W JAAQOB mamy 5-osobowy zespół obsługi klienta i około 120 spotkań miesięcznie. Na większości z nich mnie nie ma. W najnowszym odcinku na kanale Nejman AI omawiam system, który zbudowaliśmy w JAAQOB do automatycznej analizy sentymentu spotkań z klientami. Przy koszcie około 130 dolarów miesięcznie i 5-osobowym zespole oszczędzamy nawet 25 godzin tygodniowo – i co ważniejsze, widzimy spadki zadowolenia klientów, zanim ci zdążą złożyć wypowiedzenie.
Niezadowolony klient rzadko się skarży – częściej po prostu odchodzi. Pytanie nie brzmi czy stracisz klienta, tylko czy zorientujesz się ZANIM to zrobi.
Z tego artykułu dowiesz się:
- Dlaczego pytanie pracowników o zadowolenie klientów daje ułamek rzeczywistych informacji
- Jak wygląda pipeline automatycznej analizy spotkań – od transkrypcji po alert na Slacku
- Ile kosztuje wdrożenie takiego systemu i jak długo trwa kalibracja
- Jakie błędy popełniliśmy (fałszywe alarmy, opór zespołu) i jak je rozwiązaliśmy
- Jak AI wykrywa sygnały zakupowe na spotkaniach, które nie są sprzedażowe
Dlaczego „pytam ludzi” to za mało do monitorowania zadowolenia klientów
Tradycyjne metody monitorowania zadowolenia klientów – NPS-y, kwartalne ankiety, pytanie pracowników – dają niepełny obraz sytuacji. W mojej praktyce pytanie „czy klient jest zadowolony?” skierowane do osoby prowadzącej projekt daje może niewielki procent rzeczywistych informacji. Reszta ginie po drodze – bo pracownik nie pamięta wszystkiego, bo subiektywnie filtruje, bo niektóre sygnały po prostu nie wydają mu się istotne.
Weźmy typowy miesiąc w firmie usługowej B2B. 5 osób w zespole, każda ma średnio 2 spotkania z klientami dziennie. To około 200 spotkań miesięcznie. Na ilu z nich byłem osobiście? Na kilku. O ilu dostałem pełną informację zwrotną? O jeszcze mniejszej liczbie.
NPS-y i ankiety satysfakcji mają swoje miejsce, nie kwestionuję tego. Ale są migawką – robisz je co kwartał, może co miesiąc. A relacja z klientem zmienia się z tygodnia na tydzień, czasem ze spotkania na spotkanie. Między jednym NPS-em a drugim klient może przejść od entuzjazmu do frustracji i z powrotem. Jeśli jedynym narzędziem jest kwartalna ankieta, dowiadujesz się o problemie wtedy, kiedy klient już podjął decyzję o odejściu.
Potrzebowałem czegoś, co da mi wgląd na bieżąco. Bez poświęcania dziesiątek godzin na odsłuchiwanie nagrań i czytanie setek stron transkrypcji.
Samo nagrywanie spotkań nie wystarczy – co zrobić z setkami stron transkrypcji
Nagrywanie spotkań to pierwszy, niezbędny krok, ale samo w sobie nie rozwiązuje problemu braku wglądu w relacje z klientami. Narzędzia takie jak Fireflies.ai automatycznie dołączają do Google Meet, Teams czy Zoom, zamieniają mowę w tekst i tworzą bazę wszystkich transkrypcji. To fundament. Ale fundament to jeszcze nie dom.
W poprzednim odcinku na kanale szczegółowo opowiadałem o Fireflies.ai – jak działa, ile kosztuje (19 dolarów za osobę miesięcznie), jak skonfigurować automatyczne dołączanie do spotkań. Nie będę tego powtarzał.
Chcę natomiast zwrócić uwagę na coś, co odkryłem w praktyce: Fireflies.ai i podobne narzędzia mają wbudowaną analizę sentymentu. Oceniają, czy spotkanie miało pozytywny czy negatywny wydźwięk. I to jest dobry punkt startowy, ale nie więcej. Ta analiza jest generyczna – nie rozumie kontekstu mojej firmy, specyfiki relacji z konkretnym klientem, historii współpracy.
Kiedy klient mówi „mamy spore wyzwanie z terminem” – czy to sygnał niezadowolenia, czy neutralna informacja o zmianie harmonogramu? Generyczny system tego nie rozróżni. Dopasowany do kontekstu firmy – tak.
Prawdziwa wartość nie leży w nagrywaniu ani nawet w transkrypcji. Leży w tym, co robisz z tymi danymi dalej.
System monitoringu relacji z klientami – jak to działa w JAAQOB
Nasz system to pipeline, który automatycznie przetwarza każde spotkanie z klientem – od nagrania po alert dla managementu. Składa się z kilku kroków połączonych w jedną automatyzację.
Krok 1: Spotkanie nagrywa się automatycznie
Fireflies.ai nagrywa spotkanie i generuje transkrypcję. Dołącza automatycznie na bazie kalendarza – nie trzeba niczego uruchamiać ręcznie. Nie każda osoba w firmie potrzebuje własnego konta. Wystarczą kluczowe osoby, które prowadzą spotkania z klientami.
Krok 2: System odseparowuje spotkania z klientami od wewnętrznych
Po zakończeniu spotkania n8n (nasz system do automatyzacji, choć można użyć innego – Make, Zapier, cokolwiek) automatycznie sprawdza typ spotkania. Czy to była rozmowa z klientem? Wewnętrzna synchronizacja? Spotkanie handlowe? Na bazie tego klasyfikuje i kieruje dalej. Nie każde spotkanie wymaga pełnej analizy sentymentu – filtrowanie oszczędza czas i koszty API.
Krok 3: Wszystko ląduje do folderu klienta na Google Drive
Transkrypcja automatycznie trafia na Google Drive, do folderu przypisanego do konkretnego klienta. Każdy pracownik przy danym projekcie ma do niej dostęp. To proste, ale robi różnicę – szczególnie przy onboardingu nowych osób. Nowy pracownik przejmuje klienta i ma komplet wszystkich rozmów i ustaleń w jednym miejscu.
Krok 4: Twój handlowiec dostaje 3-zdaniowe podsumowanie zaraz po spotkaniu
Mail z podsumowaniem transkrypcji i najważniejszymi krokami trafia do osób pracujących przy danym projekcie. Nie muszą czytać całej transkrypcji – dostają esencję: co ustalono, jakie są kolejne kroki, czy pojawiły się jakieś otwarte kwestie.
Krok 5: Ty dostajesz powiadomienie na Slacku gdy coś jest nie tak
Na Slacku (nasz wewnętrzny komunikator) ląduje podsumowanie skierowane do mnie i innych osób zarządzających. Dzięki temu wiem, co się dzieje na spotkaniach, nie czytając każdego słowa i nie oglądając każdego nagrania. Widzę, jak idą projekty, czy coś wymaga mojej uwagi, czy mogę w czymś pomóc.
Krok 6: AI ocenia czy klient jest zadowolony, sfrustrowany czy gotowy na więcej
To osobna warstwa, bardziej rozbudowana niż reszta. AI analizuje transkrypcję pod kątem trzech konkretnych pytań, o których powiem w następnej sekcji. Jeśli wykryje coś istotnego – generuje dodatkowy alert.
Cały ten pipeline działa bez mojej ingerencji. Raz skonfigurowany, obsługuje każde spotkanie automatycznie.
Trzy pytania, na które odpowiada analiza sentymentu
Analiza sentymentu spotkań z klientami w naszym systemie koncentruje się na trzech konkretnych wymiarach: bieżące zadowolenie, ryzyko odejścia i potencjał sprzedażowy. Każdy z nich ma inne zastosowanie i inaczej wpływa na decyzje.
Czy klient jest zadowolony?
To podstawowe pytanie, ale odpowiedź na nie jest trudniejsza niż się wydaje. Nie chodzi o to, czy klient powiedział „jestem zadowolony” – ludzie rzadko mówią wprost. Chodzi o sygnały: ton rozmowy, proporcja pozytywnych i negatywnych wzmianek, jak klient reaguje na propozycje zespołu, czy angażuje się w dyskusję czy odpowiada monosylabami.
Chcę wiedzieć o tym nie z ankiety wysyłanej raz na kwartał, ale z tego, co faktycznie dzieje się na spotkaniu – najlepiej w ciągu kilku godzin od jego zakończenia.
Czy jest ryzyko churnu (odejścia klienta)?
Pojedyncze spotkanie niewiele powie o ryzyku odejścia. Ale trend – to co innego. Jeśli system analizuje spotkanie po spotkaniu i widzi, że sentyment systematycznie spada z „neutralny” do „negatywny” w ciągu trzech tygodni – to jest sygnał wczesnego ostrzegania.
Im szybciej go wyłapię, tym większa szansa na naprawienie relacji. Konkretny przykład opiszę dalej w artykule.
Czy jest potencjał sprzedaży dodatkowej (upsell)?
To jest rzecz, która mnie pozytywnie zaskoczyła. Na spotkaniach sprzedażowych handlowiec oczywiście zwraca uwagę na sygnały zakupowe. Ale na bieżących spotkaniach operacyjnych – tych o statusie projektu, o bieżących zadaniach – pracownik skupia się na tym, nad czym pracuje. Pewne potrzeby klienta mogą mu po prostu umknąć.
Klient mówi „mamy problem z raportowaniem w innym dziale” albo „zastanawiamy się nad rozszerzeniem działań na nowy rynek”. Dla pracownika operacyjnego to kontekst rozmowy. Dla odpowiednio skalibrowanego AI – potencjalny sygnał zakupowy, który warto przekazać zespołowi sprzedaży.
Human in the loop – dlaczego AI nie podejmuje decyzji za człowieka
Zasada „human in the loop” (człowiek w pętli decyzyjnej) oznacza, że AI analizuje i sygnalizuje, ale ostateczną decyzję o działaniu podejmuje zawsze człowiek. W kontekście analizy sentymentu spotkań to nie jest opcja – to konieczność.
Nasz system działa tak: kiedy AI wychwytuje sygnał – spadek zadowolenia, ryzyko churnu, potencjał upsellowy – daje znać odpowiedniej osobie. Ta osoba może wtedy obejrzeć nagranie, odsłuchać konkretny fragment, przeczytać transkrypcję i dopiero na tej podstawie podjąć decyzję. Działać albo nie.
Dlaczego nie automatyzuję reakcji? Bo kontekst jest wszystkim. AI nie zna pełnej historii relacji z klientem, nie wie o rozmowie telefonicznej sprzed tygodnia, nie rozumie niuansów polityki wewnętrznej po stronie klienta. Automatyczna reakcja na każdy sygnał byłaby w najlepszym przypadku nieefektywna, w najgorszym – szkodliwa.
To trochę jak system alarmowy w domu. Nie chcesz, żeby przy każdym alarmie automatycznie przyjeżdżała policja. Chcesz, żeby ktoś sprawdził, czy to włamywacz, czy kot sąsiada.
Ile to kosztuje – realne koszty i czas wdrożenia przy 5-osobowym zespole
Łączny koszt operacyjny: około 130 USD/miesiąc (przy subskrypcjach rocznych Fireflies Business + n8n Starter). To koszt jednej kolacji służbowej z klientem – a system działa 24/7 przez cały rok.
Fireflies.ai: plan Business: 19 USD/osobę/miesiąc przy subskrypcji rocznej (29 USD przy płatności miesięcznej). Wybraliśmy go ze względu na wbudowaną analizę sentymentu. Przy 5 osobach to około 100 USD/miesiąc.
System automatyzacji (n8n): plan Starter, 20 euro/miesiąc przy subskrypcji rocznej (24 euro przy płatności miesięcznej). To koszt łączny, niezależny od liczby osób.
Koszty API modelu LLM (u nas obecnie GPT-5.5): od kilku do kilkunastu dolarów miesięcznie. Zależy od liczby i długości spotkań.
Czas wdrożenia
Tutaj jest ważna rzecz, której nie spodziewałem się na początku. Samo zbudowanie systemu to jedna rzecz. Skalibrowanie go – zupełnie inna.
Budowa systemu: około 5 dni roboczych od podstaw. Zależy od tego, co już masz – jeśli korzystasz z Fireflies.ai i n8n, może krócej. Jeśli zaczynasz od zera ze wszystkimi narzędziami, może dłużej.
Kalibracja: 2-3 tygodnie iteracji. I to jest etap kluczowy. Kalibracja zajmuje więcej czasu niż budowa, ale bez niej system jest bezużyteczny – albo gorzej, generuje fałszywe alarmy, które podważają zaufanie do całego rozwiązania.
Oszczędność czasu
Przy 5-osobowym zespole oszczędność to nawet 25 godzin tygodniowo. Kalkulacja: 5 osób × 2 spotkania dziennie × 30 minut zaoszczędzonych na notatkach i podsumowaniach × 5 dni roboczych = 25 godzin tygodniowo. To pół etatu odzyskane co tydzień.
Konkretny przypadek – jak analiza sentymentu uratowała relację z klientem
W jednym z naszych projektów system zaczął pokazywać systematyczny spadek sentymentu w kolejnych spotkaniach z tym samym klientem. Nie jednorazowy spadek – to mogłoby być cokolwiek. Trend spadkowy w ciągu kilku tygodni.
Problem: Spadające zadowolenie klienta, niewidoczne gołym okiem. Pracownik prowadzący projekt nie zgłaszał problemów. W cotygodniowych synchronizacjach mówił, że „jest okej”. Z jego perspektywy pewnie było – realizował zadania, dotrzymywał terminów.
Odkrycie: Po sprawdzeniu odpowiednich fragmentów transkrypcji okazało się, że problem nie leży w jakości pracy, ale w relacji. Manager i klient zwyczajnie się nie dogadywali. Nie na poziomie konfliktu – raczej na poziomie komunikacji, stylu pracy, oczekiwań co do formy współpracy. Drobne rzeczy, które same w sobie nie wyglądają na problem, ale kumulują się.
Decyzja: Szybki kontakt z klientem. Otwarta rozmowa o tym, jak układa się współpraca. Propozycja zmiany managera projektu.
Efekt: Naprawiliśmy relację. Klient został, współpraca wróciła na właściwe tory. Bez systemu analizy sentymentu prawdopodobnie dowiedzielibyśmy się o problemie dopiero w momencie wypowiedzenia umowy. A wtedy jest już za późno na naprawę.
Rekomendacje z tego doświadczenia:
- Nie polegaj wyłącznie na raportach od pracowników – mają naturalną tendencję do filtrowania informacji
- Szukaj trendów, nie pojedynczych sygnałów – jeden zły dzień to nie problem, trzy tygodnie spadkowe – tak
- Reaguj szybko, ale po weryfikacji – sprawdź fragmenty transkrypcji zanim wyciągniesz wnioski
- Bądź gotowy na zmiany personalne – czasem problem nie jest w procesie, a w dopasowaniu ludzi
„Blizny” – fałszywe alarmy, opór zespołu i awarie techniczne
Żaden system nie jest idealny i nasz też nie jest. Opisuję problemy, bo uważam, że to jest cenniejsze niż prezentowanie tylko sukcesów. Jeśli planujesz coś podobnego, lepiej wiedzieć z wyprzedzeniem.
Fałszywe alarmy – pies, pogoda i poprzednia firma
To był największy problem w pierwszych tygodniach po wdrożeniu. Źle skalibrowany system traktował każdą negatywną wzmiankę jako sygnał o kliencie. Klient opowiadał o problemach z pogodą, o swoim psie, o frustrujących doświadczeniach z poprzednią firmą, z którą współpracował. System oznaczał to jako „niezadowolenie” i generował krytyczne alarmy.
Wyobraź sobie: dostajesz pilne powiadomienie „krytyczny spadek sentymentu u klienta X”, otwierasz transkrypcję, a tam klient narzeka na deszcz. Po trzecim takim alarmie przestajesz traktować system poważnie. A to jest najgorsze, co może się wydarzyć – bo wtedy prawdziwy sygnał też zignorujesz.
Rozwiązanie: 2-3 tygodnie iteracji i dopracowywania instrukcji (promptów) dla AI. Uczenie systemu, żeby rozróżniał kontekst – czy negatywna wzmianka dotyczy współpracy z nami, czy czegoś zupełnie innego. To nie było trywialne. Ale po tym czasie system osiągnął poziom, który oceniam jako bardzo dobry.
Fałszywe alarmy nadal się zdarzają – może raz, dwa razy w miesiącu. I mają swoją wartość, bo każdy taki przypadek pozwala dalej poprawiać system. Ale to właśnie dlatego „human in the loop” jest niezbędny. Każdy sygnał to powód, żeby zwrócić uwagę i sprawdzić – nie żeby reagować jak na pożar.
Opór zespołu wobec nagrywania
Niektóre osoby w zespole poczuły się obserwowane. To normalna reakcja – trudno się dziwić. Ktoś dołącza bota do Twojego spotkania, transkrypcja jest analizowana przez AI, management dostaje podsumowania. Brzmi jak monitoring.
Transparentność okazała się jedynym skutecznym podejściem. Wyjaśniliśmy zespołowi, po co to robimy, jakie są cele (lepszy wgląd w relacje, szybsza reakcja na problemy, ułatwienie pracy), jakie są efekty, i przede wszystkim – jakie są korzyści dla samych pracowników. Automatyczne notatki ze spotkań to oszczędność czasu. Podsumowania mailem to mniej pracy administracyjnej. Archiwum transkrypcji to łatwiejszy onboarding.
Z czasem wszyscy się przekonali. Przywykli, zobaczyli, że system ułatwia pracę, a nie służy kontroli. Ważne: asystenta na spotkaniu zawsze można wyłączyć. Są spotkania, na których nagrywanie nie jest odpowiednie – i to w porządku.
Awarie techniczne
System składa się z kilkunastu kroków i wywołuje różne zewnętrzne usługi. Wystarczy, że nie zadziała webhook, pojawi się problem z zapisem pliku na Google Drive, API zwróci błąd. Jeden, dwa razy w miesiącu zdarzają się sytuacje, w których trzeba ręcznie coś poprawić lub uruchomić ponownie.
Nie da się tego uniknąć w systemie złożonym z wielu narzędzi. Warto to wiedzieć zanim się zacznie – i mieć plan B (np. ręczne uruchomienie kroku, który nie zadziałał automatycznie).
Dodatkowe korzyści, których się nie spodziewałem
Poza głównym celem – monitorowaniem zadowolenia klientów – system przyniósł kilka korzyści, na które nie liczyłem na etapie planowania.
Wykrywanie sygnałów zakupowych na spotkaniach operacyjnych. Wspominałem o tym wcześniej, ale chcę podkreślić – to działa. AI wyłapuje momenty, w których klient mówi o potrzebach wykraczających poza obecny zakres współpracy. Pracownik operacyjny tego nie zauważa, bo nie myśli w kategoriach sprzedażowych. System – tak.
Rozwój zespołu. Mając dostęp do analiz spotkań, wiem, który pracownik potrzebuje wsparcia i w jakim obszarze. Nie chodzi o ocenianie – chodzi o to, że odpowiednio skalibrowane AI może dać bardziej obiektywne obserwacje na temat prowadzenia rozmów. Czego było za dużo, czego za mało, na co zwrócić uwagę.
Onboarding nowych pracowników. Nowa osoba przejmuje klienta i dostaje komplet wszystkich transkrypcji, ustaleń, historii rozmów. Może wszystko wyszukać, przeczytać podsumowania, zrozumieć kontekst współpracy. To skraca czas wdrożenia i redukuje ryzyko „zgubienia” ważnych ustaleń.
Baza wiedzy o klientach. Z biegiem czasu archiwum transkrypcji staje się czymś w rodzaju pamięci instytucjonalnej firmy. Nie zależy od tego, czy dany pracownik pamięta rozmowę sprzed trzech miesięcy – jest w archiwum, jest przeszukiwalna.
Od czego zacząć – jeden krok, który możesz wykonać dziś
Jeśli nie masz jeszcze żadnego systemu nagrywania spotkań – zacznij od tego. Bez transkrypcji nie ma czego analizować.
Krok pierwszy: załóż konto w Fireflies.ai (lub innym narzędziu do transkrypcji – Otter.ai, Fathom, Grain). Podłącz kalendarz. Pozwól narzędziu automatycznie dołączać do spotkań przez tydzień lub dwa. Nie rób nic więcej – po prostu zbieraj dane.
Krok drugi: po dwóch tygodniach przejrzyj transkrypcje. Ile spotkań miałeś? Ile z nich pamiętasz? Jakie ustalenia umknęły? To da Ci poczucie skali – ile informacji tracisz bez systemu.
Krok trzeci: jeśli widzisz wartość – dopiero wtedy buduj automatyzację. Zacznij od prostego pipeline’u: transkrypcja → podsumowanie mailem → archiwizacja. Analizę sentymentu dodaj jako ostatni element, gdy reszta już stabilnie działa.
Nie próbuj budować całego systemu na raz. Każda warstwa powinna działać zanim dodasz następną.
Kluczowe wnioski
- Pytanie pracowników „czy klient jest zadowolony” daje ułamek rzeczywistych informacji – system oparty na transkrypcjach daje wgląd w to, co faktycznie dzieje się na spotkaniach.
- Kalibracja systemu zajmuje więcej czasu niż jego budowa (2-3 tygodnie iteracji vs. ~5 dni roboczych) i jest etapem, którego nie wolno pominąć.
- Zasada „human in the loop” jest kluczowa – AI sygnalizuje, ale decyzję zawsze podejmuje człowiek po weryfikacji kontekstu.
- Przy 5-osobowym zespole koszt to ~130 dolarów miesięcznie, a potencjalna oszczędność to 25 godzin tygodniowo na notatkach i podsumowaniach.
- Transparentna komunikacja z zespołem o celach i korzyściach systemu jest niezbędna – ludzie muszą widzieć, że to narzędzie ułatwiające pracę, nie narzędzie kontroli.
Sam 5-dniowy build i 2-3 tygodnie kalibracji to dla większości firm za duży koszt wejścia. W JAAQOB wdrażamy takie systemy dla klientów pod klucz – razem z kalibracją promptów pod specyfikę Twojej firmy. Umów się na bezpłatną konsultację ekspercką – pokażemy Ci, jak wyglądałby taki pipeline u Ciebie i co dałby w pierwszym miesiącu.
Chcesz zobaczyć jak to wygląda w praktyce? Obejrzyj pełny odcinek na kanale Nejman AI.
