ChatGPT w firmie: od pierwszych pytań do automatu

Dostajesz kilkanaście zapytań dziennie z formularza, połowa pyta o to samo: czy macie termin, ile to kosztuje, jak długo trwa. Kusi, żeby wkleić je do ChatGPT i mieć spokój. Czasem to działa, a czasem model z pewnością siebie obieca klientowi termin, którego nie masz, i cenę, której nie podajesz. ChatGPT w firmie sprawdza się jako szkic odpowiedzi i sortownik wiadomości, a samodzielnym autorem odpowiedzi do klienta powinien zostać dopiero po tygodniach testów na prawdziwych zapytaniach, i dla większości firm nie zostanie nigdy.

Co w firmie da się oddać modelowi, a co zostaje po stronie człowieka?

Model językowy radzi sobie z pracą na tekście: porządkuje, streszcza, poprawia styl, wyciąga dane z wiadomości, układa szkic odpowiedzi. Powtarzalne pytania o godziny otwarcia, zakres usługi czy proces zamówienia to idealny materiał.

Nie oddawaj mu rzeczy, w których liczy się odpowiedzialność. Wycena indywidualna, reklamacja, skarga, negocjacja terminu, rozmowa z klientem, który jest zdenerwowany. Tu model napisze gładko, ale nie wie, co obiecaliście tydzień temu przez telefon.

Praktyczny podział: wszystko, co ma jedną poprawną odpowiedź zapisaną w waszych materiałach, można automatyzować. Wszystko, co wymaga decyzji albo wiedzy spoza tekstu, trafia do człowieka. Pracownik zostaje, a przestaje przepisywać to samo po raz dwudziesty.

Czy bezpłatny ChatGPT wystarczy do powtarzalnych zadań?

Do jednorazowego pytania tak. Do powtarzalnej pracy nie, z trzech powodów.

Po pierwsze, okno czatu wymaga, żeby ktoś siedział i kopiował wiadomości ręcznie. Taka praca jest tylko innym sposobem przepisywania. Po drugie, darmowy plan ma limity i potrafi zwolnić właśnie wtedy, gdy masz dużo pracy. Po trzecie, nie ma tam API, więc nie podłączysz modelu do formularza, skrzynki ani CRM-a.

Jest też kwestia danych. Zanim wkleisz cokolwiek od klienta, sprawdź w ustawieniach konta i w warunkach konkretnego planu, czy użycie rozmów do trenowania modeli jest wyłączone i kto to wyłącza. Konta prywatne zakładane na szybko zwykle mają ustawienia domyślne, których nikt nie przeczytał. Dla pracy z danymi klientów zakładaj osobne konto firmowe albo dostęp przez API i wprowadź regułę, że wiadomości trafiają do modelu zanonimizowane.

Jak napisać prompt do obsługi zapytań z formularza?

Instrukcja idzie na początek, dane klienta w osobnym bloku oddzielonym znacznikami, żeby model nie pomylił treści wiadomości z poleceniem. Do tego rola, zakres, długość i styl odpowiedzi.

Przykład szkicu:

Jesteś asystentem firmy X. Odpowiadasz na zapytania z formularza po polsku, uprzejmie, maksymalnie w 120 słowach. Korzystaj wyłącznie z informacji z sekcji BAZA. Jeśli odpowiedzi nie ma w bazie, napisz, że wrócimy z odpowiedzią w ciągu jednego dnia roboczego. Nie podawaj cen ani terminów. Jeśli wiadomość zawiera skargę, reklamację albo prośbę o cenę indywidualną, odpowiedz jednym zdaniem o przekazaniu sprawy i dopisz na końcu: ESKALACJA.

BAZA

(tu godziny, zakres usług, proces)

WIADOMOŚĆ KLIENTA

(tu treść z formularza)

To wariant do czytania przez człowieka. Gdy odpowiedź ma przetwarzać automat, każ modelowi zwrócić JSON z trzema polami: kategoria, szkic_odpowiedzi i eskalacja (true albo false). W API OpenAI służy do tego funkcja structured outputs, która wymusza zgodność odpowiedzi ze schematem, więc skrypt nie musi zgadywać, gdzie w tekście jest znacznik eskalacji. Temperaturę ustaw w API na 0 przy zadaniach faktograficznych, na przykład wyciąganiu danych z formularza. W oknie czatu tego nie zmienisz.

Zamknięta baza wiedzy i jawna reguła na brak odpowiedzi to najważniejsze elementy. Bez bazy model dopisze na przykład godziny otwarcia „pon.-pt. 8-16”, których nikt mu nie podał, bo taki wzorzec jest najbardziej prawdopodobny. Klient przyjdzie pod zamknięte drzwi.

Jak ma odpowiedzieć bot klientowi pytającemu o dostępność, cenę lub rzecz spoza oferty?

Trzy typowe pytania, trzy reguły.

Termin. Klient pisze: „Czy możecie zrobić to w przyszłym tygodniu?”. Dobra odpowiedź: „Dziękujemy za wiadomość. Terminy potwierdzamy indywidualnie po zapoznaniu się z zakresem prac. Odezwiemy się do końca następnego dnia roboczego. Żeby przyspieszyć, napisz proszę, do kiedy zależy Ci na realizacji.” Zła: „Tak, w przyszłym tygodniu mamy wolne miejsca”. Bot bez dostępu do kalendarza wymyśla obietnicę, którą potem trzeba będzie wycofać.

Cena. Klient pyta: „Ile kosztuje strona?”. Dobra odpowiedź: „Cena zależy od zakresu, dlatego przygotowujemy wycenę po krótkim briefie. Wypełnij formularz albo opisz, czego potrzebujesz, a wrócimy z propozycją.” Zła: „Strony zaczynają się od 3000 zł”. Taka kwota wyląduje w mailu jako deklaracja firmy i klient zacznie się na nią powoływać.

Pytanie spoza oferty. Klient pyta o usługę, której nie robicie. Dobra odpowiedź: „Tym się nie zajmujemy. Jeśli chcesz, wskażemy kierunek, gdzie szukać pomocy.” Zła: bot z uprzejmości zgadza się „sprawdzić możliwości”. Dostajecie klienta z nadzieją i pracownika z kłopotem.

Gdy podłączysz kalendarz przez API, sytuacja się zmienia, ale wtedy wolne terminy sprawdza kod, a model układa tylko zdanie.

Kiedy człowiek musi wejść do rozmowy?

Spisz reguły eskalacji, zanim uruchomisz cokolwiek. Nasza lista startowa:

• skarga lub reklamacja,
• prośba o cenę indywidualną albo rabat,
• wzmianka o prawniku, zwrocie pieniędzy, terminie umownym,
• klient pisze po raz drugi w tej samej sprawie,
• wiadomość, której model nie potrafi sklasyfikować.

Model oznacza takie wiadomości polem eskalacja: true, a automat nie wysyła odpowiedzi, tylko kieruje szkic do osoby odpowiedzialnej.

Klienta warto uczciwie informować, że pisze z automatem. Gotowe brzmienie stopki: „Wstępną odpowiedź przygotował automat, odpowiada Ci Marta z naszego zespołu.” W mailu wstaw ją na końcu, nad podpisem. W czacie umieść ją w pierwszej wiadomości, zanim klient zada pytanie, bo później nikt jej nie zauważy. Gdy szkic zatwierdza człowiek i przed wysyłką poprawia go jak własny tekst, stopka bywa zbędna, bo odpowiada realna osoba. Gdy wysyłka jest automatyczna, stopka zostaje zawsze.

Jak przetestować prompt przed wdrożeniem?

Zbierz 20-30 prawdziwych zapytań z ostatnich miesięcy. Przy każdym zapisz oczekiwaną odpowiedź i kryterium zaliczenia. Arkusz testowy może wyglądać tak:

Zapytanie	Oczekiwana odpowiedź	Eskalacja	Wynik
Czy zrobicie to w przyszłym tygodniu?	Brak obietnicy terminu, prośba o datę	nie	zaliczone / nie
Ile kosztuje usługa?	Odesłanie do wyceny, bez kwoty	nie	zaliczone / nie
Reklamuję zamówienie, produkt jest wadliwy	Jedno zdanie o przekazaniu sprawy	tak	zaliczone / nie
Czy naprawiacie lodówki?	Jasna odmowa, bez obietnic	nie	zaliczone / nie

Potem puść cały zestaw przez prompt, popraw instrukcję i powtórz. Dołóż zapytania podchwytliwe: wiadomość pisaną w złości, z literówkami, pytanie na pograniczu oferty.

Próg decyzyjny, który polecamy: typ pytań dopuszczasz do automatycznej wysyłki dopiero wtedy, gdy w zestawie nie ma ani jednej obietnicy terminu lub ceny, a eskalacje trafiły we wszystkie przypadki skarg. Jedno potknięcie oznacza kolejną rundę poprawek, a nie wyjątek.

Prompt trzymaj w pliku w repozytorium albo w konfiguracji, razem z wersją. Gdy zmiana pogorszy wyniki, wracasz do poprzedniej. Wdrażaj etapami: najpierw szkice widoczne tylko dla pracownika, dopiero potem wysyłka na wybrane typy pytań.

Jakie błędy najczęściej kosztują czas i pieniądze?

Pierwszy błąd to prompt w stylu „odpowiadaj uprzejmie na maile klientów”. Brak bazy wiedzy, brak zakazów, brak formatu. Wynik jest elegancki i nieprzewidywalny.

Drugi to wdrożenie bez testów. Bot działa tydzień, a o błędach dowiadujesz się od klientów.

Trzeci to ślepe zaufanie do liczb. Model nie zna waszych aktualnych stawek ani sposobu liczenia VAT. Poproszony o wyliczenie oferty, może pomieszać netto z brutto albo zastosować stawkę z innej branży. Wyceny i faktury liczy kod albo arkusz z jawnymi stawkami, a model najwyżej opisuje wynik słowami.

Czwarty: wklejanie danych klientów na prywatne konto. Skutek to pełna historia czatu z imionami, telefonami i adresami, do której dostęp ma każdy z hasłem. Środek zaradczy: osobne konto firmowe i reguła, że przed wklejeniem wiadomość przechodzi anonimizację.

Piąty: brak właściciela promptu. Po miesiącu rozjeżdża się on z cennikiem i ofertą, a bot dalej odpowiada pewnie, tylko nieaktualnie. Wyznacz jedną osobę, która co tydzień przegląda 10 losowych odpowiedzi i zapisuje każdą zmianę promptu w changelogu.

Czy bot naprawdę oszczędza czas, czy przesuwa problem?

Zmierz trzy rzeczy przez cztery tygodnie przed wdrożeniem i cztery po: średni czas od zapytania do pierwszej odpowiedzi, czas pracy człowieka na jedno zapytanie oraz odsetek szkiców poprawianych ręcznie.

Do pomiaru wystarczy arkusz z kolumnami: data wpływu, data pierwszej odpowiedzi, szkic przyjęty / poprawiony / odrzucony, minuty pracy człowieka. Pracownik wypełnia go przy każdym zapytaniu, bez żadnych dodatkowych narzędzi.

Typowa praktyka: jeśli szkic wymaga przepisania w co trzecim przypadku, a sprawdzenie każdego trwa tyle, ile napisanie od zera, nic nie zyskałeś, zmieniła się tylko rola pracownika na korektora. Dobrze jest, gdy większość szkiców przechodzi z drobną zmianą albo bez niej, a przegląd zajmuje kilka sekund. Te progi skoryguj na własnych danych, bo firma z pytaniami technicznymi ma inną tolerancję niż sklep z odzieżą.

Licz też skargi i ponowne pytania po odpowiedzi bota. Jeśli rośnie liczba wiadomości typu „nadal nie wiem”, automat produkuje pracę zamiast ją zdejmować.

Gdy chcesz podłączyć model do formularza, skrzynki i kalendarza, zajrzyj do automatyzacji AI. Automatyzacje takie jak auto-blog Picvelo opierają się na danych z bazy i Search Console, a nie na swobodnym zgadywaniu modelu, i ten sam wzorzec polecamy przy obsłudze zapytań. Gdy masz zebrane typowe wiadomości i chcesz ocenić, które nadają się do automatu, zacznij od krótkiego audytu, a zobaczymy, gdzie model oszczędzi czas, a gdzie lepiej zostawić człowieka. Więcej takich przykładów znajdziesz w naszych realizacjach.

Najczęściej zadawane pytania

Czy mogę wklejać maile klientów do ChatGPT?

Najpierw zanonimizuj wiadomość: usuń imię, nazwisko, telefon, adres i numer zamówienia. Przy automacie zrób to prostą regułą w kodzie przed wysłaniem do API, na przykład zamianą wzorców telefonu i maila na znaczniki typu [TELEFON]. Model zwykle nie potrzebuje tych danych, żeby przygotować szkic odpowiedzi.

Czym różni się ChatGPT Plus od API?

Plus to subskrypcja do rozmów w oknie czatu dla jednej osoby. API pozwala połączyć model z własnym kodem: formularzem, skrzynką, CRM-em. Płacisz za zużycie, ustawiasz parametry, na przykład temperaturę, i możesz wersjonować prompt. Do automatu potrzebujesz API albo gotowej aplikacji, która z niego korzysta.

Czy bot może odpowiadać klientom bez mojej kontroli?

Technicznie tak, ale zaczynaj od trybu szkicu, który zatwierdza człowiek. Automatyczną wysyłkę włącz tylko dla typów pytań, które przeszły testy na kilkudziesięciu prawdziwych zapytaniach. Skargi, reklamacje i ceny indywidualne zawsze kieruj do osoby, nawet gdy bot działa bardzo dobrze.

Ile zapytań testowych wystarczy przed wdrożeniem?

Na start 20-30 prawdziwych zapytań z oczekiwaną odpowiedzią i jasnym kryterium zaliczenia. Dodaj przypadki trudne: ton wzburzony, literówki, pytanie poza ofertą. Po wdrożeniu dokładaj nowe wiadomości, na których bot się pomylił, żeby ten sam błąd nie wrócił po zmianie promptu.

Czy stopka o automacie musi być w każdej wiadomości?

Przy automatycznej wysyłce tak: jedno zdanie w stopce maila lub w pierwszej wiadomości czatu. Gdy szkic czyta i zatwierdza człowiek, a wiadomość wychodzi pod jego nazwiskiem, stopka bywa zbędna. Zmieniaj ją razem z trybem pracy, żeby klient zawsze wiedział, kto faktycznie odpowiada.

Zacznij od jednego typu zapytań, zestawu testowego i trybu szkicu, a jeśli potrzebujesz pomocy przy podłączeniu modelu do formularza i skrzynki, opisz sytuację przez brief wyceny.