Rozwój asystenta AI zaczyna się od słuchania klientów

Tak zaczynają się rozmowy o domu. Ktoś opisuje rodzinę, plany na kilka lat do przodu, babcię, która może z nimi zamieszkać. Trudno to od razu przełożyć na metraż i liczbę pokoi, a właśnie tak działa klasyczny katalog projektów.

Strona Danwood długo działała jak katalog: przeglądasz domy, pobierasz katalog, odzywa się doradca. Tymczasem dom to często kredyt na dwadzieścia pięć lat. Zanim ktoś porozmawia ze sprzedawcą, chce sam zrozumieć, co jest możliwe, ile to kosztuje i jak wygląda budowa. Te pytania pojawiają się na długo przed gotowością do rozmowy handlowej i często poza godzinami pracy biura.

Danwood chciał dać takiej osobie w internecie kompetentnego rozmówcę: kogoś, kto zna ofertę, odpowiada na jej własne pytania i docelowo przygotuje rozmowę z doradcą.

Były dwie drogi: gotowa platforma SaaS z chatbotem albo własna aplikacja na API modelu językowego. Wybraliśmy własną aplikację, bo Danwood potrzebował trzech rzeczy, których gotowe narzędzia nie dawały w wystarczającym stopniu:

• kontroli nad zachowaniem asystenta: jak odpowiada, kiedy dopytuje, czego nie obiecuje,
• swobody dokładania narzędzi: wyszukiwarki domów, bazy wiedzy, nowych danych o projektach,
• analityki rozwijanej po naszej stronie: wglądu w to, o co ludzie naprawdę pytają, a nie tylko w liczbę otwarć czatu.

Model językowy, infrastrukturę i monitoring kupujemy jako standardowe usługi. Własne są dane Danwood, logika rekomendacji, sposób prowadzenia rozmowy, integracje z CMS i pomiar. To te elementy decydują, czy asystent pomaga sprzedawać domy Danwood, czy tylko rozmawia o domach w ogóle.

Zaczęliśmy celowo skromnie: wyszukiwarka domów działająca na danych z CMS Magnolia i prosta analityka rozmów. Pierwsza wersja miała przede wszystkim odpowiedzieć na pytanie, czy klienci w Niemczech, ostrożni wobec danych osobowych, w ogóle zechcą rozmawiać z AI. Czy raczej od razu poproszą o człowieka?

Zechcieli. Od maja do 25 października asystent przeprowadził ponad 5 600 rozmów. W październiku było ich średnio 40 dziennie, prawie o połowę więcej niż w maju.

W pierwszej wersji obudowaliśmy asystenta ograniczeniami: tego nie rób, tak odpowiadaj, tej ścieżki się trzymaj. Chcieliśmy mieć pewność, że nie powie niczego, czego Danwood by nie powiedział.

Efekt był odwrotny do zamierzonego. Rozmowa zaczęła przypominać stare chatboty. Wystarczyło zapytać inaczej, niż założyliśmy w scenariuszach, i rozmowa stawała. Sztuczna inteligencja okazywała się niezbyt inteligentna.

Poluzowaliśmy ograniczenia i zaufaliśmy modelowi tam, gdzie radzi sobie lepiej niż reguły. Asystent ma sam zrozumieć, że rodzina „dwa plus dwa” potrzebuje co najmniej trzech sypialni. Twarde zasady zostały tam, gdzie chronią klienta. Asystent nie obiecuje, że dom wolno postawić na danej działce, bo to sprawdza doradca. Gdy żaden dom nie spełnia wszystkich wymagań, mówi o tym wprost i pyta, z czego klient woli zrezygnować, zamiast po cichu podsuwać „podobne” projekty.

Kiedy rozmowa zaczęła płynąć, okazało się, że ludzie pytają nie tylko o projekty. Pytali o programy dofinansowań, o przebieg budowy, o to, co jest w cenie, a co trzeba zorganizować samemu.

Dołączyliśmy więc FAQ i artykuły z bazy wiedzy Danwood (Wissenszentrum). Redakcja oznacza artykuł w Magnolii, a ten przy każdym dodaniu i edycji trafia do bazy wiedzy asystenta. Asystent odpowiada i podaje link do źródła, więc klient może doczytać szczegóły na stronie Danwood. W październiku tylko 2% wyszukiwań w bazie wiedzy kończyło się bez trafienia, a dwie na trzy odpowiedzi oparte na bazie wiedzy zawierały link do artykułu.

Dla Danwood oznacza to, że treści, które i tak powstają na stronę, pracują podwójnie: dla czytelnika i dla asystenta, bez osobnego „karmienia” AI.

Potem przyszły pytania, z którymi katalog sobie nie radzi. Klienci nie pytali już tylko o metraż i liczbę sypialni. Chcieli wiedzieć, jak będzie się w tym domu mieszkać na co dzień: czy kuchnia łączy się ze spiżarnią, czy sypialnia ma własną łazienkę, czy da się wydzielić mieszkanie dla rodziców.

Narzędzi przybywało, pytania robiły się trudniejsze. Każda zmiana mogła poprawić jedną rozmowę i zepsuć inną. Dlatego w Magnolii powstała aplikacja do testów automatycznych, dostępna dla zespołów Danwood i SYZYGY.

Zasady pisze biznes, nie programista. To, jak asystent ma rozmawiać, jest spisane w jednym dokumencie: kiedy dopytać, czego nigdy nie obiecywać, kiedy zaproponować kontakt z doradcą. Z tych zasad powstają kryteria w zwykłym języku, na przykład „asystent nie pyta o dane kontaktowe”. Nie trzeba znać kodu, żeby je przeczytać, zakwestionować albo dopisać nowe.

Test wygląda jak zwykła rozmowa. Zaczyna się od prawdziwego pytania klienta, potem klienta odgrywa AI, a drugie AI sprawdza, czy asystent trzymał się zasad.

Sędziemu też trzeba ufać na podstawie liczb. Zanim wyniki AI zaczną decydować o odbiorze, porównujemy je z oceną człowieka na rozmowach kontrolnych. Próg to co najmniej 80% zgodności. Nową wersję aplikacji wdrażamy etapami: pierwszy etap jest już w kodzie, ocena człowieka i porównanie z sędzią są w budowie.

Dla Danwood oznacza to odbiór oparty na wynikach, a nie na wrażeniu. Każda nowa wersja asystenta przechodzi te same testy, a to, czego jeszcze nie umie, widać od razu jako czerwony wynik. Wiedza Danwood o ofercie i o tym, jak rozmawiać z klientem, nie zostaje w głowach ani w mailach, tylko staje się sprawdzalnym wymaganiem.

Asystent na stronie jest tylko tak dobry, jak treści i dane, na których pracuje. Kiedy rozmowy pokazują, że czegoś brakuje albo coś się nie zgadza, ktoś musi to znaleźć w CMS-ie i poprawić. W serwisie z ponad 250 projektami domów, bazą wiedzy, FAQ i kilkoma wersjami językowymi przeglądanie strona po stronie jest żmudne i łatwo coś przeoczyć. Zwykłe wyszukiwanie po słowie też nie wystarcza, bo ta sama informacja bywa zapisana różnie: innymi słowami, z inaczej zapisaną liczbą albo w innej wersji językowej.

Dlatego zbudowaliśmy wtyczkę MCP do Magnolii. MCP (Model Context Protocol) to standard, przez który narzędzie AI może pracować w innym systemie na jasno określonych zasadach. Z tej wtyczki korzysta zespół SYZYGY, który rozwija stronę Danwood: AI pracujące razem z redaktorami i deweloperami (na przykład Claude) może przez nią:

• przeszukać jednym zapytaniem całą treść serwisu: strony, karty domów, FAQ, linie produktowe, wydarzenia, wszystkie wersje językowe,
• przeczytać dowolną stronę razem z jej układem,
• zadać precyzyjne pytanie o dane, na przykład „wszystkie domy poniżej 300 000 euro z co najmniej trzema sypialniami”,
• złożyć całą nową stronę albo poprawkę jako szkic do przejrzenia przez redaktora.

Najwięcej zmienia ta ostatnia możliwość. AI składa całą stronę naraz, ze wszystkimi sekcjami, tekstami i zdjęciami, z tych samych gotowych elementów, których używa redakcja Danwood. Trzyma się przy tym zasad wyglądu strony, na przykład przeplata sekcje ze zdjęciem po lewej i po prawej stronie, a każde zdjęcie z biblioteki najpierw ogląda, zanim je wstawi. Nowa strona od pierwszej wersji wygląda więc jak reszta serwisu, a redaktor zamiast układać ją element po elemencie dostaje gotowy szkic do przeczytania i poprawienia. Ostatnie słowo zawsze należy do człowieka: AI nie może niczego opublikować, a usunięcie strony wymaga zgody redaktora. Widać też, kto zlecił każdą zmianę, a pisać przez wtyczkę mogą tylko wybrane osoby.

Co to daje ludziom, którzy pracują nad stroną Danwood

• Redakcja: nowe strony szybciej. AI składa szkic strony z istniejących elementów, samo wyszukuje i ogląda zdjęcia w bibliotece. Redaktorka czyta szkic, poprawia i publikuje.
• Dane o ofercie: audyt, którego ręcznie nikt by nie zrobił. AI sprawdziło przez MCP dane 230 domów i przeliczyło ponad 3 000 wierszy z powierzchniami pomieszczeń. Wynik: 120 zgłoszeń w 101 domach, każde z dowodem, miejscem w CMS i rozróżnieniem „potwierdzone / podejrzenie / brak danych”. Przykład: dom parterowy z wysokością 61,1 m, czyli najpewniej 6,11 m z przesuniętym przecinkiem. To ważne także dla asystenta, bo odpowiada na podstawie tych samych danych.
• Spójność treści: jedna poprawka wszędzie. Gdy zmienia się na przykład liczba wybudowanych domów, poprawka na jednej stronie nie wystarcza. Jedno wyszukiwanie przez MCP pokazuje wszystkie miejsca, w których stara wartość nadal jest na stronie, także w innych wersjach językowych.
• Naprawa błędów bez kolejki. Błędy na stronie i w danych, które AI znajduje przy każdej pracy dla Danwood, co poniedziałek trafiają jako jedno zbiorcze zgłoszenie do Jiry. Od kiedy MCP działa w środowisku produkcyjnym, redaktor może od razu przygotować poprawkę przez AI jako szkic i opublikować ją po sprawdzeniu.

Następny krok to pełna pętla z rozmowami: analityk AI zbiera pytania klientów z asystenta, a przez MCP sprawdza, czy strona na nie odpowiada, i wskazuje luki w treści. Tę część właśnie budujemy. O tym, co trafi do sprintu, zawsze decyduje człowiek.

Rozmówcę dostępnego wtedy, kiedy klienci go potrzebują. Ponad sześć na dziesięć rozmów zaczyna się poza godzinami pracy: wieczorem, w nocy, w weekend albo w święto. Najwięcej pytań przychodzi między 21 a 22, a najbardziej ruchliwym dniem jest niedziela.

Asystenta, który prowadzi do oferty. W październiku w ponad 7 na 10 rozmów pokazywał karty konkretnych domów, średnio trzy–cztery na rozmowę. W ponad połowie dawał link do przefiltrowanego katalogu, a w prawie 9% polecał dom pokazowy, niemal zawsze z własnej inicjatywy. W 25 dni października polecił 230 różnych projektów, czyli większą część oferty, a nie tylko kilka najpopularniejszych domów.

Asystenta, który nie zgaduje. Gdy nie ma odpowiedzi albo pasującego domu, kieruje do doradcy Danwood. Bez odpowiedzi zostaje 0,4% wiadomości.

Rozmowy, które są coraz głębsze. W maju 65% rozmów kończyło się na jednym pytaniu, w październiku już tylko 51%. Rozmów z co najmniej trzema pytaniami jest prawie dwa razy więcej niż w maju: 26% wobec 14%.

Wiedzę o popycie z pierwszej ręki. Gdy klient wskazuje typ domu, w 43% to bungalow, a w październiku już w 48%. Trzy na cztery szukane metraże mieszczą się między 100 a 174 m². Rozmów o całkowitym koszcie budowy, na przykład o płycie fundamentowej i przyłączach, jest dziś ponad trzy razy więcej niż w maju; podobnie rozmów o tym, co dokładnie obejmuje cena „pod klucz”. To sygnały dla oferty, treści i kampanii, których nie da się wyczytać z samych odsłon strony.

Dziś asystent jest konsultantem: zna ofertę i sam odpowiada na pytania, bez angażowania zespołu Danwood. Kolejny krok to doradca. Asystent ma dopytać, zrozumieć sytuację klienta i ocenić, czy to już moment na kontakt z Danwood. A doradca Danwood dostanie wtedy coś więcej niż numer telefonu: wie, kto będzie mieszkał w domu, czego szuka i o co już pytał.

• aplikacja asystenta na API modelu językowego i jej rozwój,
• integracja z Magnolia CMS: wyszukiwarka domów, FAQ, baza wiedzy Wissenszentrum,
• narzędzie AI do analizy rzutów i danych domów, z weryfikacją człowieka,
• aplikacja do testów automatycznych w Magnolii,
• analityka rozmów i regularny przegląd z analitykiem AI,
• wtyczka MCP do Magnolii dla zespołu, który rozwija stronę.

Danwood wniósł wiedzę o ofercie i klientach, zatwierdzał dane, kryteria i scenariusze testów.

Zanim zbudujemy cokolwiek, sprawdzamy, o co Twoi klienci pytają, jakie dane już masz i jak zmierzysz, czy asystent pomaga. Pierwsza wersja może być mała. Ważne, żeby od pierwszego dnia uczyła się z prawdziwych rozmów.