AI assistant L1 customer support dla e-commerce B2B

Kontekst klienta

Wrocławska platforma e-commerce B2B (komponenty elektroniczne dla MŚP), 45 osób, ~2 000 aktywnych klientów (głównie małe i średnie firmy produkcyjne), 50 000+ SKU w katalogu.

Dziennie do customer support wpadało 300-500 zgłoszeń (email, chat, formularz w sklepie): status zamówienia, dostępność produktu, parametry techniczne, faktury, zwroty, problemy z logowaniem.

Problem

Customer support to było 12 etatów (8 L1 + 3 L2 + 1 manager). 70% zgłoszeń to L1 (powtarzalne, proste). Mimo to:

Średni response time: 6-8h w godzinach pracy, 12-24h poza
Zespół wypalał się na powtarzalnych pytaniach (rotacja 30%/rok w L1)
Trudność z rekrutacją — dla MŚP we Wrocławiu trudno znaleźć osoby do customer support z minimalną znajomością elektroniki
Wzrost biznesu blokowany kosztem skali supportu — każde +500 klientów = +1 etat L1

Projekt integracyjny AI (4 miesiące). Prosperity IT dostarczyło AI assistant zintegrowany z ERP (status zamówień), katalogiem produktów (dostępność, parametry, datasheety), bazą klientów (historia zakupów, kontrakty, limity kredytowe) i systemem ticketingowym (Zendesk).

Architektura:

Multi-channel input: email parser, chat widget (Vue 3), API dla mobile (jeśli klient ma własną apkę)
Intent classification: klasyfikator do 12 kategorii (status zamówienia, dostępność, faktura, zwrot, support techniczny, etc.)
Specialized tools per intent: każda kategoria ma swoje narzędzia (ERP query, catalog lookup, payment gateway check)
LLM orchestrator: Claude Sonnet z function calling, kontrola wykonania narzędzi, generacja odpowiedzi w polskim
Escalation logic: confidence <85%, sentiment negatywny, wartość zamówienia >50 000 PLN, lub explicit "rozmowa z człowiekiem" → ticket do L2
L2 panel: dashboard pokazujący kontekst rozmowy z AI + sugerowaną odpowiedź + szybkie akcje (refund, reissue, etc.)

Wszystko on-premise (własne GPU dla embeddings, Claude przez API z zero retention).

Implementacja

4 miesiące. 1 senior engineer + UX designer (konsultacyjnie, 20h łącznie) + dedykowany product owner ze strony klienta.

Miesiąc 1: architektura + integracje (ERP, katalog, Zendesk)
Miesiąc 2: intent classifier + 5 najczęstszych kategorii (status, dostępność, faktura, zwrot, login)
Miesiąc 3: pozostałe 7 kategorii + escalation logic + L2 panel
Miesiąc 4: rollout (10% → 50% → 100% zgłoszeń) + monitoring + iteracje

Wyniki

Po 6 miesiącach produkcji:

80% L1 zamykanych bez człowieka — mierzone: rozmowy zakończone bez eskalacji do L2
Response time: 2-3 min (vs 6-8h) dla AI-handled, 45 min dla eskalacji do L2 (vs 6-8h)
8 etatów L1 przeniesionych do strategicznych zadań: key account management, proaktywny outreach do nieaktywnych klientów, content (datasheety, gidy)
NPS klientów: +35 pkt — szybsze odpowiedzi okazały się ważniejsze niż "rozmowa z człowiekiem"
Skalowanie: wzrost klientów o 40% bez wzrostu kosztu supportu

Co dalej

Klient na Retainerze. Plany:

Q2 2026: proaktywne recommendations — AI assistant sugeruje komplementarne produkty przy zamówieniu
Q3 2026: integracja z partnerami logistycznymi → real-time tracking w odpowiedziach AI

Dane klienta zanonimizowane na ich życzenie. Konkretne metryki, referencje i intro do klienta dostępne podczas rozmowy.