T-Mobile Polska słucha każdej rozmowy z klientem. I nie, to nie jest powód do paniki
Kiedy dzwonisz na infolinię T-Mobile to rozmawiasz z człowiekiem - ale w tle pracują modele językowe, które transkrybują rozmowę w czasie rzeczywistym, wykrywają twój nastrój, rozumieją w czym tkwi problem - i podpowiadają konsultantowi, co powiedzieć.
Na AWS Summit Warsaw 2026 rozmawiałem z Director of Automation & Innovation Department w T-Mobile Polska, Angelicą Belanovskayą, o tym skąd wzięły się te systemy, jak działają i - może najważniejsze - dlaczego firma twierdzi, że AI nie zabierze pracy żadnemu konsultantowi.
13 mln klientów i infolinia, która nigdy nie śpi
Żeby docenić skalę wyzwania to warto zacząć od liczb. T-Mobile Polska na koniec ubiegłego roku obsługiwał 13,53 mln klientów usług mobilnych - o 666 tys. więcej niż rok wcześniej . Do tego 742 tys. klientów Internetu szerokopasmowego na koniec pierwszego kwartału 2026 r., rosnący segment B2B, usługi IoT, cyberbezpieczeństwo. Całkowite przychody firmy w ubiegłym roku wyniosły 7,52 mld zł. To jest firma, która generuje setki tysięcy interakcji z klientami każdego tygodnia - przez telefon, czat, media społecznościowe, sklepy stacjonarne.
Przy takiej skali nawet skromna poprawa efektywności obsługi przekłada się na miliony złotych oszczędności rocznie. Ale Belanovskaya podkreśla, że motywacja do inwestycji w AI nie była wyłącznie finansowa. „To wzbudziło naszą uwagę już 2,5 roku temu, kiedy pojawiły się pierwsze rozmowy na temat. Chcieliśmy dotrzymać tempa rynkowi. To nie było pytanie „czy w to wejść”, a decyzja, że musimy to zrobić - bo to konkurencyjna przewaga na przyszłość.”
ZapytAI: co widzą konsultanci, kiedy rozmawiają z tobą
Pierwszym z wdrożonych systemów jest ZapytAI - narzędzie działające wewnątrz organizacji, niewidoczne dla klientów, ale bezpośrednio wpływające na jakość każdej obsługi . Mechanizm jest prosty w opisie, choć złożony technicznie: kiedy konsultant rozmawia z klientem i pojawia się pytanie, na które nie zna odpowiedzi z głowy - czy to skomplikowany zapis regulaminu, aktualna procedura reklamacyjna albo szczegóły konkretnej promocji - wpisuje zapytanie w oknie ZapytAI i natychmiast dostaje odpowiedź z rekomendacją kolejnego działania .
System działa w oparciu o technologię RAG, czyli Retrieval-Augmented Generation. W uproszczeniu: zamiast polegać wyłącznie na wiedzy „wbudowanej” w model językowy podczas treningu ZapytAI w czasie rzeczywistym sięga do aktualnej bazy wiedzy T-Mobile i buduje odpowiedź na podstawie najświeższych danych - aktualnych regulaminów, procedur, ofert. To ważna różnica w stosunku do czystego chatbota opartego na LLM: odpowiedź jest zakorzeniona w faktach, nie w statystycznych domysłach modelu. Efekt mierzalny: skrócenie czasu wyszukiwania informacji o 40 proc. i poprawa trafności odpowiedzi o 20 punktów procentowych. W pierwszej fazie wdrożenia z ZapytAI korzystało około 200 konsultantów - firma zbierała feedback przed szerszym rolloutem.
Cały system został zbudowany na Amazon Bedrock - platformie AWS, która umożliwia dostęp do różnych modeli językowych przez jedną API, bez konieczności zarządzania własną infrastrukturą obliczeniową pod modele . Belanovskaya przyznaje, że wdrożenie okazało się szybsze, niż się spodziewano: „Myśleliśmy, że nauka prompt managementu pochłonie wieki, a tymczasem nasi ambitni deweloperzy nauczyli się tego bardzo szybko. Zwłaszcza że AWS ma wiedzę, jak to wdrażać, ma wielu partnerów w wielu branżach i nam pomógł.”
System analizy głosu: AI, które słucha każdej rozmowy
Drugie rozwiązanie jest bardziej złożone i - trzeba przyznać - brzmi trochę jak materiał na dystopijny thriller, gdyby nie to, że działa na korzyść klientów co najmniej tak samo jak na korzyść firmy. System analizy głosu oparty na AI przetwarza każdą rozmowę z klientem, wydobywając z niej trzy rodzaje informacji: intencję dzwoniącego (po co właściwie dzwoni, zanim sam zdąży to dobrze wyartykułować), nastrój (czy jest sfrustrowany, spokojny, agresywny, zdezorientowany) i przyczynę źródłową problemu (co tak naprawdę poszło nie tak, niekoniecznie to, co klient opisuje).
Technologicznie jest to złożona układanka AWS: Amazon Transcribe zajmuje się transkrypcją - zamianą mowy na tekst w czasie rzeczywistym , Amazon Bedrock odpowiada za rozumienie kontekstu i generowanie wglądów, a Amazon SageMaker pozwala na trenowanie i wdrażanie własnych modeli analitycznych na danych T-Mobile. Amazon Transcribe ma zresztą dedykowany tryb Call Analytics, zaprojektowany specjalnie pod centra obsługi - z wykrywaniem intencji, analizą sentymentu i możliwością kategoryzowania rozmów według tematów .
Dane z takich analiz mają przełożenie na wskaźniki, które dla każdego telekomunikacyjnego CFO są kluczowe: churn (odpływ klientów) i cross-selling (sprzedaż dodatkowych usług). Jeśli system wykryje, że 30 proc. osób dzwoniących z konkretnym problemem odchodzi do konkurencji w ciągu 60 dni to firma może zidentyfikować przyczynę i interweniować - zanim klient złoży wypowiedzenie.
Kiro: AI wspiera też inżynierów, nie tylko konsultantów
Przy okazji warto wspomnieć, że AI w T-Mobile Polska nie ogranicza się do obsługi klienta. Firma wdrożyła też Kiro - środowisko programistyczne wspierane przez AI - które automatycznie transformuje i modernizuje kod wewnętrznych platform. To narzędzie dla inżynierów, nie dla klientów, ale jego znaczenie jest niemałe: T-Mobile jako telekom dysponuje ogromnymi, często przestarzałymi bazami kodu, których modernizacja ręczna zajmuje lata. Automatyczna transformacja kodu przyspiesza ten proces wielokrotnie.
„Agile nie zabrało pracy. AI też nie zabierze”
Rozmowy o AI w środowiskach korporacyjnych niemal nieuchronnie prowadzą do pytania o miejsca pracy. Belanovskaya ma na to odpowiedź gotową - i co ważne, brzmi jak przekonanie, nie jak PR. „Podoba mi się strategia, jaką budujemy w DT Group i T-Mobile Polska. Mówimy, że tworzymy technologię wokół ludzi, a nie gromadzimy ludzi wokół technologii. Według nas ważne jest, by zapewnić ludziom narzędzia AI, by mogli szybciej pozbyć się obowiązków, znaleźć więcej czasu na kreatywność i bardziej złożone zadania.”
I dalej, z porównaniem, które trafia w sedno: „Kiedyś popularny był system pracy „agile”, wszyscy o tym mówili. Teraz jest tak z AI. Czy agile wpłynęło na zatrudnienie? Nie. Tak samo jest z AI, szczerze w to wierzę.” To nieoczywiste zestawienie, ale ma w sobie dużo racji. Agile nie zlikwidowało stanowisk programistów - zmieniło sposób, w jaki pracują. AI robi to samo z konsultantami, analitykami i inżynierami: przesuwa ich aktywność z zadań mechanicznych (wyszukiwanie informacji, ręczna transkrypcja, dokumentacja rozmów) na zadania, które wymagają ludzkiego osądu, empatii i decyzyjności.
Halucynacje, ryzyko i kontrolowane wdrożenia
Każda szczera rozmowa o AI korporacyjnym musi w pewnym momencie dotknąć kwestii zawodności modeli. Duże modele językowe halucynują - generują przekonująco brzmiące, ale błędne informacje - i żadna firma nie jest na to odporna. Belanovskaya nie próbuje tego przemilczeć: „Modele mogą halucynować, ale to jeszcze nie oznacza bezpośredniego negatywnego wpływu na firmę. Wybieramy najpierw systemy niskiego ryzyka, gdzie próbnie wdrażamy Duże Modele Językowe. Nie narażamy danych klientów, wybieramy bezpieczne obszary, które z pewnością nie wpłyną negatywnie na działalność biznesową.”
W praktyce oznacza to sekwencjonowanie wdrożeń: zamiast od razu dawać AI dostęp do kluczowych systemów transakcyjnych T-Mobile zaczyna od narzędzi wewnętrznych - takich jak ZapytAI - gdzie błąd modelu zostaje przechwycony przez człowieka zanim trafi do klienta. Dopiero kiedy system wykazuje stabilność to zakres uprawnień się rozszerza. To jest podejście zdroworozsądkowe, ale zaskakująco rzadkie w branży, gdzie presja na szybkie ogłaszanie rozwiązań „AI-powered” często bierze górę nad ostrożnością.
Magenta AI i zmiana nastawienia klientów
Jednym z ciekawszych wątków rozmowy z Belanovskayą był temat percepcji AI wśród zwykłych użytkowników. T-Mobile Polska prowadzi Magenta AI - usługę, przez którą klienci operatora mogą sami korzystać z narzędzi AI dostępnych w ramach abonamentu. Program Magenta Moments, powiązany z ekosystemem usług T-Mobile, osiągnął 2 mln uczestników na początku bieżącego roku - zaledwie dwa lata po uruchomieniu.
Belanovskaya widzi w tym wyraźną zmianę kulturową: „Zmieniają swój sposób myślenia. Przestajemy czuć strach, zaczynamy czuć przyzwyczajenie. Wcześniej nikt nie wiedział jak używać ChatGPT, dziś go po prostu używamy - jak Outlooka czy Teams. Ludzie się już nie boją.” I to jest właśnie misja, którą Belanovskaya opisuje dla T-Mobile Polska: nie tylko wdrożyć AI wewnętrznie dla efektywności operacyjnej, ale też pokazać klientom - przez własny przykład - że AI jest narzędziem, nie zagrożeniem. „Chcemy być firmą, która pokazuje, że AI nie jest czymś, czego należy się obawiać, że to drugi pilot pomagający w codzienności.”
Czy T-Mobile zdoła w tym przekonać 13 mln swoich klientów? Jeśli ZapytAI faktycznie sprawi, że infolinia przestanie być tym miejscem, gdzie spędza się 20 minut, żeby dowiedzieć się czegoś, co konsultant powinien wiedzieć od ręki - to będzie lepszy argument niż jakakolwiek kampania wizerunkowa.
