Sieć ASO: doradca serwisowy obsługuje +35% więcej klientów dziennie

Sytuacja wyjściowa

Klient: sieć ASO (autoryzowane stacje obsługi) jednej marki samochodów, 12 stacji w całej Polsce, 480 osób, w tym 48 doradców serwisowych. Obrót 180 mln zł rocznie, 95% z usług serwisowych i części.

Doradca serwisowy spędzał 35% czasu na zadaniach administracyjnych: czytanie kodu błędu z diagnostyki, szukanie w katalogu części, sprawdzanie dostępności w 12 magazynach, wycena. To czas, którego nie spędza z klientem. Ekonomika: każda godzina doradcy generuje ~480 zł obrotu — strata 35% = 168 zł/godzinę × 8h × 48 doradców × 250 dni = 16 mln zł nieefektywności rocznie.

Jakie procesy weszły na AI

• Asystent diagnostyczny — Doradca skanuje kod błędu, AI generuje listę najprawdopodobniejszych przyczyn (po historycznych danych z 12 stacji), proponuje zakres prac, listę części, czas. Doradca weryfikuje i przedstawia klientowi.
• Inteligentne wyceny — AI generuje wycenę w 30 sekund (zamiast 8-12 minut manualnie), uwzględniając robociznę, części, marżę regionalną, programy lojalnościowe klienta.
• Proaktywne sugestie cross-sell — AI analizuje historię serwisu klienta i sugeruje, co warto sprawdzić podczas wizyty (np. „pasek klinowy ma 90 tys. km, zalecana wymiana"). Doradca proponuje klientowi.
• Optymalizacja magazynu części — AI prognozuje zapotrzebowanie na części per stacja, sugeruje transfery między stacjami, zamówienia. Redukcja over-stocku 28%.

Architektura rozwiązania

Stack RedAI: Claude Opus 4.7 do generowania wycen i komunikacji z klientem, Bielik 7B do klasyfikacji intencji, embedding e5-large w Qdrant na bazie wiedzy serwisowej (manuale techniczne, FAQ, historia napraw), integracje przez MCP z DMS (Dealer Management System), katalogiem części, ERP.

Dane klienta nie wychodzą poza prywatną instancję RedAI. Wszystkie wywołania modeli, retrieval z bazy wiedzy i operacje na systemach źródłowych logowane do audytu (NIS2, AI Act art. 12, RODO art. 32). Hooks Claude wymuszają deterministyczne kontrole uprawnień (ACL) przed każdym wywołaniem narzędzia.

Liczby i wyniki

Setup: 320 tys. zł. Opex: 26 tys. zł/mies. Korzyść: +35% przepustowości doradców + +18% średni przychód = 28 mln zł dodatkowego przychodu rocznie. Payback w 4 miesiące.

„Pierwszy raz doradca zaproponował mi proaktywnie wymianę paska klinowego, który był stary. Wcześniej dowiedziałbym się po awarii."

— Klient

Co dalej

Kolejna faza: connected car integration (samochody marki same komunikują się z serwisem o potrzebie wizyty), AI-driven appointment scheduling, predictive maintenance dla flot leasingowych klientów.

RedAI działa jako prywatna instancja w infrastrukturze klienta. Dane nie wychodzą poza firmę. Umówcie 30-minutowe demo — pokażemy analogiczne wdrożenie w Waszej branży i policzymy ROI na Waszych liczbach.