Macie 14 dni na odpowiedź, a milczenie oznacza, że reklamację uznaliście. To najdroższy zegar w firmie i najtańsze miejsce na AI

Dlaczego ta rozmowa wraca właśnie teraz

Zwrot przestał być incydentem, a stał się stałym elementem ścieżki zakupowej. Dane Gemiusa z 2026 roku pokazują, że prawie połowa kupujących online korzysta ze zwrotu w ciągu roku, a dla ponad jednej czwartej brak darmowego zwrotu jest wystarczającym powodem, żeby kupić w innym sklepie — obok kosztu wysyłki (47%), wysokiej ceny (44%) i długiego czasu dostawy (30%). Z drugiej strony leży rachunek sprzedawcy: w badaniu Alsendo 46% firm przenosi koszt odesłania na klienta, darmowe zwroty oferuje około jedna trzecia, a 90% nie wydłuża terminu ponad ustawowe 14 dni. Zwrot jest więc jednocześnie narzędziem sprzedaży i kosztem, który trzeba obsłużyć szybko i tanio.

W tle szykuje się zmiana, która ten strumień jeszcze zwiększy. Dyrektywa (UE) 2023/2673 dodaje do dyrektywy 2011/83/UE art. 11a, czyli obowiązek udostępnienia w interfejsie internetowym wyróżnionej funkcji odstąpienia od umowy — oznaczonej sformułowaniem „odstąp od umowy tutaj” lub równoważnym, dostępnej przez cały okres na odstąpienie, z potwierdzeniem zawierającym treść oświadczenia oraz datę i godzinę jego złożenia. Przepis nie trafia do rozdziału o usługach finansowych i w ocenie Prezesa UOKiK obejmuje wszystkie umowy zawierane na odległość. Państwa członkowskie miały przyjąć przepisy do 19 grudnia 2025 roku i stosować je od 19 czerwca 2026 roku.

W Polsce ta transpozycja nie weszła w życie w terminie. Przepisy miały jechać w projekcie ustawy o kredycie konsumenckim (UC82), a w maju 2026 roku rząd wycofał upoważnienie dla Prezesa UOKiK do prac nad tym projektem i zapowiedział nowe. Nie jest dziś znana ani data wejścia w życie, ani wehikuł legislacyjny — i to jest dokładnie ten rodzaj niepewności, który warto przekuć w przewagę, bo kierunek jest przesądzony. Nie jesteśmy kancelarią i to nie jest porada prawna, ale z punktu widzenia procesu wniosek jest prosty: jeśli odstąpienie od umowy ma być w przyszłości składane jednym kliknięciem i potwierdzane z dokładnością do godziny, Wasz proces obsługi musi być gotowy na większą liczbę zgłoszeń, przychodzących w jednym ustandaryzowanym formacie, z twardym znacznikiem czasu.

To zresztą dobra wiadomość dla kogoś, kto myśli o automatyzacji. Przez lata największym problemem w tym procesie było to, że zgłoszenia przychodziły wszystkimi kanałami naraz i w dowolnej formie: mailem, z formularza, z marketplace’u, telefonicznie, przez wiadomość na Instagramie. Ustandaryzowane oświadczenie z potwierdzeniem to pierwszy krok do procesu, który w ogóle da się zmierzyć — a bez pomiaru nie ma czego automatyzować.

Jeden termin, który zmienia cały rachunek

Zacznijmy od tego, co w tym procesie jest nieprzesuwalne, bo właśnie wokół tego warto budować całą automatyzację. Zgodnie z art. 7a ustawy o prawach konsumenta, jeśli przepisy odrębne nie określają innego terminu, przedsiębiorca ma 14 dni na udzielenie odpowiedzi na reklamację konsumenta, a brak odpowiedzi w tym terminie oznacza, że reklamację uznał. To nie jest termin instrukcyjny i nie jest kwestią dobrych praktyk — to przepis, który zamienia Waszą bezczynność w oświadczenie woli.

Warto wiedzieć, że skutki prawne milczenia są w orzecznictwie interpretowane niejednolicie, i to też jest argument za tym, żeby po prostu nie dopuszczać do upływu terminu. W jednym podejściu, opieranym o wyrok Sądu Najwyższego z 5 lipca 2012 roku (IV CSK 75/12), przedsiębiorca traci możliwość kwestionowania reklamacji w sporze, nawet jeśli żądanie konsumenta było obiektywnie nieuzasadnione. W drugim, odwołującym się do uchwały Sądu Najwyższego z 13 czerwca 2018 roku (III CZP 113/17), milczenie przerzuca jedynie ciężar dowodu, a przedsiębiorca nadal może się bronić. Różnica między tymi dwoma scenariuszami to w praktyce różnica między „przegrane” i „do wygrania, ale drogo”.

Wokół tego terminu stoją kolejne, które trzeba mieć w jednym miejscu, bo większość firm trzyma je w głowach pracowników. Odpowiedzialność sprzedawcy za niezgodność towaru z umową trwa dwa lata od wydania towaru (art. 43c ust. 1 ustawy o prawach konsumenta), chyba że przedsiębiorca określił dłuższy termin przydatności. Naprawa albo wymiana ma nastąpić w rozsądnym czasie i bez nadmiernych niedogodności dla konsumenta, a wybór między nimi należy zasadniczo do konsumenta; koszty, w tym pocztowe, przewozu, robocizny i materiałów, ponosi sprzedawca, który odbiera też towar na swój koszt (art. 43d). Kwoty z tytułu obniżenia ceny zwraca się niezwłocznie, nie później niż w terminie 14 dni od otrzymania oświadczenia konsumenta (art. 43e). Roszczenie przedawnia się po sześciu latach. Przy odstąpieniu od umowy zawartej na odległość zwrot płatności następuje w ciągu 14 dni od otrzymania oświadczenia, a brak informacji o prawie odstąpienia wydłuża sam termin na odstąpienie z 14 dni do dwunastu miesięcy i 14 dni.

Dlaczego to ma znaczenie dla projektu AI? Bo większość firm, która chce „zautomatyzować reklamacje”, zaczyna od generowania odpowiedzi, a kończy na tym, że odpowiedzi są ładniejsze i równie spóźnione. Jedyny miernik, który trzeba postawić nad całym wdrożeniem, brzmi: ile procent zgłoszeń dostało merytoryczną odpowiedź przed upływem terminu ustawowego. Docelowa wartość to 100%, a każda inna liczba jest kosztem, który już ponosicie.

Czego AI w reklamacjach nie zrobi

Granica w tym procesie jest nietypowo wyraźna i warto ją postawić przed wyborem narzędzia, a nie po pierwszym incydencie. Model językowy nie jest adresatem obowiązków z ustawy o prawach konsumenta — adresatem jest przedsiębiorca. Dlatego model nie przesądza, czy towar jest niezgodny z umową, nie ocenia, czy niezgodność jest istotna na tyle, by uzasadniała odstąpienie, nie zastępuje rzeczoznawcy ani serwisu w ocenie technicznej, nie decyduje o uznaniu lub odrzuceniu roszczenia i nie interpretuje regulaminu w sprawach spornych. Każde z tych rozstrzygnięć rodzi konsekwencje po Waszej stronie, a nie po stronie dostawcy modelu.

Są też rzeczy, które w ofertach wyglądają na AI, a są zwykłą automatyzacją — i dobrze o tym wiedzieć, zanim ktoś wyceni je jak projekt badawczy. Odczyt numeru zamówienia z maila to reguła albo wyrażenie regularne. Odczyt paragonu ze zdjęcia to OCR, technologia starsza od modeli językowych. Formularz zwrotu z walidacją pól, generowanie etykiety kurierskiej, automatyczna płatność zwrotna po przyjęciu paczki na magazynie, powiadomienia o statusie — to przepływy, które kupuje się razem z platformą. Rozróżnienie, które się tu przydaje, rozłożyliśmy w tekście o agentach i zwykłej automatyzacji: jeśli krok da się opisać warunkiem „jeżeli, to”, nie potrzebuje modelu i nie powinien kosztować jak model.

Zostaje natomiast obszar, w którym naprawdę leżą pieniądze, i jest on zaskakująco mało prawniczy: rozumienie, czego klient właściwie chce, i skompletowanie informacji potrzebnych do podjęcia decyzji przez człowieka. Wiadomość „produkt nie działa jak powinien, proszę o zwrot pieniędzy” może być reklamacją z tytułu niezgodności towaru z umową, odstąpieniem od umowy w terminie, zgłoszeniem do gwarancji producenta, pytaniem o instrukcję obsługi albo skargą na kuriera. Każda z tych ścieżek ma inny termin, inne dowody i inny właściciel w firmie. Rozpoznanie tego w pierwszej godzinie, a nie w siódmym dniu, jest całą wartością tego wdrożenia.

Gdzie naprawdę znika czas w obsłudze zgłoszenia

Zanim pojawi się jakiekolwiek narzędzie, warto wykonać ćwiczenie, które zajmuje dwa dni i zwykle kończy się nieprzyjemnym zaskoczeniem. Weźcie pięćdziesiąt ostatnich zgłoszeń reklamacyjnych i zwrotowych i policzcie przy każdym cztery rzeczy: ile godzin minęło od wpływu do pierwszej merytorycznej odpowiedzi, ile razy pisaliście do klienta po brakujące informacje, ile razy sprawa przechodziła między osobami albo działami, i w którym dniu od wpływu sprawa została zamknięta.

Pierwszy licznik w typowej firmie e-commerce wynosi od kilku godzin do kilku dni, ale jego średnia jest bez znaczenia — liczy się ogon. To zgłoszenia, które przyszły w piątek po południu, trafiły do skrzynki, do której zagląda jedna osoba, albo wpadły do kanału nieobsługiwanego na co dzień: wiadomość na profilu społecznościowym, odpowiedź na mail transakcyjny z adresu „no-reply”, zgłoszenie w panelu marketplace’u. W tym ogonie siedzi całe ryzyko czternastu dni.

Drugi licznik jest najdroższy i prawie nikt go nie mierzy. W większości zgłoszeń klient nie podaje od razu wszystkiego, co potrzebne: numeru zamówienia, zdjęcia wady, informacji, czy produkt był używany, opisu, kiedy problem się pojawił, numeru seryjnego. Każda runda dopytania to dwa do czterech dni kalendarzowych, bo odpowiedź też nie przychodzi natychmiast. Dwie rundy dopytania zjadają połowę ustawowego terminu, a nikt w firmie nie uważa, że „coś stoi” — formalnie sprawa jest w toku.

Trzeci licznik pokazuje, dlaczego sama zmiana narzędzia nic nie da. Jeśli sprawa przechodzi przez obsługę klienta, magazyn, serwis i księgowość, a każdy z tych etapów ma własną kolejkę, to automatyzacja pierwszego etapu przyspieszy wyłącznie pierwszy etap. Dlatego pierwszym projektem w tym procesie nie jest generowanie odpowiedzi, a widok jednej kolejki z zegarem przy każdej sprawie.

Czwarty licznik warto zestawić z kosztem. Jeśli obsługa jednego zwrotu kosztuje 10–15 zł, jak wskazuje badanie Alsendo, a 77% firm mieści się w przedziale 7–30 zł, to przy tysiącu zwrotów miesięcznie mówimy o kwocie, w której koszt pracy ludzi nad kompletowaniem informacji jest największą pojedynczą pozycją — i jednocześnie jedyną, którą da się zmniejszyć bez pogorszenia doświadczenia klienta.

Pięć zadań, które model wykonuje wiarygodnie

Jeśli opisać to uczciwie, w obsłudze reklamacji i zwrotów nie wdraża się „sztucznej inteligencji”, a pięć dość nudnych funkcji. Żadna z nich nie rozstrzyga reklamacji.

• Klasyfikacja zgłoszenia i nadanie mu właściwej ścieżki. Model czyta wiadomość ze wszystkich kanałów i rozstrzyga, czy to reklamacja z tytułu niezgodności towaru z umową, odstąpienie od umowy w terminie, zgłoszenie gwarancyjne do producenta, szkoda transportowa, czy zwykłe pytanie. Przy każdym zgłoszeniu zapisuje datę wpływu, kanał i wyliczony termin odpowiedzi. To ten sam mechanizm, który opisywaliśmy przy segregacji wspólnej skrzynki firmowej, tylko kategorie mają tu konsekwencje ustawowe.
• Kompletowanie dowodów w jednym podejściu. Zamiast trzech rund dopytania model od razu wskazuje, czego brakuje w konkretnym zgłoszeniu — numeru zamówienia, zdjęcia wady, daty wystąpienia problemu, informacji o sposobie użytkowania — i przygotowuje jedną uprzejmą wiadomość z pełną listą. To zwykle największy pojedynczy odzysk czasu w całym projekcie, bo skraca kalendarz, a nie tylko pracę.
• Pilnowanie zegara ustawowego. System liczy dni od wpływu zgłoszenia, pokazuje kolejkę posortowaną po terminie, a nie po dacie dodania, eskaluje sprawy na trzy dni przed upływem terminu i raportuje każdy przypadek, w którym termin został przekroczony. Ta funkcja nie wymaga nawet dobrego modelu i jest pierwsza do wdrożenia.
• Szkic odpowiedzi z podstawą i terminem. Model przygotowuje projekt pisma: co ustalono, jakie żądanie zgłosił klient, jakie działanie proponuje firma, w jakim terminie i na jakiej podstawie z regulaminu lub przepisów. Człowiek czyta, poprawia i wysyła. Szkic na bazie Waszych wzorów i rzeczywistej historii sprawy jest o rząd wielkości lepszy od szkicu wygenerowanego z niczego — jak zbudować taką bazę, żeby model nie zmyślał, opisaliśmy w tekście o asystencie na dokumentach firmy.
• Analiza przyczyn zwrotów i reklamacji. Setki zgłoszeń opisanych własnymi słowami klientów to najlepsze źródło informacji o tym, co jest nie tak z kartą produktu, rozmiarówką, opakowaniem albo instrukcją. Model grupuje powody po produkcie i kategorii, a Wy dostajecie listę piętnastu SKU, w których zmiana opisu albo zdjęć obniży liczbę zwrotów. To jedyna część tego projektu, która zmniejsza liczbę zgłoszeń, zamiast szybciej je obsługiwać.

Zegar jako pierwszy projekt, nie generowanie odpowiedzi

Jeśli szukacie wdrożenia, które pokaże liczbę w trzy tygodnie i nie narazi Was na nic, to jest ten. Weźcie wszystkie kanały, którymi może wpłynąć zgłoszenie — skrzynka obsługi, formularz na stronie, panele marketplace’ów, telefon, komunikatory, wiadomości na profilach społecznościowych — i doprowadźcie je do jednej kolejki, w której każda sprawa ma datę wpływu, wyliczony termin i widoczny licznik dni.

Brzmi to banalnie, dopóki ktoś nie sprawdzi, ile zgłoszeń w ostatnim kwartale trafiło do firmy kanałem, który nie jest formalnie kanałem reklamacyjnym. Konsument nie ma obowiązku używać Waszego formularza; wiadomość „towar jest uszkodzony, chcę zwrot pieniędzy” wysłana na adres sprzedażowy jest reklamacją i od jej otrzymania biegnie termin. Dlatego pierwszym krokiem nie jest model, a inwentaryzacja wejść — i to jest praca na dwa dni, nie na dwa miesiące.

Na tej samej kolejce opiera się potem wszystko inne, dlatego warto ją zrobić porządnie. Techniczną stroną spięcia skrzynki, platformy sklepowej, systemu magazynowego i helpdesku zajmowaliśmy się w tekście o MCP; tam też jest wyjaśnienie, dlaczego to integracja, a nie model, jest zwykle najdroższą częścią takiego wdrożenia. Jeśli dane o zamówieniach, zwrotach i kontaktach z klientem leżą dziś w trzech miejscach i nie da się ich połączyć jednym identyfikatorem, zaczynacie od danych gotowych na AI, a nie od asystenta.

Automatyczne uznanie i automatyczne odrzucenie to dwa różne ryzyka

W pewnym momencie każdy właściciel zadaje to samo pytanie: czy AI może po prostu rozstrzygać te sprawy sama. Odpowiedź zależy od kierunku rozstrzygnięcia i to jest najważniejsza asymetria w całym procesie.

Automatyczne uznanie zgłoszeń w wąskim, dobrze zdefiniowanym koszyku jest rozsądne i tanie. Zwrot towaru nieużywanego, zgłoszony w terminie, o wartości poniżej progu, w kategorii bez ryzyka nadużyć, przy kliencie z czystą historią — koszt błędu to wartość jednego produktu, a oszczędność to kilkaset ręcznych decyzji miesięcznie. Tutaj automat działa na Waszą korzyść także reputacyjnie, bo klient dostaje pieniądze szybciej, niż się spodziewał.

Automatyczne odrzucenie jest dokładnie odwrotnym rodzajem decyzji i nie powinno istnieć w żadnej konfiguracji. Odrzucenie reklamacji wymaga uzasadnienia odnoszącego się do konkretnego stanu faktycznego, a jeśli opiera się na schemacie, zaczyna wyglądać jak praktyka, a nie jak rozstrzygnięcie indywidualnej sprawy. Prezes UOKiK może uznać powtarzalne, bezzasadne odmowy za praktykę naruszającą zbiorowe interesy konsumentów, a kara w tym reżimie sięga 10% obrotu osiągniętego w roku obrotowym poprzedzającym rok nałożenia kary. Dołóżcie do tego, że nowe przepisy europejskie idą wyraźnie w stronę zakazu zniechęcających interfejsów — dyrektywa 2023/2673 wprowadza do dyrektywy 2011/83/UE także art. 16e dotyczący wzorców manipulacyjnych — i obraz jest jednoznaczny: automat, który odmawia, jest najdroższą funkcją, jaką można w tym procesie włączyć.

Praktyczna reguła, która się z tego składa, jest krótka. Model proponuje rozstrzygnięcie i oznacza, czego nie jest pewny. Uznania w zdefiniowanym koszyku idą automatem i są próbkowane. Wszystko, co jest odmową, częściową odmową, sprawą sporną, zgłoszeniem po dwóch latach albo przypadkiem o wartości powyżej progu, trafia do człowieka z nazwiskiem i terminem. Jak zaprojektować ten moment przekazania tak, żeby klient nie czuł się odbity od automatu, rozłożyliśmy w tekście o eskalacji do człowieka.

Chatbot, który obiecał coś, czego nie ma w regulaminie

Jest jeden scenariusz, który w tym procesie zdarza się częściej niż wyciek danych i kosztuje natychmiast: asystent rozmawiający z klientem opisuje zasady zwrotu inaczej, niż wynika to z Waszego regulaminu. Obiecuje darmowy zwrot tam, gdzie go nie ma, podaje trzydziestodniowy termin, przyznaje rekompensatę albo zapewnia, że produkt na indywidualne zamówienie podlega odstąpieniu.

Najbardziej znany przykład nie pochodzi z e-commerce, ale rozstrzyga sprawę modelowo: w lutym 2024 roku kanadyjski trybunał rozpoznający drobne spory uznał, że przewoźnik lotniczy odpowiada za informację, którą jego chatbot podał klientowi, mimo że była sprzeczna z regulaminem dostępnym na stronie. Argument, że klient powinien był sprawdzić prawdziwe zasady w innym miejscu serwisu, nie został przyjęty. Dla firmy prowadzącej sprzedaż konsumencką to oznacza prostą rzecz: komunikat asystenta jest Waszym komunikatem.

Z tego wynikają trzy zasady projektowe, których nie warto negocjować. Asystent odpowiada wyłącznie na podstawie Waszych aktualnych dokumentów i danych konkretnego zamówienia, a nie wiedzy ogólnej modelu. Nie składa oświadczeń o uznaniu reklamacji, przyznaniu rabatu ani wydłużeniu terminu, bo każde z nich jest zobowiązaniem. I przy pierwszym pytaniu wychodzącym z zakresu mówi wprost, że przekazuje sprawę człowiekowi, razem z realnym terminem odpowiedzi.

Dochodzi do tego obowiązek, o którym łatwo zapomnieć: od 2 sierpnia 2026 roku klient musi wiedzieć, że rozmawia z systemem AI, a nie z człowiekiem. Co dokładnie weszło i jak to wygląda w praktyce małej firmy, zebraliśmy w tekście o AI Act w małej firmie. Osobne ryzyko dotyczy agentów, które nie tylko odpowiadają, ale też mają prawo coś zrobić — zatwierdzić zwrot, zlecić wypłatę, zmienić status zamówienia. Treść zgłoszenia od klienta jest wtedy danymi wejściowymi, które mogą zawierać instrukcję; mechanizm i granice opisaliśmy w tekście o prompt injection.

Nadużycia zwrotowe: gdzie AI pomaga, a gdzie tworzy nowy problem

W badaniu Alsendo sprzedawcy wskazali nadużycia klientów jako swój największy problem w obsłudze zwrotów: odsyłanie produktów używanych, podmiana towaru, korzystanie z polityki zwrotów niezgodnie z przeznaczeniem. To realny koszt i naturalnie nasuwa pomysł, żeby model wykrywał wzorce — i tutaj trzeba uważać, bo łatwo zamienić jeden koszt na większy.

Co działa bez kontrowersji: wykrywanie wzorców na poziomie zdarzeń, nie osób. Serie zwrotów tego samego SKU w jednym tygodniu, zgodność wagi paczki przyjętej z wagą wysłanej, zdjęcia produktu przy przyjęciu porównane ze zdjęciem z wysyłki, zwroty zgłaszane zawsze w ostatnim dniu terminu, niezgodność numeru seryjnego. To są sygnały operacyjne, które kierują paczkę do ręcznej kontroli na magazynie — i nie mają skutku dla klienta, dopóki człowiek czegoś nie potwierdzi.

Co wymaga ostrożności: scoring klientów i jakakolwiek lista, na którą się trafia automatycznie. Odmowa obsługi, blokada konta czy odebranie darmowego zwrotu na podstawie wyniku modelu to zautomatyzowana decyzja o skutkach dla osoby fizycznej, a to jest obszar regulowany przez RODO wraz z obowiązkami informacyjnymi i prawem do interwencji człowieka. Dodatkowo trenowanie takiego modelu na historii Waszych klientów bez przemyślenia podstawy prawnej i okresu retencji jest dokładnie tym rodzajem projektu, który trzeba przeanalizować przed startem, a nie po. Kiedy przy takim wdrożeniu potrzebna jest ocena skutków dla ochrony danych, rozłożyliśmy w tekście o RODO przy wdrożeniu AI.

Praktyczny kompromis, który stosujemy u klientów, wygląda tak: model wskazuje sprawy do kontroli i uzasadnia wskazanie konkretnymi faktami, kontrolę wykonuje człowiek, a konsekwencje wobec klienta zawsze mają podpis osoby. Model nie nadaje nikomu etykiety „oszust”, bo ta etykieta ma skutki, których nie da się cofnąć jedną korektą w systemie.

Co mierzyć, żeby wiedzieć, czy to działa

W tym procesie wyjątkowo łatwo udowodnić sobie sukces, którego nie ma, bo liczba spraw „obsłużonych automatycznie” rośnie od pierwszego dnia. Dlatego mierniki ustalcie przed wdrożeniem.

Miernik główny i jedyny bezwzględny: odsetek zgłoszeń, w których merytoryczna odpowiedź wyszła po terminie ustawowym. Cel to zero, a każdy przypadek powyżej zera powinien mieć przypisaną przyczynę. Miernik drugi: mediana czasu od wpływu zgłoszenia do pierwszej merytorycznej odpowiedzi, liczona po terminie, a nie po dacie utworzenia zgłoszenia w systemie. Trzeci: średnia liczba kontaktów z klientem na jedno zgłoszenie — to on pokazuje, czy kompletowanie dowodów faktycznie przeszło na jedno podejście. Czwarty: odsetek zwrotów na kategorię i na SKU, bo to jedyna liczba, która może spaść wskutek Waszych działań poza obsługą. Piąty, najbardziej doceniany przez zarząd: koszt obsługi jednego zgłoszenia przy niezmienionym składzie zespołu.

Warto też mierzyć dwie rzeczy, które zwykle wypadają z zakresu. Odsetek rozstrzygnięć zmienionych przez człowieka po propozycji modelu — jeśli przez pierwsze tygodnie jest bardzo niski, to zazwyczaj nie znaczy, że model jest świetny, a że ludzie przestali czytać. I odsetek spraw, które wróciły: klient niezadowolony z rozstrzygnięcia napisał ponownie, zgłosił się do rzecznika konsumentów albo wystawił opinię. Szybka obsługa, która generuje powroty, jest droższa od wolnej.

Czego nie mierzyć: liczby zgłoszeń „obsłużonych przez AI”, procentu automatyzacji i liczby wygenerowanych odpowiedzi. Każdą z tych liczb da się poprawić, nie poprawiając niczego dla klienta ani dla firmy. Jak zbudować zestaw testowy i próg akceptacji dla takiego procesu — na przykład dwieście historycznych zgłoszeń z poprawną klasyfikacją i rozstrzygnięciem jako wzorzec — opisaliśmy w tekście o testowaniu wdrożenia AI.

I jeszcze słowo o koszcie, bo to pytanie wraca szybciej niż inne. Strona modelowa takiego wdrożenia jest tania: przy kilku tysiącach zgłoszeń miesięcznie liczy się w setkach złotych. Pieniądze idą na spięcie kanałów i systemów, na uporządkowanie wzorów pism i polityki zwrotów oraz na czas ludzi, którzy przez pierwsze tygodnie sprawdzają wyniki. Jeśli oferta, którą czytacie, ma odwrotną strukturę kosztów, warto ją przeczytać jeszcze raz z anatomią budżetu wdrożenia AI w drugiej ręce.

Wdrożenie w cztery tygodnie

Kolejność, która w obsłudze reklamacji i zwrotów najrzadziej kończy się porzuconym narzędziem i najszybciej daje liczbę do pokazania zarządowi:

1. Tydzień pierwszy: pomiar na pięćdziesięciu ostatnich zgłoszeniach — czas do pierwszej merytorycznej odpowiedzi, liczba rund dopytania, liczba przekazań między osobami. Plus inwentaryzacja wszystkich kanałów, którymi zgłoszenie może wpłynąć, włącznie z tymi, których formalnie nie obsługujecie. To one wyznaczają zakres, nie katalog funkcji dostawcy.
2. Tydzień drugi: jedna kolejka z zegarem. Wszystkie kanały w jednym miejscu, data wpływu, wyliczony termin, sortowanie po terminie, alert trzy dni przed jego upływem. Żadnej generacji treści, żadnych automatycznych decyzji. Już na tym etapie powinien zniknąć cały ogon spraw przeterminowanych.
3. Tydzień trzeci: klasyfikacja zgłoszeń i kompletowanie dowodów w jednym podejściu. Model nadaje kategorię i ścieżkę, przygotowuje jedną wiadomość z pełną listą brakujących informacji, człowiek ją akceptuje jednym kliknięciem. Tu po raz pierwszy mierzycie liczbę kontaktów na zgłoszenie i powinna spaść widocznie.
4. Tydzień czwarty: szkice odpowiedzi na trzech najczęstszych typach spraw, z podstawą i terminem, zawsze zatwierdzane przez człowieka. Równolegle automatyczne uznanie w jednym wąskim koszyku: nieużywany towar, zgłoszenie w terminie, wartość poniżej progu, kategoria bez ryzyka. Żadnych automatycznych odmów.
5. Po pierwszym miesiącu: przegląd stu spraw, w których człowiek poprawił propozycję modelu, i przeniesienie tych poprawek do wzorów pism oraz reguł klasyfikacji. Dopiero wtedy rozmowa o rozszerzeniu koszyka automatycznych uznań i o analizie przyczyn zwrotów na poziomie SKU.
6. Co kwartał: sprawdzenie, czy wzory pism, progi i reguły nadal pasują do przepisów i do asortymentu — zwłaszcza że transpozycja obowiązku funkcji odstąpienia w Polsce wciąż jest przed Wami. Wdrożenie, którego nikt nie dotyka, degraduje się po cichu.

Pięć sygnałów, że poszło w złą stronę

Ten projekt psuje się w charakterystyczny sposób i wszystkie objawy są widoczne w pierwszym miesiącu, jeśli ktoś patrzy na właściwe liczby.

• Odpowiedzi wychodzą szybciej, ale liczba spraw wracających po rozstrzygnięciu rośnie. To znaczy, że skróciliście czas odpowiedzi, nie skracając czasu rozwiązania sprawy — a klient liczy to drugie.
• Zespół przepisuje propozycje modelu ręcznie do systemu obsługi, bo integracja „jest na później”. Wtedy dodaliście krok, a nie usunęliście żadnego.
• Ktoś włączył automatyczną odmowę dla kategorii zgłoszeń „oczywiście bezzasadnych”, bo zajmowały najwięcej czasu. To jest dokładnie ten moment, w którym projekt operacyjny zamienia się w ryzyko regulacyjne.
• Odsetek rozstrzygnięć zmienionych przez człowieka spadł w trzecim tygodniu prawie do zera. Model się nie poprawił — ludzie przestali czytać i zaczęli klikać.
• Asystent dostał prawo zatwierdzania zwrotów albo wysyłania wiadomości do klientów bez akceptacji, bo „tak jest szybciej”. Od tej chwili każde zgłoszenie, które czyta, jest potencjalnym poleceniem dla Waszego systemu.

Od czego zacząć

Dwie liczby i jedna lista. Pierwsza liczba: ile zgłoszeń reklamacyjnych w ostatnim kwartale dostało merytoryczną odpowiedź po czternastym dniu od wpływu — i czy ktokolwiek w firmie potrafi tę liczbę podać bez tygodnia pracy. Druga: średnia liczba wiadomości, które wymieniacie z klientem, zanim komplet informacji pozwoli podjąć decyzję. Lista: wszystkie kanały, którymi zgłoszenie może do Was trafić, razem z tymi, których nie uważacie za reklamacyjne. Jeśli pierwszej liczby nie da się ustalić, a lista ma więcej niż cztery pozycje, Wasz problem nie jest technologiczny — po prostu nie ma jednego miejsca, w którym widać zegar. Jeśli nie wiecie, od którego końca to rozplatać, od tego zaczyna się audyt AI w firmie.

Reklamacje i zwroty są rzadkim przypadkiem procesu, w którym wartość AI nie jest kwestią wiary: termin jest w ustawie, koszt jednego zwrotu da się policzyć, a liczba spóźnień jest twarda. Dlatego takie projekty prowadzimy zawsze w tej kolejności: najpierw jedna kolejka z zegarem, potem klasyfikacja i kompletowanie dowodów, na końcu — i zawsze z człowiekiem przy odmowie — propozycje rozstrzygnięć. Ten sam porządek sprawdza się tam, gdzie liczy się pilnowanie terminów po drugiej stronie, co opisywaliśmy przy monitoringu należności. Jeśli chcecie sprawdzić, co z tego ma sens u Was, umówcie bezpłatną konsultację albo zobaczcie, jak wygląda nasz konsulting i wdrożenia AI.