Raport Polskiego Funduszu Rozwoju zdiagnozował niedawno poważny problem, który można ująć krótko w stwierdzeniu, że mamy AI, ale nie wiemy jak jej użyć. Jak wykorzystać sztuczną inteligencję, by stała się realnym narzędziem pracy małych i średnich operatorów telekomunikacyjnych? Artur Tomaszczyk z firmy ComNet Multimedia wskazał kilka konkretnych zastosowań, które wdrożył już w swojej działalności.

Korzystanie z AI nie wymaga od przedsiębiorcy ogromnych inwestycji ani skomplikowanej infrastruktury. Coraz częściej sztuczna inteligencja działa lokalnie, w ramach wewnętrznych systemów, ucząc się na danych firmy i dostosowując do jej specyfiki.

Najogólniej rzecz ujmując w praktyce lokalnego operatora telekomunikacyjnego AI może wspierać firmy w podejmowaniu decyzji, automatyzacji procesów i obsłudze klientów. Może być wykorzystanie w zadaniach biurowych (może tworzyć pisma np. z odpowiedziami dla UKE o wydanie warunków na dostęp do nieruchomości), programistycznych (pozwala zautomatyzować działania i skrócić czas ich wykonania), czy dokonywać wstępnej analizy zagrożeń. Przedsiębiorcy zyskują zaś nie tylko oszczędność czasu i zasobów, ale też nową jakość analizy i działania.

Poniższe zestawienie przygotowane we współpracy z Arturem Tomaszczykiem to tylko kilka przykładów na to, jak sztuczna inteligencja może realnie wspierać codzienną pracę operatorów – zarówno w obszarze technicznym, jak i biznesowym.

1. Churn prediction

Churn prediction (z ang. churn – odpływ, prediction – przewidywanie) to proces wykorzystania danych i sztucznej inteligencji do prognozowania, którzy klienci mogą w najbliższym czasie zrezygnować z usług firmy.

Model AI analizuje różne sygnały i wzorce zachowań klientów, takie jak:

• częstotliwość korzystania z usług,
• liczba i rodzaj zgłoszeń do biura obsługi,
• opóźnienia w płatnościach,
• spadek aktywności w aplikacji lub na koncie,
• zmiany w liczbie zamówień czy poziomie satysfakcji.

Na tej podstawie tworzy ocenę ryzyka odejścia (ang. churn risk score) – im wyższy wynik, tym większe prawdopodobieństwo, że klient zrezygnuje.

Dzięki takiej analizie firma może:

• zidentyfikować klientów zagrożonych odejściem,
• zareagować z wyprzedzeniem – np. poprzez kontakt, rabat, dodatkową usługę lub usprawnienie obsługi,
• zmniejszyć koszty pozyskiwania nowych klientów, ponieważ łatwiej utrzymać obecnych niż zdobyć nowych,
• poprawić jakość usług i lojalność dzięki lepszemu zrozumieniu potrzeb klientów.

W praktyce churn prediction to narzędzie, które pomaga firmie działać proaktywnie, a nie reaktywnie – zamiast czekać, aż klient odejdzie, można wcześniej wykonać krok, który go zatrzyma.

2. Klasyfikacja ticketów (NOC/Helpdesk)

To zadanie dla lokalnego modelu AI polega na automatycznym przypisywaniu nowych ticketów do odpowiednich kategorii i priorytetów. System wymaga treningu na danych z systemu zgłoszeń i uczy się na podstawie historii incydentów i opisów problemów. W efekcie jednak przynosi konkretne korzyści. Dzięki niemu:

• skraca się czas reakcji zespołu NOC/BOK,
• wyeliminowane zostają błędy ludzkie przy klasyfikacji,
• technicy skupiają się na faktycznym rozwiązywaniu problemów, zamiast na segregowaniu zgłoszeń.

To także pierwszy krok do pełnej automatyzacji prostych procesów serwisowych.

3. Scenariusze rozmów dla handlowców i biura obsługi klienta

To chyba jedno z najbardziej praktycznych zastosowań sztucznej inteligencji w biznesie. W tradycyjnym modelu pracownicy korzystają z ogólnych skryptów, które często nie uwzględniają indywidualnych potrzeb, historii relacji z klientem ani kontekstu rozmowy. AI zmienia ten schemat, wprowadzając element inteligentnej adaptacji.

Model szybko analizuje dane pochodzące z CRM, wcześniejsze kontakty, wyniki sprzedażowe, notatki z rozmów, a nawet ton wypowiedzi czy tempo reakcji klienta. Na tej podstawie generuje dopasowane do sytuacji scenariusze – podpowiada najlepsze argumenty, rekomenduje moment przejścia do kolejnego etapu rozmowy, wskazuje potencjalne punkty oporu i sugeruje, jak na nie odpowiedzieć. Dzięki temu handlowiec lub konsultant nie działa według sztywnego schematu, lecz otrzymuje interaktywne wsparcie, które pomaga prowadzić rozmowę w sposób naturalny i skuteczny.

AI może również mieć dostęp do nagrań rozmów telefonicznych lub czatów online, by ocenić jakość komunikacji, styl języka, poziom empatii czy skuteczność użytych argumentów. Ich analiza pomaga szczególnie nowym pracownikom. W efekcie organizacja zyskuje spójność komunikacyjną – niezależnie od tego, kto rozmawia z klientem, ton, styl i argumentacja pozostają podobne. Dzięki temu handlowcy zawsze dysponują najnowszymi informacjami i unikają błędów wynikających z przestarzałych materiałów.

4. Pomoc w pisaniu configów 

AI coraz częściej wspiera techników i administratorów w tworzeniu oraz analizie złożonych konfiguracji (np. routerów, firewalli, usług sieciowych). Potrafi podpowiadać składnię i zależności, sprawdzać poprawność logiczną i składniową, wykrywać błędy lub niespójności przed wdrożeniem zmian.

Artur Tomaszczyk używa jej głównie do sprawdzanie poprawności configów, ale też do pisania dłuższych, na które szkoda mu czasu.

Zastosowanie AI ogranicza także i w tym przypadku ryzyko awarii wynikających z błędu ludzkiego.

5. Pomoc w programowaniu

AI pomaga także naszemu ekspertowi w codziennych pracach deweloperskich – przygotowuje proste skrypty, tłumaczy błędy, dokumentuje kod lub tworzy fragmenty automatyzacji. Dzięki temu pomaga oszczędzać czas potrzebny do wykonania rutynowych zadaniach.

Czytaj także: