Jak AI obsługuje wiadomości klientów w Messengerze i Instagram Direct: wątki, pytania i skrzynka po godzinach?

AI może przejąć pierwszą linię obsługi wiadomości w Messengerze i Instagram Direct: klasyfikuje wątki, przygotowuje gotowe szkice odpowiedzi na powtarzalne pytania i pilnuje skrzynki, gdy biuro jest zamknięte. To nie bot odpowiadający za wszystko. Pracownik rano nie patrzy na czterdzieści wiadomości bez kontekstu, tylko na posortowaną listę z przygotowanymi projektami do zatwierdzenia jednym kliknięciem.

Skąd AI dostaje dostęp do Messengera i Instagram Direct?

Podstawą techniczną są dwa oddzielne interfejsy od Meta: Messenger Platform API dla wiadomości przez Facebooka i Instagram Messaging API dla wiadomości w Instagram Direct. Oba działają przez Graph API. Firma rejestruje aplikację w Meta for Developers, dostaje Page Access Token z uprawnieniami pages_messaging i konfiguruje webhook, który Meta wywołuje przy każdym nowym zdarzeniu.

Zdarzenia, na które subskrybujemy webhook, to przede wszystkim messages (nowa wiadomość), messaging_postbacks (kliknięcie przycisku w rozmowie) i message_reads (potwierdzenie odczytu). Każde zdarzenie przychodzi jako JSON z polami: sender.id (unikalny identyfikator rozmówcy), recipient.id (identyfikator strony lub profilu firmy), message.text (treść wiadomości) i timestamp (czas do milisekundy). To te pola trafiają do AI na wejście.

Warto mieć z tyłu głowy, że Instagram Direct wymaga osobnej subskrypcji webhooka i osobnych uprawnień. Konto Instagram Business musi być powiązane ze stroną Facebooka. Dwa kanały, dwie konfiguracje, jedno narzędzie po drugiej stronie.

Co AI wyciąga z wątku i jak przygotowuje odpowiedź do zatwierdzenia?

Sam tekst bieżącej wiadomości to za mało. AI dostaje cały wątek: historię poprzednich wiadomości między tym samym sender.id a firmą, wynik klasyfikacji tematu i kontekst z bazy wiedzy firmy. Dopiero z tych trzech rzeczy powstaje projekt odpowiedzi.

Klasyfikacja wątku to pierwszy krok. Wiadomości z Messengera i Instagram Direct zazwyczaj wpadają w kilka kategorii:

• pytania o cenę: "ile kosztuje...", "czy jest jakaś promocja na..."
• pytania o dostępność: "czy macie w magazynie...", "kiedy będzie..."
• pytania o czas realizacji lub dostawę
• reklamacje i zwroty, które od razu trafiają do człowieka
• wiadomości ogólne i niejednoznaczne, które AI oznacza jako wymagające ręcznej obsługi

Dla pierwszych trzech kategorii AI generuje projekt odpowiedzi na podstawie bazy wiedzy: cennika, stanów magazynowych (jeśli podłączymy API sklepu lub systemu ERP) albo szablonów zatwierdzonych wcześniej przez firmę. Projekt trafia do widoku obsługi: pracownik widzi oryginalną wiadomość klienta, sugerowaną odpowiedź i klasyfikację. Jedno zatwierdzenie albo edycja i wysyłka.

Typowo wygląda to tak: klient pisze na profilu firmy odzieżowej "Hej, czy ta kurtka jest w rozmiarze L?". AI rozpoznaje pytanie o dostępność, sprawdza stan lub gotowy szablon i przygotowuje projekt: "Tak, kurtka jest dostępna w rozmiarze L. Możesz zamówić przez sklep lub napisz, a wyślemy bezpośredni link." Pracownik widzi to rano, klika wyślij. Czas obsługi: kilka sekund zamiast szukania w systemie i pisania od zera.

Co się dzieje z wiadomościami, które przychodzą po godzinach pracy?

Wiadomości przychodzą po 17:00, w weekendy, w środku nocy. Bez systemu leżą nieprzeczytane do rana, a klient tymczasem szuka gdzie indziej. Tu AI robi coś, czego nie da się ogarnąć ręcznie przy normalnym wolumenie.

Po pierwsze, po godzinach pracy AI wysyła automatyczne potwierdzenie odbioru z informacją, kiedy firma odpowie. Nie jest to odpowiedź na pytanie, tylko jasny sygnał: "wiadomość dotarła, odezwiemy się w ciągu...". Po drugie, AI pilnuje kolejki: wiadomości bez odpowiedzi po zdefiniowanym czasie dostają flagę "oczekuje na obsługę". Rano pracownik widzi posortowaną listę z priorytetyzacją, najdłużej czekające na górze.

U jednego klienta, sklepu z elektroniką, odkryliśmy przy wdrożeniu, że kilkanaście wiadomości tygodniowo spływało w piątkowe wieczory i leżało bez odpowiedzi do poniedziałkowego ranka. Klienci przez weekend zdążyli kupić gdzie indziej. Po uruchomieniu automatycznego potwierdzenia odbioru i kolejkowania każdy klient wiedział, kiedy czekać, a pracownicy w poniedziałek mieli gotową listę zamiast przeszukiwać nieustrukturyzowaną skrzynkę.

Jak AI przekazuje sprawę do CRM i co dokładnie tam trafia?

Sama skrzynka to nie wszystko. Każdy wątek może być leadem, sprawą serwisową albo reklamacją. AI może automatycznie tworzyć lub aktualizować rekordy w CRM przy spełnieniu określonych warunków, bez ręcznego przenoszenia danych przez pracownika.

Pola, które trafiają do CRM przy przekazaniu wątku:

• Źródło kontaktu: Messenger lub Instagram Direct
• Identyfikator sender.id powiązany z rekordem kontaktu
• Data i godzina pierwszej wiadomości oraz ostatniej
• Klasyfikacja tematu: np. "zapytanie o cenę", "reklamacja", "pytanie o dostępność"
• Treść pierwszej wiadomości lub streszczenie całego wątku generowane przez AI
• Status obsługi: oczekuje, w toku, zamknięte

Przy podłączeniu do Berg System, Pipedrive czy HubSpot mapujemy te pola na szanse sprzedaży, kontakty lub zgłoszenia. Zapytanie o cenę konkretnego produktu trafia automatycznie jako nowa szansa sprzedaży do właściwego handlowca. Reklamacja ląduje jako zgłoszenie serwisowe. Pracownik obsługi klienta nie musi ręcznie przepisywać treści ze skrzynki Messengera do systemu.

Komentarze pod postami: czy AI to też monitoruje?

Tak, choć to inny kanał niż wiadomości prywatne. Meta udostępnia subskrypcję webhooka na zdarzenie feed, które obejmuje nowe komentarze pod postami strony. AI może te komentarze klasyfikować podobnie jak wiadomości prywatne, ale z jedną ważną różnicą: komentarze są publiczne.

Pytanie o cenę w komentarzu pod postem widzą wszyscy obserwujący. Nieodpowiedziana reklamacja publiczna to inny problem niż ta sama sprawa w wiadomości prywatnej. AI może rozróżniać te kategorie i wyzwalać różne procesy: na pytanie o produkt w komentarzu odpowiedź publiczna z zaproszeniem do DM, na reklamację publiczną od razu alert do menedżera.

Jeden konkretny przykład: firma usługowa dostała pod postem komentarz "od dwóch tygodni czekam na odpowiedź". AI sklasyfikował jako reklamację publiczną, wystawił powiadomienie do menedżera i zaproponował projekt odpowiedzi z przeprosinami i prośbą o kontakt przez DM. Bez systemu taki komentarz mógłby wisieć niezauważony kilka dni.

Co firma dostaje na koniec miesiąca z tych danych?

Poza bieżącą obsługą wiadomości AI zbiera dane przy okazji każdej interakcji. Na ich podstawie możemy wygenerować raport miesięczny: co klienci pytają najczęściej, o jakiej porze piszą, które sprawy najdłużej czekają na odpowiedź i ile wątków trafiło do poszczególnych kategorii.

Taki raport zazwyczaj zawiera:

• Top pytania z miesiąca sformułowane tak, jak piszą klienci, nie jak pisze dział marketingu
• Rozkład godzinowy wiadomości: kiedy przychodzi ich najwięcej i czy pokrywa się z godzinami dyżuru obsługi
• Wątki eskalowane do człowieka: ile i z jakiego powodu (reklamacja, pytanie niejednoznaczne, agresywna treść)
• Średni czas do pierwszej odpowiedzi per dzień tygodnia

To przydatne informacje dla kilku działów naraz. Marketing może zobaczyć, o co klienci pytają najczęściej, i poprawić opisy produktów tak, żeby tych pytań było mniej. Obsługa klienta widzi, kiedy wzmocnić dyżur. Zarząd wie, ile zapytań generuje każdy kanał i jak szybko firma na nie odpowiada. Dane zbierają się automatycznie, bez ręcznego eksportowania skrzynki co miesiąc.

Od czego zaczynamy przy wdrożeniu?

Zaczynamy od audytu skrzynki: bierzemy historię wiadomości z ostatnich kilku tygodni i sprawdzamy, jakie kategorie pytań dominują. To jedno spotkanie plus analiza, czasem kilka dni, zależnie od wolumenu. Na tej podstawie definiujemy reguły klasyfikacji i budujemy pierwszą bazę wiedzy z odpowiedziami, które firma chce sugerować.

Potem konfiguracja techniczna: aplikacja w Meta for Developers, Page Access Token, webhook, podpięcie do narzędzia i mapowanie pól CRM. Pierwsze tygodnie to kalibracja: AI sugeruje odpowiedzi, pracownicy zatwierdzają albo korygują. Każda korekta poprawia jakość sugestii. Po miesiącu widać wyraźnie, które pytania AI obsługuje samodzielnie, a które nadal wymagają ludzkiej uwagi bez wyjątku.

Jeśli chcesz sprawdzić, czy taki sposób pracy ma sens w Twoim biznesie, zapraszamy na bezpłatny audyt. Zajrzymy do skrzynki, sprawdzimy wolumen i powiemy wprost, co można zautomatyzować i w jakiej kolejności. Więcej przykładów z działających wdrożeń znajdziesz w realnych wdrożeniach.