Szybka odpowiedź
Chatbot to program, z którym rozmawia się tekstem lub głosem, zamiast klikać w menu i wypełniać formularze. Istnieją trzy główne typy: boty na regułach (skrypty i drzewa decyzyjne), asystenci oparci na dużych modelach językowych (LLM), którzy rozumieją swobodny język, oraz rozwiązania hybrydowe, które łączą oba podejścia z wyszukiwaniem w dokumentach firmy. W 2026 r. dobry chatbot firmowy to najczęściej hybryda: LLM prowadzi rozmowę, fakty pochodzą z firmowych źródeł, a działania wrażliwe przechodzą przez reguły lub człowieka.
Czym właściwie jest chatbot?
Chatbot to program, który prowadzi rozmowę z człowiekiem i na jej podstawie odpowiada na pytania albo wykonuje proste działania. Zamiast szukać informacji w menu, użytkownik pisze lub mówi, czego potrzebuje, i od razu dostaje odpowiedź.
Szersze pojęcie to konwersacyjna AI (conversational AI): technologie, które pozwalają maszynom rozumieć język naturalny i prowadzić dialog, od rozpoznawania mowy po generowanie odpowiedzi.
Pomysł nie jest nowy. Już w 1966 r. Joseph Weizenbaum z MIT opisał ELIZĘ, program, który prowadził rozmowę, dopasowując wzorce w wypowiedziach użytkownika (Weizenbaum, 1966). Przez kolejne dekady chatboty działały głównie na regułach. Przełomem okazały się duże modele językowe, które pozwoliły botom rozumieć pytania sformułowane dowolnie, a nie tylko te przewidziane w skrypcie.
Przykład: klient sklepu odzieżowego szuka stroju na letni ślub. Zamiast przewijać setki sukienek, pisze w oknie czatu, czego potrzebuje. Chatbot dopytuje o styl, budżet i charakter wydarzenia, sprawdza dostępność w magazynie i proponuje kilka dopasowanych opcji z sugestią rozmiaru. Jeśli rozmiaru brakuje, proponuje alternatywę albo powiadomienie o dostawie.
Jakie są rodzaje chatbotów?
Chatboty różnią się tym, jak rozumieją pytanie i skąd biorą odpowiedź, nawet jeśli dla użytkownika wyglądają podobnie.
Boty na regułach działają według skryptów i drzew decyzyjnych. Szukają w wiadomości konkretnych słów i odpowiadają zapisanym tekstem. Na pytanie "Jakie macie godziny otwarcia?" dopasują regułę i podadzą godziny. Są tanie, przewidywalne i łatwe do sprawdzenia, ale nietypowe pytanie kończy się odpowiedzią "nie rozumiem".
Boty z rozpoznawaniem intencji (klasyczne NLP i uczenie maszynowe) rozpoznają, o co chodzi użytkownikowi, a nie tylko słowa. Pytania "Kiedy mogę wpaść?" i "Czy jesteście otwarci w weekend?" trafiają do tej samej intencji. Odpowiedzi nadal są jednak przygotowane wcześniej, a każdą nową intencję trzeba zaprojektować i wytrenować.
Asystenci oparci na LLM korzystają z dużych modeli językowych (GPT, Claude, Gemini albo modeli otwartych uruchamianych lokalnie). Rozumieją kontekst i ton, prowadzą wieloetapową rozmowę i same formułują odpowiedź. Model sam w sobie nie zna jednak Twojego cennika, regulaminu ani stanu zamówienia, a pewnym tonem potrafi podać nieprawdę.
Rozwiązania hybrydowe łączą te podejścia. LLM prowadzi rozmowę, fakty pochodzą z wyszukiwania w dokumentach firmy (RAG), a działania wrażliwe, takie jak weryfikacja konta czy zwrot pieniędzy, wykonuje sztywna logika albo człowiek.
| Cecha | Bot na regułach | Bot z rozpoznawaniem intencji | Asystent LLM | Hybryda (LLM, RAG, reguły) |
|---|---|---|---|---|
| Rozumienie pytań | Tylko słowa kluczowe | Przewidziane intencje | Swobodny język i kontekst | Swobodny język i kontekst |
| Źródło odpowiedzi | Gotowe teksty | Gotowe teksty | Wiedza modelu | Dokumenty i systemy firmy |
| Przewidywalność | Bardzo wysoka | Wysoka | Niska bez ograniczeń | Wysoka w działaniach, elastyczna w rozmowie |
| Ryzyko zmyślenia | Brak | Niskie | Wysokie | Ograniczone przez źródła i kontrolę |
| Koszt utrzymania | Ręczna rozbudowa skryptów | Projektowanie i trening intencji | Opłaty za model, kontrola jakości | Baza wiedzy, integracje, monitoring |
| Najlepsze do | FAQ, proste formularze | Powtarzalne sprawy z ograniczonej listy kategorii | Wewnętrzne narzędzia, szkice tekstów | Obsługa klienta i pracowników na danych firmy |
Jak działa nowoczesny chatbot oparty na LLM?
Za oknem czatu pracuje kilka warstw, a model językowy jest tylko jedną z nich. Typowy przebieg wygląda tak:
- Kanał. Wiadomość przychodzi z czatu na stronie, komunikatora, e-maila albo jako nagranie głosowe zamienione na tekst.
- Zrozumienie pytania. Model rozpoznaje, czego dotyczy prośba i czy to pytanie o wiedzę, czy prośba o działanie.
- Wyszukanie wiedzy. System znajduje pasujące fragmenty dokumentów firmy: regulaminów, cenników, instrukcji. To właśnie RAG (Retrieval-Augmented Generation). Jak działa, wyjaśniamy w artykule jak RAG sprawia, że AI jest mądrzejsze.
- Działanie w systemach. Jeśli trzeba, chatbot wywołuje API: sprawdza status zamówienia, saldo albo wolne terminy.
- Kontrola odpowiedzi. Odpowiedź przechodzi przez filtry: czy opiera się na źródłach, czy nie ujawnia danych, czy mieści się w dozwolonym zakresie.
- Przekazanie do człowieka. Gdy chatbot nie zna odpowiedzi albo sprawa jest wrażliwa, rozmowa trafia do konsultanta z pełnym kontekstem.
Tak działa nasza agentowa baza wiedzy: agent sam przeszukuje dokumenty, każde twierdzenie w odpowiedzi ma przypis do konkretnego fragmentu źródła, a przed wysłaniem odpowiedź przechodzi kontrolę ugruntowania w źródłach i detektor halucynacji. Całość może działać na własnych GPU, więc dokumenty i pytania nie opuszczają firmy.
Na jakich kanałach może działać chatbot?
Tam, gdzie klienci i pracownicy już rozmawiają:
- okno czatu na stronie lub w aplikacji, gdy najwygodniej jest napisać,
- asystent głosowy lub bot telefoniczny, gdy łatwiej powiedzieć niż pisać,
- komunikatory i e-mail: WhatsApp, Messenger, SMS, skrzynka obsługi klienta,
- narzędzia wewnętrzne: Slack, Teams, intranet, dla pytań pracowników.
Jeden silnik może obsługiwać wiele kanałów. Nasz agent helpdeskowy przyjmuje zgłoszenia z e-maila, SMS-ów i WhatsAppa, nadaje im kategorię i priorytet, a wrażliwe czynności wykonuje dopiero po zatwierdzeniu przez człowieka (Agenci AI).
Co chatbot daje firmie i klientom?
Dostępność o każdej porze, obsługę wielu rozmów naraz i szybsze odpowiedzi na powtarzalne pytania.
Dla firmy: odciążenie zespołu z rutynowych pytań, spokojniejsze szczyty ruchu, spójne odpowiedzi i dane o tym, o co klienci pytają najczęściej. Bank odpowie na pytanie o konto w nocy, kancelaria przyjmie zgłoszenie poza godzinami pracy, firma usługowa wstępnie zakwalifikuje zapytanie.
Dla klienta: pomoc bez czekania w kolejce, na wybranym kanale i możliwość samodzielnego załatwienia typowej sprawy.
Najczęściej cytowany przykład skali to Klarna. Według komunikatu firmy jej asystent AI w pierwszym miesiącu przeprowadził 2,3 mln rozmów, czyli dwie trzecie czatów obsługi klienta, a czas rozwiązania sprawy spadł z 11 do mniej niż 2 minut (Klarna, 2024). Ciąg dalszy jest równie pouczający: w maju 2025 r. prezes Klarny przyznał, że koszt był zbyt dominującym kryterium, co obniżyło jakość, i firma zaczęła ponownie zatrudniać ludzi, żeby klient zawsze mógł porozmawiać z człowiekiem (Customer Experience Dive, 2025). Wniosek: chatbot ma przejąć rutynę, a nie odciąć klienta od ludzi.
Jakie ryzyka niesie chatbot i jak je ograniczyć?
Największe ryzyko to pewnie podana, błędna odpowiedź. Za nią odpowiada firma, nie chatbot.
- Odpowiedzialność za treść. W sprawie Moffatt przeciwko Air Canada (luty 2024 r.) kanadyjski trybunał uznał linię lotniczą za odpowiedzialną za błędną informację o zniżce, której udzielił chatbot na jej stronie. Trybunał odrzucił argument, że chatbot jest odrębnym podmiotem odpowiedzialnym za własne działania (Moffatt v. Air Canada, 2024 BCCRT 149). Rozwiązanie: odpowiedzi tylko na podstawie aktualnych dokumentów, ze źródłem.
- Obowiązek informowania (AI Act). Od 2 sierpnia 2026 r. ludzie rozmawiający z chatbotem muszą wiedzieć, że rozmawiają z maszyną (Komisja Europejska; AI Act, art. 50). Zmiany wprowadzone w 2026 r. przesunęły terminy dla systemów wysokiego ryzyka, ale nie ten obowiązek.
- Dane osobowe (RODO). Ustal, jakie dane chatbot może zbierać, gdzie są przetwarzane i jak długo przechowywane. Gdy dane nie mogą opuścić firmy, model można uruchomić lokalnie.
- Manipulacja przez użytkownika. Chatbot oparty na LLM można próbować nakłonić do łamania zasad przez sprytnie ułożone polecenia (prompt injection). Przegląd takich zagrożeń i sposobów obrony opisujemy w artykule o OWASP Top 10 dla aplikacji LLM.
Chatbot, asystent czy agent AI?
Różnica polega na tym, ile system może zrobić sam. Chatbot odpowiada, asystent pomaga wykonać zadanie, a agent AI sam podejmuje działania w systemach, na przykład zakłada zgłoszenie czy przygotowuje wiadomość do wysłania. Granica się zaciera, bo nowoczesne chatboty coraz częściej mają narzędzia. Szerzej o tym w artykule agent AI a agentic AI.
Jak zacząć wdrożenie chatbota?
Od wąskiego zakresu i własnych źródeł wiedzy, a nie od "bota, który odpowie na wszystko".
- Wybierz zakres. Kilka kategorii pytań, które dziś zajmują zespołowi najwięcej czasu.
- Uporządkuj źródła. Aktualne regulaminy, cenniki, instrukcje. Chatbot nie będzie lepszy niż dokumenty, z których korzysta.
- Zdecyduj o działaniach. Które czynności chatbot wykonuje sam, a które tylko przygotowuje do zatwierdzenia.
- Zaprojektuj przekazanie do człowieka. Jasny moment i pełny kontekst rozmowy dla konsultanta.
- Mierz właściwe rzeczy. Odsetek rozmów rozwiązanych bez człowieka, trafność odpowiedzi na próbce, liczbę przekazań i ocenę użytkowników.
Technologia wciąż szybko się zmienia, ale zasada pozostaje ta sama: chatbot ma prowadzić klienta przez cały proces, od pytania do załatwionej sprawy, i robić to na podstawie wiedzy, za którą firma może ręczyć.
Źródła
- Weizenbaum, J.: ELIZA, a computer program for the study of natural language communication between man and machine (Communications of the ACM, 1966)
- Klarna: Klarna AI assistant handles two-thirds of customer service chats in its first month
- Customer Experience Dive: Klarna changes its AI tune and again recruits humans for customer service
- Moffatt v. Air Canada, 2024 BCCRT 149 (CanLII)
- Komisja Europejska: AI Act, regulatory framework for AI
- Rozporządzenie (UE) 2024/1689 (AI Act)
