Agentforce w contact center: lekcja wdrożenia PenFed

1,6 mln USD rocznych oszczędności, 10% krótszy czas obsługi połączeń, 50% mniej pracy po rozmowie i 40% mniej połączeń na holdzie – taki efekt wdrożenia Agentforce w contact center pokazuje, że AI w service zaczyna być rozliczane z operacji, a nie z demo (CX Today).

Dla zespołów Salesforce to ważny sygnał, bo sukces nie wynika tu z samego uruchomienia asystenta AI. Kluczowe okazało się połączenie wsparcia w czasie rzeczywistym, kontroli człowieka nad zapisem oraz pracy na jednej platformie obejmującej call center, mobile, web i oddziały. To właśnie ten zestaw decyduje, czy Agentforce poprawia kolejny kontakt z klientem, czy tylko skraca pojedynczą rozmowę.

Agentforce daje wartość tam, gdzie usuwa tarcie po rozmowie

Wdrożenie w PenFed nie koncentruje się na pełnej automatyzacji rozmowy, ale na odciążeniu konsultanta z czynności, które zabierają czas po jej zakończeniu. Narzędzie nazwane Agent Wingman słucha rozmowy, tworzy transkrypcję w czasie rzeczywistym, a następnie przygotowuje treść do zapisania w rekordzie klienta. Konsultant pozostaje w centrum procesu – zatwierdza zawartość, zanim trafi ona do oficjalnego rekordu.

To istotny wzorzec dla organizacji z sektora regulowanego. W finansach problemem nie jest samo wygenerowanie podsumowania, ale to, czy zapis będzie zgodny z wymaganiami, tonem komunikacji i standardem compliance. Punkt zatwierdzenia przez człowieka ogranicza ryzyko, a jednocześnie skraca najbardziej nielubianą część pracy agenta – dokumentowanie kontaktu i uzupełnianie kontekstu dla kolejnej interakcji.

Z perspektywy admina lub architekta oznacza to, że wdrożenie Agentforce w voice nie powinno zaczynać się od pytania, jak dużo automatyzacji da się uruchomić. Lepiej zacząć od pytania, gdzie dokładnie powstaje tarcie operacyjne: w transkrypcji, podsumowaniu, aktualizacji rekordu czy przekazaniu sprawy dalej. Taki sposób myślenia dobrze uzupełnia analiza luki między pokazem produktu a produkcją opisana w materiale o różnicy między demo Agentforce a realnym wdrożeniem.

Jeśli celem jest realna poprawa service, metryki powinny obejmować nie tylko AHT, ale też after-call work, liczbę połączeń wstrzymanych oraz jakość rekordu po kontakcie. PenFed pokazuje, że największy efekt może pojawić się nie w samej rozmowie, lecz w pracy wokół rozmowy.

Bez wspólnego rekordu klienta transkrypcja niewiele zmienia

Drugi element tego modelu to konsolidacja platformy. PenFed zredukował krajobraz technologiczny z około 400 platform do 12 strategicznych partnerów i prowadzi call center, aplikację mobilną, stronę internetową oraz operacje oddziałowe na Salesforce. W praktyce oznacza to, że zatwierdzone podsumowanie rozmowy nie zostaje w osobnym narzędziu, ale trafia do systemu, z którego korzysta kolejny kanał kontaktu.

To ważniejszy wniosek niż sama liczba partnerów. Agentforce generuje wartość dopiero wtedy, gdy aktualizacja 360 stopni staje się operacyjna. Jeśli voice działa na osobnym stacku, web na innym, a oddziały widzą tylko fragment danych, nawet dobre podsumowanie rozmowy nie poprawi ciągłości obsługi. W takim układzie AI produkuje treść, której organizacja nie potrafi wykorzystać.

Dla polskich zespołów Salesforce to praktyczna lekcja architektoniczna. Przed wdrożeniem asysty AI w service warto sprawdzić trzy rzeczy: gdzie jest system rekordu, kto konsumuje dane po rozmowie i czy kolejne kanały rzeczywiście odczytają zatwierdzony kontekst. Podobny motyw pojawia się w analizie wdrożenia na lotnisku Heathrow, gdzie Agentforce w service został powiązany z konkretnymi zmianami operacyjnymi, a nie tylko z warstwą konwersacyjną.

Warto też zauważyć, że ograniczenie liczby partnerów zostało tu potraktowane jako warunek szybkości i bezpieczeństwa. Każdy dodatkowy silos technologiczny spowalnia zmiany, komplikuje governance i utrudnia wykorzystanie danych w kolejnym kontakcie. Dla decision makerów to argument, by oceniać projekty AI razem z porządkowaniem stacku, a nie jako osobny eksperyment.

Model dla finansów: człowiek zatwierdza, AI skaluje, platforma spina całość

PenFed deklaruje, że działa już z 76 agentami AI w operacjach, hipotekach, IT i HR. Jednocześnie cel nie został ustawiony jako redukcja zatrudnienia, lecz jako obsługa większego wolumenu przy zachowaniu koncentracji pracowników na relacji z klientem. To dość trzeźwy model wdrożenia agentowego AI – automatyzować to, co powtarzalne i obciążające, ale nie usuwać człowieka z punktów odpowiedzialności.

Dla konsultantów i liderów service z tego przykładu wynikają trzy zasady. Po pierwsze, wybieraj use case z mierzalnym bólem operacyjnym. Po drugie, projektuj kontrolę człowieka tam, gdzie zapis trafia do rekordu klienta. Po trzecie, traktuj platform discipline jako część wdrożenia AI, bo bez niej nawet najlepsza transkrypcja nie poprawi kolejnej interakcji.

Ten kierunek dobrze łączy się też z szerszym trendem rozpoznawania mowy i uzupełniania CRM głosem. W praktyce nie chodzi jednak wyłącznie o speech-to-text, ale o to, czy organizacja potrafi zamienić rozmowę w użyteczny, zatwierdzony kontekst dla następnego pracownika. Ten aspekt rozwijamy również w materiale o AI voice recognition w Salesforce i ograniczaniu ręcznego wpisywania.

Najciekawszy wniosek jest prosty: dojrzałość wdrożenia Agentforce nie wynika z liczby agentów AI, ale z jakości rekordu po każdej interakcji. Jeśli następny konsultant, kanał cyfrowy lub oddział może zacząć pracę z pełnym kontekstem, AI zaczyna wzmacniać service. Jeśli nie, organizacja kupuje szybkość w jednym miejscu kosztem chaosu w całym procesie.

PenFed pokazuje więc model szczególnie istotny dla branż regulowanych: AI może działać szybko, ale nie może omijać kontroli i architektury danych. Dla zespołów Salesforce pytanie nie brzmi już, czy wdrażać Agentforce w contact center, tylko czy rekord klienta i model operacyjny są gotowe, by taki ruch miał sens. Czy w Twoim orgu największym ograniczeniem jest dziś sama technologia AI, czy raczej rozproszony system rekordu i zbyt wiele narzędzi wokół service?