Jak zredukowaliśmy czas obsługi zamówień o 80% i wyeliminowaliśmy błędy manualne dzięki agentom AI i automatycznej integracji z systemami legacy.
Wyzwanie
Operator telekomunikacyjny przetwarzał ponad 2000 zamówień dziennie — aktywacje kart SIM, zmiany taryf, zamówienia sprzętu. Około 40% z nich wymagało ręcznej interwencji konsultanta, co generowało kolejki, błędy i niezadowolenie klientów.
Każde zamówienie przechodziło przez 5 różnych systemów legacy: CRM (Salesforce), system billingowy (SAP), magazyn (własny), system dostawców (SOAP API) i portal regulacyjny (web scraping). Brak integracji powodował, że konsultant musiał kopiować dane ręcznie między systemami, co zajmowało średnio od 20 minut do 2 godzin na zamówienie.
Klient miał wcześniej próbę automatyzacji z RPA — projekt zakończył się porażką po 8 miesiącach, bo skrypty nie radziły sobie z wyjątkami i zmianami interfejsów. Podejście do nowego projektu musiało być zasadniczo inne.
Rozwiązanie
Zamiast RPA zaprojektowaliśmy system multi-agentowy oparty na LLM z dedykowanymi adapterami do każdego systemu legacy.
Architektura składa się z Orchestrator Agent (GPT-4o), który analizuje zamówienie, planuje kroki i deleguje zadania do wyspecjalizowanych agentów: CRM Agent (Salesforce REST API), Billing Agent (SAP BAPI), Warehouse Agent (własne REST API), Supplier Agent (SOAP/EDI), Regulatory Agent (headless browser + strukturyzacja danych przez LLM).
Kluczowy był moduł obsługi wyjątków: zamiast reguł if/else, LLM klasyfikuje typ problemu i dobiera strategię — eskalacja do człowieka, retry z modyfikacją, alternatywna ścieżka. Dzięki temu system radzi sobie z ~85% wyjątków autonomicznie.
Wdrożenie zajęło 8 tygodni. Nie wymagało żadnych zmian w istniejących systemach — wszystko przez istniejące interfejsy. Dane wrażliwe klientów przetwarzane są lokalnie, LLM otrzymuje tylko anonimizowane struktury.
Wyniki
Wyniki zmierzone po 3 miesiącach pełnej produkcji, porównane do baseline z poprzedniego roku.
80% zamówień obsługiwanych w pełni automatycznie, bez udziału człowieka. Średni czas obsługi spadł z 2–48 godzin do 4 minut. Wskaźnik błędów obniżył się o 94% — głównie dzięki eliminacji pomyłek przy przepisywaniu danych.
Zespół obsługi zamówień (12 osób) został przekierowany na zadania wymagające osądu i relacji z klientem: obsługa reklamacji, negocjacje kontraktów korporacyjnych, wsparcie VIP. Morale i satysfakcja z pracy wzrosły mierzalnie w badaniu kwartalnym.
ROI projektu osiągnięty po 5 miesiącach. Klient planuje rozszerzenie systemu na obsługę reklamacji i procesy onboardingu nowych klientów biznesowych.
Projekt ten przekonał nas, że największa wartość automatyzacji z AI nie leży w samym procesie, który automatyzujesz, ale w tym co dzieje się z ludźmi, których od tego procesu uwolnisz. Konsultanci, którzy przez lata przepisywali dane między systemami, dziś prowadzą negocjacje z korporacyjnymi klientami i budują relacje, które generują wielokrotnie większą wartość.
Warto powiedzieć wprost: ten projekt nie byłby możliwy rok wcześniej. Modele językowe dostępne w 2022 roku nie radziły sobie wystarczająco dobrze z klasyfikacją wyjątków w zamówieniach telekomunikacyjnych — zbyt wiele niuansów, zbyt dużo kontekstu branżowego. GPT-4o zmieniło rachunek. Czasem właściwy moment na projekt ma tak samo duże znaczenie jak właściwe podejście techniczne.
Klient jest dziś jednym z naszych długoterminowych partnerów. Pracujemy razem nad rozszerzeniem systemu na obsługę reklamacji i automatyczny onboarding nowych klientów biznesowych. Każdy kolejny proces, który automatyzujemy, jest łatwiejszy — adaptery do systemów legacy są już gotowe, a zespół klienta rozumie, jak myśleć o automatyzacji z AI.
Chcesz podobnych wyników?
Porozmawiajmy o Twoim projekcie. Pierwsze spotkanie jest bezpłatne.