Trzy lata po wejściu genAI do mainstreamu prawie dziewięciu na dziesięciu respondentów globalnego badania McKinsey "The state of AI in 2025" deklaruje, że ich organizacja „regularnie używa AI” przynajmniej w jednym obszarze biznesowym. To oznacza, że dla większości dyrektorów obsługi klienta i CX sztuczna inteligencja nie jest już futurystycznym dodatkiem, tylko czymś, co realnie pracuje w procesach – od contact center, przez marketing, po back office.
Jednocześnie tylko 39 procent badanych przypisuje AI jakikolwiek wpływ na wynik EBIT w skali całej firmy. Z perspektywy zarządów to wciąż „obietnica w drodze”. Ale jeśli spojrzymy nie na twarde finanse, tylko na miękkie efekty - tu zaczyna się historia ciekawa dla szefów customer service: według raportu to właśnie innowacyjność, satysfakcja pracowników i klientów oraz przewaga konkurencyjna najczęściej poprawiają się dzięki AI.
Pytanie brzmi: na ile ta poprawa jest realna, a na ile to efekt wczesnego entuzjazmu? I gdzie w tych liczbach jest miejsce dla contact center?
Co dokładnie mówią dane o satysfakcji klienta
McKinsey pyta organizacje, jak AI wpłynęła w ostatnich 12 miesiącach na różne wskaźniki – od innowacyjności po udział w rynku. W przypadku satysfakcji klienta rozkład odpowiedzi wygląda następująco: 45 procent respondentów mówi o poprawie, 32 procent o braku wpływu, 22 procent „nie wie”, a 1 procent raportuje pogorszenie.
To ważne z kilku powodów. Po pierwsze, „AI poprawia satysfakcję klientów” nie jest uniwersalną prawdą - raczej stwierdzeniem, że mniej więcej co druga organizacja widzi pozytywny efekt, a druga połowa albo go nie dostrzega, albo nie umie go zmierzyć. Po drugie, odsetek firm raportujących wyraźne pogorszenie jest na razie marginalny, ale już sam fakt jego istnienia pokazuje, że źle wdrożone rozwiązania AI potrafią uderzyć w doświadczenie klienta.
Warto też osadzić satysfakcję klienta na tle innych wskaźników. Aż 64 procent organizacji deklaruje, że AI poprawiła innowacyjność, natomiast podobnie jak satysfakcja klienta zachowują się konkurencyjna pozycja rynkowa i satysfakcja pracowników - tu również „poprawiło się” odpowiada 45 procent badanych. Z kolei przychody, zyskowność czy udział w rynku poprawiają się wyraźnie rzadziej niż miękkie wskaźniki doświadczenia.
Jeśli więc jesteś szefem obsługi klienta, liczby mówią jasno: AI jest dziś silniej skorelowana z postrzeganymi doświadczeniami (klienta i pracownika) oraz innowacyjnością niż z „twardym wynikiem” na poziomie całej firmy. To nie jest argument przeciwko AI, tylko przypomnienie, że warto zacząć od dobrze zdefiniowanego celu CX, a dopiero później bronić projektu w kategoriach EBIT.
Gdzie AI faktycznie styka się z klientem
Raport wskazuje trzy grupy zastosowań, które szczególnie interesują zespoły odpowiedzialne za customer journey. Po pierwsze, wykorzystanie AI do zbierania informacji oraz ich przetwarzania i dostarczania - na przykład „poprzez interfejs konwersacyjny”. Po drugie, wsparcie treściowe w marketingu: generowanie pomysłów, tekstów i materiałów na potrzeby strategii. Po trzecie, automatyzacja contact center i obsługi klienta.
To właśnie ten trzeci obszar jest dla wielu firm pierwszym dużym testem dojrzałości AI. Chatboty, voiceboty, asystenci agentów, systemy routingu oparte na predykcji - wszystko to bezpośrednio wpływa na czas oczekiwania, liczbę kontaktów, FCR, ale też na to, jak klient ocenia kontakt z marką. Jeżeli 45 procent organizacji widzi wzrost satysfakcji klienta, można z dużą dozą prawdopodobieństwa założyć, że wkład mają tu właśnie projekty w contact center i kanałach cyfrowych (wykres 1).
Z drugiej strony, gdy McKinsey pyta, w których funkcjach firmy widzą największe korzyści kosztowe, prym wiodą IT, inżynieria oprogramowania i produkcja. Service operations – w tym obsługa klienta - również raportują spadki kosztów jednostkowych, ale nie są w ścisłej czołówce (wykres 2). To kolejna wskazówka: AI w customer service szybciej „dowodzi się” na poziomie doświadczenia niż spektakularnych oszczędności.
Nie każda strategia AI tak samo podnosi satysfakcję
Ciekawy wniosek pojawia się, gdy autorzy raportu rozdzielają organizacje według celów, jakie stawiają przed AI. Większość firm deklaruje, że głównym celem jest efektywność, na przykład „redukcja kosztów poprzez automatyzację procesów”. Jednak wśród tak zwanych high performers - organizacji, które przypisują AI co najmniej 5 procent EBIT i mówią o „znaczącej wartości” z tych rozwiązań - oprócz efektywności równie ważne są cele wzrostowe i innowacyjne.
Kluczowe zdanie z raportu brzmi: respondenci, którzy mówią, że ich organizacja wykorzystuje AI do wzrostu i innowacji, częściej niż inni raportują szereg jakościowych, całoorganizacyjnych korzyści z AI - takich jak poprawa satysfakcji klientów, wyróżnienie konkurencyjne, lepsza rentowność, wzrost przychodów czy zmiana udziałów rynkowych (wykres 3).
Z perspektywy zarządzania CX oznacza to, że sama „automatyzacja dla automatyzacji” nie wystarczy. Jeżeli cała narracja wokół AI w Twojej organizacji sprowadza się do cięcia kosztów, raport sugeruje, że masz mniejsze szanse zobaczyć wyraźny wzrost satysfakcji klienta. Firmy, które realnie widzą poprawę CSat, częściej myślą o AI jako o narzędziu do przeprojektowania modeli obsługi, tworzenia nowych wartości dla klienta czy wprowadzania innowacyjnych usług.
Jak daleko od pilotażu do odczuwalnej poprawy doświadczenia
Kolejny ważny kontekst to poziom dojrzałości wdrożeń. Choć 88 procent organizacji używa AI w co najmniej jednym obszarze, tylko około jedna trzecia jest w fazie skalowania, a nie eksperymentów czy pilotaży. W praktyce oznacza to, że wiele projektów AI w obsłudze klienta wciąż działa „na marginesie” głównych procesów, jest testowane na wybranych liniach produktowych lub przy ograniczonej liczbie scenariuszy.
To ważne, gdy patrzymy na liczby dotyczące satysfakcji klienta. 45 procent firm raportujących poprawę CSat to wynik osiągnięty przy sytuacji, w której większość organizacji dopiero się uczy, jak na poważnie wpleść AI w kluczowe punkty styku z klientem. Można więc zaryzykować tezę, że potencjał jest większy niż obecne liczby - ale jednocześnie droga do niego prowadzi przez żmudne wychodzenie z „pilotażu wiecznego” i włączanie AI w standardową architekturę kontaktów.
Dodatkowo struktura odpowiedzi pokazuje, że duże organizacje są wyraźnie dalej na tej drodze: niemal połowa firm z przychodami powyżej 5 mld dolarów deklaruje, że jest w fazie skalowania, podczas gdy wśród firm z przychodami poniżej 100 mln dolarów to zaledwie 29 procent. Dla menedżerów obsługi klienta w mniejszych organizacjach to sygnał, że osiągnięcie podobnego wpływu na satysfakcję klienta będzie wymagało bardziej selektywnego podejścia do priorytetów wdrożeniowych.
Cień po jasnej stronie mocy: gdzie AI może satysfakcję klienta obniżyć
Raport pokazuje jeszcze jedną warstwę, istotną z perspektywy contact center. Choć pozytywne efekty na innowację i satysfakcję są wyraźne, ponad połowa organizacji używających AI doświadczyła w minionym roku przynajmniej jednego negatywnego skutku związanego z tą technologią.
Najczęściej wskazywanym problemem jest niedokładność - prawie jedna trzecia respondentów mówi o konsekwencjach wynikających z nieprecyzyjnych rezultatów AI. Dla zespołów odpowiedzialnych za customer experience to sygnał ostrzegawczy: każdy błąd w odpowiedzi bota, źle dopasowana rekomendacja czy automatyczna decyzja, której klient nie rozumie, może bardzo szybko zniwelować korzyści z krótszego czasu obsługi czy większej dostępności kanałów.
Warto zauważyć, że tak zwani high performers - ci, którzy czerpią z AI największą wartość biznesową - częściej niż inni raportują negatywne skutki, zwłaszcza w obszarach takich jak naruszenia własności intelektualnej czy zgodność regulacyjna. Jednocześnie intensywniej inwestują w systemowe zarządzanie ryzykiem. To kolejny sygnał, że wzrost satysfakcji klienta dzięki AI nie jest „darmowym bonusem”, lecz efektem świadomego balansowania między ambicją a bezpieczeństwem.
Co z tego wynika dla szefów obsługi klienta - na poziomie pytań, nie rozwiązań
Na tym etapie – zanim zaczniemy rozmawiać o receptach - raport McKinsey pomaga przede wszystkim zadać właściwe pytania. Czy nasza firma należy do tych 45 procent, które realnie widzą poprawę satysfakcji klienta, czy raczej do grona, które „nie widzi różnicy” albo „nie wie”? Czy cele dla AI w obsłudze klienta są zdefiniowane wyłącznie w kategoriach efektywności, czy również wzrostu i innowacji? Czy nasze wdrożenia są wciąż pilotami, czy rzeczywiście zmieniają standardowe ścieżki obsługi? I wreszcie - czy mamy odwagę mierzyć nie tylko wskaźniki ilościowe (czas, liczba kontaktów), lecz także jakościowe doświadczenia klientów i pracowników?
Dopiero odpowiedzi na te pytania pozwolą świadomie zaplanować kolejny krok: jak przełożyć potencjał AI na trwałą, mierzalną poprawę satysfakcji klienta.