Analizy
Voicebot i agent głosowy AI w firmie: od odpowiadania na pytania do załatwiania spraw przez telefon
Voicebot to program, który rozmawia z klientem przez telefon. Prosty voicebot odpowiada na pytania z listy: godziny otwarcia, adres, cennik. Agent głosowy AI idzie dalej — załatwia sprawę w systemie firmy: sprawdza wolny termin, rezerwuje go, przesuwa albo odwołuje, a gdy nie może pomóc, przekazuje rozmowę człowiekowi z notatką. Technicznie składa się z numeru telefonu, rozpoznawania mowy, modelu językowego, narzędzi połączonych z systemami firmy i syntezy mowy. Od 2 sierpnia 2026 stosuje się art. 50 AI Act: osoba rozmawiająca z systemem AI musi o tym wiedzieć, chyba że jest to oczywiste.21
Telefon w wielu firmach wciąż jest głównym kanałem kontaktu — i jednocześnie kanałem, który najtrudniej obsłużyć: dzwoni w trakcie zajęć, wizyty albo spotkania, po godzinach nikt nie odbiera, a większość rozmów dotyczy tych samych spraw. Dlatego coraz częściej pada pytanie o voicebota albo agenta głosowego AI. Ten tekst wyjaśnia, czym się różnią, gdzie takie rozwiązanie ma sens, jak działa od strony technicznej i jakie zasady bezpieczeństwa oraz prawa trzeba spełnić, zanim agent odbierze pierwsze połączenie.
Agent głosowy ma sens wtedy, gdy po rozmowie coś jest załatwione: termin zapisany, przesunięty albo odwołany, a sprawa, której agent nie umie rozwiązać, trafia do człowieka razem z notatką. Dlatego zaczynamy od procesu i uprawnień, a nie od wyboru głosu. Klient od pierwszego zdania wie, że rozmawia z AI, i w każdej chwili może poprosić o człowieka.
— Dariusz Wtykło, właściciel i CEO Primessio
Voicebot a agent głosowy AI: odpowiadać czy załatwiać
Pierwsza generacja voicebotów działała jak menu z rozpoznawaniem mowy: „powiedz «godziny otwarcia» albo «adres»”. Lepsze wersje rozumieją pytanie zadane własnymi słowami i odpowiadają z bazy wiedzy. To przydatne, ale klient po takiej rozmowie wie więcej — a sprawa nadal czeka. Agent głosowy AI łączy rozmowę z systemami firmy. EDPB opisuje asystenta głosowego jako usługę, która rozumie polecenia głosowe i wykonuje je albo w razie potrzeby pośredniczy z innymi systemami IT5 — i właśnie ta druga część robi różnicę.
| Voicebot od FAQ | Agent głosowy AI | |
|---|---|---|
| Co robi | odpowiada na pytania z bazy wiedzy | załatwia sprawę w systemie firmy |
| Przykład | „Do której jesteście otwarci?” | „Proszę przesunąć mój czwartkowy termin na piątek.” |
| Dostęp do systemów | tylko do treści odpowiedzi | kalendarz, rezerwacje, CRM — w zakresie zadania |
| Identyfikacja dzwoniącego | zwykle niepotrzebna | potrzebna przed każdą zmianą danych |
| Potwierdzenie | niepotrzebne | przed wykonaniem działania |
| Gdy nie wie | „nie rozumiem” | przekazanie do człowieka z notatką |
Z tej tabeli wynika najważniejsza myśl: agent głosowy to nie „lepszy głos”, tylko agent AI z telefonem jako wejściem. Wszystko, co dotyczy agentów — uprawnienia, potwierdzenia, dziennik działań — dotyczy też jego.
Gdzie agent głosowy ma sens, a gdzie nie
OECD, na podstawie rozmów z praktykami, wskazuje, gdzie agenci AI sprawdzają się w organizacjach: tam, gdzie zadanie jest na tyle uporządkowane, że agent może je zaplanować i wykonać, wynik da się sprawdzić w wiarygodnych danych lub zapisach systemu, a koszt błędu jest ograniczony lub odwracalny11. Dla telefonu przekłada się to tak:
- Ma sens: rezerwacja, zmiana i odwołanie terminu w gabinecie, studiu, serwisie czy kancelarii; przyjęcie zgłoszenia i nadanie mu numeru; status zamówienia albo przesyłki; odpowiedzi na powtarzalne pytania po godzinach; zebranie danych przed oddzwonieniem przez człowieka.
- Ma sens z zastrzeżeniami: sprawy z danymi wrażliwymi, płatnościami lub umowami — agent może zebrać informacje i przygotować sprawę, ale decyzję lub działanie zatwierdza człowiek.
- Nie ma sensu: reklamacje i rozmowy sporne, w których klient chce być wysłuchany przez człowieka; porady medyczne, prawne i finansowe; sytuacje nagłe; rozmowy, w których od tonu zależy relacja z ważnym klientem.
Wsparcie AI w obsłudze klienta ma też mocne podstawy w badaniach — choć dotyczą one głównie ludzi wspieranych przez AI, a nie samodzielnych agentów. W badaniu opublikowanym w The Quarterly Journal of Economics dostęp do asystenta AI zwiększył liczbę spraw rozwiązywanych w ciągu godziny przez pracowników działu wsparcia średnio o 15 %, z dużymi różnicami między osobami9. To czat, nie telefon, i nie obietnica dla każdej firmy — ale pokazuje, że AI w obsłudze klienta działa najlepiej razem z ludźmi.
Jak działa agent głosowy — technicznie, w prostych słowach
Rozmowa z agentem głosowym to kilka elementów, które pracują w pętli, w ułamkach sekundy:
- Numer telefonu i połączenie. Klient dzwoni na zwykły numer firmy albo osobny numer. Operator telefonii przekazuje połączenie do systemu agenta — w całości albo tylko wtedy, gdy nikt nie odbierze.
- Rozpoznawanie mowy (ASR). Mowa zamienia się w tekst. To najsłabsze ogniwo: hałas, akcent, nazwiska i numery.
- Model językowy. Rozumie, o co chodzi, prowadzi rozmowę według scenariusza i decyduje, którego narzędzia użyć.
- Narzędzia w systemach firmy. Agent nie ma dostępu do „wszystkiego”, tylko do konkretnych funkcji: sprawdź wolne terminy, zarezerwuj, przesuń, odwołaj, utwórz zgłoszenie, przekaż do człowieka. Każde wywołanie trafia do dziennika.
- Synteza mowy (TTS). Odpowiedź zamienia się z powrotem w głos.
- Przekazanie i podsumowanie. Gdy agent kończy albo przekazuje rozmowę, zostawia notatkę w systemie — co ustalono i co zostało do zrobienia.
Rozpoznawanie mowy nie działa jednakowo dobrze dla wszystkich. W badaniu opublikowanym w PNAS pięć komercyjnych systemów rozpoznawania mowy myliło się średnio w 35 % słów u jednej grupy mówiących i w 19 % u drugiej8. Wniosek dla firmy: testować agenta na nagraniach prawdziwych klientów — z ich akcentami, telefonami i hałasem w tle — a przy danych krytycznych, takich jak data, godzina czy nazwisko, zawsze powtarzać je i prosić o potwierdzenie.
Bezpieczeństwo i zgodność: zasady przed pierwszym połączeniem
Informacja, że rozmówca rozmawia z AI (AI Act art. 50)
Art. 50 ust. 1 AI Act wymaga, by systemy AI przeznaczone do bezpośredniej interakcji z ludźmi były projektowane tak, aby rozmówca był informowany, że prowadzi interakcję z systemem AI — chyba że jest to oczywiste dla dostatecznie poinformowanej, uważnej i ostrożnej osoby1. Ta informacja ma być przekazana w jasny i wyraźny sposób najpóźniej przy pierwszej interakcji1. Przepisy AI Act, w tym art. 50, stosuje się od 2 sierpnia 20262. Przy telefonie nic nie jest „oczywiste” — dlatego agent mówi to w powitaniu, na przykład: „Dzień dobry, mówi asystent AI firmy…”.
RODO: informacja, nagrywanie, dane w UE
Głos, numer telefonu i treść rozmowy to dane osobowe. RODO wymaga przekazania informacji o administratorze, celach i podstawie przetwarzania w chwili zbierania danych3 — w rozmowie telefonicznej zwykle krótkim komunikatem i odesłaniem do pełnej informacji. EDPB w wytycznych o asystentach głosowych zaleca, by dane przechowywać nie dłużej, niż wymaga tego cel5. W praktyce: zamiast pełnego nagrania często wystarczy transkrypcja i notatka, a dane usuwa się według ustalonego terminu.
Nagrywanie wymaga szczególnej ostrożności przy klientach z Niemiec: § 201 StGB przewiduje karę dla tego, kto bez uprawnienia nagrywa niepublicznie wypowiedziane słowo innej osoby6. Osobna sprawa to rozpoznawanie klienta po głosie — dane biometryczne przetwarzane w celu jednoznacznej identyfikacji osoby należą do szczególnych kategorii danych i co do zasady wymagają m.in. wyraźnej zgody4. Bezpieczniej identyfikować dzwoniącego inaczej. Do tego wybór dostawców: rozpoznawanie mowy, model i synteza mowy z przetwarzaniem w UE oraz umowa powierzenia z każdym z nich.
Identyfikacja dzwoniącego i potwierdzenie przed działaniem
Numer, z którego ktoś dzwoni, nie jest dowodem tożsamości. Zanim agent zmieni lub odwoła rezerwację, sprawdza dodatkowo coś, co zna tylko klient — na przykład kod z potwierdzenia albo datę urodzenia zapisaną przy rezerwacji — albo wysyła link potwierdzający SMS-em. Przed każdym działaniem powtarza, co zrobi („Przesuwam wizytę z czwartku rano na piątek po południu — potwierdza pan?”) i wykonuje je dopiero po „tak”. OWASP opisuje ryzyko nadmiernej sprawczości agentów i zaleca, by działania o dużych skutkach przed wykonaniem zatwierdzał człowiek10. Dla agenta głosowego oznacza to wąskie uprawnienia: może przesunąć termin, ale nie zwróci pieniędzy i nie zmieni danych konta bez człowieka.
Przekazanie do człowieka i numer alarmowy 112
Rozmówca w każdej chwili może poprosić o człowieka — i agent to umożliwia: przełącza rozmowę w godzinach pracy albo przyjmuje prośbę o oddzwonienie, z notatką z rozmowy. Agent sam przekazuje sprawę, gdy nie rozumie prośby, gdy klient się denerwuje albo gdy sprawa wychodzi poza jego zakres. Jeśli rozmowa wskazuje na zagrożenie zdrowia lub życia, agent nie prowadzi jej dalej, tylko kieruje na europejski numer alarmowy 112, dostępny w całej UE bezpłatnie7. Te reguły sprawdza się w testach, zanim agent odbierze pierwsze prawdziwe połączenie.
Jak zacząć: jeden proces, pomiar, prototyp
- Wybierz jeden proces. Najlepiej taki, który dziś zajmuje telefon najczęściej i ma jasny wynik w systemie, na przykład rezerwacje i zmiany terminów.
- Zmierz stan obecny. Ile połączeń dziennie, jakie sprawy, ile nieodebranych, ile kończy się działaniem w systemie, a ile wymaga człowieka. Bez tego nie da się później ocenić, czy agent pomaga.
- Spisz zasady. Co agent może zrobić sam, co wymaga potwierdzenia klienta, co wymaga człowieka; kiedy przekazuje rozmowę; jak informuje o AI i o przetwarzaniu danych.
- Zbuduj prototyp na testowym numerze. Z dostępem tylko do potrzebnych funkcji, z dziennikiem kroków i testami na trudnych rozmowach: akcenty, hałas, niejasne prośby, próby wymuszenia działania.
- Włączaj stopniowo. Najpierw po godzinach albo gdy nikt nie odbiera, potem w szerszym zakresie — i porównuj z pomiarem z drugiego kroku.
Projektujemy i budujemy takie rozwiązania według tych zasad — jako część wdrożeń AI dla firm i agentów AI dla firm. Całą drogę, od mapy procesów po utrzymanie, opisuje Model wdrożenia AI Primessio — metoda wypracowana przez Primessio w praktyce projektów.
Najczęstsze pytania
Czym różni się voicebot od agenta głosowego AI?
Voicebot w prostej wersji odpowiada na pytania: rozpoznaje temat i czyta przygotowaną odpowiedź. Agent głosowy AI rozumie prośbę wyrażoną własnymi słowami i wykonuje działanie w systemie firmy — sprawdza wolny termin, rezerwuje, przesuwa, odwołuje albo przekazuje sprawę człowiekowi. EDPB opisuje asystenta głosowego jako usługę, która rozumie polecenia głosowe i wykonuje je albo pośredniczy w razie potrzeby z innymi systemami IT. Im więcej agent może zrobić, tym ważniejsze są identyfikacja dzwoniącego, potwierdzenie przed działaniem i dziennik kroków.5
Czy agent głosowy musi mówić, że jest AI?
Tak, co do zasady. Art. 50 ust. 1 AI Act wymaga, by system AI przeznaczony do bezpośredniej interakcji z ludźmi był zaprojektowany tak, żeby rozmówca wiedział, że rozmawia z systemem AI, chyba że jest to oczywiste dla dostatecznie poinformowanej, uważnej i ostrożnej osoby. Informacja ma paść w jasny i wyraźny sposób najpóźniej przy pierwszej interakcji. Przepis stosuje się od 2 sierpnia 2026. W rozmowie telefonicznej najprościej powiedzieć to w pierwszym zdaniu powitania.112
Czy można nagrywać rozmowy z agentem głosowym?
Można, jeśli firma ma podstawę prawną i informuje o tym rozmówcę. RODO wymaga przekazania informacji o administratorze, celach i podstawie przetwarzania w chwili zbierania danych, a EDPB zaleca przechowywać dane głosowe nie dłużej, niż wymaga tego cel. W Niemczech nagranie niepublicznie wypowiedzianego słowa bez uprawnienia jest przestępstwem z § 201 StGB — przy połączeniach z Niemiec potrzebna jest więc wyraźna podstawa. Często wystarczy transkrypcja i notatka z rozmowy zamiast pełnego nagrania.356
Co robi agent głosowy, gdy nie umie pomóc albo sprawa jest pilna?
Przekazuje rozmowę człowiekowi albo zapisuje prośbę o oddzwonienie — z notatką, żeby klient nie powtarzał wszystkiego od początku. Rozmówca może o to poprosić w każdej chwili. W sytuacji zagrożenia zdrowia lub życia agent nie prowadzi rozmowy dalej, tylko kieruje na numer alarmowy 112, który działa w całej UE bezpłatnie. Te reguły zapisuje się w scenariuszu i sprawdza w testach przed startem.7
Od czego zacząć wdrożenie agenta głosowego w firmie?
Od jednego procesu, który dziś zajmuje telefon najczęściej — na przykład rezerwacje i zmiany terminów. Potem pomiar: ile połączeń, jakie sprawy, ile nieodebranych, ile trafia dalej do człowieka. Następnie prototyp na testowym numerze, z dostępem tylko do potrzebnych danych i z akceptacją człowieka przy działaniach o dużych skutkach. Dopiero gdy testy pokażą, że agent rozwiązuje sprawy poprawnie, przełącza się część prawdziwych połączeń.10
Źródła
- EUR-Lex: Regulation (EU) 2024/1689 (AI Act), Article 50: Transparency obligations
- EUR-Lex: Regulation (EU) 2024/1689 (AI Act), Article 113: Entry into force and application
- EUR-Lex: Regulation (EU) 2016/679 (GDPR), Article 13: Information to be provided where personal data are collected from the data subject
- EUR-Lex: Regulation (EU) 2016/679 (GDPR), Article 9: Processing of special categories of personal data
- European Data Protection Board: Guidelines 02/2021 on virtual voice assistants, Version 2.0
- Bundesministerium der Justiz (gesetze-im-internet.de): § 201 StGB – Verletzung der Vertraulichkeit des Wortes
- European Commission: 112 – the EU’s emergency phone number
- PNAS: Racial disparities in automated speech recognition (Koenecke et al.)
- The Quarterly Journal of Economics: Generative AI at Work (Brynjolfsson, Li, Raymond)
- OWASP GenAI Security Project: LLM06:2025 Excessive Agency
- OECD: Agentic AI in organisations: Early insights from practitioner interviews (OECD AI Papers No. 65)