Firmy

Admiral wdrożył agentów głosowych w czterech krajach. Prompty po angielsku działały gorzej

Ubezpieczyciel Admiral pokazał, jak wprowadził agentów głosowych ElevenLabs na infolinie w czterech krajach. Instrukcje pisane po angielsku wypadały poza Wielką Brytanią słabiej niż napisane od nowa w języku klienta.

Łukasz Niesyto
prowadzi serwis · wdraża systemy AI w firmach
Opublikowano 2 min czytania
AITekst przygotowany przez AI na podstawie źródła: elevenlabs.io · jak powstaje
Zdjęcie: mikrofon studyjny na statywie z czerwonym kołem ratunkowym założonym na szyję mikrofonu

Ubezpieczyciel Admiral opowiedział na webinarze ElevenLabs, jak wprowadził agentów głosowych AI na infolinie w czterech krajach. Firma obsługuje miliony rozmów rocznie w Wielkiej Brytanii, we Włoszech, we Francji i w Hiszpanii. Najciekawsza lekcja dotyczy języka: prompty pisane po angielsku i tłumaczone działały na rynkach innych niż brytyjski gorzej. Podsumowanie spotkania ElevenLabs opublikował na swoim blogu 2 października. To lektura dla każdego, kto myśli o automatycznej obsłudze klienta przez telefon, także w małej firmie.

Instrukcje pisane w języku klienta

Prompt to instrukcja, którą agent dostaje na start: jak ma rozmawiać, czego pilnować, kiedy oddać rozmowę człowiekowi. Admiral napisał na początku wszystkie prompty i scenariusze po angielsku. We Francji, w Hiszpanii i we Włoszech agent wypadał słabiej niż w Wielkiej Brytanii. Pomogło dopiero napisanie instrukcji od nowa w języku każdego rynku, bez tłumaczenia z angielskiego. Według zespołu Admirala odpowiedzi zaczęły wtedy pasować do oczekiwań i kultury klientów.

Jeśli budujesz bota albo agenta głosowego dla polskich klientów, ta lekcja dotyczy cię wprost. Instrukcję warto pisać po polsku od początku, a nie przekładać gotowego szablonu. O dopasowaniu głosowego AI do lokalnego języka pisaliśmy też przy infolinii KPN, która uczyła model holenderskich kodów pocztowych.

Start od jednej wąskiej sprawy

Pierwszym zadaniem agentów były wyceny spłaty pożyczek w brytyjskim dziale kredytów. Rozmowa ma tu niewiele możliwych ścieżek, ale wymaga połączenia z telefonią i systemami firmy. Dzięki temu Admiral sprawdził całą architekturę bez rozwiązywania wszystkiego naraz. Dział prawny i zgodności z przepisami był w projekcie od pierwszego dnia. Zatwierdzał pilotaż z ustaloną z góry liczbą rozmów, a nie otwarty projekt bez końca.

Pierwsza działająca wersja agenta powstała na warsztatach w siedzibie firmy. Według ElevenLabs zajęło to cztery albo pięć godzin, razem z podłączeniem do systemów i telefonii.

Czego agent nie robi

Przepisy różnią się między czterema krajami, na przykład w tym, czy agent musi powiedzieć, że jest AI, i czy klient może zażądać człowieka. Admiral traktuje regulacje jako minimum i dokłada własne zasady. Klienci w trudnej sytuacji albo zdenerwowani trafiają do konsultanta, a agent jest uczony rozpoznawać takie sygnały. Wszystko, co firma musi umieć udowodnić, na przykład wymagana przez prawo formułka, działa według sztywnego scenariusza. Model nie może tam improwizować.

Każda zmiana najpierw na próbę

Każda poprawka agenta przechodzi najpierw przez setki albo tysiące symulowanych rozmów. Potem trafia do 1 proc. prawdziwych połączeń, a zespół patrzy na zadowolenie klientów i odsetek załatwionych spraw. Gdy wyniki się trzymają, zmiana obejmuje wszystkie rozmowy. Ten cykl skrócił się z tygodni do godzin.

Admiral nie podał liczb o wynikach. Mówi tylko, że rozmowy prowadzone przez AI często kończą się tym samym rozstrzygnięciem szybciej niż z konsultantem, bo nie ma ciszy, gdy system się ładuje. Źródło nie podaje też, ile rozmów obsługują dziś agenci ani ile wdrożenie kosztowało. Podobne wdrożenie z liczbami opisaliśmy przy Ringg, który załatwia do 65 proc. rozmów modelami OpenAI.

Kolejny cel Admirala to AI, które pomaga samym konsultantom. Ma pokazywać im transkrypcję rozmowy na żywo i podpowiadać następny krok.

Źródła
  1. ElevenLabs, blog „Webinar Recap: How One of Europe's Largest Insurers Got AI Agents into Production”, dostęp 2026-10-03

Ten tekst napisał model AI na podstawie źródeł wymienionych wyżej. Liczby, daty i nazwy automat porównał ze źródłem, ale przed publikacją nie czytał go człowiek. Jak powstają teksty.

Widzisz błąd? Napisz, poprawiamy i dopisujemy notę o zmianie.

Łukasz Niesyto
Łukasz Niesyto

Wdraża systemy oparte na AI w firmach produkcyjnych i usługowych. Z modelami językowymi pracuje codziennie i wie, w czym potrafią zmyślać. Dlatego każda liczba w tekstach ma tu źródło, a teksty, które sam przeczytał, są oznaczone jako sprawdzone.

wszystkie teksty autora

Powiązane

3 października 2026

Chatham Financial sprawdza transakcję w niecałe 4 minuty zamiast 30. Aplikację zbudował w Codeksie

Firmyopenai.com2 min
2 października 2026

The Den składa wniosek o grant w dwie godziny zamiast trzech dni. Mały klub z Denver pracuje z ChatGPT

Firmyopenai.com3 min
1 października 2026

ElevenLabs douczył model holenderskich kodów pocztowych. Infolinia KPN rozpoznaje teraz 82 proc.

Firmyelevenlabs.io2 min