Agent AI dla przewoźnika – jak wdrożyliśmy AI u LUZ?

LUZ od lat korzysta z naszego wsparcia i doradztwa. Tym razem szukaliśmy sposobu, aby AI odciążyło biuro obsługi klienta w prostych, powtarzalnych sprawach i jednocześnie ułatwiło pasażerom korzystanie z usług przewoźnika.


Tysiące pasażerów i ciągle podobne pytania

LUZ jako lokalny przewoźnik obsługuje tysiące uczniów oraz osób dojeżdżających do szkół, pracy i instytucji w Opolu z różnych części województwa.

Duża część pytań kierowanych do biura obsługi klienta dotyczy podobnych spraw: rozkładów jazdy, ich aktualności czy znalezienia odpowiedniego połączenia.

Informacje są dostępne na stronie, ale przy obszernych rozkładach nie każdy pasażer potrafi szybko znaleźć to, czego potrzebuje. Zamiast po raz kolejny angażować pracownika do sprawdzania godziny odjazdu, można pozwolić użytkownikowi po prostu o nią zapytać.

Właśnie od tego zaczęliśmy projektowanie rozwiązania.

Agent zna rozkłady, cenniki i pomaga znaleźć przejazd

Początkowo agent miał być przede wszystkim zaawansowanym czatem na stronie LUZ. Zbudowaliśmy go jednak szerzej.

Agent korzysta z bazy wiedzy RAG oraz informacji, które przekazuje mu przewoźnik. Model językowy oparty na ChatGPT został wyposażony w wiedzę o rozkładach jazdy, cennikach, zasadach wyznaczania tras i proponowania przejazdów.

Pasażer nie musi więc przeglądać kolejnych tabel i zastanawiać się, który rozkład go dotyczy. Może opisać, skąd i dokąd chce dojechać, a agent pomaga mu znaleźć właściwą informację.

To był dla nas podstawowy cel tego wdrożenia: wykorzystać dane, które LUZ już posiada, ale podać je użytkownikowi w znacznie prostszej formie.

Od pytania o autobus do wynajmu całego pojazdu

W trakcie prac zauważyliśmy, że agent może pomóc również w innym obszarze działalności LUZ – wynajmie autobusów i innych pojazdów.

Na stronie działa rozbudowany formularz zamówienia. Jego wypełnienie potrafi sprawiać klientom problem, szczególnie gdy nie wiedzą, jaki pojazd będzie odpowiedni i jakie informacje należy podać.

Tutaj AI może pełnić rolę pomocnika.

Przykład? Administracja szkoły podstawowej planuje wyjazd uczniów. Wystarczy podać, ile osób trzeba przewieźć, skąd mają wyjechać i dokąd jadą. Agent może pomóc dobrać odpowiedni pojazd i podpowiedzieć, jak prawidłowo wypełnić formularz wynajmu autobusu z kierowcą.

Nie zastępuje pracownika i nie zastępuje samego formularza. Pomaga klientowi przejść przez proces bez zgadywania, co powinien wpisać.

Proste? Właśnie o takie zastosowania AI nam chodzi.

Mniej powtarzalnej pracy, więcej pomocy dla pasażera

Nie wdrażaliśmy AI po to, żeby zastępować pracowników biura obsługi LUZ.

Jeżeli jednak agent może odpowiedzieć na pytanie o rozkład, pomóc znaleźć przejazd albo przeprowadzić klienta przez formularz, pracownik nie musi po raz kolejny wykonywać tej samej prostej czynności.

Może zająć się sprawami, które faktycznie wymagają jego wiedzy i decyzji.

Zyskuje też użytkownik. Zamiast analizować rozkłady albo dzwonić do biura, może spróbować rozwiązać swoją sprawę bezpośrednio na stronie.

Agent został już wdrożony, ale jego konstrukcja pozwala na dalszy rozwój. LUZ planuje kolejne rozszerzenia jego możliwości.

I to dobrze pokazuje sposób, w jaki sami patrzymy na agentów AI dla stron internetowych. Nie trzeba od razu budować rozwiązania, które robi wszystko. Lepiej znaleźć konkretne czynności, które zabierają czas pracownikom lub sprawiają problem użytkownikom, i właśnie od nich zacząć.

Wdrożenie jest początkiem, a nie końcem

Agent został wdrożony w serwisie LUZ, ale zaprojektowaliśmy go w taki sposób, żeby można było dalej rozwijać jego wiedzę i możliwości.

Przewoźnik już planuje kolejne etapy rozwoju rozwiązania.

I to jest dla nas jeden z ważniejszych wniosków z tego projektu. Nie trzeba od razu próbować automatyzować wszystkiego.

Można zacząć od dobrze określonego problemu - w tym przypadku powtarzalnych pytań pasażerów - a następnie rozwijać agenta o kolejne zadania tam, gdzie rzeczywiście przynosi to wartość użytkownikom i organizacji.