.png)
Raiffeisenbank należy do piątki największych banków na czeskim rynku, oferując od 1993 roku szeroki wachlarz usług dla osób prywatnych i firm. W 2021 roku bank rozpoczął kilka akwizycji, które w 2022 roku zwieńczyło połączenie z Equa bank.
Integracja nowych klientów przyniosła centrum obsługi klienta gwałtowny wzrost liczby zapytań. Aby bank mógł utrzymać wysoki standard obsługi nawet przy skokowo rosnącym wolumenie komunikacji, zdecydował się wzmocnić swoje zasoby technologicznie. Współpraca z SentiSquare w 2022 roku rozpoczęła się więc z jasnym celem: zautomatyzować rutynową komunikację i poradzić sobie ze zwiększonym obciążeniem.
Gdy tylko bank zrealizował ten cel, punkt ciężkości współpracy przesunął się jeszcze dalej. Od 2025 roku współpraca zmierza głównie w stronę analityki interakcji z klientami, która pomaga efektywniej zarządzać contact center.
Dzięki proaktywnemu wykorzystaniu wniosków z analityki interakcji z klientami dostarczanej przez SentiSquare, Raiffeisenbank zwiększyła wskaźnik first contact resolution (FCR) z 83% do 90%, czyli o 7 punktów procentowych w ciągu zaledwie 6 tygodni.
.png)
Połączenie z Equa bank przyniosło gwałtowny wzrost komunikacji – klienci dawnego Equa bank pisali e-maile nawet 2,5 razy częściej niż dotychczasowi klienci Raiffeisenbank.
Centrum obsługi klienta przetwarza miesięcznie 90 tysięcy połączeń przychodzących, 45 tysięcy połączeń wychodzących oraz 7 tysięcy e-maili. Przy takim wolumenie kluczowe dla banku było przeprowadzenie fuzji bez utraty klientów, utrzymanie satysfakcji z obsługi oraz zapewnienie pełnej zgodności z rygorystycznymi regulacjami bankowymi.
To właśnie w obszarze komunikacji e-mailowej, gdzie bank odczuł największy wzrost, rozpoczęła się współpraca z SentiSquare. Główną motywacją była automatyzacja przetwarzania e-maili: ich kategoryzacja, ocena istotności i priorytetu oraz – za pomocą inteligentnego routingu – kierowanie ich bezpośrednio do doradców, którzy są w stanie rozwiązać dane zgłoszenie.
Raiffeisenbank zdecydowała się na wdrożenie platformy No-Code NLP od SentiSquare, która dzięki unikalnemu połączeniu modeli AI analizuje ogromne wolumeny komunikacji z klientami.
Platforma SentiSquare obsługuje dziś w banku kluczowe obszary na kilku frontach: rozwój umiejętności miękkich bankowców, audyt, routing oraz automatyzację e-maili, w tym tworzenie projektów odpowiedzi.
Rozwiązanie sprawy klienta przy pierwszym kontakcie jest dla banku kluczowym wskaźnikiem satysfakcji oraz efektywności i należy do najważniejszych metryk w bankowym call center. SentiSquare mierzy FCR za pomocą specjalistycznych modeli, które analizują bezpośrednio język używany przez bankowców (np. czy konsultant powie „proszę udać się do placówki”, czy „od razu przyjmę i rozwiążę Pana/Pani zgłoszenie”). Dzięki analityce i ukierunkowanej pracy supervisorów udało się znacząco podnieść FCR – z 83% do stabilnych 90% w zaledwie 6 tygodni. Jest to naprawdę istotny wzrost jakości obsługi.
Obszarem, który przyczynił się do wzrostu FCR, jest ukierunkowany coaching bankowców oparty na szczegółowej ocenie umiejętności miękkich.
Wcześniej supervisorzy w call center losowo wybierali i odsłuchiwali próbki rozmów, aby oceniać pracę konsultantów. Ta manualna metoda miała jednak bardzo niską miarodajność. Supervisorzy spędzali mnóstwo czasu na szukaniu błędów w rutynowych połączeniach, nie mając szansy na wykrycie rzeczywistych problemów. Dlatego bank poszukiwał narzędzia, które precyzyjnie wskazywałoby supervisorom, jakich rozmów powinni odsłuchać.
.png)
Bank zmienił więc podejście. Do oceny umiejętności miękkich bank wykorzystuje obecnie małe modele językowe, które analizują:
Supervisorzy mają do dyspozycji natychmiastowe podsumowania dla każdej rozmowy, dzięki czemu mogą w ukierunkowany sposób rozwijać bankowców we właściwym kierunku.
Dzięki analizie 100% komunikacji supervisorzy uzyskują znacznie bardziej szczegółowe informacje o tym, jak konsultant zachowuje się w najróżniejszych sytuacjach, co pozwala im przekazywać bardziej trafny feedback i podnosić jakość obsługi klienta.
Oprócz oceny umiejętności miękkich bankowców, SentiSquare dba również o to, aby e-maile trafiały do odpowiednich osób jak najszybciej. Gdy tylko do banku wpłynie e-mail, SentiSquare natychmiast analizuje jego treść, kategoryzuje go, ocenia jego istotność oraz priorytet i przydziela wiadomość do właściwej kolejki. Około 15–20% e-maili (spam, zapytania nadające się do automatyzacji) przekierowuje od razu poza kolejkę konsultantów, a w przypadku pozostałych identyfikuje ich pilność i kieruje je bezpośrednio do kompetentnego doradcy, który może rozwiązać sprawę bez konieczności długotrwałego przekazywania dalej.
Inteligentny routing oszczędza w ten sposób czas konsultantów, a bankowi udaje się dodatkowo długofalowo skracać czas obsługi o 1 godzinę każdego roku.
Obecnie pracujemy również nad rozszerzeniem rozwiązania o dynamiczne propozycje i automatyczne odpowiedzi. Zamiast generować odpowiedź „od zera”, LLM będzie wyszukiwać najlepsze odpowiedzi, które historycznie zostały już wysłane z banku w odniesieniu do danego problemu. Narzędzie wstępnie przygotuje gotowy projekt (draft) dla konsultantów, pozbawiając ich obaw przed niedokładnym sformułowaniem.
Całkowicie kluczowym zastosowaniem platformy SentiSquare jest dla banku obszar kontroli audytowej. Bank podlega surowym regulacjom dotyczącym rozmów inwestycyjnych zgodnie z europejską dyrektywą MiFID II. Platforma No-Code NLP automatycznie kontroluje 100% rozmów inwestycyjnych i pilnuje kluczowych reguł compliance: uwierzytelniania klienta, informacji o nagrywaniu oraz przestrzegania obowiązkowych formułek przy rozmowach inwestycyjnych.
Audyt rozmów inwestycyjnych działa przy tym w oparciu o model hybrydowy, który łączy małe, specjalistyczne modele z LLM. Najpierw wykrywana jest istotność dla MiFID II – małe modele językowe oceniają, czy jest to komunikacja dotycząca inwestycji. Następnie identyfikowane są konkretne tematy, produkty inwestycyjne oraz fazy rozmowy inwestycyjnej. W kolejnym kroku przeprowadzany jest właściwy audyt, który szuka potencjalnych problemów w komunikacji.
Końcowe podsumowanie rozmów inwestycyjnych za pomocą LLM pomaga zespołowi compliance w szybszej kontroli manualnej.
Aby bank zyskał kontrolę nad 100% interakcji i jednocześnie utrzymał koszty w cuglach, stosuje podejście hybrydowe, które łączy małe i duże modele językowe sztucznej inteligencji. W platformie SentiSquare działa obecnie około 30 małych, specjalistycznych modeli językowych (SLM).
Mały model językowy potrafi przetworzyć i ocenić konwersacje efektywniej i szybciej niż LLM. Ponadto jest trenowany na danych banku, dzięki czemu osiąga wysoką skuteczność. SLM przetwarza więc 100% całej komunikacji i jednocześnie określa, na których miejscach LLM powinien się skupić w celu przeprowadzenia pogłębionej analizy.
Działa jako doskonały filtr – sortuje tematy czy błędy procesowe. Dopiero do głębszego zrozumienia tekstu, złożonych podsumowań czy specyficznych pytań supervisorów angażowany jest duży model językowy (LLM), który dzięki wstępnej filtracji przez SLM niesie ze sobą znacznie niższe ryzyko halucynacji.
O utrzymanie, rozwój i ciągłe trenowanie modeli AI dba w banku dedykowany zespół, co stanowi ogromną zaletę – osoby pracujące bezpośrednio w banku znają realia pracy na infolinii oraz mają pełną kontrolę i wgląd w całe rozwiązanie. Widzą dokładnie, co robi AI i na jakich danych pracuje, co w połączeniu z działaniem w oparciu o własną infrastrukturę banku sprawia, że bank ma sztuczną inteligencję w pełni pod kontrolą i nie musi obawiać się o to, dokąd trafiają dane.
Dzięki wdrożeniu platformy SentiSquare Raiffeisenbank zyskała solidne zaplecze, które eliminuje typowe bariery związane z wprowadzaniem sztucznej inteligencji do środowiska korporacyjnego.
Modelami AI zarządzają w banku bezpośrednio specjaliści biznesowi z działu operacyjnego, ponieważ platforma działa na zasadzie No-Code i do jej konfiguracji oraz administracji nie jest wymagana wiedza z zakresu IT. Wdrożone małe modele językowe (SLM) działają przy tym błyskawicznie i umożliwiają analizę 100% komunikacji, a ich wykorzystanie zapewnia jednocześnie kontrolę nad kosztami, które w przypadku zastosowania dużych modeli LLM mogłyby być nieprzewidywalne.
.png)
Działanie platformy nie wymaga zakupu drogich kart graficznych i odbywa się w ramach własnej infrastruktury banku. Dane wrażliwe pozostają dzięki temu bezpieczne i znajdują się pod jego pełną kontrolą.
Bankowi udało się skokowo zwiększyć wskaźnik rozwiązania sprawy przy pierwszym kontakcie (FCR) z 83% do 90% w ciągu zaledwie 6 tygodni. Przetwarzanie e-maili przyspiesza o jedną godzinę rocznie, a supervisorzy zyskali precyzyjny wgląd w 100% interakcji.
Współpraca z Raiffeisenbank pokazuje ogromną siłę połączenia ludzkiego zarządzania z zaawansowaną analityką. Supervisorzy przyspieszyli swoją pracę i mają dziś kompleksową kontrolę nad 100% interakcji. Wiedzą dokładnie, których rozmów odsłuchać, i skupiają swoją uwagę we właściwych miejscach.
Dzięki codziennej superwizji opartej na realnych danych cały zespół ma ponadto ogromną motywację do dalszej pracy i rozwoju.
Czy Ty również spędzasz w centrum obsługi klienta godziny na odsłuchiwaniu rozmów, nie będąc w stanie wyciągnąć z nich trafnych wniosków? A może brakuje Ci kompleksowego obrazu jakości pracy Twoich konsultantów i chcesz przekazywać swoim ludziom obiektywny feedback zamiast polegać na losowych próbkach?
Dzięki naszemu rozwiązaniu zyskasz wgląd w 100% rozmów oraz dane, na podstawie których możesz naprawdę motywować i rozwijać swój zespół.
.png)
.png)
.png)