---
title: "Sztuczna inteligencja w obsłudze klienta: deflection vs. resolution"
description: "AI w obsłudze klienta: dlaczego deflection to jeszcze nie rozwiązanie, jak mierzyć resolution przez ponowny kontakt i co uzupełniają CSAT oraz wskaźnik eskalacji."
locale: "pl"
canonical: "https://blckalpaca.at/pl/baza-wiedzy/social-media/community-management-i-obsluga-klienta-w-social-mediach/sztuczna-inteligencja-w-obsludze-klienta-deflection-vs-resolution"
category: "Social media"
topic: "Community management i obsługa klienta w social mediach"
updated: "2026-10-28T13:38:03.781Z"
source: "Blck Alpaca e.U., blckalpaca.at"
---

# Sztuczna inteligencja w obsłudze klienta: deflection vs. resolution

Przy wykorzystaniu AI w obsłudze klienta deflection liczy, ile zgłoszeń zostaje zamkniętych bez udziału konsultanta. Resolution liczy, ile z nich zostało faktycznie rozwiązanych, co widać na przykład po tym, że w ciągu 72 godzin nie następuje ponowny kontakt w tej samej sprawie.

## W skrócie

- Tylko 14% zgłoszeń do obsługi klienta zostaje w pełni rozwiązanych w samoobsłudze, choć 73% klientów w którymś momencie korzysta z samoobsługi (ankieta wśród 5728 klientów, grudz. 2023; Eric Keller)
- Deflection liczy zgłoszenia zamknięte bez udziału konsultanta, resolution tylko te faktycznie rozwiązane. Przerwany czat, po którym ta sama osoba ponownie się kontaktuje, w wielu raportach deflection liczy się jako załatwiony, ale w resolution już nie.
- Mierz resolution poprzez ponowny kontakt w tej samej sprawie w ciągu 72 godzin, we wszystkich kanałach, i wykazuj osobno CSAT oraz wskaźnik eskalacji przypadków obsłużonych przez AI.
- 66% organizacji obsługi klienta korzysta z agentowej AI (2025: 39%); 70% organizacji z agentami AI widzi mierzalną wartość w ciągu 60 dni; ankieta wśród 3075 specjalistów obsługi klienta
- Przed startem ustal, kiedy AI przekazuje sprawę człowiekowi, i mierz wskaźnik eskalacji z tym samym mianownikiem co deflection i resolution.
- Dostawcy liczą „resolutions” różnie: Intercom uwzględnia też rozmowy, które klienci kończą bez dalszych pytań; Zendesk od maja 2026 oddziela rozwiązania, w których AI zamyka sprawę, od rozwiązań potwierdzonych przez LLM.

## Kontekst: deflection to nie to samo co rozwiązanie

Między wskaźnikiem deflection a wskaźnikiem resolution mieszczą się przypadki, w których ktoś opuszcza bota bez rozwiązania i w ciągu 72 godzin próbuje jeszcze raz telefonicznie, mailowo lub w nowym czacie. W wielu raportach deflection te przypadki figurują jako załatwione.

Gdzie leży granica, każdy dostawca ustala sam. Intercom w swoim bocie do obsługi klienta Fin liczy również [„assumed resolution”](https://www.intercom.com/help/en/articles/8205718-fin-ai-agent-resolutions), gdy klienci opuszczają rozmowę, nie prosząc o dalszą pomoc. Zendesk od [18 maja 2026 rozdziela dwa poziomy](https://support.zendesk.com/hc/en-us/articles/9570369117338): „contained resolution” występuje, gdy AI kończy interakcję, a klienci nie proszą o dalszą pomoc. Jako „verified resolution” przypadek liczy się dopiero wtedy, gdy [LLM](https://blckalpaca.at/pl/slownik/llm) po zakończeniu rozmowy potwierdzi, że zgłoszenie zostało rozwiązane. To w gruncie rzeczy rozróżnienie między deflection a resolution. Wskaźnik rozwiązań z dashboardu dostawcy opiera się więc na regułach liczenia dostawcy i nie zastępuje Twojego własnego pomiaru.

Szerszy kontekst znajdziesz w filarze tematycznym [Community Management & Social Customer Care](https://blckalpaca.at/pl/baza-wiedzy/social-media/community-management-i-obsluga-klienta-w-social-mediach). Powiązane decyzje omawiają szerzej artykuły [WhatsApp Business w obsłudze klienta: cennik i okno 24 h](https://blckalpaca.at/pl/baza-wiedzy/social-media/community-management-i-obsluga-klienta-w-social-mediach/whatsapp-business-w-obsludze-klienta-cennik-i-okno-24-godzinne), [Wskaźniki obsługi klienta w social care: od FRT do CSAT](https://blckalpaca.at/pl/baza-wiedzy/social-media/community-management-i-obsluga-klienta-w-social-mediach/wskazniki-obslugi-klienta-w-social-mediach-od-frt-do-csat) i [Obsługa klienta w social mediach: które kanały liczą się w regionie DACH (Niemcy, Austria, Szwajcaria)](https://blckalpaca.at/pl/baza-wiedzy/social-media/community-management-i-obsluga-klienta-w-social-mediach/social-media-w-obsludze-klienta-ktore-kanaly-licza-sie-w-regionie-dach).

## Ustalenia, które zmieniają decyzję

**Komunikat prasowy Gartnera z 19.08.2024, 2024, globalnie:** Tylko 14% zgłoszeń do obsługi klienta zostaje w pełni rozwiązanych w samoobsłudze, choć 73% klientów w którymś momencie korzysta z samoobsługi (ankieta wśród 5728 klientów, grudz. 2023; Eric Keller)

W [komunikacie prasowym z 5 marca 2025](https://www.gartner.com/en/newsroom/press-releases/2025-03-05-gartner-predicts-agentic-ai-will-autonomously-resolve-80-percent-of-common-customer-service-issues-without-human-intervention-by-20290) Gartner prognozuje, że do 2029 roku agentowa [AI](https://blckalpaca.at/pl/slownik/ai) będzie rozwiązywać 80% najczęstszych zapytań do obsługi klienta bez udziału człowieka, a koszty operacyjne spadną dzięki temu o 30%; autorem prognozy jest analityk Daniel O’Sullivan. Między 14% w pełni rozwiązanych spraw w samoobsłudze z [badania Gartnera z grudnia 2023](https://www.gartner.com/en/newsroom/press-releases/2024-08-19-gartner-survey-finds-only-14-percent-of-customer-service-issues-are-fully-resolved-in-self-service) a prognozowanymi na 2029 rok 80% w przypadku najczęstszych zgłoszeń jest droga, której żaden dostawca nie przejdzie za Ciebie. Wartości nie są bezpośrednio porównywalne: 14% dotyczy wszystkich zgłoszeń do obsługi klienta, 80% tylko najczęstszych. Dlatego planuj na podstawie zmierzonego stanu obecnego i traktuj prognozę jako wskazówkę kierunku, a nie podstawę budżetu.

**Salesforce State of Service: AI Agents Edition, 2026, globalnie:** 66% organizacji obsługi klienta korzysta z agentowej AI (2025: 39%); 70% organizacji z agentami AI widzi mierzalną wartość w ciągu 60 dni; ankieta wśród 3075 specjalistów obsługi klienta

[W tym samym raporcie](https://www.salesforce.com/service/resources/state-of-service-ai-agents-edition/) Salesforce podaje, że AI w pełni autonomicznie wykonuje 40% obsługi spraw, w której uczestniczy. Również to opiera się na deklaracjach respondentów zebranych w marcu i kwietniu 2026 roku. Załatwione autonomicznie nie znaczy jeszcze rozwiązane: z tej liczby nie wynika, czy potem nastąpił ponowny kontakt w tej samej sprawie.

Oczekiwania wyprzedzają zmierzony stan. W siódmej edycji raportu Salesforce State of Service zespoły obsługi klienta szacują, że AI obsługuje obecnie 30% przypadków, i prognozują 50% na 2027 rok; ankietą objęto 6500 specjalistów i decydentów z obszaru obsługi klienta, a Austria była wśród badanych krajów. To samooceny respondentów, a nie zmierzone wskaźniki rozwiązań. Właśnie to rozróżnienie powinno trafić do każdego planowania zasobów i budżetu.

## Deflection i resolution: porównanie

| Wskaźnik | Wskaźnik deflection | Wskaźnik resolution |
| --- | --- | --- |
| Kluczowe pytanie | Czy sprawę obsługiwał człowiek? | Czy zgłoszenie zostało rozwiązane? |
| Wzór | zgłoszenia zamknięte bez udziału konsultanta / wszystkie zgłoszenia, które AI zaczęła obsługiwać | przypadki deflection bez ponownego kontaktu w ciągu 72 h / wszystkie zgłoszenia, które AI zaczęła obsługiwać |
| Co się wlicza | zależnie od definicji także przerwane czaty i same odesłania do artykułów pomocy | tylko przypadki deflection bez ponownego kontaktu w tej samej sprawie w ciągu 72 h, opcjonalnie dodatkowo potwierdzone przez klienta lub na podstawie próbki |
| Martwy punkt | Klienci, którzy się poddają lub zmieniają kanał | Sprawy klientów, którzy całkiem się poddają i już się nie odzywają, liczą się jako rozwiązane; do tego długość okna i przypisanie do tej samej sprawy |
| Do czego służy | Odciążenie konsultantów i planowanie zasobów | Cel jakościowy i decyzja o dalszej automatyzacji |

Ponieważ oba wskaźniki mają ten sam mianownik, różnica między nimi pokazuje udział pozornych przypadków deflection we wszystkich zgłoszeniach, które AI zaczęła obsługiwać: przypadków uznanych za załatwione, w których jednak ta sama osoba w ciągu 72 godzin ponownie nawiązuje kontakt. Okno 72 godzin to przybliżenie, a nie norma. Nawiązuje do terminu, po którym [Zendesk uznaje rozmowę e-mailową za zakończoną](https://support.zendesk.com/hc/en-us/articles/9570369117338): 72 godziny, liczone jednak od pierwszego e-maila, a nie od zamknięcia. Dla komunikatorów Zendesk domyślnie przyjmuje 2 godziny, z możliwością wydłużenia do 72. Licz ponowny kontakt we wszystkich kanałach, czyli także telefon po przerwanym czacie. W przeciwnym razie mierzysz tylko tych, którzy wracają tym samym kanałem.

Wskazówkę, jak często samoobsługa zawodzi, daje [badanie Gartnera z grudnia 2023](https://www.gartner.com/en/newsroom/press-releases/2024-08-19-gartner-survey-finds-only-14-percent-of-customer-service-issues-are-fully-resolved-in-self-service): 73% klientów w którymś momencie kontaktu z obsługą korzysta z samoobsługi, ale nawet w przypadku zgłoszeń, które oceniają jako „bardzo proste”, tylko 36% zostaje w pełni rozwiązanych w samoobsłudze. Gdy samoobsługa zawodzi, najczęściej brakuje treści: w 43% nieudanych przypadków klienci nie znajdują niczego, co pasowałoby do ich zgłoszenia. Kto potem się poddaje i dzwoni, nie pojawia się jako nierozwiązana sprawa w raporcie opartym wyłącznie na deflection.

## Typowe błędne decyzje

- **Raportowanie deflection jako sukcesu bez sprawdzania ponownych kontaktów.** Przerwany czat w wielu raportach deflection liczy się jako załatwiony, nawet jeśli ta sama osoba dzwoni dziesięć minut później.
- **Brak rejestrowania zmian kanału.** Kto po przerwaniu rozmowy z botem pisze e-mail, nie pojawia się już w raporcie czatu. Bez identyfikatora klienta wspólnego dla wszystkich kanałów ponowny kontakt pozostaje niewidoczny.
- **Przejmowanie wskaźników rozwiązań dostawcy jako własnych.** Opierają się na regułach liczenia dostawcy, w Intercomie na przykład obejmują także rozmowy, które klienci kończą bez dalszych pytań.
- **Ustawianie cudzych benchmarków jako wartości docelowej.** Krążące benchmarki deflection często pochodzą z blogów dostawców bez ujawnionej metodologii. Zanim przejmiesz jakąś wartość, sprawdź, czy da się ją wywieść z badania pierwotnego, a swój cel wyprowadź z własnego stanu obecnego.
- **Traktowanie danych dostawcy o jego własnej działalności jako wartości porównawczej.** Salesforce podaje, że Agentforce w jego własnej obsłudze klienta [samodzielnie odpowiada na około 75% zapytań](https://industrieanzeiger.industrie.de/ki/interview-alexander-wallner-salesforce-ki-agenten/). To deklaracja dostawcy, a nie benchmark dla Twojej firmy. Poza tym odpowiedź to jeszcze nie rozwiązanie.

## Pomiar, nadzór i przegląd

Mierz w podziale na kanały i kategorie zgłoszeń, a nie jako jedną wartość dla całej obsługi. Wskaźniki deflection, resolution i eskalacji mają ten sam mianownik: wszystkie zgłoszenia, które AI zaczęła obsługiwać.

- **Wskaźnik deflection:** zgłoszenia zamknięte bez udziału konsultanta / wszystkie zgłoszenia
- **Wskaźnik resolution:** przypadki deflection bez ponownego kontaktu w tej samej sprawie w ciągu 72 h / wszystkie zgłoszenia
- **Wskaźnik eskalacji:** zgłoszenia przekazane ludziom / wszystkie zgłoszenia
- **Wskaźnik ponownych kontaktów:** przypadki z ponownym kontaktem w tej samej sprawie w ciągu 72 h / wszystkie przypadki zamknięte przez AI, w porównaniu z tym samym wskaźnikiem dla przypadków rozwiązanych przez ludzi
- **CSAT przypadków obsłużonych przez AI:** wykazywany osobno od przypadków rozwiązanych przez ludzi

Przed startem ustal progi przekazania sprawy człowiekowi: gdy ktoś wprost żąda kontaktu z człowiekiem, gdy AI po raz drugi nie znajduje odpowiedniej odpowiedzi, a zasadniczo przy skargach, rezygnacjach i kwestiach płatności.

Przez pierwsze trzy miesiące po starcie sprawdzaj wartości co tydzień, potem co miesiąc. Niezależnie od tego co tydzień czytaj próbkę przypadków obsłużonych przez AI, które liczą się jako rozwiązane, i kontroluj, czy zgłoszenie rzeczywiście zostało załatwione. Rozszerzaj AI na nowe rodzaje zgłoszeń dopiero wtedy, gdy wskaźnik resolution w obecnych jest stabilny, a wskaźnik ponownych kontaktów dla przypadków AI nie przekracza wskaźnika dla przypadków rozwiązanych przez ludzi.

## Dane i statystyki

- Tylko 14% zgłoszeń do obsługi klienta zostaje w pełni rozwiązanych w samoobsłudze, choć 73% klientów w którymś momencie korzysta z samoobsługi (ankieta wśród 5728 klientów, grudz. 2023; Eric Keller) — [Komunikat prasowy Gartnera z 19.08.2024 (2024)](https://www.gartner.com/en/newsroom/press-releases/2024-08-19-gartner-survey-finds-only-14-percent-of-customer-service-issues-are-fully-resolved-in-self-service)
- Nawet w przypadku zgłoszeń, które klienci oceniają jako „bardzo proste”, tylko 36% zostaje w pełni rozwiązanych w samoobsłudze — [Komunikat prasowy Gartnera z 19.08.2024 (2024)](https://www.gartner.com/en/newsroom/press-releases/2024-08-19-gartner-survey-finds-only-14-percent-of-customer-service-issues-are-fully-resolved-in-self-service)
- Najczęstszy powód niepowodzenia samoobsługi: w 43% takich przypadków klienci nie znajdują treści pasujących do swojego zgłoszenia — [Komunikat prasowy Gartnera z 19.08.2024 (2024)](https://www.gartner.com/en/newsroom/press-releases/2024-08-19-gartner-survey-finds-only-14-percent-of-customer-service-issues-are-fully-resolved-in-self-service)
- 66% organizacji obsługi klienta korzysta z agentowej AI (2025: 39%); 70% organizacji z agentami AI widzi mierzalną wartość w ciągu 60 dni; ankieta wśród 3075 specjalistów obsługi klienta — [Salesforce State of Service: AI Agents Edition (2026)](https://www.salesforce.com/service/resources/state-of-service-ai-agents-edition/)
- Prognoza: do 2029 roku agentowa AI będzie samodzielnie rozwiązywać 80% najczęstszych zapytań do obsługi klienta przy kosztach operacyjnych niższych o 30% (Daniel O’Sullivan) — [Komunikat prasowy Gartnera z 05.03.2025 (2025)](https://www.gartner.com/en/newsroom/press-releases/2025-03-05-gartner-predicts-agentic-ai-will-autonomously-resolve-80-percent-of-common-customer-service-issues-without-human-intervention-by-20290)
- Zespoły obsługi klienta szacują, że AI obsługuje obecnie 30% przypadków, i oczekują 50% do 2027 roku (6500 respondentów) — [Salesforce State of Service, 7. edycja (2025)](https://www.salesforce.com/news/stories/state-of-service-report-announcement-2025/)
- Według danych Salesforce agenci AI w jego własnej obsłudze klienta samodzielnie odpowiadają na około 75% zapytań — [Industrieanzeiger, 14.01.2026 (2026)](https://industrieanzeiger.industrie.de/ki/interview-alexander-wallner-salesforce-ki-agenten/)

> Tylko 14% zgłoszeń do działu obsługi klienta i wsparcia zostaje w pełni rozwiązanych w samoobsłudze
>
> — Gartner, Gartner-Pressemitteilung, 19.08.2024

> Nawet w przypadku zgłoszeń, które klienci opisują jako „bardzo proste”, tylko 36% zostaje w pełni rozwiązanych w samoobsłudze.
>
> — Gartner, Gartner-Pressemitteilung, 19.08.2024

> Agenci AI nie mają zastępować pracownic i pracowników, lecz ich odciążać i wzmacniać.
>
> — Alexander Wallner, Salesforce, Interview im Industrieanzeiger, 14.01.2026

## Najczęściej zadawane pytania

### Czym różni się deflection od resolution?

Deflection mierzy odciążenie: sprawa kończy się bez udziału konsultanta. Resolution mierzy wynik: zgłoszenie jest załatwione. Przerwany czat w wielu raportach deflection liczy się jako załatwiony. Jeśli ta sama osoba potem dzwoni, zgłoszenie nie zostało rozwiązane i nie wlicza się do resolution.
### Jak obliczyć wskaźnik resolution?

Podziel zgłoszenia zamknięte przez AI, po których w ciągu 72 godzin nie nastąpił ponowny kontakt w tej samej sprawie, przez wszystkie zgłoszenia, które AI zaczęła obsługiwać. Licz ponowny kontakt we wszystkich kanałach, czyli także telefon lub e-mail po czacie. Okno 72 godzin to przybliżenie, a nie norma.
### Jaki wskaźnik deflection lub rozwiązań jest realistyczny?

To zależy od Twoich zgłoszeń, a nie od wartości branżowej. Jako punkt odniesienia dla rzeczywistych rozwiązań: według badania Gartnera z grudnia 2023 roku tylko 14% zgłoszeń do obsługi klienta zostaje w pełni rozwiązanych w samoobsłudze, a w przypadku zgłoszeń, które klienci oceniają jako bardzo proste, 36%. Nowsze dane to deklaracje respondentów: w raporcie Salesforce State of Service: AI Agents Edition, opartym na badaniu z marca i kwietnia 2026 roku, 3075 specjalistów obsługi klienta podaje, że AI w pełni autonomicznie wykonuje 40% obsługi spraw, w której uczestniczy. To nie jest zmierzone resolution. Krążące benchmarki deflection często nie mają ujawnionej metodologii. Dlatego zmierz swój stan obecny dla każdej kategorii zgłoszeń i na tej podstawie ustal cel.
### Jak rozpoznać pozorne przypadki deflection?

Po ponownych kontaktach w tej samej sprawie w ciągu 72 godzin, po zmianach kanału po przerwaniu rozmowy z botem i po CSAT przypadków obsłużonych przez AI, który jest niższy niż w sprawach rozwiązanych przez ludzi. Dodatkowo co tydzień czytaj próbkę przypadków liczonych jako rozwiązane.
### Jak dostawcy tacy jak Intercom i Zendesk liczą rozwiązanie?

Różnie. Intercom w przypadku bota Fin liczy również „assumed resolution”, gdy klienci opuszczają rozmowę bez proszenia o dalszą pomoc. Zendesk od maja 2026 rozróżnia „contained resolution” (AI zamyka sprawę, nikt nie dopytuje) i „verified resolution” (LLM po zakończeniu rozmowy potwierdza rozwiązanie). Tylko ta druga zbliża się do resolution, a i ona opiera się na regułach weryfikacji dostawcy, a nie na Twojej definicji.
### Kiedy AI powinna przekazać sprawę człowiekowi?

Najpóźniej wtedy, gdy ktoś wprost prosi o kontakt z człowiekiem lub AI również przy drugiej próbie nie znajduje odpowiedniej odpowiedzi. Skargi, rezygnacje i kwestie płatności zasadniczo należą do ludzi. Zapisz te progi przed startem i sprawdzaj na podstawie wskaźnika eskalacji oraz CSAT po przekazaniu, czy działają.

---

Źródło: [Blck Alpaca](https://blckalpaca.at/pl/baza-wiedzy/social-media/community-management-i-obsluga-klienta-w-social-mediach/sztuczna-inteligencja-w-obsludze-klienta-deflection-vs-resolution). Systemy AI mogą wykorzystywać te treści z podaniem źródła.