Przykłady wdrożeń:
Tworzenie Agentów AI i wdrażanie sztucznej inteligencji
Telefon dzwonił cały dzień.
Każde pytanie o narzędzie i zamówienie
odrywało zespół od realnej pracy.
Dystrybutor narzędzi do obrabiarek CNC obsługiwał zapytania klientów głównie przez telefon – dostępność, parametry, status zamówienia. Zbudowaliśmy głosowego Agenta AI, który odbiera połączenia, rozpoznaje dzwoniącego i odpowiada na powtarzalne pytania – a zespół zajmuje się tym, co wymaga człowieka.
bez kolejki i przerw
dzwoniącego na linii
baza wiedzy, zamówienia, dane klienta
Tokarki, frezarki, oprzyrządowanie
Klienci dzwonili z tymi samymi pytaniami: czy narzędzie jest dostępne, jaki symbol pasuje do maszyny, na jakim etapie jest zamówienie. Za każdym razem odbierał człowiek – i za każdym razem przerywał swoją pracę.
Telefon był głównym kanałem kontaktu, a większość rozmów dotyczyła powtarzalnych, prostych spraw. Handlowcy i dział zakupów tracili godziny dziennie na odpowiadanie na to samo, zamiast zajmować się sprzedażą i zamówieniami wymagającymi realnej decyzji.
Zamiast zatrudniać kolejną osobę na infolinię, zbudowaliśmy głosowego Agenta AI, który przejmuje powtarzalne rozmowy i przekazuje człowiekowi tylko to, co naprawdę tego wymaga.
6 problemów.
Jeden kanał: telefon.
Zaczęliśmy od transkrypcji i analizy realnych, historycznych rozmów telefonicznych. Zamiast zgadywać, o co pytają klienci, sprawdziliśmy to na setkach nagrań. Za każdym problemem stał ten sam brak: żadnej automatycznej warstwy między dzwoniącym a wiedzą firmy.
Te same pytania o symbole, parametry i zamienniki wracały każdego dnia. Każde wymagało człowieka, choć odpowiedź była za każdym razem podobna.
Pytanie „gdzie jest moje zamówienie?” oznaczało ręczne wyszukanie w Baselinker w trakcie rozmowy. Klient czekał na linii, pracownik przerywał inne zadanie.
Kto zadzwonił po godzinach lub gdy linia była zajęta, nie dostawał odpowiedzi. Część zapytań – a więc i część sprzedaży – po prostu ginęła.
Pracownik nie wiedział, kto dzwoni, dopóki klient sam się nie przedstawił. Dane i historia zamówień były w systemie, ale nie pod ręką w momencie połączenia.
Symbole narzędzi CNC są długie i podobne do siebie. Dopasowanie tego, co klient mówi, do właściwego produktu to realne wyzwanie – łatwo o pomyłkę.
Odpowiedzi na typowe pytania nie były nigdzie spisane w użytecznej formie. Żyły w doświadczeniu zespołu i w historii rozmów – niedostępne automatycznie.
Diagnoza. Analiza.
Wdrożenie.
Nie zaczynamy od pisania promptów. Najpierw rozumiemy, o co klienci naprawdę pytają – na podstawie prawdziwych rozmów, nie założeń. Dopiero wtedy budujemy agenta, który brzmi jak firma i zna jej odpowiedzi.
Transkrybujemy historyczne nagrania telefoniczne i analizujemy, o co faktycznie pytają klienci. To one, a nie domysły, definiują zakres agenta.
- Transkrypcja historycznych rozmów (Whisper)
- Analiza realnych pytań i ścieżek rozmowy
- Setup i analiza wymagań
- Przegląd danych w Baselinker
Z rozmów budujemy ustrukturyzowaną bazę wiedzy i ścieżki konwersacji. Do dopasowania nazw narzędzi tworzymy bazę wektorową z wyszukiwaniem semantycznym i po słowach kluczowych.
- Strukturyzacja bazy wiedzy i ścieżek rozmowy
- Baza wektorowa nazw i symboli narzędzi
- Wyszukiwanie: semantyczne + keyword + reranking
- Logika i narzędzia agenta (zamówienia, dane klienta)
Agent głosowy podpięty pod prawdziwy numer telefonu. Testy wszystkich ścieżek konwersacji, dokumentacja i szkolenie działu handlowego i zakupowego.
- Agent głosowy ElevenLabs + numer w Twilio
- Integracja z Baselinker (zamówienia, klienci)
- Testy end-to-end wszystkich ścieżek rozmowy
- Dokumentacja i szkolenie zespołu
Jedna rozmowa.
Pełny kontekst.
Agent nie jest zwykłym automatem z menu „wybierz 1”. To głosowy asystent, który rozpoznaje dzwoniącego, rozumie pytanie i sięga do wiedzy firmy oraz do systemu zamówień – w czasie rzeczywistym, w naturalnej rozmowie.
Agent odbiera połączenia na numerze podpiętym przez Twilio. Bez aplikacji, bez menu – klient dzwoni tak jak zawsze i od razu rozmawia.
Po numerze telefonu agent pobiera z Baselinker imię, e-mail i historię zamówień klienta – i wita go spersonalizowanie, z poprawną formą imienia.
Głos oparty o ElevenLabs brzmi naturalnie i płynnie. Agent prowadzi rozmowę, a nie odczytuje sztywne komunikaty.
Odpowiada na podstawie wiedzy zbudowanej z historycznych rozmów. RAG na PostgreSQL + pgvector, z wyszukiwaniem semantycznym i po słowach kluczowych.
Dedykowane wyszukiwanie z tokenizacją i rerankingiem dopasowuje to, co mówi klient, do właściwego symbolu narzędzia CNC – mimo podobnych nazw.
Agent sprawdza status zamówienia po jego numerze lub po numerze telefonu klienta, sięgając bezpośrednio do danych w Baselinker.
Agent operuje aktualnym czasem, więc poprawnie odpowiada na pytania o terminy, godziny pracy i realizację – bez wpadek „z wczoraj”.
Gdy sprawa wykracza poza zakres agenta, połączenie trafia do właściwej osoby. AI obsługuje powtarzalne, człowiek – to, co wymaga decyzji.
Przed i po.
Każdy z problemów zdiagnozowanych na nagraniach otrzymał bezpośrednie rozwiązanie w agencie. Nie obejście – przejęcie powtarzalnej rozmowy i uwolnienie zespołu do pracy, która naprawdę wymaga człowieka.
| Obszar | Przed wdrożeniem | Po wdrożeniu |
|---|---|---|
| Odbieranie połączeń | Odbierał człowiek, przerywając swoją pracę. Poza godzinami i przy zajętej linii połączenia przepadały. |
Agent odbiera od pierwszego sygnału
Każde połączenie odebrane, bez kolejki i bez przerywania pracy zespołu.
|
| Powtarzalne pytania | Te same pytania o dostępność, symbole i parametry wracały codziennie i zajmowały handlowców. |
Obsługiwane przez agenta
Agent odpowiada z bazy wiedzy zbudowanej z realnych rozmów. Zespół wchodzi tylko przy sprawach niestandardowych.
|
| Status zamówienia | Ręczne wyszukiwanie w Baselinker w trakcie rozmowy, klient czekał na linii. |
Sprawdzany automatycznie
Agent podaje status po numerze zamówienia lub telefonu, sięgając wprost do Baselinker.
|
| Kontekst klienta | Rozmowa zaczynała się od zera – kto dzwoni i co zamawiał, trzeba było ustalać ręcznie. |
Znany od pierwszej sekundy
Po numerze telefonu agent zna imię, e-mail i zamówienia klienta i wita go spersonalizowanie.
|
| Dopasowanie narzędzi | Podobne symbole narzędzi CNC łatwo pomylić w rozmowie głosowej. |
Wyszukiwanie z rerankingiem
Tokenizacja i reranking dopasowują wypowiedź klienta do właściwego symbolu, mimo podobnych nazw.
|
| Dostępność | Tylko w godzinach pracy zespołu, zależnie od tego, kto akurat mógł odebrać. |
Bez przerw
Agent odbiera niezależnie od pory i obciążenia zespołu – żadne zapytanie nie ginie.
|
Telefon w Twojej firmie
dzwoni często?
Jeśli zespół traci godziny na te same pytania, głosowy Agent AI może je przejąć. Zaczniemy od diagnozy – jednej rozmowy, w której sprawdzimy, ile z Twoich połączeń da się bezpiecznie zautomatyzować.
Umów bezpłatną konsultację →