Chatbot AI vs tradycyjny: czym się różnią? i kiedy prostszy wygrywa
Chatbot regułowy chodzi po drzewku decyzyjnym: przewidziane pytanie, przewidziana odpowiedź. Chatbot na modelu językowym rozumie pytanie zadane własnymi słowami, ale potrafi odpowiedzieć nieprawdę. Poniżej siedem różnic w tabeli, układ mieszany łączący oba podejścia, lista sytuacji, w których model jest gorszym wyborem, i wskaźniki, po których poznasz, czy wdrożenie działa.
- 7 różnictyle kryteriów rozstrzyga wybór: rozumienie pytania spoza scenariusza, koszt uruchomienia, koszt utrzymania, przewidywalność, aktualizacja wiedzy, ryzyko błędnej odpowiedzi i przekazanie do człowieka
- 5 do 10 sekundtyle zajmuje BOND-owi, naszemu firmowemu agentowi AI, odpowiedź na pytanie z danych firmy
- 0,02 do 0,30 złkoszt jednego zapytania do modelu językowego, płacony dostawcy modelu bezpośrednio, poza naszą fakturą
- 2 sierpnia 2026od tego dnia stosuje się art. 50 rozporządzenia 2024/1689: rozmówca ma wiedzieć, że pisze do systemu AI
Krótka odpowiedź
Czym chatbot AI różni się od tradycyjnego i który wybrać?
Tradycyjny chatbot to drzewko decyzyjne: ktoś z góry wypisał pytania, przyciski i odpowiedzi. Poza tym drzewkiem nie ma nic, więc pytanie sformułowane inaczej kończy się komunikatem o niezrozumieniu albo powrotem do menu. Chatbot na modelu językowym rozpoznaje intencję zdania, którego nikt nie przewidział, i składa odpowiedź z bazy wiedzy, którą mu dałeś.
Wybór rozstrzyga szerokość procesu, nie moda. Wypisz tematy z ostatnich dwustu zgłoszeń. Jeśli mieszczą się w kilkunastu powtarzalnych sprawach typu status zamówienia, godziny otwarcia albo umówienie terminu, chatbot regułowy wyjdzie taniej, odpowie szybciej i nie pomyli się. Jeśli lista tematów się nie domyka, a ludzie piszą pełnymi zdaniami, drzewko będzie rosło bez końca i wtedy model ma sens.
Jest też trzecia droga, w praktyce u nas najczęstsza: model rozpoznaje, o co chodzi, a treść odpowiedzi leci ze sztywnego scenariusza albo z bazy wiedzy firmy. Dostajesz rozumienie pytania bez ryzyka, że chatbot wymyśli warunki gwarancji.
Czym różni się chatbot regułowy od chatbota na modelu językowym?
Różnica nie leży w tym, który jest nowocześniejszy, tylko w tym, skąd bierze się odpowiedź. W chatbocie regułowym odpowiedź napisał człowiek, a chatbot ją odtwarza. W chatbocie na modelu odpowiedź powstaje przy każdym pytaniu od nowa, z tego, co model dostał w bazie wiedzy i w dotychczasowej rozmowie.
Z tego jednego rozróżnienia wynika cała reszta: koszt, przewidywalność, sposób aktualizacji i rodzaj ryzyka, jaki bierzesz na siebie.
| Kryterium | Chatbot regułowy | Chatbot na modelu językowym |
|---|---|---|
| Pytanie zadane inaczej niż w scenariuszu | kończy się komunikatem o niezrozumieniu albo powrotem do menu | rozpoznaje intencję mimo literówek, skrótów i innego słownictwa |
| Koszt uruchomienia | rośnie z liczbą gałęzi: każdy nowy temat to nowa ścieżka do napisania i przetestowania | rośnie z liczbą integracji i stanem bazy wiedzy, nie z liczbą tematów |
| Koszt utrzymania | godziny na przeklikanie scenariuszy po każdej zmianie oferty lub procedury | od 0,02 do 0,30 zł za zapytanie do modelu plus praca nad bazą wiedzy |
| Przewidywalność odpowiedzi | pełna, treść jest zawsze co do słowa ta sama | odpowiedź składa się od nowa, więc brzmi za każdym razem trochę inaczej |
| Aktualizacja wiedzy | zmiana w drzewku, zwykle po stronie dostawcy albo administratora | podmiana dokumentu w bazie wiedzy, bez ruszania logiki rozmowy |
| Ryzyko odpowiedzi nieprawdziwej | praktycznie zerowe, chatbot nie umie wyjść poza napisane zdania | realne; ograniczasz je odpowiadaniem wyłącznie ze źródeł i pokazywaniem źródła |
| Przekazanie do człowieka | z góry wpisane w gałąź scenariusza | wyzwalane niską pewnością klasyfikacji albo brakiem pokrycia w bazie |
Kolumny opisują typowe wdrożenie, nie konkretny produkt. Dostawcy mieszają oba światy po swojemu, więc pytaj o mechanizm powstawania odpowiedzi, nie o nazwę technologii.
Kiedy nie warto brać modelu językowego?
Chatbot regułowy nie jest przestarzały. Przy wąskim, powtarzalnym procesie jest po prostu lepszym narzędziem: kosztuje mniej, odpowiada zawsze tak samo i nie ma z czego zmyślać. Model językowy dokłada w takim miejscu koszt zapytań, ryzyko błędnej odpowiedzi i pracę nad bazą wiedzy, której nikt wcześniej nie potrzebował.
Poniżej sytuacje, w których odradzamy model, nawet gdy klient przychodzi z prośbą o „AI”.
- Proces ma kilkanaście ścieżek albo mniej i wszystkie umiesz wypisać z pamięci
- Odpowiedź musi brzmieć co do słowa tak samo, bo ma skutek prawny albo finansowy
- Chatbot ma odczytać jedną wartość z systemu, na przykład status przesyłki po numerze zamówienia
- Nie masz uporządkowanej bazy wiedzy i nie planujesz jej porządkować
- Rozmowa i tak kończy się formularzem, więc potrzebujesz krótkiej ścieżki, nie dialogu
- Wolumen jest tak mały, że każdą sprawę i tak przeczyta człowiek
Układ mieszany: model rozpoznaje intencję, treść idzie ze scenariusza
To wariant, który wdrażamy najczęściej, bo zdejmuje główną wadę obu podejść. Model dostaje jedno zadanie: zrozumieć, o co pyta człowiek, i przypisać sprawę do jednej z Twoich kategorii. Odpowiedź nie powstaje w modelu, tylko jest pobierana z gotowego scenariusza albo z dokumentu firmy, ze wskazaniem źródła.
Pytanie zadane własnymi słowami trafia więc we właściwą ścieżkę, a treść odpowiedzi zostaje pod Twoją kontrolą. Kiedy model nie jest pewien kategorii, sprawa idzie do człowieka zamiast do zgadywania. Tym samym mechanizmem działa agent AI, z tą różnicą, że agent jeszcze wykonuje działania w systemach; definicję rozpisujemy w poradniku Co to jest agent AI.
- Model klasyfikuje zgłoszenie, nie pisze odpowiedzi z pamięci
- Treść pochodzi ze scenariusza albo z dokumentu, a chatbot pokazuje, z którego
- Niska pewność klasyfikacji to reguła przekazania do człowieka, nie prośba o doprecyzowanie w kółko
- Zmiana odpowiedzi to edycja jednego dokumentu, a nie przebudowa drzewka
Co decyduje o jakości odpowiedzi? Baza wiedzy, nie model
Model wybierasz raz, a różnice między czołowymi modelami rzadko przesądzają o wyniku. O tym, czy chatbot odpowiada dobrze, decyduje to, co ma do czytania. Jeśli regulamin ma trzy wersje, a procedura zwrotów żyje w skrzynce jednej osoby, żaden model tego nie naprawi.
Baza wiedzy to nie folder z plikami. To zbiór dokumentów, przy których wiadomo, który jest aktualny, kto go zatwierdził i kiedy był ostatnio sprawdzony. Ta praca jest nudna i jest jedyną, która realnie podnosi jakość odpowiedzi.
Osobna sprawa to ryzyko, że model poda coś, czego w dokumentach nie ma. Ograniczasz je odpowiadaniem wyłącznie ze źródeł i pokazywaniem źródła przy każdej odpowiedzi; sposoby opisujemy w poradniku Halucynacje AI: jak ich unikać.
- Jedna wersja każdego dokumentu, z datą aktualizacji i osobą odpowiedzialną
- Treści sprzeczne ze sobą rozstrzygnięte przed wdrożeniem, nie po pierwszej skardze
- Chatbot odpowiada z dokumentów firmy, a nie z wiedzy ogólnej modelu
- Każda odpowiedź wskazuje dokument, z którego pochodzi
- Pytania bez pokrycia w bazie idą do człowieka i wracają jako nowy wpis
Jak zmierzyć, czy chatbot działa?
Liczba rozmów niczego nie mówi. Chatbot, który odpowiedział tysiąc razy i tysiąc razy zirytował człowieka, w takim raporcie wygląda jak sukces. Mierz sprawy domknięte, czas i eskalacje, i rób to od pierwszego dnia, bo bez punktu odniesienia po kwartale nie będzie z czym porównać.
Wskaźniki odczytujemy po 30 i po 90 dniach, zawsze te same, które spisano przed startem.
| Wskaźnik | Jak liczyć | Kiedy odczytać |
|---|---|---|
| Sprawy domknięte bez człowieka | rozmowy zakończone odpowiedzią, po których w ciągu 48 godzin nie powstało zgłoszenie w tym samym temacie | po 30 i po 90 dniach |
| Czas do pierwszej odpowiedzi | od wysłania pytania do pierwszej treści, liczony osobno dla chatbota i dla konsultanta | co tydzień |
| Sprawy eskalowane | udział rozmów przekazanych człowiekowi, zawsze z powodem przekazania | co tydzień, razem z listą powodów |
| Odpowiedzi bez pokrycia w bazie | liczba odpowiedzi, przy których chatbot nie wskazał źródła | codziennie przez pierwszy tydzień |
| Powtórzone pytanie | ile razy ten sam człowiek pyta o to samo w jednej rozmowie | po 30 dniach |
Czas do pierwszej odpowiedzi poprawia się najłatwiej i najszybciej rośnie w oczach zarządu, więc pilnuj, żeby nie przykrył pozostałych. Sam czas reakcji bez domkniętych spraw to tylko szybsza droga do tego samego konsultanta.
Jak wdrożyć chatbota i nie wpaść w najczęstszą pułapkę?
Pułapka jest zawsze ta sama: chatbot postawiony na nieuprzątniętych treściach. Strona ma nieaktualny cennik, w bazie leżą dwie wersje regulaminu, a procedura reklamacji istnieje wyłącznie w głowie jednej osoby. Chatbot powtórzy to wiernie, tylko szybciej i w większej liczbie rozmów.
Dlatego kolejność jest odwrotna niż w większości ofert: najpierw proces i treści, potem narzędzie. Sam proces obsługi rozpisujemy osobno, w poradniku Automatyzacja obsługi klienta.
Jedna rzecz jest już obowiązkiem, nie dobrą praktyką. Art. 50 rozporządzenia 2024/1689 wymaga, żeby człowiek wchodzący w interakcję z systemem AI był o tym poinformowany. Przepis stosuje się od 2 sierpnia 2026, więc informacja musi być widoczna w oknie czatu, a nie schowana w regulaminie.
Lista tematów
Wypisz tematy z ostatnich dwustu zgłoszeń i policz, ile z nich wraca częściej niż raz w tygodniu. To jest zakres pierwszej wersji, reszta na razie idzie do człowieka.
Porządki w treściach
Dla każdego tematu jeden aktualny dokument, z datą i osobą odpowiedzialną. Sprzeczne wersje rozstrzygnięte teraz, nie po pierwszej reklamacji.
Wybór układu
Wąski i powtarzalny zakres to scenariusz regułowy. Szeroki i nieprzewidywalny to model. Pomiędzy: klasyfikacja modelem, treść ze scenariusza.
Pilot na prawdziwych danych
Uruchamiamy na wycinku ruchu i czytamy rozmowy ręcznie. Każda zła odpowiedź to poprawka w bazie wiedzy albo nowa reguła przekazania do człowieka.
Produkcja i pomiar
Wejście na cały ruch, wskaźniki spisane przed startem, odczyt po 30 i po 90 dniach. Bez tego nie da się stwierdzić, czy chatbot cokolwiek zdjął z zespołu.
Najczęstsze błędy
Sześć błędów, przez które chatbot pogarsza obsługę
Chatbot postawiony na nieuprzątniętych treściach
Powtarza nieaktualny cennik i starą procedurę w każdej rozmowie. Zamiast zdjąć pracę z zespołu, dokłada mu prostowanie odpowiedzi po sobie.
Model wzięty do procesu, który ma pięć ścieżek
Płacisz za zapytania i za bazę wiedzy, a dostajesz mniej przewidywalną wersję tego, co drzewko robiło pewniej i taniej.
Brak reguły przekazania do człowieka
Chatbot w kółko prosi o doprecyzowanie, a człowiek po trzeciej próbie wychodzi i pisze maila. Zgłoszenie i tak trafia do zespołu, tylko z gorszym nastawieniem.
Wybór dostawcy po nazwie technologii, nie po mechanizmie odpowiedzi
Kupujesz „AI”, dostajesz drzewko z generatorem parafraz albo model odpowiadający z wiedzy ogólnej. Dowiadujesz się o tym przy pierwszej skardze klienta.
Raport z liczby rozmów zamiast z domkniętych spraw
Wskaźnik rośnie, a kolejka do konsultantów stoi w miejscu. Po kwartale nikt nie umie powiedzieć, czy wdrożenie się opłaciło.
Brak informacji, że po drugiej stronie jest system AI
Rozmówca zwykle i tak się domyśla, a od 2 sierpnia 2026 to obowiązek z art. 50 rozporządzenia 2024/1689, nie kwestia stylu.
Lista kontrolna
Lista kontrolna przed wyborem chatbota
Jeśli któryś punkt jest na „nie”, wybór technologii jest jeszcze przedwczesny.
- Tematy z ostatnich dwustu zgłoszeń wypisane i policzone według częstości
- Dla każdego tematu jeden aktualny dokument, z datą i osobą odpowiedzialną
- Sprzeczności między dokumentami rozstrzygnięte przed uruchomieniem
- Wiadomo, skąd bierze się treść odpowiedzi: scenariusz, dokument czy model
- Reguła przekazania do człowieka spisana razem z powodami przekazania
- Trzy wskaźniki i sposób ich odczytu ustalone przed startem
- Informacja o rozmowie z systemem AI widoczna w oknie czatu
- Koszt zapytań policzony przy Twoim wolumenie, od 0,02 do 0,30 zł za zapytanie
Źródła
Źródła
- Rozporządzenie (UE) 2024/1689 (AI Act), art. 50: obowiązek poinformowania człowieka, że wchodzi w interakcję z systemem AI; przepis stosowany od 2 sierpnia 2026
- Oldroyd, McElheran, Elkington, „The Short Life of Online Sales Leads”, Harvard Business Review, 2011 (dlaczego czas do pierwszej odpowiedzi ma znaczenie)
- Dokumentacja n8n: budowa przepływu, który klasyfikuje zgłoszenie i przekazuje je do człowieka
- JustAutomate, AI dla firm: nasze wdrożenia z metodą pomiaru i zastrzeżeniami
Sprawdźmy, czy model jest Ci w ogóle potrzebny
Najpierw proces. Potem narzędzia.
Na bezpłatnej konsultacji (30 minut) przechodzimy przez Twoje zgłoszenia i mówimy wprost, czy wystarczy scenariusz, czy potrzebny jest model. Warsztat procesowy kosztuje 2500 zł netto za tydzień i kończy się listą tematów, uporządkowaną bazą wiedzy i planem na 30 dni, który możesz zrealizować bez nas. Wdrożenie wyceniamy dopiero po warsztacie.
Umów bezpłatną konsultacjęNajczęstsze pytania
Czym chatbot AI różni się od tradycyjnego?
Tradycyjny chodzi po drzewku decyzyjnym napisanym przez człowieka i poza nim nie ma nic do powiedzenia. Chatbot na modelu językowym rozpoznaje intencję pytania zadanego własnymi słowami i składa odpowiedź z bazy wiedzy. Z tej jednej różnicy wynika koszt, przewidywalność i rodzaj ryzyka.
Czy chatbot regułowy jest już przestarzały?
Nie. Przy wąskim, powtarzalnym procesie typu status zamówienia, godziny otwarcia albo umówienie terminu wychodzi taniej, odpowiada szybciej i się nie myli, bo odpowiedzi napisał człowiek. Model dokłada tam koszt zapytań i ryzyko błędnej odpowiedzi bez korzyści.
Ile kosztuje chatbot na modelu językowym?
Wdrożenie wyceniamy po warsztacie procesowym, bo cena zależy od liczby integracji i stanu bazy wiedzy. Warsztat kosztuje 2500 zł netto za tydzień. Do tego dochodzi bieżący koszt zapytań do modelu, od 0,02 do 0,30 zł za zapytanie, płacony dostawcy modelu bezpośrednio.
Czy chatbot AI może odpowiedzieć nieprawdę?
Może. Ograniczasz to tak, że chatbot odpowiada wyłącznie z Twoich dokumentów, przy każdej odpowiedzi wskazuje źródło, a pytania bez pokrycia w bazie idą do człowieka. To nie zbija ryzyka do zera, więc sprawy o skutkach prawnych albo finansowych zostawiamy w sztywnym scenariuszu.
Co to jest układ mieszany?
Model rozpoznaje, o co pyta człowiek, i przypisuje sprawę do jednej z Twoich kategorii, a treść odpowiedzi pochodzi ze sztywnego scenariusza albo z dokumentu firmy. Dostajesz rozumienie pytania bez ryzyka, że chatbot wymyśli warunki gwarancji. To najczęstszy układ w naszych wdrożeniach.
Jak zmierzyć skuteczność chatbota?
Trzema wskaźnikami: odsetkiem spraw domkniętych bez człowieka, czasem do pierwszej odpowiedzi i liczbą spraw eskalowanych razem z powodem eskalacji. Wskaźniki spisz przed startem i odczytaj po 30 i po 90 dniach. Sama liczba rozmów nie mówi nic o jakości obsługi.
Czy trzeba informować, że po drugiej stronie jest system AI?
Tak. Art. 50 rozporządzenia 2024/1689 wymaga, żeby osoba wchodząca w interakcję z systemem AI była o tym poinformowana, chyba że jest to oczywiste. Przepis stosuje się od 2 sierpnia 2026. W praktyce wystarczy jedno zdanie widoczne w oknie czatu, zanim padnie pierwsze pytanie.
Od czego zacząć, jeśli nie wiem, czego potrzebuję?
Od listy tematów z ostatnich dwustu zgłoszeń i sprawdzenia, ile z nich wraca częściej niż raz w tygodniu. Ta lista rozstrzyga wybór szybciej niż jakakolwiek prezentacja dostawcy. Na bezpłatnej konsultacji (30 minut) przechodzimy przez nią razem i mówimy, co z tego wynika.