Iliustracinis pavyzdys: e-komercijos parduotuvė, gaunanti 400 klientų užklausų per savaitę, gali praleisti keliolika darbuotojo valandų atsakinėdama į pasikartojančius klausimus: „kur mano užsakymas?”, „kaip grąžinti prekę?”, „kokia grąžinimo politika?”. Tai klausimai, kurie nereikalauja žmogaus kūrybiškumo ar sprendimų priėmimo gebėjimų — tik informacijos ir greičio.
Automatinis klientų aptarnavimas 2026 m. nėra vien chatbot’as svetainėje. Tai struktūruota sistema, kuri pirmojo lygio užklausas išsprendžia be žmogaus įsikišimo ir perduoda žmogui tik tai, kas tikrai reikalauja jo dėmesio. Jei jau vertinote AI chatbot’o kainas ir ROI, šis straipsnis eina giliau — į scenarijus, o ne kainas. Septyni scenarijai, pateikti žemiau, kartu gali atlaisvinti orientaciškai 10–14 valandų per savaitę vidutinio dydžio e-komercijos ar SaaS komandoje — tikslus skaičius priklauso nuo jūsų užklausų srauto. Skaitykite taip pat: AI chatbot’o kaina svetainei Lietuvoje 2026 — kainodara ir atsiperkamumas nuosekliai.
Kodėl didelę dalį užklausų galima automatizuoti
Iliustracinis (ne tyrimu pagrįstas) e-komercijos užklausų pasiskirstymas — jūsų parduotuvėje jis gali skirtis, todėl pirmiausia suskaičiuokite savo užklausas:
- Užsakymo statusas ir pristatymas: 35–45% visų kreipimųsi
- Grąžinimų ir keitimų klausimai: 15–20%
- Kainų, akcijų ir sąlygų DUK: 10–15%
- Sąskaitų faktūrų ir mokėjimų klausimai: 8–12%
- Sudėtingos ir individualios situacijos: 10–15%
Esant tokiam pasiskirstymui, didžiąją dalį užklausų galima bent iš dalies automatizuoti, o nemažą dalį — visiškai: jos neturi variantų, reikalauja tik duomenų ištraukimo arba standartinių instrukcijų pateikimo. Likusios reikalauja žmogaus sprendimo, tačiau net čia automatika gali sutrumpinti sprendimo laiką, iš anksto surinkdama kontekstą.
Scenarijus 1: Užsakymo statuso automatinis atsakymas
Klausimas „kur mano užsakymas?” sudaro didžiąją dalį visų kreipimųsi į klientų aptarnavimą. Bot’as sujungiamas su Shopify, WooCommerce arba ERP sistema, ištraukia realaus laiko užsakymo statusą pagal kliento el. pašto adresą ar užsakymo numerį ir grąžina personalizuotą atsakymą su tracking’o nuoroda. Atsakymas pateikiamas per kelias sekundes; be automatizacijos tai — kelios minutės žmogaus darbo kiekvienai užklausai.
Techniniškai tai veikia per Shopify arba WooCommerce REST API, sujungtą su chatbot’o platforma (Intercom Fin, Tidio arba individualus sprendimas per OpenAI API), ir shipping agregatoriumi (Omniva, LP Express webhook’as). Sistema nustato užsakymo statusą, informuoja apie numatomą pristatymo datą ir automatiškai registruoja išspręstą užklausą dashboard’e. Standartiniam „kur mano užsakymas” klausimui agento laiko nebereikia.
Scenarijus 2: Grąžinimų ir keitimų savitarna
Grąžinimų ir keitimų procesas generuoja dvigubai daugiau darbo, nei reikia: klientas klausia sąlygų, operatorius paaiškina, klientas patvirtina, operatorius sukuria RMA, siunčia instrukcijas. Automatizuotas scenarijus tai sumažina iki vieno žingsnio klientui.
Klientas užpildo formą su pirkimo ID ir grąžinimo priežastimi — sistema tikrina 14 dienų teisės atsisakyti sutarties terminą ir prekės statusą — jei kriterijai atitinkami, automatiškai generuoja RMA numerį ir siunčia grąžinimo instrukciją el. paštu su QR kodu paštomatui. Jei situacija nestandartinė (prekė sugadinta siuntoje, terminas viršytas dėl objektyvios priežasties) — nukreipiama žmogui su jau surinktu kontekstu. Komanda gali sutaupyti didelę dalį grąžinimo užklausų apdorojimo laiko, o klientas atsakymą gauna per kelias sekundes, o ne po kelių valandų.
- 1Klientas užpildo formąPirkimo ID ir priežastis
- 2Sistema tikrina 14 d. terminą ir prekės būseną
- 3Sugeneruojamas RMA numeris
- 4Klientas gauna instrukciją su QR koduEl. paštas · paštomatasNestandartinis atvejis – žmogui su surinktu kontekstu.
Scenarijus 3: Dažniausi klausimai (FAQ) per AI
RAG (Retrieval-Augmented Generation) leidžia AI agentui atsakyti į DUK klausimus remdamasis jūsų faktine dokumentacija, o ne bendrais žinojimais. Klientas klausia apie pristatymo sąlygas — sistema ieško atitinkamo dokumento jūsų žinių bazėje — pateikia atsakymą su šaltinio nuoroda ir datos žyme.
Skirtumas nuo paprasto chatbot’o: RAG žino, kad jūsų grąžinimo politika yra 14, o ne 30 dienų, ir gali nurodyti atitinkamą puslapio skyrių ar PDF dokumentą. Žinių bazę sudarykite iš DUK puslapio, pagalbos centro straipsnių ir esamų el. pašto atsakymų šablonų. Pradžiai rekomenduoju 50–80 klausimų rinkinį — daugeliu atvejų jis padengia didžiąją dalį tipinių kreipimųsi.
Scenarijus 4: Užsakymo modifikacija prieš išsiuntimą
Prieš išsiunčiant užsakymą klientas nori pakeisti pristatymo adresą, sumažinti kiekį arba pridėti dovanų kortelę. Manualiai — el. pašto korespondencija, vidinis tikrinimas sistemoje, atsakymas, pakeitimas. Automatizuotas flow’as: klientas pateikia pakeitimo užklausą chatbot’ui — sistema tikrina užsakymo statusą — jei dar nesiunčiamas, atnaujina duomenis WooCommerce arba Shopify sistemoje ir per kelias sekundes siunčia patvirtinimo el. laišką klientui.
Jei užsakymas jau perduotas logistikai — klientas aiškiai informuojamas apie tai ir nukreipiamas į grąžinimų scenarijaus pradžią. Nei vienas žingsnis nereikalauja operatoriaus įsikišimo standartiniais atvejais. Orientaciškai šis scenarijus gali sutaupyti valandą ar dvi per savaitę modifikacijų apdorojimo.
Scenarijus 5: Sąskaitų ir mokėjimų klausimai
B2B segmente klausimas „galite atsiųsti sąskaitą?” kartojasi dažnai. Automatinis scenarijus: klientas nurodo užsakymo numerį arba įmonės pavadinimą — sistema ištraukia sąskaitą faktūrą iš buhalterinės sistemos (Rivile, Navision ar kitos) — siunčia PDF el. paštu arba pateikia tiesioginę atsisiuntimo nuorodą self–service portale.
Mokėjimų statusas, pavėluotų sąskaitų priminimas su mokėjimo nuoroda ir sąskaitos pakartotinis siuntimas — visi automatizuojami per tą patį n8n srautą. Šis scenarijus gali sutrumpinti sąskaitos gavimo ciklą ir sumažinti laiką, kurį buhalterija praleidžia atsakinėdama į pasikartojančius klientų klausimus apie mokėjimo dokumentų būklę.
Scenarijus 6: Karštas eskalavimas į žmogų pagal sentiment’ą
Pilnai automatizuotas klientų aptarnavimas be sentiment’o analizės yra rizika. Kai AI mato šiuos signalus: klientas ketvirtą kartą pateikia tą pačią užklausą, vartoja neigiamos emocijos žodžius, mini teismą, žiniasklaidą arba viešinimą socialiniuose tinkluose — sistema turi nedelsiant perduoti pokalbį senior agent’ui su pilnu kontekstu, o ne palikti klientą su automatiniais atsakymais.
Techniškai: OpenAI API arba Anthropic Claude su sentiment’o klasifikatoriumi — jei klasifikatoriaus balas viršija nustatytą ribą, trigeris į Intercom arba Zendesk su aukšto prioriteto žyme, pokalbio istorija ir siūlomais sprendimo variantais. Žmogus gauna jau paruoštą kontekstą ir gali atsakyti per kelias minutes vietoj valandų. Šis scenarijus apsaugo nuo vieno dažniausių automatizacijos spąstų: kai klientas jaučiasi ignoruojamas AI „sienos” ir situacija eskaluoja socialiniuose tinkluose.
Scenarijus 7: Po-prekybinis follow–up (NPS ir atsiliepimai)
Septynios dienos po pirkimo — automatiškas NPS klausimas el. paštu arba SMS: vienas klausimas, reitingas nuo 0 iki 10. Prašymą palikti Google atsiliepimą su tiesiogine nuoroda į verslo profilį siųskite visiems klientams, ne tik patenkintiems — Google taisyklės draudžia atsiliepimų prašyti selektyviai („review gating“). Detractor’iams (0–6) papildomai — automatiškas eskalavimas į support’o komandą, kad susisiektų su šiuo klientu per 24 valandas. Passive’iams (7–8) — po 30 dienų pakartotinis pasiūlymas su nauju produktu ar akcija.
Šis scenarijus vienu metu mažina churną, didina Google atsiliepimų skaičių ir padeda anksti identifikuoti produkto ar paslaugos problemas, kol jos neišaugo. Reguliarus prašymas paprastai atneša daugiau Google atsiliepimų nei atsitiktinis — poveikį matuokite savo profilyje. Apie WhatsApp kanalą follow–up sekoms: WhatsApp Business automatizavimas Lietuvoje.
Įrankiai 2026 — kainos ir pasirinkimas
Keturi dažnai svarstomi variantai. Palyginimas pagal kainą ir tinkamumo lygį (kainos 2026 m. spalio duomenimis, orientacinės, be PVM; jos keičiasi):
| Platforma | Kaina | Tinka | Integracijos |
|---|---|---|---|
| Intercom Fin | Vietos nuo ~29 $/naud./mėn. + 0,99 $ už Fin išspręstą pokalbį (Intercom) | SaaS, B2B, >200 pokalbių/mėn. | Shopify, Salesforce, Stripe |
| Zendesk AI | Nuo ~55 $/agentui/mėn. (Suite Team); pažangūs AI agentai — papildomai | E-komercija, vidutinė komanda | WooCommerce, HubSpot, Jira |
| Tidio | Nuo ~24 $/mėn. (Starter, mokant metams); AI (Lyro) — papildomai | Mažas verslas, e-parduotuvė | Shopify, WooCommerce, WordPress |
| Custom (OpenAI + n8n) | Orientaciškai €40–80/mėn. + diegimas | Specifiniai procesai, BDAR | Bet kokia sistema su API |
Sprendimas priklauso nuo dviejų veiksnių: pokalbių tūrio ir integracijos poreikių. Mažam verslui su iki 100 pokalbių per dieną — Tidio arba Custom OpenAI + n8n. Vidutiniam ir dideliam — Zendesk AI arba Intercom Fin su galimybe mastuoti. Custom sprendimas rekomenduotinas, kai standartiniai SaaS per riboti integruojant su specifinėmis Lietuvos buhalterinėmis sistemomis (Rivile, iMIS) arba kai BDAR reikalauja ES teritorijoje esančio duomenų saugojimo.
- 1 Intercom helpdesk – kaina už vieną darbuotojo vietą per mėnesį (naujiems klientams rodoma nuolaida)
- 2 Fin AI Agent – 0,99 $ už kiekvieną išspręstą pokalbį („outcome“)
Implementacijos kelias per 30 dienų
1 savaitė: Užklausų klasifikacija
Analizuojate 200–500 paskutinių klientų el. laiškų ir pokalbių iš šiuo metu naudojamos support’o sistemos. Suskirstote pagal tipą ir fiksuojate kiekvieno tipo dalį visumos. Identifikuojate 5–7 dažniausius scenarijus — tai yra prioritetizavimo pagrindas: pradėkite nuo tų, kurie sudaro >15% visų užklausų. Ši analizė taip pat pateikia bazinius matavimus ROI skaičiavimui po mėnesio.
2 savaitė: 3 lengviausi scenarijai
Diegiami trys mažiausio rizikos scenarijai: FAQ chatbot’as su žinių baze, sąskaitos faktūros automatinis siuntimas ir užsakymo statuso atsakymas. Tai leidžia komandai išmokti dirbti su sistema prieš diegiant sudėtingesnius grąžinimų arba eskalavimo flow’us. Pirmą savaitę visas srautas veikia lygiagrečiai su žmogumi — klientas gauna automatinį atsakymą, tačiau agentas taip pat jį mato ir gali pataisyti.
3 savaitė: AI integracija ir eskalavimas
Integruojama AI sentiment’o analizė, konfigūruojami eskalavimo trigeriai ir paleidžiami grąžinimų bei modifikacijos scenarijai. Pirma savaitė — stebėjimas su komandos pagalba: ar trigeriai veikia teisingai, ar AI atsakymai tikslūs, ar eskalavimo slenksčiai nustatyti tinkamai. Korekcijos — ne po mėnesio, o kartą per dvi dienas.
4 savaitė: Dashboard’as ir matavimas
Sukonfigūruojamos penkios pagrindinės metrikos: automatiškai išsprendžiamų užklausų procentas, vidutinis atsakymo laikas, eskalavimo dažnis, NPS po-prekybinis balas ir agentų laiko sutaupymas valandomis per savaitę. Šie duomenys leidžia nuolat tobulinti sistemą ir pagrįsti investiciją skaičiais vadovybei. Plačiau apie verslo procesų automatizavimą: verslo procesų automatizavimas su n8n ir AI agentais.
Klaidos, kurių vengti
- Per ankstyvas pilnas pakeitimas. Automatizuokite palaipsniui — pradėkite nuo 2–3 scenarijų, ne visų 7 iš karto. Komanda turi adaptuotis ir sistema turi „išmokti” jūsų specifikos. Staigus perėjimas didina klaidų skaičių ir klientų nepasitenkinimą per pirmąjį mėnesį.
- Nesuderintas tone of voice. AI turi kalbėti jūsų prekės ženklo balsu: jei jūsų komunikacija formali — chatbot’as turi būti formalus, jei draugiška — draugiška. Šabloninis AI tonas greitai išduoda automatizavimą ir mažina pasitikėjimą.
- Neatsekamos automatiškai išspręstos užklausos. Be matavimo neįmanoma patvirtinti ROI. Kiekvieną automatiškai išsprendžiamą pokalbį fiksuokite atskiroje metrikų eilutėje — tai jūsų pagrindinis argumentas, kai reikia pagrįsti sistemą vadovybei arba išplėsti investiciją.
Aigentas paslauga: customer support’o automatizavimo paketas
Aigentas.lt teikia pilno ciklo klientų aptarnavimo automatizavimą e-komercijai ir SaaS verslui Lietuvoje. Pradedame nuo jūsų žinutės: parašote, kokių užklausų gaunate daugiausia, o aš perskaitau ir el. paštu atsakau, kurie scenarijai turėtų duoti didžiausią grąžą. Jei reikia daugiau duomenų, suderiname pokalbį; ROI skaičiuoju pagal jūsų skaičius — ne rinkos vidurkius.
Standartinis paketas apima 3–5 scenarijų diegimą per 4 savaites, integraciją su jūsų esama platforma (Shopify, WooCommerce, Zendesk, Intercom arba custom ERP), BDAR atitiktį ir pirmų dviejų mėnesių palaikymą bei optimizavimą. Kaina — nuo €450 už pirmą sprendimą, palaikymas nuo €150/mėn. Kada investicija atsipirks, priklauso nuo užklausų kiekio — tai apskaičiuoju pagal jūsų duomenis prieš sutardami kainą.