Kaj pomeni podpora 1. ravni pri podpori strankam?

Podpora 1. ravni je prva stopnja podporne čakalne vrste: rutinska, ponavljajoča se vprašanja, za katera ni potrebno specialistično znanje, na primer o stanju naročila, ponastavitvi gesla, osnovah obračunavanja ali spremembah računa. To je raven, ki ji večina podpornih ekip nameni največ ur, in raven, katere avtomatizacije so se najprej lotili vsi primeri v tem članku, še preden so se dotaknili česa zahtevnejšega.

Ali lahko agent z umetno inteligenco res sam reši večino zahtevkov za podporo?

Če govorimo o deležu zahtevkov 1. ravni, da, kot kažejo tukaj objavljeni podatki: od 50 do 95 odstotkov, odvisno od podjetja in tega, kako ozko je bil določen obseg. Nobena od teh ekip ne trdi, da njihov agent z umetno inteligenco obvlada vse. Vsaka še vedno preusmeri človeku vse, kar presega njegov obseg, zato se podatki ob zahtevnejših izjemah ne sesujejo.

Ali avtomatizacija podpore 1. ravni škoduje zadovoljstvu strank?

V teh primerih ne. Lightspeed Commerce je po avtomatizaciji s Finom poročal o 60-odstotnem povečanju CSAT, Chime pa je podvojil zadovoljstvo svojih članov in hkrati znižal stroške podpore za 60 %. Hiter in pravilen odgovor na rutinsko vprašanje stranke običajno zadovolji bolj kot počasen odgovor človeka, kar je nasprotno od pričakovanj večine ekip.

Koliko časa traja, da se pokažejo rezultati uporabe agenta za podporo strankam z umetno inteligenco?

Fundrise je poročal, da so v manj kot treh mesecih avtomatizirali več kot 50 % primerov podpore. Anthropic, ločena stranka Fina, je poročal o 50,8-odstotni stopnji reševanja po nekaj več kot enem mesecu. Skupni dejavnik hitrejših rezultatov je ozek začetni obseg. Ekipe, ki poskušajo avtomatizirati vse naenkrat, primerljive številke običajno dosežejo pozneje, ne prej.

Katero podjetje je doseglo najboljše rezultate pri podpori strankam z umetno inteligenco?

Po surovih odstotkih izstopata 95-odstotno zmanjšanje stroškov pri ClassPassu in 80-odstotno preusmerjanje klepetov pri Duolingu, vendar je odgovor na vprašanje, kaj je »najboljše«, odvisen od tega, kaj želite optimizirati. Chime je hkrati optimiziral stroške in zadovoljstvo. Lightspeed je optimiziral hitrost, ne da bi pri tem izgubil kakovost. Primerjajte svoj cilj s primerom, ki ustreza temu, kar želi izboljšati vaša ekipa, ne pa z največjo številko v naslovu.

Ali ta podjetja uporabljajo LiveAgentov agent z umetno inteligenco?

Ne. V teh petih primerih sta uporabljena Intercomov Fin in Decagonov agent z umetno inteligenco. Njihove objavljene rezultate navajamo kot dokaz, da pristop deluje, ne kot priporočilo katerega koli orodja. LiveAgent ima lastno funkcijo agenta z umetno inteligenco, zasnovano za uporabo po posameznih oddelkih, ki jo predstavljamo v ločenem vodniku za nastavitev.

Primeri uporabe agentov za podporo strankam z umetno inteligenco: 5 ekip, ki so nadomestile podporo 1. ravni

Večina vsebin o uporabi umetne inteligence za podporo strankam temelji na ugibanjih. Tukaj je 5 resničnih ekip z dejanskimi objavljenimi podatki: kaj so avtomatizirale, česa niso in kakšen je bil rezultat.

Objavljeno dne Sep 28, 2026 avtorja Adam Khaled.

Umetna inteligenca Podpora strankam Študije primerov

Začnite brezplačno preizkusno obdobje Dogovorite se za predstavitev

Pet podjetij je objavilo dejanske podatke o uporabi agenta z umetno inteligenco za podporo 1. ravni: Fundrise je v treh mesecih avtomatiziral več kot 50 % primerov, Lightspeed je rešil 65 % in za 60 % zvišal CSAT, Chime je za 60 % znižal stroške ter podvojil zadovoljstvo, Duolingo je preusmeril 80 % klepetov, ClassPass pa je znižal stroške za 95 %. Nobeno od teh podjetij ni stranka LiveAgenta; vsi podatki so povzeti iz študij primerov, ki so jih objavila sama podjetja.

V tem članku:

Kaj podpora 1. ravni v resnici pomeni
Fundrise: več kot 50 % primerov podpore v manj kot 3 mesecih
Lightspeed Commerce: rešenih 65 %, CSAT se je zvišal
Chime: 60 % nižji stroški, zadovoljstvo se je podvojilo
Duolingo: preusmerjenih 80 % klepetov
ClassPass: stroški nižji za 95 %, preusmerjanje preseglo lastno oceno
Kaj je tem 5 ekipam v resnici skupno

Večina primerov uporabe umetne inteligence pri podpori strankam opisuje, kaj bi agent z umetno inteligenco teoretično lahko naredil. Ta članek pa obravnava samo primere, v katerih je resnično podjetje objavilo dejansko številko in navedlo vir, zato jo lahko preverite sami, namesto da verjamete zapisu na blogu.

Spodaj navedenih pet podjetij ne uporablja LiveAgenta. Njihove objavljene rezultate navajamo kot dokaz, da pristop deluje, ne kot priporočilo uporabljenih orodij.

Kaj podpora 1. ravni v resnici pomeni

Podpora 1. ravni je prva stopnja katere koli podporne čakalne vrste: rutinska vprašanja, na katera je mogoče pravilno odgovoriti brez specialističnega znanja. Stanje naročila. Ponastavitev gesla. Osnove obračunavanja. Spremembe računa. V večini ekip je to tudi raven, ki porabi največ ur dela agentov, a prinese najmanj koristi, saj izkušen agent za rutinsko vprašanje porabi enako deset minut kot začetnik.

Prav zato so se vsi spodaj navedeni primeri začeli pri tej ravni. Nobena od teh petih ekip ni najprej poskusila avtomatizirati najzahtevnejših zahtevkov.

Ilustracija prikazuje agenta za podporo strankam z umetno inteligenco, ki samodejno rešuje rutinske zahtevke 1. ravni, kot sta stanje naročila in ponastavitev gesla, nato pa zapleten spor preusmeri človeškemu agentu

Fundrise: več kot 50 % primerov podpore v manj kot 3 mesecih

Fundrise , nepremičninska platforma za neposredne vlagatelje, je uvedel Fin, Intercomovega agenta z umetno inteligenco, da bi obvladal naraščajoči obseg podpore brez dodatnega zaposlovanja. Luke Ruth, direktor produktov pri Fundriseu, je povedal: »Manj kot tri mesece po uvedbi Fina zdaj ta obravnava več kot 50 % vseh naših primerov podpore.«

Tukaj je kontekst enako pomemben kot številka. Fundrise je želel ohraniti kratke odzivne čase za rastočo skupino vlagateljev, hkrati pa agentom omogočiti, da premišljeno odgovarjajo na zapletena finančna vprašanja — na takšna, ki jih sploh ne bi smeli zaupati agentu z umetno inteligenco. Avtomatizacija rutinske polovice čakalne vrste je ustvarila prostor za to.

Lightspeed Commerce: rešenih 65 %, CSAT se je zvišal

Lightspeed Commerce , globalna platforma za e-trgovino in prodajna mesta, uporablja Fin v podporni ekipi, v kateri so tako dolgoletni uporabniki Intercoma kot agenti, ki so orodje šele začeli uporabljati. Fin je zdaj vključen v 99 % pogovorov in samostojno reši do 65 % od njih.

Številka, ki ji velja nameniti pozornost, ni stopnja reševanja. Pomembno je, da se je Finov CSAT hkrati zvišal za 60 %, odzivni časi v klepetu pa so se skrajšali za 38 %, odzivni časi po e-pošti pa za 67 %. Pogosta domneva je, da avtomatizacija podpore pomeni kompromis med hitrostjo in kakovostjo. Podatki Lightspeeda kažejo nasprotno: do tega je prišlo, ko je agent z umetno inteligenco dobil popoln nadzor nad tem, kdaj pogovor predati človeku, namesto da bi vsak primer najprej silil skozi avtomatizacijo.

Chime: 60 % nižji stroški, zadovoljstvo se je podvojilo

Chime , fintech podjetje, je uvedlo Decagonovega agenta z umetno inteligenco in poročalo o 60-odstotnem znižanju stroškov podpore strankam, 70-odstotni stopnji reševanja prek klepeta in glasu ter podvojenem zadovoljstvu članov.

Stroški in zadovoljstvo so se izboljšali hkrati, namesto da bi šlo za kompromis med njima — in prav to je pri rezultatu Chimea najmanj intuitivno. Smisel postane jasen, ko ločimo avtomatizirani del (rutinske zahtevke z velikim obsegom) od tistega, kar je ostalo agentom (vprašanja, pri katerih človek resnično doda vrednost). Noben del ni postal slabši. Vsak je dobil več tistega, v čemer je bil dejansko dober.

Duolingo: preusmerjenih 80 % klepetov

Duolingo je uvedel Decagonovega agenta z umetno inteligenco in poročal, da je preusmeril 80 % klepetov, kar pomeni, da petina klepetov doseže človeškega agenta. Študija primera ne razčleni natančno, katere kategorije sestavljajo teh 80 %, navaja pa, da se lahko človeški agenti zdaj posvečajo zahtevnejšim poizvedbam, ki jih je prej izrinjal preusmerjeni obseg.

Pri Duolingovem obsegu 80-odstotna stopnja preusmerjanja ni majhen prihranek. Pomeni razliko med podporno ekipo, ki lahko sledi rasti števila uporabnikov, in ekipo, ki ji to strukturno ne uspe — ne da bi morala bodisi zaposlovati enako hitro bodisi sprejeti počasnejše odgovore.

ClassPass: stroški nižji za 95 %, preusmerjanje preseglo lastno oceno

ClassPass , platforma za naročnine na fitnes in dobro počutje, je že pred uvedbo Decagonovega agenta z umetno inteligenco imela vzpostavljen zrel program za ugotavljanje, katere zahtevke je mogoče preusmeriti. Kljub tej prednosti je ekipa povedala: »Ob uvedbi smo dosegli 10-krat več preusmeritev, kot smo pričakovali,« hkrati pa poročala o 95-odstotnem znižanju stroškov podpore.

Ta podatek je najbolj uporaben v celotnem seznamu. ClassPass ni ugibal. Podjetje je že imelo raziskave strank, pa je vseeno za velikostni red podcenilo, koliko zahtevkov lahko agent z umetno inteligenco prevzame iz čakalne vrste. Če se lahko ekipa z zrelim programom zmoti za faktor 10, bi morala večina ekip, ki se tega loteva prvič, tudi pričakovati, da bo njihova začetna ocena napačna — v isto smer.

Kaj je tem 5 ekipam v resnici skupno

Če odmislimo imena ponudnikov, imajo zgornji rezultati petih podjetij enak vzorec:

Stolpčni grafikon primerja ključne rezultate agenta z umetno inteligenco v posameznih podjetjih: ClassPass je stroške znižal za 95 %, Duolingo je preusmeril 80 % klepetov, Chime je rešil 70 % zahtevkov prek klepeta in glasu, Lightspeed Commerce je rešil 65 % pogovorov, Fundrise pa je avtomatiziral 50 % primerov podpore

Ekipa	Avtomatizirano	Glavni rezultat
Fundrise	Več kot 50 % primerov podpore	V manj kot 3 mesecih so ure agentov v celoti prerazporedili na zapletena vprašanja
Lightspeed Commerce	65 % pogovorov	Stopnja reševanja IN zadovoljstvo sta se zvišala hkrati, brez kompromisa
Chime	Rutinski klepeti in klici	60 % nižji stroški, zadovoljstvo se je podvojilo
Duolingo	80 % klepetov	Podpora je sledila rasti števila uporabnikov brez sorazmernega povečanja števila zaposlenih
ClassPass	Veliko več, kot so pričakovali	95 % nižji stroški, 10-krat več kot lastna ocena preusmerjanja

Nobeno podjetje ni avtomatiziralo vsega. Vseh pet je obdržalo človeško podporo za vse, kar je bilo zunaj obsega agenta z umetno inteligenco. V vsakem primeru se je ekipa najprej lotila rutinskega, ponavljajočega se dela v čakalni vrsti — podpore 1. ravni — ne najzahtevnejših zahtevkov.

To je dejanski nauk, pomembnejši od katerega koli posameznega odstotka: vzorec ni »nadomestite podporo z umetno inteligenco«, temveč »ne zapravljajte časa usposobljenih agentov za nezahtevna vprašanja« in pustite, da temu sledijo rezultati. Če ste pripravljeni to preizkusiti v lastni čakalni vrsti, naš vodnik o uvedbi agenta za podporo strankam z umetno inteligenco natančno pojasnjuje, kako določiti obseg prve faze, nastavitev agenta z umetno inteligenco v LiveAgentu pa opisuje korake konfiguracije, specifične za LiveAgent.

Delite ta članek z drugimi

Pogosta vprašanja

: Podpora 1. ravni je prva stopnja podporne čakalne vrste: rutinska, ponavljajoča se vprašanja, za katera ni potrebno specialistično znanje, na primer o stanju naročila, ponastavitvi gesla, osnovah obračunavanja ali spremembah računa. To je raven, ki ji večina podpornih ekip nameni največ ur, in raven, katere avtomatizacije so se najprej lotili vsi primeri v tem članku, še preden so se dotaknili česa zahtevnejšega.
: Če govorimo o deležu zahtevkov 1. ravni, da, kot kažejo tukaj objavljeni podatki: od 50 do 95 odstotkov, odvisno od podjetja in tega, kako ozko je bil določen obseg. Nobena od teh ekip ne trdi, da njihov agent z umetno inteligenco obvlada vse. Vsaka še vedno preusmeri človeku vse, kar presega njegov obseg, zato se podatki ob zahtevnejših izjemah ne sesujejo.
: V teh primerih ne. Lightspeed Commerce je po avtomatizaciji s Finom poročal o 60-odstotnem povečanju CSAT, Chime pa je podvojil zadovoljstvo svojih članov in hkrati znižal stroške podpore za 60 %. Hiter in pravilen odgovor na rutinsko vprašanje stranke običajno zadovolji bolj kot počasen odgovor človeka, kar je nasprotno od pričakovanj večine ekip.
: Fundrise je poročal, da so v manj kot treh mesecih avtomatizirali več kot 50 % primerov podpore. Anthropic, ločena stranka Fina, je poročal o 50,8-odstotni stopnji reševanja po nekaj več kot enem mesecu. Skupni dejavnik hitrejših rezultatov je ozek začetni obseg. Ekipe, ki poskušajo avtomatizirati vse naenkrat, primerljive številke običajno dosežejo pozneje, ne prej.
: Po surovih odstotkih izstopata 95-odstotno zmanjšanje stroškov pri ClassPassu in 80-odstotno preusmerjanje klepetov pri Duolingu, vendar je odgovor na vprašanje, kaj je »najboljše«, odvisen od tega, kaj želite optimizirati. Chime je hkrati optimiziral stroške in zadovoljstvo. Lightspeed je optimiziral hitrost, ne da bi pri tem izgubil kakovost. Primerjajte svoj cilj s primerom, ki ustreza temu, kar želi izboljšati vaša ekipa, ne pa z največjo številko v naslovu.
: Ne. V teh petih primerih sta uporabljena Intercomov Fin in Decagonov agent z umetno inteligenco. Njihove objavljene rezultate navajamo kot dokaz, da pristop deluje, ne kot priporočilo katerega koli orodja. LiveAgent ima lastno funkcijo agenta z umetno inteligenco, zasnovano za uporabo po posameznih oddelkih, ki jo predstavljamo v ločenem vodniku za nastavitev.