Zum Inhalt springen

Kundenservice20:11

Ustaw próg 0,95 dla automatycznych projektów reklamacji

Jak ustawić próg pewności 0,95 dla AI segregującej reklamacje według 14-dniowego terminu i przygotowującej projekt odpowiedzi. Test na 300 sprawach, budżet 18–32 tys. zł.

Bild generiert durch KI.

Zusammenfassung des Artikels anhören

Synthetische Stimme.
0:00
0:00

Poniżej praktyczny poradnik, a nie rozstrzygnięcie konkretnej sprawy — przy większych kwotach warto go przepuścić przez własnego doradcę. Ustawiasz regułę, po której lokalny klasyfikator reklamacji sam przygotowuje projekt odpowiedzi tylko wtedy, gdy jest wystarczająco pewny. Pod koniec masz działający test na 300–500 historycznych sprawach, trzy progi decyzyjne i raport dzienny, który pilnuje ustawowych 14 dni na odpowiedź. Zanim zaczniesz: potrzebujesz uprawnień administratora w panelu systemu RMA, wyeksportowanego pliku CSV ze zgłoszeniami oraz włączonego modułu reguł decyzyjnych; w planie podstawowym może być konieczne wykupienie modułu automatyzacji. Przy 40–150 reklamacjach miesięcznie cała konfiguracja z testem zamyka się zwykle w 18–32 tys. zł netto i 4–7 tygodniach.

Etap 1: Zbuduj zbiór testowy z 300 spraw (2–3 godziny)

W panelu systemu RMA otwórz listę zamkniętych reklamacji i wybierz filtr Data wpływu na ostatnie 12–18 miesięcy. Kliknij Eksportuj CSV z polami: numer sprawy, data wpływu, treść zgłoszenia, kategoria, decyzja, data odpowiedzi. Usuń z pliku imię, nazwisko, adres, e-mail i numer zamówienia; zostaw identyfikator wewnętrzny. Pracę z danymi osobowymi prowadź zgodnie z zasadami RODO w e-commerce, a plik testowy trzymaj na serwerze lokalnym, nie w chmurze. Sprawdź, czy po imporcie system pokazuje 300–500 rekordów w zakładce Zbiór testowy.

Bild generiert durch KI.

Etap 2: Przypisz kategorie i sprawdź termin 14 dni (3–4 godziny)

W zakładce Kategorie utwórz od 7 do 9 kategorii, np. wada fabryczna, uszkodzenie transportowe, niezgodność z opisem, brak części, gwarancja, zwrot, reklamacja jakościowa, inne. Dla każdej kategorii ustaw regułę terminu: data wpływu + 14 dni kalendarzowych — tak, by system liczył dzień po dniu i pomijał dni wolne tylko wtedy, gdy Twój proces naprawdę to uwzględnia. Zweryfikuj na 30 losowych sprawach, czy wyliczona data zgadza się z ręcznym liczeniem; podstawę znajdziesz w ustawie o prawach konsumenta. Sprawdź, czy w widoku sprawy pole Termin ustawowy jest wypełnione i podświetla się przy 3 dniach do upływu.

Etap 3: Ustaw progi 0,95 / 0,80–0,94 / poniżej 0,80 (1–2 godziny)

W panelu administracyjnym znajdź sekcję Reguły decyzyjne lub sekcję Automatyzacja odpowiedzi. Jeśli nazwa pola brzmi inaczej, szukaj opcji Próg ufności przy klasyfikatorze. Domyślna wartość bywa ustawiona na 0,90 — zmień ją na 0,95: projekt odpowiedzi AI może powstać tylko wtedy, gdy model jest co najmniej tak pewny kategorii i terminu. Sprawy z przedziału 0,80–0,94 kieruj do ponownego czytania przez człowieka, a wszystko poniżej 0,80 zostaw wyłącznie człowiekowi. To granica z praktyki, nie przepis; stanowisko UOKiK potwierdza, że AI może wspierać klasyfikację i przygotowanie odpowiedzi, ale decyzje merytoryczne podejmuje pracownik. Po zapisaniu kliknij Testuj próg i odczytaj liczbę spraw, które trafiły do automatycznego szkicu.

Bild generiert durch KI.

Etap 4: Uruchom raport dzienny i test korekt w 4 godziny (4 godziny)

Włącz raport codzienny o godzinie 07:30, obejmujący wszystkie zgłoszenia z danego dnia i sprawy, których termin mija za 3 dni lub mniej. W polu Kryteria raportu zaznacz: data wpływu, kategoria, wyliczony termin, status projektu, osoba zatwierdzająca. Uruchom test na 300 sprawach i sprawdź wynik F1 ≥0,9 dla wykrywania terminu oraz dopuszczalne 1–2% przeoczeń — pod warunkiem, że raport dzienny obejmie całość zgłoszeń. Jeżeli wynik spada poniżej, wróć do Etapu 2 i popraw kategorie albo zwiększ liczbę spraw treningowych. Test korekt po zmianie reguł powinien zamknąć się w 4 godzinach od wprowadzenia poprawki do ponownego pomiaru.

Wenn etwas schiefgelaufen ist

Trzy najczęstsze miejsca awarii: klasyfikator myli termin ustawowy, przeoczenia przekraczają 1–2% albo raport nie widzi wszystkich spraw. W pierwszym przypadku sprawdź kolumnę z datą wpływu — problem to zwykle format daty lub scalone wątki e-mail, więc wróć do Etapu 1 i ponownie wyeksportuj CSV z osobnych pól. W drugim podnieś próg automatycznego szkicu do 0,97 i zwiększ zbiór testowy o 100 spraw; nie zostawiaj progu poniżej 0,95 dla szablonów, które zawierają odmowę lub zwrot. W trzecim sprawdź filtr statusu — raport musi obejmować statusy Nowe, W toku, Do akceptacji, a nie tylko zamknięte. Aby cofnąć zmiany, przywróć w sekcji Reguły decyzyjne poprzednią wartość progu z notatki lub wyłącz opcję Automatyczne projekty odpowiedzi do czasu poprawy testu.

Po wdrożeniu progów system sam liczy 14 dni, sortuje kolejkę i podsuwa gotowy szkic odpowiedzi. Przy 120 reklamacjach miesięcznie pracownicy nie tracą już 10–15 godzin na szukanie dat i kompletowanie dokumentów. Wartość startowa takiej konfiguracji przy 40–150 zgłoszeniach to zwykle 18–32 tys. zł netto, a utrzymanie 0,4–1,2 tys. zł miesięcznie. To mniej niż koszt jednej przegapionej reklamacji, którą prawo uznaje za przyjętą po 14 dniach milczenia.

Quellen

Quellen, die wir bei der Erstellung herangezogen haben. Der obige Text stammt von uns; die genannten Seiten haften nicht für den Inhalt und haben ihn nicht autorisiert.

Unverbindliches Gespräch

Workshop mit Paul vereinbaren

Dreißig Minuten oder ein kompletter Workshop: Sie entscheiden. Wählen Sie den Termin direkt im Kalender, die Bestätigung folgt sofort.

Paul Lazniak

Gründer von HEXART