Skaliranje helpdeska s AI predkvalifikacijom kod Reifen24

Početna situacija

Reifen24 je marka tvrtke Goodwheel GmbH — online trgovina gumama s B2C i B2B poslovanjem, klasični sezonski posao s ogromnim vrhuncima u proljeće i jesen, kad cijelo njemačko tržište istovremeno mijenja na ljetne odnosno zimske gume. U tim tjednima volumen tiketa može skočiti za faktor pet do deset.

Kad smo započeli s Reifen24, podrška je tekla preko zajedničkog poštanskog sandučića — nekoliko ljudi radilo je paralelno, redoslijed je bio pragmatičan („tko prvi vidi”), a u vrhuncima su vremena odgovora ponekad bila u dvoznamenkastim satima. Eskalacije su se rješavale usmeno, statistike nije bilo. Direktor je znao da se to ne može skalirati — ali zapošljavanje novih ljudi koji su potrebni samo u dva sezonska vrhunca godišnje ekonomski nema smisla.

Pitanje stoga nije bilo „kako proširiti tim?”, nego „kako učiniti da postojeći tim svlada volumen?”. Odgovor je AI — ali ne kao zamjena za čovjeka, nego kao pripremni sloj.

Discovery & arhitektura

Discovery je brzo pokazao da glavnina tiketa pada u četiri kategorije: status dostave (gdje je moja narudžba?), reklamacija (kriva guma dostavljena / oštećena), savjetovanje (koje gume odgovaraju mom autu?) i pitanja o računima/plaćanjima. Od toga su prve tri u preko 70 % slučajeva standardni upiti s vrlo ponavljajućom strukturom odgovora.

To je idealan obrazac za AI predkvalifikaciju: dolazni tiket → klasifikacija → usmjeravanje pravoj osobi → AI predlaže standardni odgovor → čovjek provjerava + šalje. Tim dobiva vrijeme ne tako što AI odgovara na tiket, nego tako što tiket dolazi već klasificiran i nacrt odgovora je spreman.

Namjerno smo se odlučili protiv potpune automatizacije. U trgovini gumama odgovorni ste za pogrešan savjet — ako AI preporuči gumu koja ne odgovara, to je stvarni problem. Čovjek ostaje u petlji i time odgovoran, ali prvi dio posla više ne radi sam.

Implementacija

Faza 1 bila je izgradnja helpdeska: definiranje kategorija, postavljanje pravila usmjeravanja, definiranje SLA-ova po kategoriji, izgradnja logike eskalacije. Tim smo intenzivno educirali dva tjedna — danas svatko zna koji tiketi pripadaju njegovom području i kad eskalirati. Statistika otad teče automatski: po kategoriji, po djelatniku, po razdoblju.

Faza 2 bila je AI klasifikacija. Krenuli smo s modelom na EU rezidenciji podataka koji se u prva dva tjedna izoštravao s pravim tiketima. Nakon tog tuninga klasifikacijska točnost bila je nešto iznad 90 % — dovoljno dobro za produktivni rad.

Faza 3 bili su prijedlozi odgovora. Za svaku od četiri glavne kategorije s timom Reifen24 izradili smo predloške odgovora koji pokrivaju tipične standardne odgovore — s jasnim mjestima za varijable (broj narudžbe, datum dostave, model gume). AI puni te predloške iz podataka tiketa, čovjek provjerava varijable i šalje.

GDPR-strana setupa je čista: osobni podaci pseudonimiziraju se prije klasifikacije, ugovor o obradi podataka s pružateljem AI-a dio je paketa, EU rezidencija podataka je obavezna. Službenik za zaštitu podataka Reifen24 odobrio je izgradnju prije nego smo prešli u produkciju.

Rezultat

Danas Reifen24 skalira podršku bez rasta tima. U prvom sezonskom vrhuncu nakon go-livea vremena odgovora bila su oko 60 % kraća nego prethodne godine — pri usporedivom volumenu tiketa i nepromijenjenom osoblju. Standardni upiti dobivaju predkvalificirane odgovore, tim se koncentrira na slučajeve savjetovanja i reklamacija gdje je čovjek-na-čovjek stvarno potreban. Statistika direktoru mjesečno daje jasne podatke — koje kategorije rastu, gdje vremena odgovora kreću, gdje treba dodatna edukacija.

Što nam je u ovom slučaju bilo važno: AI ovdje nije marketinški pojam, nego konkretna poluga. Ne radi posao — čini posao pripremivim. To je vrsta automatizacije koja u srednjem poslovanju zaista funkcionira.