Obsługa klienta AI napotyka ludzki problem
Pasażerowie Norse Atlantic Airways donosili 31 marca, że anulowane loty, niedziałające strony zwrotów i trudno dostępna pomoc człowieka zamieniły rutynowe problemy serwisowe w kosztowne przeprawy. Ta sprawa ma znaczenie, ponieważ AI w obsłudze klienta może zwiększać dostępność i obniżać koszty obsługi, ale może też zwiększać ryzyko oszustw i uszkadzać zaufanie, gdy ścieżki eskalacji znikają. Według relacji WIRED na temat skarg na Norse, wzorzec pojawił się w relacjach pasażerów, zapisach skarg do FTC oraz oświadczeniach linii lotniczej i jej dostawców.
System AI Norse trafił na problem zaufania
Relacje zaczynają się od prostego modelu awarii: pasażer otrzymuje powiadomienie, że rezerwacja lotu do Rzymu za 940 USD została anulowana, a następnie nie jest w stanie uruchomić procesu zwrotu na wielu przeglądarkach i urządzeniach. Samo w sobie nie jest to nic nadzwyczajnego w cyfrowej obsłudze. To, co wyróżniło ten incydent, to brak oczywistego zastępstwa w postaci człowieka.
WIRED uzyskało około 75 skarg poprzez wniosek o udostępnienie publicznych zapisów do Federal Trade Commission, z czego 41 wymieniało kwotę pieniężną, a 21 zgłaszało straty powyżej 1000 USD. W kategoriach operacyjnych to moment, w którym AI obsługi klienta przestaje być mierzona przez deflekcję zgłoszeń, a zaczyna przez powstrzymywanie awarii. Ścieżka wsparcia, która działa przy rutynowych pytaniach, ale zawodzi przy zwrotach, zmianach i wyjątkach, tworzy zupełnie inny profil ryzyka.
Norse powiedziało WIRED, że technologia pomoże zapewnić wyższy poziom dostępności przy utrzymaniu niskich taryf. Ta logika jest standardem w liniach lotniczych i innych operatorach o dużej skali. Problem w tym, że dostępność to nie to samo co rozwiązanie, szczególnie gdy pasażerowie potrzebują natychmiastowej decyzji w sprawie pieniędzy, zmiany harmonogramu lub weryfikacji tożsamości.
Dlaczego model oparty na AI może stworzyć próżnię
Rynek w dużej mierze zaakceptował agentów AI wsparcia jako pierwszą warstwę obsługi. Nierozwiązanym pytaniem jest, co się dzieje, gdy użytkownicy nie widzą drugiej warstwy.
W przypadku Norse kilku pasażerów podobno szukało numeru telefonu online po tym, jak oficjalne kanały zawiodły lub wydawały się zbyt ograniczone. W osiemnastu skargach do FTC jawnie twierdzono, że osoba została oszukana po znalezieniu nieoficjalnych numerów lub stron wsparcia w wynikach wyszukiwania. To nieoczywista, ale ważna lekcja operacyjna: gdy firma usuwa widoczne opcje kontaktu z człowiekiem, nie usuwa na nie popytu. Przenosi ten popyt do wyszukiwarek, forów i stron trzecich, gdzie oszuści mogą go przechwycić.
Dlatego projektowanie wsparcia powinno być traktowane częściowo jako projektowanie powierzchni wyszukiwania. Jeśli oficjalna strona nie przedstawia jasnej ścieżki dla pilnych spraw, użytkownicy stworzą własną. W turystyce, gdzie zmiany w itinerarium mogą być czasochłonne i emocjonalne, ta improwizacja następuje szybko. Wątki dyskusyjne na Reddit i stronach ze skargami stają się wtedy nieoficjalnymi rozszerzeniami doświadczenia wsparcia.
Istnieje też problem metryk. System może raportować wysokie wskaźniki automatyzacji, a jednocześnie zawodzić w przypadkach, które najbardziej liczą się dla zaufania do marki. Udział 80 czy 99 procent zautomatyzowanych zapytań brzmi efektywnie. Mówi jednak znacznie mniej o 1 do 20 procentach interakcji dotyczących zwrotów, anulowań, obaw o oszustwa czy skrajnych przypadków zmian rezerwacji.
Operatorzy, którzy chcą uniknąć tej luki, zazwyczaj potrzebują dwóch rzeczy: widocznej reguły eskalacji do człowieka oraz warstwy operacyjnej, która na bieżąco audytuje, gdzie automatyzacja pomaga, a gdzie cicho dodaje tarcia. To praktyczna rola automatyzacji help desków opartej na AI, gdy jest wdrażana prawidłowo: nie zastępowanie eskalacji, ale jej strukturyzacja.
Co ujawnia oś czasu dostawcy Norse
Relacja źródłowa oferuje przydatną oś czasu pokazującą, jak AI obsługi klienta ewoluowała wewnątrz jednego stosu linii lotniczej. Na początku Norse korzystało z technologii Sprinklr, aby zunifikować zapytania serwisowe. W styczniu 2025 roku Kindly opisało, jak zbudowało chatbota Odin i stwierdziło, że linia lotnicza usunęła e-mail do obsługi klienta ze strony wsparcia, aby bot stał się głównym kanałem.
Do stycznia 2026 roku Delight.ai podało, że Norse zastąpiło tego chatbota Freją. Dostawca zgłosił, że rozwiązanie zapytań bez interwencji człowieka wzrosło z 60 do 80 procent w ciągu dwóch tygodni. Dyrektor produktowy Norse, Alf Lim, dodał w studium przypadku dostawcy, że przyszły zespół obsługi klienta będzie składał się z menedżerów agentów AI, którzy optymalizują i interweniują, gdy wymagany jest ludzki kontakt.
To znajomy kierunek branżowy. Zespół wsparcia nie znika; zmienia formę. Ale przykład Norse sugeruje problem z sekwencjonowaniem. Jeśli system skaluje zasięg automatyzacji szybciej niż skaluje jasne reguły przekazania, skrajne przypadki stają się awariami widocznymi dla klienta. Wypowiedź dyrektora ds. klientów i komunikacji Norse jest tu znamienna: technologia, jak powiedział, stworzy wyższy poziom dostępności. Dostępność została poprawiona. Spór dotyczy tego, czy ta dostępność pozostała użyteczna, gdy sprawa wyszła poza szczęśliwą ścieżkę.
Biznesowe uzasadnienie AI wsparcia jest realne, ale niekompletne
Nic z tego nie oznacza, że AI obsługi klienta to zły zakład. W rzeczywistości racja biznesowa jest prosta. Linie lotnicze otrzymują ogromne wolumeny powtarzalnych pytań o bagaż, boarding, status rezerwacji i regulacje. AI konwersacyjne dobrze nadaje się do tych zadań, szczególnie gdy popyt skacze poza godzinami pracy personelu.
Ograniczenie polega na tym, że ekonomia wsparcia nie jest determinowana wyłącznie przez średni czas obsługi. Determinuje ją też zarządzanie wyjątkami. Formularz zwrotu, który się nie ładuje, itinerarium wymagające ręcznej interwencji lub spanikowany podróżnik szukający pilnej pomocy mogą szybko zniweczyć zyski efektywności, jeśli system pcha ich w powtarzające się kontakty, skargi, chargebacki lub oszustwa.
Dlatego metryki dostawców wymagają interpretacji. Zgłoszony wzrost z 60 do 80 procent w autonomicznym rozwiązywaniu może mieć znaczenie operacyjne. Może też ukrywać ryzyko koncentracji, jeśli nierozwiązane 20 procent obejmuje najbardziej wrażliwe ścieżki. Prace McKinsey na temat AI w obsłudze klienta wielokrotnie wskazywały na wartość automatyzacji w wysokowolumenowym wsparciu, ale najsilniejsze programy utrzymują ludzi w pętli przy złożonych wyjątkach, zamiast traktować ich jako warstwę rezydualną.
Szerszy rynek dzieli się wzdłuż dwóch linii. Jedna grupa używa niestandardowych agentów AI, aby agresywnie kompresować koszty wsparcia. Druga przeprojektowuje operacje serwisowe wokół agentów automatyzacji AI plus wyraźnych kontrolnych punktów ludzkich. Drugi model na papierze wygląda mniej efektywnie, ale jest bardziej odporny, gdy coś się psuje.
Czego operatorzy powinni się nauczyć z tego przypadku
Trzy praktyczne lekcje wyróżniają się dla linii lotniczych, marek turystycznych i każdego zespołu wdrażającego agentów AI wsparcia w skali.
Po pierwsze, eskalacja do człowieka powinna być oczywista, zanim klient jej potrzebuje. Jeśli sprawa dotyczy przepływu pieniędzy, anulowania, niezgodności tożsamości lub podejrzenia oszustwa, użytkownik nie powinien zgadywać, czy osoba jest osiągalna.
Po drugie, liderzy wsparcia powinni audytować ekspozycję w wyszukiwarkach, a nie tylko kontencję chatbota. Jeśli klienci często szukają numeru telefonu lub frazy o pilnej pomocy, firma potrzebuje oficjalnych stron, które rankują i bezpiecznie kierują. W przeciwnym razie oszuści wypełnią lukę.
Po trzecie, cotygodniowe przeglądy wsparcia powinny oddzielać rutynowe sukcesy automatyzacji od ścieżek awarii o wysokiej wadze. Patrzenie wyłącznie na wskaźniki samoobsługi lub sukces bez interwencji człowieka może zaciemnić dokładnie te interakcje, które napędzają skargi i szkody reputacyjne.
Na co warto zwrócić uwagę, to nie czy linie lotnicze będą nadal wdrażać AI w obsłudze klienta; będą. Ważniejsze pytanie brzmi, czy operatorzy przebudują przekazanie ludzkie z taką samą powagą, z jaką podchodzą do wskaźników automatyzacji. Sprawa Norse sugeruje, że w 2026 roku prawdziwa przewaga konkurencyjna nie leży w tym, kto ma najwięcej AI w wsparciu, ale w tym, kto najbezpieczniej obsługuje skrajne przypadki.
Martin Kuvandzhiev
CEO and Founder of Encorp.io with expertise in AI and business transformation