Jak AI odpowiada na pytania firmowe wprost w Teams i Slack, zamiast odsyłać do kolejnego systemu?

AI w Microsoft Teams i Slack może dziś odpowiadać na pytania firmowe bezpośrednio w czacie, sięgając po dane z CRM, ERP, bazy wiedzy czy SharePointa, bez odsyłania użytkownika do innego systemu. Typowa ścieżka wygląda tak: pracownik pisze @asystent sprawdź status zamówienia Kowalski, a bot odpowiada w ciągu kilku sekund, zaciągając dane na żywo z systemu. To nie jest chatbot z gotowymi odpowiedziami, tylko agent, który wie gdzie szukać i umie to złożyć w jedną odpowiedź.

Co asystent AI może zrobić wprost na kanale Teams lub Slack

Większość firm używa komunikatorów jako centrum operacyjnego. Decyzje zapadają w wątkach, pliki lądują w komentarzach, ustalenia z narad trafiają na kanał #projekty albo giną w wiadomościach bezpośrednich. AI podpięty do komunikatora robi z tego użytek, zamiast kazać ludziom szukać samodzielnie.

Rzeczy, które wdrażamy u klientów najczęściej:

• Odpowiadanie na pytania o procedury: urlop na żądanie, delegacja zagraniczna, zamówienie materiałów biurowych, bez szukania odpowiednich folderów na SharePoincie ani dzwonienia do działu HR
• Streszczanie wątków: wątek z 80 odpowiedziami, który ciągnie się od poniedziałku, dostaje zwięzły skrót po wpisaniu jednej komendy, na przykład /podsumuj albo przez bezpośrednie @bota
• Wyciąganie ustaleń: AI analizując wątek potrafi wskazać kto co miał zrobić i do kiedy, na podstawie tego co padło w rozmowie, co oszczędza przeglądanie całej historii po każdym zebraniu
• Powiadomienia z systemów zewnętrznych: nowe zlecenie w CRM, zmiana statusu przesyłki albo wpłata od klienta wchodzą jako wiadomość na właściwy kanał, bez ręcznego sprawdzania co kilka godzin
• Wyszukiwanie plików po treści: nie po nazwie pliku, tylko po tym co jest w środku, co przy dużej liczbie dokumentów w firmie robi sporą różnicę

Streszczanie wątków i odpowiadanie z bazy wiedzy zazwyczaj włączamy jako pierwsze. Nie wymagają głębokiej integracji z zewnętrznymi systemami i pracownicy od razu widzą efekt. Dopiero po tym pilotażu rozszerzamy o kolejne źródła danych.

Jakie dane wyciągamy z komunikatora i w jaki sposób

Nie wszystkie dane w Teams i Slacku są jednakowo dostępne. Warto wiedzieć co realnie podpinamy.

W Microsoft Teams korzystamy z:

• Kanałów z wiadomościami i wątkami: data, autor, treść, odpowiedzi w wątku
• Zakładki Pliki, która jest bezpośrednio zintegrowana z biblioteką SharePoint danego zespołu
• Transkrypcji ze spotkań, jeśli administrator włączył nagrywanie i automatyczną transkrypcję dla danego środowiska Teams
• Czatów bezpośrednich, ale wyłącznie z odpowiednią konfiguracją uprawnień i po uregulowaniu kwestii zgód od pracowników

W Slack wygląda to tak:

• Kanały publiczne i prywatne z historią wiadomości: zakres historii zależy od planu, bezpłatna wersja ma limit 90 dni
• Pinned messages i zakładka Bookmarks: to co zespół ręcznie oznaczył jako ważne
• Slack Canvas: notatki i wiki dołączane do kanałów, stosunkowo nowa funkcja, ale coraz chętniej używana do dokumentowania procesów
• Pliki wgrane bezpośrednio do Slacka lub linkowane z zewnętrznych dysków

AI nie indeksuje wszystkiego na raz. Konfigurujemy konkretne kanały, zakres czasowy historii i częstotliwość synchronizacji: albo webhook w czasie rzeczywistym, albo aktualizacja wsadowa co godzinę, zależnie od potrzeb i wolumenu wiadomości.

U jednego z naszych klientów z branży budowlanej kanał #kontrakty w Slacku był przez trzy lata zapisem firmy: zdjęcia z placów budowy, decyzje o zamówieniach materiałów, pytania do kierownika i odpowiedzi sprzed tygodnia. Po podpięciu AI okazało się, że spora część pytań, z którymi handlowcy chodzili do kierownika osobiście, miała odpowiedź gdzieś w historii tego kanału. Nikt po prostu nie miał czasu tego szukać. Bot zaczął tę historię przeszukiwać i serwować gotowe odpowiedzi. Zmiana była widoczna od pierwszego tygodnia.

Z jakimi systemami spina się AI działający w komunikatorze

Sama analiza wiadomości to punkt wyjścia, nie cel. Wartość pojawia się wtedy, kiedy asystent może sięgnąć do systemów zewnętrznych i zwrócić konkretne dane, bez wychodzenia z Teams ani Slacka.

Typowe połączenia, które konfigurujemy:

• CRM (Firmao, Pipedrive, Salesforce, Bitrix24): status klienta, historia kontaktu, aktywne szanse sprzedaży, przypisany handlowiec, wartość otwartych ofert
• ERP (Comarch Optima, Sage 50c, Enova365): stan magazynowy, faktura sprzedaży, status zlecenia produkcyjnego, termin dostawy od dostawcy
• SharePoint lub Dysk Google: procedury firmowe, umowy, cenniki, dokumenty ofertowe, prezentacje
• System kadrowy (Enova, Symfonia Kadry, Comarch HRM): saldo urlopowe, grafik pracownika, dokumenty pracownicze
• Baza wiedzy firmy (Confluence, Notion lub własna baza wektorowa): FAQ, instrukcje obsługi maszyn lub systemów, materiały onboardingowe dla nowych pracowników

Komunikator staje się jednym punktem wejścia. Pracownik zadaje jedno pytanie, asystent przeszukuje kilka źródeł jednocześnie i zwraca gotową odpowiedź. Typowo wygląda to tak: handlowiec pisze "jaki mamy stan piecyków model X w magazynie i kiedy ostatnia dostawa od Kowalczyk Sp. z o.o.", a bot odpowiada wartością ze stanu magazynowego ERP i datą ostatniej wiadomości od dostawcy z kanału #zamówienia, razem, w jednej wiadomości.

Połączenia z systemami zewnętrznymi wymagają konfiguracji API lub gotowych konektorów. W Teams dostępna jest Microsoft Graph API, która otwiera dostęp do sporej części ekosystemu Microsoft 365. Slack ma własne API z event subscriptions i slash commands, które pozwalają botowi reagować na konkretne frazy lub komendy wpisane przez użytkownika.

Co trzeba ustalić przed uruchomieniem AI w komunikatorze

To etap, na którym wdrożenia najczęściej się wywracają albo rodzą niepotrzebne napięcia w firmie.

Pierwsza kwestia: transparentność wobec pracowników. Osoby, których wiadomości będą przetwarzane, muszą o tym wiedzieć. Nie chodzi wyłącznie o RODO, choć ono też. Chodzi o zaufanie. Kanały prywatne i bezpośrednie wiadomości trzymamy poza zasięgiem bota, jeśli inaczej nie zadecydują konkretne osoby.

Druga kwestia: gdzie trafiają dane. Wiadomości z czatu, dane klientów, numery zamówień i umów: to wszystko wchodzi do kontekstu AI. Trzeba wiedzieć, czy model językowy pracuje lokalnie na własnym serwerze firmy, czy dane idą do zewnętrznego API. To wpływa na to, czy i z kim podpisujemy umowę powierzenia przetwarzania danych. Opisujemy to dokładniej w artykule o prywatnych instancjach LLM.

Trzecia kwestia: lista kanałów. Razem z klientem przechodzimy przez każdy kanał i decydujemy co jest dla AI, a co nie. Zazwyczaj #projekty, #sprzedaż, #obsługa-klienta i #zamówienia wchodzą od początku. Kanały HR, zarządcze albo te, gdzie toczy się rekrutacja, trzymamy poza zasięgiem bota bez wyjątków.

Jak wygląda wdrożenie bota od strony technicznej, jeśli nic nie wiesz o programowaniu

Pracownicy nie muszą niczego instalować ani uczyć się nowego systemu. Bot pojawia się w ich Teams lub Slacku jak każda inna aplikacja. Od strony konfiguracyjnej:

• W Teams: rejestrujemy aplikację w portalu Azure, tworzymy Azure Bot Service, nadajemy uprawnienia przez Microsoft Graph (np. ChannelMessage.Read.All, Files.Read.All), dodajemy bota do wybranych zespołów
• W Slack: tworzymy aplikację w panelu developers.slack.com, nadajemy scope (np. channels:history, files:read, chat:write), włączamy event subscriptions i definiujemy slash commands

Cały setup odbywa się po stronie administracyjnej. Dział IT zatwierdza aplikację raz i bot działa dla wszystkich wybranych zespołów od razu. Pracownicy nie klikają żadnych instalatorów.

Od czego zaczynamy, kiedy zgłasza się do nas firma

Pierwsza rozmowa zawsze dotyczy tego samego: jak zorganizowane są kanały, ile historii mamy do dyspozycji, które systemy zewnętrzne mają API i kto jest administratorem Teams lub Slacka. To determinuje, co realnie da się zrobić w pierwszych tygodniach, a co wymaga dłuższego przygotowania.

Potem proponujemy pilota na jednym kanale i jednym przypadku użycia. Najczęściej zaczynamy od bazy wiedzy: bierzemy istniejące dokumenty firmowe, procedury, FAQ i cenniki, indeksujemy je i uruchamiamy bota, który odpowiada na pytania z tych dokumentów wprost w czacie. Proste, szybkie do sprawdzenia, widoczne od pierwszego dnia działania.

Dopiero po tym etapie, kiedy widzimy jak pracownicy używają bota i gdzie pojawiają się braki, rozszerzamy o integracje z zewnętrznymi systemami. Jeden dobrze działający przypadek użycia jest lepszym argumentem za kolejnym krokiem niż dziesięć funkcji działających przeciętnie.

Jeśli chcesz sprawdzić, co konkretnie da się uruchomić w Twoim Teams lub Slacku w ciągu kilku tygodni, zapraszamy na bezpłatny audyt. Możesz też zobaczyć, jak takie wdrożenia działają u innych polskich firm, na naszej stronie z realymi wdrożeniami.