Używamy plików cookie aby zapewnić działanie platformy oraz (opcjonalnie) analizować ruch. Wybierz swoje preferencje:
Jak w n8n z OpenAI API przygotować szkice odpowiedzi na powtarzalne zapytania klientów: kroki, pułapki, koszt 3 000-10 000 zł i zwrot w 2-5 miesięcy.
AI przygotowuje szkic odpowiedzi na powtarzalne pytanie klienta na podstawie Waszej bazy wiedzy i wcześniejszych odpowiedzi, a pracownik czyta go, poprawia i wysyła jednym kliknięciem. Według katalogu procesów Qerify to typowo 6-15 godzin pracy tygodniowo, wdrożenie za 3 000-10 000 zł i zwrot po 2-5 miesiącach. To widełki, nie gwarancja.
Weźmy sklep internetowy z częściami rowerowymi. Na skrzynkę kontaktową wpada kilkadziesiąt maili tygodniowo i większość to te same pytania w różnych wersjach: czy ten hamulec pasuje do mojej ramy, kiedy wyślecie paczkę, jak odesłać źle dobrany łańcuch. Odpowiedź na każde zajmuje dwie minuty, ale trzeba najpierw znaleźć, jak odpowiadaliście ostatnio, bo każdy w zespole pisze trochę inaczej.
Katalog Qerify szacuje czas takiej pracy na 6-15 godzin tygodniowo łącznie dla wszystkich osób, które odpisują. Dolna granica dotyczy małego sklepu z jedną osobą na skrzynce, górna zespołu, w którym trzy osoby przełączają się między zapytaniami a resztą pracy. Koszt widać też po drugiej stronie: klient pytający o dostawę w piątek wieczorem dostaje odpowiedź w poniedziałek i w tym czasie często kupuje gdzie indziej.
Do automatyzacji nadają się wiadomości, na które odpowiedź mieści się w jednym akapicie i da się ją sprawdzić w dokumentach firmy. Zapytanie o reklamację konkretnego zamówienia albo o rabat dla stałego klienta wymaga decyzji człowieka od pierwszego zdania.
Scenariusz w n8n składa się z siedmiu kroków. Najważniejsza decyzja projektowa jest jedna: AI zapisuje szkic w skrzynce, a nie wysyła wiadomość.
Siódmy krok decyduje o tym, czy po pół roku nadal działa. Bez niego baza wiedzy starzeje się po cichu, a pracownicy zaczynają przepisywać szkice od zera.
Do tego procesu potrzebujesz trzech rzeczy w jednym scenariuszu: dostępu do skrzynki, bazy wiedzy i modelu językowego. n8n ma gotowe węzły do poczty, Airtable i Notion oraz do modeli OpenAI, a logika w środku (rozgałęzienia, sprawdzanie warunków, zapis do arkusza) jest widoczna na jednym ekranie. To ułatwia przekazanie scenariusza komuś innemu.
Katalog wymienia przy tym procesie cztery narzędzia: n8n, Voiceflow, OpenAI API i Make. Podział ról wygląda zwykle tak:
n8n można uruchomić na własnym serwerze. Wtedy treść maili nie przechodzi przez chmurę dostawcy automatyzacji, ale nadal trafia do dostawcy modelu, więc ta decyzja nie zastępuje przeglądu zasad przetwarzania danych. Wykonawców pracujących w tym narzędziu znajdziesz na stronie ekspertów n8n.
Liczby z katalogu procesów Qerify dla obsługi powtarzalnych zapytań:
| Wskaźnik | Widełki |
|---|---|
| Czas pracy ręcznej | 6-15 godzin tygodniowo |
| Jednorazowe wdrożenie | 3 000-10 000 zł |
| Zwrot | 2-5 miesięcy |
To najkrótszy czas zwrotu wśród procesów w katalogu. Dolna granica kosztu to jedna skrzynka, kilkanaście tematów w bazie wiedzy i szkice bez dodatkowych integracji. Górna to kilka skrzynek lub języków, dane z systemu zamówień wstawiane do odpowiedzi i raport poprawek.
Do wdrożenia dochodzi miesięczny koszt narzędzi i zapytań do modelu. Przy kilkudziesięciu mailach tygodniowo zapytania do modelu są zwykle drobną pozycją, ale rachunek warto zrobić przed startem. Jak go policzyć, opisuje wpis o abonamentach narzędzi: Make, n8n i Zapier.
Model potrafi napisać „paczka wyjdzie jutro” albo podać cenę, której nie ma w żadnym dokumencie. Konkretne dane, czyli ceny, terminy, statusy zamówień i numery przesyłek, powinien wstawiać scenariusz z systemu, a nie model. Wtedy model pisze tekst wokół gotowych wartości i nie ma czego zmyślić.
Klient pyta o dostawę, fakturę i zwrot w jednej wiadomości. Szkic odpowiadający na jedno z trzech pytań wygląda poprawnie i wprowadza w błąd. Krok klasyfikacji powinien liczyć pytania, a wiadomości wielowątkowe przekazywać człowiekowi bez szkicu albo ze szkicem oznaczonym jako niepełny.
Do klasyfikacji zwykle wystarczy sam tekst pytania. Imię, adres i numer zamówienia scenariusz może dopisać już po wygenerowaniu szkicu. Im mniej danych osobowych trafia do dostawcy modelu, tym prostsza ocena ryzyka.
Po dwóch tygodniach dobrych szkiców pracownicy przestają je czytać. Policz, jaki odsetek szkiców wychodzi bez żadnej zmiany, i raz w tygodniu przeczytaj losowe pięć wysłanych wiadomości. Wysoki odsetek bez zmian znaczy, że zespół ufa szkicom albo że nikt ich nie czyta, a zobaczysz to dopiero na próbce.
Jeśli odpowiedzi mają trafiać do klienta bez człowieka, np. w oknie czatu na stronie, to inna sytuacja pod względem obowiązków wobec użytkownika. Opisuje ją wpis o chatbocie i AI Act. Ten scenariusz wymaga akceptacji człowieka przed każdą wysyłką.
Zanim zlecisz wdrożenie, przygotuj zestaw startowy:
Z takim zestawem wykonawca wycenia konkretny zakres, a Ty widzisz po dwóch tygodniach, czy szkice są warte wdrożenia na stałe. Na stronie procesu obsługa powtarzalnych zapytań policzysz w kalkulatorze, ile dziś kosztuje Cię odpowiadanie. Możesz też opisać problem Concierge'owi, a system przygotuje brief i dobierze zweryfikowanych wykonawców. Inne procesy z widełkami znajdziesz w katalogu automatyzacji.