Samo četiri posto korisničkih službi ostvarilo očekivani AI povrat

Samo četiri posto organizacija za korisničku podršku ostvarilo je očekivani povrat ulaganja u AI, pokazala je Gartnerova anketa 275 voditelja provedena u srpnju i kolovozu 2026. Uvođenje chatbotova, automatskog sažimanja razgovora i pomoći zaposlenicima samo po sebi ne jamči ni manje troškove ni veću vrijednost za korisnike.

Gartner razlikuje organizacije koje pojedinačne alate dodaju postojećim procesima od onih koje grade povezani portfelj slučajeva primjene. Izdvojeni probni projekt može skratiti jedan zadatak, ali se korist gubi ako su podatci o kupcu nepotpuni, baza znanja zastarjela ili se rezultat ne prenosi u sljedeću fazu podrške.

Analitička kuća navodi da organizacije najspremnije za AI ulažu gotovo 1,8 puta više u podatkovne temelje i upravljanje znanjem nego u same AI slučajeve primjene. Taj omjer obuhvaća uređivanje izvora, vlasništvo nad sadržajem, kvalitetu oznaka i procese kojima se netočni odgovori pronalaze i ispravljaju prije nego što se prošire na sve kanale.

Vrijednost ne mora nastati samo zamjenom ljudi. AI može analizirati velik broj razgovora, otkriti ponavljajuće razloge poziva i povezati ih s kvarom proizvoda, nejasnom naplatom ili lošim postupkom dostave. Uklanjanje izvornog problema smanjuje budući promet prema podršci, dok klasična automatizacija često samo brže obrađuje isti broj pritužbi.

Gartner preporučuje manji broj međusobno povezanih projekata vezanih uz konkretne poslovne ciljeve. Primjerice, transkript razgovora može istodobno ažurirati zapis kupca, predložiti sljedeći korak agentu i poslati strukturirani signal timu za proizvod. Takav lanac zahtijeva zajedničku metriku, dozvole i kontrolu nad osobnim podatcima.

Radna mjesta također se moraju projektirati prema različitim sposobnostima ljudi i modela. Model može brzo pretražiti dokumente i prepoznati obrazac, dok zaposlenik preuzima razgovore u kojima su potrebni prosudba, pregovaranje ili odstupanje od standardnog pravila. Ušteda vremena postaje financijski rezultat tek ako organizacija promijeni raspored rada, ciljeve i način mjerenja kvalitete.

Gartner predviđa da će do 2028. organizacije koje izgrade AI portfelje ostvarivati dvostruko veću poslovnu vrijednost od onih koje provode izolirane slučajeve primjene. Prognoza nije jamstvo i ovisi o kvaliteti podataka, integraciji i upravljanju promjenama. Istraživanje ne daje prosječan iznos ulaganja ni razliku u rezultatu prema industriji ili regiji.

Za voditelje podrške sljedeći korak nije dodavanje još jednog bota, nego provjera osnovice: trošak po kontaktu, stopa ponovnog javljanja, vrijeme rješavanja, zadovoljstvo i prihod koji se može povezati s intervencijom. Bez početne i kontrolne vrijednosti nije moguće dokazati je li AI donio povrat ili je samo prebacio trošak na podatke, integraciju i nadzor.

Povrat ulaganja u podršci može se pogrešno prikazati ako se mjeri samo broj razgovora koje je bot preuzeo. Automatizirani kontakt koji ne rješava problem može povećati ponovno javljanje, prebaciti složeniji slučaj zaposleniku i smanjiti zadovoljstvo. Potpuna računica zato mora pratiti rješenje pri prvom kontaktu, naknadni promet, eskalacije, odustajanje kupaca i trošak nadzora modela, uz trošak licenci i integracije.

Podatkovna osnova uključuje i pravila pristupa. Model ne bi smio agentu prikazati podatke drugog kupca ili koristiti osjetljive razgovore izvan dopuštene svrhe. Organizacije moraju odrediti koji se razgovori spremaju, koliko dugo, tko ih može koristiti za poboljšanje sustava i kako se uklanjaju netočne upute iz baze znanja. Ti poslovi stvaraju trošak prije prve uštede, ali smanjuju rizik da automatizacija velikom brzinom ponavlja istu pogrešku.

Uzorak od 275 voditelja daje smjer, ali ne određuje prosječnu stopu povrata za cijelo tržište. Odgovori mogu uključivati organizacije različite veličine, zrelosti i faze projekta, pa četiri posto ne znači da je preostalih 96 posto zabilježilo gubitak; dio još nije dosegnuo očekivani rezultat ili ga ne zna pouzdano izmjeriti. Gartnerov nalaz zato treba čitati kao upozorenje o izvedbi i mjerenju, a ne presudu tehnologiji.