Dodavatelé uvádějí, že AI chatboti dosahují míry automatizace kolem 80 %, a výsledky z reálných nasazení potvrzují, že je to možné. Klienti Daktely uvádějí, že bez zásahu operátora zvládnou 40 až 81 % dotazů v závislosti na komunikačním kanálu a způsobu nastavení. Rozdíl mezi těmito hodnotami není pouze marketingový. Vychází z rozdílu mezi odkloněním konverzace a skutečným vyřešením požadavku a rozhoduje o tom, zda automatizace šetří peníze, nebo vás nenápadně připravuje o zákazníky.
Každý dodavatel řešení pro zákaznickou péči dnes slibuje v podstatě totéž: AI chatbot, který dokáže nepřetržitě vyřešit až 80 % zákaznických dotazů, aniž by bylo nutné navyšovat počet zaměstnanců. Takové tvrzení lze snadno považovat za pouhý marketing. Data z reálných nasazení, včetně výsledků klientů Daktely, však ukazují, že takové míry automatizace lze skutečně dosáhnout.
Problém spočívá v tom, že samotné číslo obvykle neříká, co přesně se měří. Dvě kontaktní centra mohou uvádět „80 %“, ale každé tím může myslet něco úplně jiného. Jedno skutečně vyřešilo čtyři z pěti zákaznických požadavků, zatímco druhé pouze zabránilo tomu, aby se čtyři z pěti konverzací dostaly k operátorovi, a započítalo mezi ně i zákazníky, kteří komunikaci vzdali. V tomto článku vysvětlíme, co údaj 80 % skutečně zahrnuje, jakých výsledků dosahují reálná nasazení a které tři podmínky rozhodují o tom, jaké hodnoty dosáhnete právě vy.
Než začnete porovnávat dodavatele nebo stanovovat interní cíle, je důležité rozlišit čtyři metriky, které se běžně používají, jako by znamenaly totéž.
Rozdíl mezi těmito metrikami není pouze teoretický. Rámec KPI pro Fin AI od společnosti Intercom upozorňuje, že platforma může u stejných konverzací vykazovat přibližně 90% míru odklonění, zatímco skutečná míra vyřešení dosahuje jen asi 40 %. Nezávislé odhady pro rok 2026 uvádějí, že průměrná míra skutečně vyřešených požadavků napříč odvětvími činí zhruba 45 %. Dobře nastavená nasazení dosahují 70 až 75 % a ta nejlepší překračují 80 %, pokud převažují jasně strukturované dotazy.
To nejdůležitější, co si zapamatovat: U stejného chatbota může míra odklonění dosahovat 90 %, zatímco míra skutečného vyřešení jen 40 %. Vždy si proto ověřte, kterou metriku dodavatel uvádí.
Rozmanitost výsledků nejlépe ilustrují příklady z klientské základny Daktely, protože jednotlivá nasazení se liší komunikačním kanálem, odvětvím i rozsahem.
Z těchto výsledků vyplývají dvě důležité skutečnosti. Zaprvé záleží více na komunikačním kanálu než na samotné technologii. Voicebot Generali vyřídí devět z deseti telefonických dotazů, zatímco chatbot zvládne o něco více než šest z deseti požadavků v chatu, přestože oba využívají stejnou AI platformu. Zadruhé nejvyšších výsledků v chatu dosahují společnosti, které chatbota propojily s aktuálními daty ve svých interních systémech, nikoli pouze s knihovnou dokumentů. Chatbot společnosti Cardwin získává aktuální informace o promoakcích přímo z publikačního systému. Chatbot a mailbot Košíku jsou zase součástí integrované omnichannel platformy.
„Chatbota si můžeme sami upravovat a vylepšovat, aniž bychom k tomu potřebovali technické znalosti.“ – David Matuna, Product Owner, Košík.cz
Běžný dotaz k fakturaci a požadavek na změnu smluvních podmínek nejsou totéž. Pokud převažují opakující se a dobře zdokumentované otázky, například na stav objednávky, otevírací dobu, podmínky doručení nebo pravidla promoakcí, dosahuje chatbot vysoké míry vyřešení téměř okamžitě. Pokud však převažují vícekrokové, regulované nebo emočně náročné požadavky, je míra vyřešení výrazně nižší. Jediný souhrnný procentuální údaj tento rozdíl zcela skryje.
AI chatbot nemůže vyřešit požadavek, pokud nemá přístup k potřebným informacím. Je-li propojený s CRM, e-shopem a interními databázemi, může pracovat s konkrétní objednávkou a účtem zákazníka. Pokud čerpá pouze z centra nápovědy, dokáže v nejlepším případě zopakovat obecná pravidla a podmínky. Propojení se systémy je zároveň nejméně atraktivní částí implementace, a proto se často odkládá. Právě proto se tolik pilotních projektů zastaví na úrovni kolem 40 % a dál se neposune.
Proč je propojení s interními systémy důležité? Chatbot díky němu nepracuje pouze s obecnými informacemi, ale může ověřit konkrétní objednávku, pracovat s účtem zákazníka nebo provést požadovanou změnu. Teprve potom dokáže požadavek skutečně vyřešit.
Předání operátorovi se obvykle považuje za neúspěšnou část procesu. Ve skutečnosti je tomu spíše naopak. Až 79 %zákazníků výrazně upřednostňuje lidského operátora a 89 % chce mít možnost obrátit se na člověka vždy k dispozici (SurveyMonkey, 2025–2026). Průzkum společnosti Gartner z roku 2026 mezi 3 566 zákazníky potvrdil stejné očekávání i u lidí, kteří AI využívají často. Pokud se spolu s požadavkem předá operátorovi také celá historie konverzace, zákazník nemusí vynaložit žádné další úsilí. Jestliže ale musí vše zopakovat, ztrácí se tím veškerý přínos, který chatbot přinesl.
Překážkou už není samotné zavádění AI, ale její návratnost. Podle společnosti Salesforce nyní využívá AI agenty 66 % organizací poskytujících zákaznický servis, zatímco o rok dříve to bylo 39 %. Salesforce zároveň očekává, že do roku 2027 bude AI řešit přibližně 50 % požadavků zákaznického servisu. Gartner zjistil, že vedoucí pracovníci v oblasti zákaznického servisu a podpory investovali do AI v roce 2025 mediánově 12 % svého rozpočtu, což je nejvyšší podíl ze všech firemních oblastí. Přesto pouze 24 % z nich prokázalo pozitivní finanční návratnost napříč svými případy využití AI.
Podle Gartneru tento rozdíl nevychází z nedostatků technologie, ale z nesouladu s očekáváním zákazníků. Ti stále častěji využívají AI k provádění konkrétních úkolů, nikoli pouze k získávání odpovědí. Zároveň je dnes několikanásobně pravděpodobnější, že sáhnou po univerzálním AI nástroji než po chatbotu konkrétní společnosti. Chatbot, který pouze odpovídá, tak soupeří s nástroji, které už zákazníci mají ve svých telefonech. Chatbot, který dokáže zkontrolovat objednávku, vystavit refundaci nebo provést změnu ve smlouvě, nikoli.
Upřímná odpověď na otázku v nadpisu zní ano, ale za určitých podmínek. Míra automatizace kolem 80 % je doložena i u nasazení Daktely. Dosahují jí však chatboti s úzce a vhodně vymezeným rozsahem, přístupem k aktuálním datům ve firemních systémech a předáním operátorovi navrženým stejně pečlivě jako samotný průběh konverzace. Organizace, které jsou v roce 2026 z AI zklamané, si jen zřídka vybraly nesprávný model. Častěji měřily míru odklonění a označovaly ji za míru vyřešení.
AI Chatbot od Daktely je navržen právě s ohledem na tento rozdíl. Nabízí no-code nástroj, který si může tým zákaznické péče upravovat bez pomoci IT, nativní propojení s CRM, e-shopem a interními databázemi, reporting míry vyřešení a sentimentu namísto pouhého počtu odkloněných konverzací a také předání celé historie komunikace operátorovi v rámci stejné platformy kontaktního centra.
