.png?width=300&name=slika%20(6).png)
Večina projektov glasovne umetne inteligence ne propade zaradi tehnologije. Propade pri Projekti s glasovnim AI-jem rijetko propadaju zato što tehnologija ne radi. Propadaju puno ranije, najčešće na prvom ozbiljnom sastanku, kad uprava postavi prvo „poslovno” pitanje.
Prije nekoliko tjedana bio sam kod klijenta na sastanku o uvođenju glasovnog agenta u korisničku podršku. Za stolom su bili financijski direktor, voditelj podrške i dvoje ljudi iz IT-a. Prvih pola sata razgovor je išao točno u dobrom smjeru: koje pozive agent može preuzeti, na koje se sustave mora spojiti, gdje se poziv može riješiti bez čovjeka, kada ga treba prebaciti čovjeku, gdje je rizik, a gdje stvarna poslovna korist. Onda se financijski direktor nagnuo prema stolu i pitao: „Recite mi otvoreno, Igore - koliko ljudi u kontaktnom centru možemo s ovim zamijeniti?” Pitanje je bilo pošteno. I očekivano. Svaka uprava gleda trošak, kapacitet i produktivnost. Problem je u tome što je to krivo prvo pitanje. Ne zato što je štednja prljava riječ, nego zato što vas takav početak gotovo uvijek odvede prema lošijoj usluzi.
Krenete li od toga koliko ljudi možete izbaciti iz procesa, vrlo vjerojatno ćete napraviti jeftiniju podršku. Možda će brojke u Excelu izgledati sjajno. Ali korisnik će vrlo brzo osjetiti je li glasovni agent postavljen da mu pomogne ili da ga što dulje drži podalje od osobe koja može riješiti problem. A u korisničkoj podršci svaka prepreka skupo košta.
Korisnik ne vidi vašu računicu. Ali je osjeti.
Budimo iskreni oko nečega što se na sastancima uprave rijetko kaže naglas. Većina AI projekata u korisničkoj podršci ne počinje kao projekt boljeg iskustva. Počinje kao projekt smanjenja troškova. Ne kreće se od pitanja „kako ćemo korisniku brže riješiti problem?”, nego od pitanja „koliko poziva možemo zadržati u automatizaciji?”. Ne pita se prvo gdje korisnik danas zapinje, nego koliko rada možemo maknuti s agenata.
Zato me pitanje financijskog direktora nije iznenadilo. To je realan pritisak pod kojim rade voditelji podrške: moraju obraditi više kontakata, s istim ili manjim brojem ljudi, uz sve veća očekivanja korisnika. Čak 91 % voditelja podrške navodi da ih uprava pritišće da uvedu AI. U tom kontekstu pitanje „koliko ljudi možemo zamijeniti?” nije iznimka. Ono je simptom. Samo što korisnika ta pozadina ne zanima. On nije vidio vašu prezentaciju za upravu, ne zna je li projekt pogurao IT, financije, operacije ili CX, niti zna kakav je poslovni slučaj odobren. Ali jako dobro osjeti trenutak u kojem bot nije tu zbog njega, nego zbog vas.
Tu mnogi projekti izgube povjerenje prije nego što tehnologija uopće dobije šansu. Prepoznavanje govora može biti dobro, integracije mogu raditi, odgovori mogu dolaziti brzo i sve može biti tehnički uredno. Ali ako korisnik osjeti da je bot tu da čuva vaš budžet umjesto da rješava njegov problem, iskustvo je već pokvareno. Klarna je dobar podsjetnik koliko je ova tema osjetljiva. U veljači 2024. objavili su da njihov AI asistent obavlja posao ekvivalentan radu 700 agenata. To je zvučalo impresivno. Godinu dana kasnije javno se pisalo o tome da Klarna ponovno ulaže u ljudsku podršku i želi korisnicima osigurati pristup čovjeku kada im je potreban. Tehnologija može preuzeti velik dio posla, ali složeniji slučajevi brzo pokažu gdje generički odgovori prestaju biti dovoljni. Drugim riječima, problem nije samo u tome što bot zna ili ne zna. Problem je i u tome s kojim ste ga očekivanjem uveli.
Ljudi ne mrze AI. Mrze kad ih nitko ne sluša.
Dugo sam mislio da ljudi ne vole botove zato što ne vole tehnologiju. Danas mi je to preplitko objašnjenje. Ljudi ne odbijaju AI zato što je AI. Odbijaju osjećaj da ih nitko zapravo ne sluša. Prije nekoliko tjedana zvao sam dostavnu službu. Bot mi je tri puta ponovio da „u jednoj rečenici opišem problem”. Nakon trećeg pokušaja više nisam opisivao problem. Samo sam rekao „agent” i čekao. Devet minuta. Tehnički, sustav me čuo. Samo nije znao što bi sa mnom. I tu počinje frustracija. Nitko nema problem s automatizacijom kad ona tiho riješi stvar. Rezervacija termina, potvrda dolaska, provjera statusa narudžbe, promjena vremena dostave - to su situacije u kojima je dobar automatizirani razgovor često brži i ugodniji od čekanja čovjeka. Korisnik tada ne razmišlja o budućnosti rada, o umjetnoj inteligenciji ni o „ljudskom dodiru”. Želi završiti posao i nastaviti dan.
Problem nastaje kad je situacija nejasna, hitna, emocionalna ili jednostavno ne stane u predviđeni scenarij. Objasnite što se dogodilo. Sustav vas traži da ponovite. Izbornik nema opciju koja odgovara vašem slučaju. Kažete „operater”. Pa još jednom. Pa još jednom. Kad napokon dobijete osobu, ona vas zamoli da sve objasnite ispočetka. U tom trenutku korisnik više ne ocjenjuje bota. Ocjenjuje tvrtku, i rijetko je velikodušan.
SurveyMonkeyjevo američko istraživanje pokazuje da 79 % potrošača u korisničkoj podršci snažno preferira čovjeka u odnosu na AI agenta. Isti izvor navodi da 81 % potrošača vjeruje kako tvrtke AI uvode prvenstveno radi smanjenja vlastitih troškova, a ne radi bolje usluge. YouGov je u Ujedinjenom Kraljevstvu pokazao da samo 1 % ljudi navodi chatbot kao omiljeni kanal podrške, iako ga 18 % koristi. Taj razmak između „koristim” i „želim koristiti” dosta dobro opisuje problem. Ljude često guramo u kanale koje sami ne bi izabrali. A opet, ovo nije priča o strahu od tehnologije.Istraživanje EY-ja iz 2026. pokazalo je da je 74 % britanske javnosti svjesno koristilo AI u svakodnevnom životu u posljednjih šest mjeseci. Drugim riječima, ista osoba koja navečer bez problema koristi AI alat može se ujutro iznervirati na botu svoje banke. Nije problem AI. Problem je loša usluga.
Lažna empatija ne spašava stvar. Samo je pogoršava.
Najbrži način da bot izgubi povjerenje jest da glumi empatiju koju nema. Korisnik kaže: „Moram hitno promijeniti let. Majka mi je u bolnici.” Loš bot prepozna „promijeniti let”, izbaci pravila o naknadama i doda: „Žao mi je zbog vaše situacije.” To nije empatija. To je pristojnost bez razumijevanja.
Korisniku ne treba stroj koji se pravi da mu je žao. Treba mu sustav koji dovoljno dobro razumije što treba napraviti. Ako može riješiti stvar, neka je riješi. Ako ne može, neka brzo i uredno prebaci razgovor čovjeku - zajedno sa svime što je korisnik već rekao. Tu se vidi razlika između dva potpuno različita projekta. Tvrtka koja pita „kako ćemo uštedjeti?” gradi bota koji smanjuje trošak interakcije. Tvrtka koja pita „kako ćemo korisniku brže riješiti problem?” gradi bota koji smanjuje trenje. Na PowerPointu to može izgledati gotovo isto. U stvarnom razgovoru razlika je ogromna.
Što nam je reklo 10.000 poziva
U FrodXu s glasovnim agentima radimo svaki dan. Kinetara je u travnju prvi put prešla 10.000 produkcijskih poziva kod dvanaest klijenata u šest industrija. To nisu bili demo razgovori ni uredno pripremljeni testovi. To su bili stvarni pozivi stvarnih ljudi: rezervacije, termini, promjene, pitanja, reklamacije, nervoza, zbunjenost i ponešto ljutnje.
Ljudi ne zovu korisničku podršku zato što im je dosadno. Zovu jer nešto treba riješiti. Zato produkcijski podaci brzo spuste stvari na zemlju. Pokažu gdje glasovni agent ima smisla, gdje zapinje i gdje se tvrtka zavarava vlastitom prezentacijom.
Prvo: povjerenje raste s vremenom
Tri stvari su posebno važne. Prvo, povjerenje se ne dobiva najavom projekta, nego iskustvom. U studenom 2025. godine 27 % pozivatelja prekinulo je poziv u prvih petnaest sekundi, čim su shvatili da razgovaraju sa strojem. Do travnja 2026. taj je udio pao na 8,5 %. To nije kozmetika. To je promjena ponašanja. Ljudi uče. Ako im bot jednom izgubi vrijeme, sljedeći put će ga kazniti. Ako im jednom, dvaput, triput riješi stvar, otpor počinje padati. Ne zato što su se zaljubili u botove, nego zato što su shvatili da dobar glasovni agent ne mora biti još jedan slijepi hodnik.
Drugo: bitan je ishod poziva, ne kanal
Drugo, korisnika puno manje zanima kanal nego ishod. Kada je glasovni agent ostvario cilj poziva, 76 % razgovora bilo je pozitivno. Kada cilj nije ostvaren, pozitivnih je bilo samo 50 %. Zvuči banalno, ali mnoge tvrtke se ponašaju kao da je problem u tome što se javio stroj. Nije. Problem je kad stroj korisnika zadržava, zbunjuje ili vrti u krug. Kod rezervacija i termina vidjeli smo uspješnost između 78 % i 90 %. Kod jednostavnih transakcija, u nekim slučajevima, i do 100 %. To je prirodan teren za glasovni AI: strukturirani, ponavljajući razgovori, jasna pravila i uredni podaci.
Treće: problem nije prebacivanje, nego loše prebacivanje
Treće, prebacivanje na čovjeka nije poraz. Loše prebacivanje jest. Neki menadžeri svako prebacivanje razgovora ljudskom agentu vide kao neuspjeh automatizacije. To je pogrešno. Prebacivanje je sasvim u redu ako se dogodi u pravom trenutku, iz pravog razloga i s pravim kontekstom. Neuspjeh je kad korisnik sve mora objašnjavati dvaput. To sam doživio s jednim osiguranjem. Prvo sam sve objasnio automatiziranom sustavu. Onda sam napokon dobio osobu. Onda sam morao krenuti ispočetka. U tom trenutku više me nije zanimalo imaju li moderan sustav. Zanimao me samo razlog zbog kojeg sam istu stvar morao ponoviti dvaput.
Ako korisnik glasovnom agentu kaže sve važne informacije, a ljudski agent zatim postavi ista pitanja, niste napravili hibridnu podršku. Napravili ste dva loša iskustva zaredom. Dobar prijenos razgovora mora djelovati kao nastavak, ne kao reset. Agent mora znati zašto korisnik zove, što je već rekao, što je sustav pokušao napraviti i gdje je zapelo. Bez toga, glasovni AI nije podrška. To je samo još jedan filter.
Glasovni agent nije jeftiniji čovjek
Najveća zabluda je ideja da je glasovni agent lošija, ali jeftinija verzija čovjeka. Nije. To je drugačija sposobnost, s drugačijim prednostima i drugačijim ograničenjima. Odličan je za jasno definirane, ponavljajuće zadatke: potvrdu termina, provjeru dostupnosti, promjenu osnovnih podataka, odgovore na standardna pitanja, status narudžbe, jednostavne zahtjeve i prikupljanje informacija izvan radnog vremena. Većina tvrtki ima više takvih poziva nego što uprava misli.
Ali glasovni AI ne radi svugdje. Ne radi kada je većina poziva složena i neponovljiva. Ne radi kada politika tvrtke traži razgovor s čovjekom. Ne radi u hitnim situacijama u kojima je i kratko kašnjenje problem. I definitivno ne radi kada tvrtka nema sređene podatke, procese i pravila odlučivanja. To je posebno važno u srednjoj i istočnoj Europi. Mnogim tvrtkama u našoj regiji ne nedostaje ambicije. Nedostaje im operativne jasnoće. Podaci o korisnicima žive u nekoliko sustava. Iznimke su u glavama zaposlenika. Procesi su se godinama krpali. Lokalne navike imaju veću snagu od službenih pravila. Privremena rješenja postanu praksa, a da ih nitko nikad ne pretvori u proces. Glasovni AI to neće popraviti. Samo će pokazati gdje puca. Ako su podaci neuredni, pravila nejasna, a eskalacije ovise o tome tko je taj dan u smjeni, bot neće sakriti problem. Napravit će suprotno: svaki korisnik koji nazove čut će gdje sustav ne drži vodu.
Pitanje koje je trebalo postaviti
Zato financijskom direktoru nisam odgovorio koliko ljudi može otpustiti ili premjestiti iz kontaktnog centra. Odgovorio sam mu na pitanje koje je trebao postaviti: koje pozive možemo riješiti brže, bolje i dosljednije - a gdje čovjek mora ostati čovjek?
To je razlika između slabog i dobrog projekta glasovnog AI-ja. Slab projekt kreće od troška. Dobar kreće od iskustva. Zanimljivo je da drugi pristup često na kraju donese i bolji financijski rezultat. Kada korisnici brže dobiju odgovor, kada se rutinski pozivi rješavaju dosljedno i kada agenti manje vremena troše na ponavljajuće zadatke, učinkovitost dođe sama.
Ali dođe kao posljedica, ne kao početna logika. Zato s Kinetarom ne prodajemo „zadržane pozive” i ne prodajemo rezanje radnih mjesta. Prodajemo ishod: koliko je ulaznih poziva stvarno riješeno, uz kakvo zadovoljstvo korisnika, i koliko čisto neriješeni slučajevi prelaze ljudskom agentu.
Neka glasovni agent preuzme dosadan, ponavljajući i predvidljiv posao, uključujući pozive koji dolaze izvan radnog vremena i inače bi ostali neodgovoreni. A ljudima vratimo razgovore u kojima se stvarno isplati biti čovjek: ljutitog korisnika, iznimku, zapetljani slučaj, situaciju u kojoj pravila nisu dovoljna i treba procijeniti. Tu je prava vrijednost. Ne u zamjeni ljudi, nego u tome da ih koristimo ondje gdje ljudi još uvijek rade najveću razliku.
Ako projekt glasovnog AI-ja započnete pitanjem „koliko ljudi možemo zamijeniti?”, vjerojatno ćete napraviti lošiju uslugu. Ako krenete od pitanja „koje korisničko iskustvo možemo poboljšati?”, imate puno veću šansu izgraditi nešto što će korisnici prihvatiti, koristiti i vjerovati mu. Ušteda dolazi kasnije. Tek kada korisnik prestane biti trošak u vašoj tablici i ponovno postane čovjek koji treba rješenje.
Pročitajte više o tome kako glasovni AI može unaprijediti korisničku podršk
