłysły, a prezentacje dla interesariuszy spotkały się z dobrym przyjęciem. Nie rozumiałem wtedy, że nic z tego nie odpowiadało na jedyne pytanie, które sześć miesięcy później zadałaby kadra kierownicza: „Jaki zwrot to przyniosło i skąd to wiecie?”

Optymalizowałem pod kątem dowodu możliwości. Powinienem był optymalizować pod kątem dowodu wartości, ustalając wartość bazową wskaźnika, na który zamierzaliśmy wpłynąć, oddzielając wkład AI od innych zmian i uzgadniając z działem finansowym z wyprzedzeniem, jak będziemy mierzyć sukces. Nie zrobiliśmy tego, więc gdy nadszedł czas uzasadnienia inwestycji, odtworzyłem wartość bazową po fakcie i broniłem przypisania efektów, którego nie potrafiłem jednoznacznie udowodnić.

Trudniejsza lekcja dotyczy kadry kierowniczej, a nie dostawcy czy narzędzia. Efektowną prezentację łatwo kupić, ale trudno uzasadnić. Gdy odpowiadasz za pozycję w budżecie, entuzjazm nie jest rezultatem — jest nim liczba, pod którą możesz się podpisać przed zarządem. Większość pilotaży AI robi wrażenie. Znacznie mniej z nich jest wyposażonych w mechanizmy pomiarowe pozwalające udowodnić, że przyniosły zwrot pokrywający ich koszt, a te mechanizmy trzeba zaprojektować od pierwszego dnia, ponieważ nie da się ich dodać po fakcie.

Dlatego każdemu, kto uruchamia swój pierwszy pilotaż, powiedziałbym: Zdecyduj, jak udowodnisz zwrot, zanim cokolwiek zbudujesz, i traktuj świetny rezultat z podejrzliwością, dopóki liczba nie wytrzyma weryfikacji.

Jak niemierzalne elementy CX powoli zawodzą

Przemyślenia Oremeyi

Praktyczny wniosek jest taki, że liderzy, którzy odniosą sukces, sprawią, że rzeczy dotąd niemierzone staną się mierzalne, zamiast je automatyzować albo bronić ich na zasadzie wiary. Obecnie w części polegam na wierze i nie sądzę, żeby sama wiara była wystarczająca.

Oto, co mnie niepokoi. Automatyzujemy tę łatwą do zmierzenia połowę doświadczenia klienta, a po cichu pozwalamy, by ta trudna do zmierzenia połowa zanikała — i liczby będą nam mówić, że wygrywamy, dopóki nie stracimy czegoś, czego nie da się odbudować.

AI doskonale radzi sobie z tymi elementami CX, które pojawiają się na pulpitach menedżerskich: odciążeniem zespołów dzięki samoobsłudze, czasem obsługi, kosztem kontaktu i szybkością rozwiązania sprawy. Optymalizujemy więc te obszary, ponieważ zarząd potrafi je łatwo zrozumieć. Jednak rzeczy, które budują trwałą relację — to, dlaczego klient czuje się bezpiecznie, co sprawia, że wybacza porażkę, oraz poczucie, że ktoś odpowiada za osiągnięcie przez niego celu — nie są widoczne w danych i nie możemy ich zautomatyzować.

Dlatego nie martwię się tym, że AI będzie źle wykonywać mierzalną pracę. Martwi mnie to, że sprawiając, iż mierzalna praca staje się tak tania i widoczna, stopniowo redefiniujemy „dobre CX” jako wyłącznie tę mierzalną pracę. Niemierzalna połowa nie zawodzi w sposób spektakularny; po prostu stopniowo się kurczy, podczas gdy każdy wskaźnik na ścianie nadal się poprawia.

Nie udało mi się jeszcze rozstrzygnąć tej kwestii — i to jest szczera wersja — ponieważ nie potrafię całkowicie oddzielić własnych uprzedzeń od rzeczywistego ryzyka. Osobie, której kariera opiera się na ludzkim osądzie i empatii, łatwo jest wierzyć, że te rzeczy są niezastąpione. Zastanawiam się, jaka część mojego przekonania wynika ze szczerego przewidywania przyszłości, a jaka z zawodowego interesu własnego.

Część stanowiska „AI nie potrafi okazywać empatii” to prawdopodobnie wygodna opowieść, którą liderzy CX powtarzają sami sobie, a granica możliwości przesuwa się szybciej, niż zakłada ta opowieść. Dlatego naprawdę nurtuje mnie kwestia dwustronna: wierzę, że niewystarczająco chronimy niemierzalną połowę CX, a jednocześnie podejrzliwie przyglądam się temu, jak bardzo chcę, żeby tak było.

Praktyczny wniosek jest taki, że liderzy, którzy odniosą sukces, sprawią, że rzeczy dotąd niemierzone staną się mierzalne — bezpośrednio zmierzą zaufanie, odpowiedzialność i odzyskiwanie zaufania po porażce — zamiast je automatyzować albo bronić ich na zasadzie wiary. Obecnie w części polegam na wierze i nie sądzę, żeby sama wiara była wystarczająca.

Trzy rady dla liderów CX wdrażających AI

Ogólnie rzecz biorąc, moja rada dla liderów CX jest następująca:

1. Pozostań autentyczny. Pozostań pełen empatii. Szum wokół AI w obszarze doświadczeń klienta jest ogromny — a znaczna jego część to nakręcający się nawzajem hype. Przebij się przez niego, koncentrując się na jednym pytaniu: „Czy to poprawia życie mojego klienta?”. Nie poprawia go na pulpicie menedżerskim. Poprawia je w jego codziennym życiu. Jeśli odpowiedź brzmi „tak”, działaj. Jeśli rozwiązanie jest tylko efektowne, zrezygnuj z niego. Klienci nie pamiętają stosu technologicznego firmy. Pamiętają, jak się dzięki niej czuli. To się nie zmieniło i AI tego nie zmienia.
2. Ucz się bez przerwy — konsekwentnie. To środowisko zmienia się szybciej, niż ktokolwiek z nas był szkolony, by za nim nadążać. Liderzy najlepiej przygotowani do służenia swoim klientom za pięć lat to ci, którzy są na tyle ciekawi świata, by już dziś przyznać, że nie mają wszystkiego rozpracowanego. Czytaj. Zadawaj pytania. Rozmawiaj z osobami na podobnych stanowiskach z różnych branż i regionów. Spędzaj czas ze swoimi klientami. W chwili, gdy przestajesz się uczyć w tym środowisku, zaczynasz zostawać w tyle — najpierw po cichu, a potem nagle.
3. Nie bój się eksperymentować. Nie każda inicjatywa zakończy się sukcesem. Niektóre z naszych najważniejszych spostrzeżeń pochodziły z inicjatyw, które nie zadziałały zgodnie z planem. To nie jest porażka — to wiedza, zdobyta za wysoką cenę. Buduj kulturę, w której twój zespół czuje się bezpiecznie, próbując, ucząc się i wprowadzając zmiany. Organizacje, które będą liderami w obszarze CX, nie mają najbardziej zaawansowanej AI — mają za sobą najodważniejsze i najbardziej dociekliwe zespoły.

Staraj się wygrywać dla ludzi, a nie na potrzeby prezentacji.

Śledź na bieżąco

Możesz śledzić działalność Oremeyi Akah na platformie LinkedIn.

Wkrótce kolejne rozmowy z ekspertami na The CX Lead!