Klient banku, ubezpieczyciela albo aplikacji finansowej w 2026 roku rzadko trafia od razu na konsultanta. Najpierw rozmawia z botem. Bot pyta o numer klienta, intencję sprawy, prosi o weryfikację. W połowie przypadków załatwia sprawę w minutę. W drugiej połowie klient zaczyna szukać sposobu na rozłączenie i zadzwonienie z innego numeru, żeby trafić na człowieka. Granica między tymi dwoma przypadkami to dziś najważniejsza decyzja w obsłudze klienta finansowego.
Gdzie AI faktycznie pomaga klientowi w finansach?
Przykłady są konkretne. Wirtualna asystentka Erica w Bank of America obsługuje 2 miliony rozmów z klientami dziennie – to praca, którą musiałoby wykonać 11 tysięcy pracowników (Bank of America). Większość tych rozmów to dokładnie te same kategorie: sprawdzenie salda, status transakcji, aktywacja karty, reset hasła, lokalizacja bankomatu, godziny otwarcia oddziału.
W ubezpieczeniach Lemonade dzięki AI Jim rozlicza 55% szkód w pełni automatycznie – od zgłoszenia do przelewu w sekundach. 96% pierwszych zgłoszeń odbiera AI bez interwencji człowieka, a satysfakcja klientów obsłużonych przez AI Jim przekracza 90% (Lemonade, 2025).
Dla takich spraw klient nie potrzebuje empatii ani złożonego osądu. Potrzebuje odpowiedzi w trzy sekundy. Bot, który nauczył się rozumieć naturalny język, daje ją szybciej niż człowiek po dwóch zmianach na infolinii.
McKinsey w raporcie „AI-powered bank” szacuje, że agentic AI w bankowości może wygenerować 200-340 miliardów dolarów rocznie globalnie – co odpowiada 9-15% zysku operacyjnego sektora. Sama redukcja kosztów obsługi klienta to według McKinsey 15-20% i podobne wartości pojawiają się w prognozach dla ubezpieczeń i fintechów. Dla średniej polskiej instytucji finansowej to dziesiątki milionów złotych rocznie.
Gdzie AI najczęściej zawodzi i traci klienta?
Druga strona medalu jest mniej obiecująca. Amerykański Consumer Financial Protection Bureau w raporcie z czerwca 2023 roku zwrócił uwagę na zjawisko „doom loops” – pętli, w których bot odpowiada wciąż według jednego scenariusza, mimo że klient od dawna prosi o człowieka. CFPB cytuje konkretne skargi: klient otrzymuje wezwanie do zapłaty rzekomego długu, którego nie zaciągnął, próbuje zadzwonić, trafia na bota i nie ma jak eskalować do operatora. Po dwóch godzinach rezygnuje. Bank przegrał klienta na zawsze.
Spektakularnym przykładem jest Klarna. W lutym 2024 roku szwedzki fintech ogłosił, że AI obsługuje 2,3 miliona rozmów i zastępuje pracę 700 konsultantów. Półtora roku później firma znów rekrutuje ludzi – CEO przyznał, że jakość po pełnej automatyzacji okazała się niższa niż w zespole z udziałem ludzi. Gartner prognozuje, że do 2027 roku połowa firm, które zwolniły zespoły obsługi klienta przez AI, znów zacznie ich zatrudniać.
Trzy kategorie awarii powtarzają się w raportach branżowych:
- Reklamacje i spory finansowe – klient nigdy nie chce słyszeć od bota „rozumiem, sprawdzam”; chce słyszeć od człowieka „przepraszam, zwrócimy pieniądze do piątku”.
- Złożone weryfikacje (AML, KYC, blokada konta, obsługa szkody w ubezpieczeniach) – przepisy często wymagają decyzji człowieka, a klient niedoinformowany przez bota wpada w panikę i traci zaufanie.
- Sytuacje wrażliwe – śmierć bliskiej osoby, rozwód, kradzież tożsamości – automatyczny ton bota pogarsza relację z firmą nieodwracalnie.
Jak nie wpaść w „doom loop”? Cztery zasady projektowania
Instytucje finansowe, które wdrażają AI dobrze, trzymają się czterech reguł.
Pierwsza – jasne wyjście awaryjne. Bot ma frazy lub słowa kluczowe („pracownik”, „operator”, „człowiek”), na które natychmiast łączy z konsultantem. Bez prób przekonywania klienta, że bot wystarczy.
Druga – ograniczenie zakresu. Lepiej obsłużyć 60% spraw na poziomie 95% poprawności niż 90% spraw na poziomie 60%. Bot, który próbuje wszystkiego, kończy w pętli.
Trzecia – ścieżki kontekstowe między botem a człowiekiem. Konsultant odbiera rozmowę z pełną historią dialogu z botem – nie pyta od nowa „w czym mogę pomóc”. To różnica między voicebotem zintegrowanym z systemem contact center a samodzielnym bot-em na stronie. Klient nie powtarza sprawy trzeci raz.
Czwarta – regularne audyty rozmów. Słuchanie losowych próbek zakończonych frustracją klienta szybko wskazuje, gdzie scenariusze nie radzą sobie ze złożonością.
Polscy dostawcy systemów obsługi klienta dla sektora finansowego, w tym https://pirios.com/finanse-bankowosc-i-ubezpieczenia/, mają już wdrożenia oparte o te zasady – w jednym z projektów dla firmy świadczącej usługi płatnicze dla banków Pirios skrócił czas oczekiwania klientów w kolejce o ponad 14% przy zespole stu konsultantów.
W obsłudze klienta finansowego nie wygrywa ten, kto najbardziej zautomatyzował. Wygrywa ten, kto najprecyzyjniej rozdzielił sprawy proste od złożonych – i nie próbuje przekonywać klienta, że bot wystarczy, kiedy ten prosi o człowieka.