Prognozy rynkowe dla AI w doświadczeniu klienta są wysokie i spójne. MarketsandMarkets szacuje rynek AI w doświadczeniu klienta na 12,06 mld USD w 2024 roku, ze wzrostem do 47,82 mld USD do 2030 roku. Wartość na 2026 rok wynosi około 15 mld USD, co potwierdzają Fortune Business Insights i Grand View Research.
Te liczby mierzą jedno: ile firmy wydają. Nie mówią nic o tym, co firmy otrzymują, a w tej kategorii różnica jest na tyle duża, że traktowanie jednego jako wskaźnika drugiego może zniekształcić planowanie.
Wydatki to miara zaangażowania
Prognoza wielkości rynku liczy kontrakty – wdrożenia rozwiązujące 20% i 90% wolumenu traktuje jednakowo, a nawet uwzględnia pilotaże, których nigdy nie przeskalowano. Rosnąca krzywa mówi, że wokół kategorii panuje konsensus, a nie że wyniki są wszędzie jednakowe.
Przeciwwaga znajduje się w tych samych analizach. Gartner przewiduje, że do końca 2027 roku ponad 40% projektów agentowej AI zostanie anulowanych, wskazując na rosnące koszty, niejasną wartość biznesową i niewystarczającą kontrolę ryzyka.
Problem z pomiarem ukryty pod liczbami
Większość korporacyjnych działów CX ma dziś w produkcji jakieś rozwiązanie oparte na AI. Nie wszystkie potrafią jednak powiedzieć, jaki odsetek całego wolumenu kontaktów zamyka się bez udziału człowieka – a powodem jest to, że większość dashboardów wciąż śledzi deflekcję zamiast rozwiązań.
Deflekcja sprawdza, czy zgłoszenie opuściło kolejkę. Rozwiązanie sprawdza, czy klient odszedł zadowolony. Kontakt, który zostaje odbity i wraca w ciągu 48 godzin, liczy się jako 2 deflekcje i 0 rozwiązań – w ten sposób organizacja raportuje poprawę, podczas gdy jej wskaźnik ponownych kontaktów rośnie.
True Resolution Formula określa 3 warunki, a kontakt uznaje się za rozwiązany tylko wtedy, gdy wszystkie są spełnione. Został zamknięty bez eskalacji, czyli agent zrealizował prośbę. Nie został ponownie otwarty w ustalonym okresie, zwykle 7 dni. I nie otrzymał negatywnej oceny CSAT, co wyłapuje kontakty formalnie zamknięte, a po cichu frustrujące klientów.
Dyrektor może ponownie ocenić kontakty z ostatniego miesiąca według tych 3 warunków i porównać wynik ze wskaźnikiem deflekcji widocznym już na dashboardzie. Różnica między nimi to wielkość możliwej do wykorzystania szansy.
Dlaczego deflekcja utrzymała się tak długo
Deflekcja stała się standardem z praktycznego powodu: tylko tyle potrafiły wygenerować narzędzia wcześniejszej generacji. System, który odpowiadał na pytania, ale nie mógł wykonać działania, nie miał żadnych rozwiązań do raportowania. Mógł jedynie raportować, że rozmowa zakończyła się bez udziału człowieka.
Wskaźnik pasował do technologii, a potem ją przetrwał. Zastąpienie miary, którą zarząd już rozumie, jest naprawdę trudne, zwłaszcza gdy nowa miara początkowo wygląda gorzej. Organizacja raportująca 60% deflekcji, która zacznie rzetelnie mierzyć rozwiązania, może odkryć, że wynik jest bliższy 25%. Nic się nie pogorszyło – pomiar stał się po prostu dokładny. Ktoś jednak wciąż musi stanąć przed zarządem i tę zmianę wyjaśnić.
Gdzie faktycznie leży pułap
W planowaniu na 2027 rok przydatne pytanie nie brzmi, ile wyda rynek, ale co zostało udowodnione – bo to wyznacza poprzeczkę dla dostawców.
Mastermind osiągnął 93% autonomicznych rozwiązań w ciągu 6 tygodni. Według danych Maven najlepsze wdrożenia osiągają 80–93% autonomicznych rozwiązań do 6. miesiąca – i robią to, od początku rozliczając program z rozwiązań, zamiast zmieniać wskaźniki, gdy wyniki rozczarowują.
Jeśli Państwa wskaźnik rozwiązań jest wyraźnie niższy niż wyniki osiągnięte gdzie indziej, ograniczeniem jest raczej architektura, dostęp do wiedzy lub zakres działań, jakie agent może wykonywać, niż sam model. A dostawca, który nie potrafi podać wskaźnika rozwiązań dla porównywalnych wdrożeń, prosi Państwa o sfinansowanie eksperymentu. Brak liczby ze strony dostawcy to sam w sobie istotna informacja.
Jak odczytywać rynek od teraz
Prognozy wskazują właściwy kierunek. Budżety przesuwają się do tej kategorii i będą się przesuwać nadal. Zmienia się natomiast podstawa porównania.
Przez ostatnie 2 lata zakup AI dla doświadczenia klienta oznaczał głównie zakup możliwości. Dostawcy pokazywali, że technologia działa, i to wystarczało do zamknięcia transakcji. W miarę dojrzewania wdrożeń porównanie przesuwa się w stronę mierzalnych wyników – to trudniejszy standard, ale lepszy. Dlatego też wskaźnik rozwiązań (Resolution Rate) ma szansę wyprzeć mniej precyzyjne miary jako główny benchmark CX.
Przygotowując plan na 2027 rok, warto uwzględnić 2 liczby: własny, prawidłowo zmierzony wskaźnik rozwiązań oraz wskaźnik, który dostawca potrafi udowodnić w innym wdrożeniu. Prognoza rynkowa to kontekst. Te 2 liczby to podstawa decyzji.
Trzy warunki opisano w The True Resolution Formula , a pełny obraz rynku przedstawia rozdział Market State raportu State of AI in CX 2026 .
Przekonaj się na własnych rozmowach.
Poproś o bezpłatne, spersonalizowane demo.
