Jak AI obsługuje zgłoszenia w Zendesk, Freshdesk i Thulium: tickety, SLA i baza wiedzy bez ręcznego sortowania?

AI podłączone do Zendesk, Freshdesk lub Thulium czyta nowe zgłoszenia w tle, szuka pasującej odpowiedzi w bazie wiedzy i albo wysyła ją samodzielnie, albo podkłada agentowi do zatwierdzenia zanim ten w ogóle otworzy ticketa. Jednocześnie pilnuje SLA: kiedy termin odpowiedzi zbliża się do granicy, asystent podnosi priorytet lub powiadamia supervisora. Firma zyskuje szybszą obsługę i mniej zgłoszeń czekających bez ruchu, a konsultanci mają czas na sprawy, w których faktycznie coś od nich zależy.

Co wyciągamy z systemu, zanim AI w ogóle zacznie działać

Zanim asystent cokolwiek zaproponuje, musi widzieć dane. Z Zendesk pobieramy przez API: treść zgłoszenia (pola Subject i Description), typ formularza (np. "Contact Form", "Returns Form", "Technical Support"), tagi przypisane przez triggery, grupę agentów, kanał źródłowy (email, live chat, web form, telefon przez CTI) oraz pełną historię ticketów danego requester_id. Do tego polityki SLA: first_reply_time i next_reply_time dla każdej grupy, bo AI musi wiedzieć, ile czasu zostało przed naruszeniem.

W Freshdesk czytamy analogicznie: pole priority, status (Open, Pending, Resolved, Closed), source (email, chat, phone, portal, feedback widget), niestandardowe pola formularza skonfigurowane przez firmę oraz powiązane artykuły z zakładki Solutions. Warto też pobierać dane z Time Tracking: z czasu spędzonego przy poszczególnych typach zgłoszeń AI może wyczytać, gdzie agenci tracą go najbardziej. To sygnał, gdzie automatyzacja przyniesie największy efekt.

Thulium to osobna historia. To system contact center popularny na polskim rynku, z mocnym naciskiem na telefonię i wielokanałowość. Nie ma marketplace pluginów jak Zendesk, więc integracja idzie przez webhook lub bezpośrednie zapytania do REST API. AI czyta kolejki, statusy agentów, nagrania (przetworzone przez transkrypcję mowy na tekst), transkrypty czatów i e-maile. Wiele firm w Thulium ma grupy nazwane wprost: "Reklamacje", "Fakturowanie", "Dział techniczny". Właśnie te nazwy asystent bierze pod uwagę przy klasyfikacji nowych spraw.

Jak AI klasyfikuje i przypisuje zgłoszenia bez ręcznego sortowania

Nowe zgłoszenie wpada do systemu. AI czyta treść i przypisuje kategorię: "reklamacja produktowa", "pytanie o status dostawy", "problem z fakturą VAT", "prośba o zwrot towaru". W Zendesk wynik trafia jako tag, np. ai_category:delivery_status, i jednocześnie ustawia wartość pola Priority. Jeśli sprawa tego wymaga, priorytet idzie na High lub Urgent.

Typowo wygląda to tak: zgłoszenie z treścią "Gdzie jest moja paczka, minął już tydzień" dostaje tag delivery i priorytet Urgent, bo AI widzi w historii requestera, że ten sam klient zgłaszał opóźnienie dwa tygodnie wcześniej. Bez asystenta agent musiałby otworzyć profil klienta, przejrzeć historię ticketów i dopiero połączyć kropki. Zajmuje to kilka minut, które przy pięćdziesięciu zgłoszeniach dziennie szybko się sumują.

AI patrzy też na routing. Jeśli firmowa reguła kieruje "Reklamacje" do grupy Tier 2, a asystent rozpozna, że zgłoszenie dotyczy prostego zwrotu opisanego w procedurze, może zasugerować przepięcie do Tier 1 i oznaczyć sprawę jako "nie wymaga specjalisty". Supervisorzy widzą tę sugestię w dedykowanym widoku i zatwierdzają jednym kliknięciem albo odrzucają, jeśli kontekst wymaga innej decyzji.

Proponowanie odpowiedzi z bazy wiedzy: co realne, a co nie

Każdy dobrze prowadzony helpdesk ma bazę wiedzy. W Zendesk to Help Center z artykułami w sekcji Guide. W Freshdesk zakładka Solutions z kategoriami i podkategoriami. W Thulium firmy często korzystają z zewnętrznego dokumentu albo wewnętrznego wiki podpiętego do systemu. AI przeszukuje tę bazę przy każdym nowym zgłoszeniu.

Jeśli znajdzie pasujący artykuł z wystarczającą pewnością dopasowania, przygotowuje szkic odpowiedzi. Treść pochodzi z bazy wiedzy, nie jest generowana od zera przez model. To istotna różnica: asystent cytuje i parafrazuje zatwierdzone przez firmę materiały, a nie wymyśla. Dzięki temu odpowiedzi są spójne z tym, co dział prawny lub product manager wcześniej zatwierdził.

U jednego z naszych klientów, firmy zajmującej się dystrybucją sprzętu elektronicznego, ponad połowa przychodzących ticketów przez trzy kolejne miesiące dotyczyła tych samych pięciu tematów: czas dostawy, procedura zwrotu, korekta faktury VAT, dostępność towaru i instrukcja montażu. AI obsługiwało te odpowiedzi samodzielnie, bo baza wiedzy pokrywała wszystkie przypadki. Agent widział ticketa z adnotacją "AI odpowiedź wysłana automatycznie" i mógł ją przejrzeć w ciągu dnia, a nie w czasie rzeczywistym.

Ale nie wszystko idzie automatycznie i dobrze żeby nie szło. Dla tematów wrażliwych: skarga na pracownika, spór o płatność, groźba eskalacji do UOKiK, zawiadomienie o problemie prawnym: AI przygotowuje tylko szkic z flagą "wymaga zatwierdzenia przed wysłaniem". Agent musi ręcznie kliknąć Send. To celowe ograniczenie. Automat nie powinien samodzielnie decydować o treści w sprawie, która może skończyć się w sądzie lub w mediach.

SLA pod kontrolą: jak asystent reaguje, zanim przekroczymy termin

Polityka SLA w helpdesku to zestaw reguł: na zgłoszenie priorytetu High musisz udzielić pierwszej odpowiedzi w ciągu określonej liczby godzin, na Normal w ciągu innej. Zendesk i Freshdesk liczą te terminy automatycznie. Problem polega na tym, że bez asystenta supervisor często dowiaduje się o przekroczeniu rano z raportu. Klient czekał całą noc, a nikt nie zareagował.

AI sprawdza stan SLA regularnie w tle. Kiedy do naruszenia first_reply_time zostaje np. 30 minut, asystent może podjąć kilka działań: podnieść priorytet ticketa do Urgent, przypisać go do agenta z najkrótszą kolejką w danej grupie, wysłać powiadomienie na Slack albo Teams do supervisora zmiany. Firma sama konfiguruje, co ma się wydarzyć dla jakich grup i kanałów. W Thulium, gdzie obsługa telefonu i czatu jest zintegrowana w jednym widoku, AI może dodatkowo oznaczyć ticket jako "wymagający oddzwonienia" i wstawić go do kolejki callback, żeby agent zadzwonił zamiast pisać maila.

Ważne zastrzeżenie: AI nie naprawia SLA. Reaguje w oknie, kiedy można jeszcze działać. Systemy bez asystenta wykrywają przekroczenie po fakcie. Asystent przesuwa moment reakcji na zanim się stanie.

Streszczenie sprawy, zanim agent przejmie długi wątek

Zmiana agenta przy rozbudowanym wątku to klasyczny problem w BOK. Klient pisał pięć razy, historia liczy piętnaście wiadomości, każda z innym kontekstem i innym problemem. Nowy agent musi to przeczytać zanim się odezwie, inaczej zada pytanie, na które klient już odpowiedział trzy tygodnie temu. Klient się irytuje, że znowu tłumaczy wszystko od początku. Agent się irytuje, że traci czas na czytanie całego wątku.

AI generuje streszczenie wątku w formie internal note: kim jest klient (dane z profilu requestera), czego dotyczyła sprawa od początku, co zostało już ustalone, jaki jest aktualny status i co czeka na odpowiedź z której strony. W Zendesk ta notatka pojawia się jako żółty blok na górze wątku, widoczny tylko dla agentów. W Freshdesk jako prywatna notatka wewnętrzna oznaczona innym kolorem. Nie trafia do klienta.

Przejęcie sprawy skraca się z kilkunastu minut do dwóch. Agent nie czyta całego wątku: czyta streszczenie, weryfikuje ostatnią wiadomość klienta i pisze odpowiedź.

Od czego zaczynamy integrację w praktyce

Pierwsze pytanie, które zadajemy klientowi: jaki procent zgłoszeń jest powtarzalny i czy masz bazę wiedzy, z której faktycznie korzystają agenci? Jeśli BOK dostaje ciągle te same pytania, a baza wiedzy jest pusta lub nieaktualna, najpierw ją porządkujemy. Bez dobrze utrzymanej bazy wiedzy AI nie ma skąd brać odpowiedzi i zamiast automatyzować, generuje tylko klasyfikację bez wartości.

Potem mapujemy konfigurację systemu: jakie pola są wypełniane przy tworzeniu ticketa, jak wygląda routing, ile polityk SLA firma ma i dla jakich kanałów. Na tej podstawie definiujemy trzy rzeczy: co AI obsługuje samodzielnie, co wymaga zatwierdzenia agenta i kiedy asystent podnosi alarm SLA. Bez tej mapy wdrożenie kończy się na chaosie.

Wdrożenie prostego środowiska to kilka dni roboczych. Rozbudowanego, z wieloma markami, działami i niestandardowymi formularzami, kilka tygodni. Czas zależy od stanu istniejącej konfiguracji i bazy wiedzy, a nie od samego oprogramowania.

Jeśli chcesz sprawdzić, gdzie w Twoim BOK asystent AI miałby największy wpływ, zapraszamy na bezpłatny audyt. Możesz też zobaczyć, jak wyglądają realne wdrożenia u polskich firm, które podłączyły AI do helpdesku i przestały gasić pożary w ticketach.