Black Friday, předvánoční nákupy nebo velké slevové kampaně dokážou během několika hodin pořádně prověřit fungování e-shopu. S rostoucím počtem objednávek přibývají také dotazy na dostupnost zboží, změny doručení, reklamace a další požadavky, které musí zákaznická podpora a interní týmy zvládnout vyřídit. To, co během běžného provozu nepředstavuje větší problém, se tak může rychle proměnit v úzké místo celého procesu.
Právě tady se nabízí využití umělé inteligence, která dokáže převzít část rutinní komunikace, pracovat s informacemi o objednávkách nebo pomáhat zaměstnancům s vyřizováním požadavků. Její nasazení však vyvolává také otázku, které úkoly jí lze bezpečně svěřit a kdy už je lepší ponechat rozhodování člověku.
Odpověď přitom nespočívá jen v technologických možnostech. Stejně důležité je zohlednit očekávání zákazníků, kvalitu dostupných dat a pravidla, podle kterých jednotlivé procesy fungují.
Zákazníci AI využívají stále častěji, ale chtějí mít kontrolu
Umělá inteligence se postupně stává běžnou součástí online nakupování. Zákazníci ji využívají při hledání produktů, porovnávání nabídek nebo výběru vhodného dárku, přesto však nejsou ochotni přenechat jí všechna rozhodnutí.
Podle Deloitte Holiday Retail Survey 2026 používá 39 % dotázaných amerických spotřebitelů generativní AI jako hlavní nástroj alespoň pro jednu činnost související s vánočními nákupy. Pouze 16 % respondentů by jí ale dovolilo nákup také dokončit.
Podobný postoj je patrný i v zákaznické podpoře. Průzkum společnosti Gartner ze srpna 2026, kterého se zúčastnilo 3 566 zákazníků z B2B i B2C prostředí, ukázal, že polovina respondentů považuje komunikaci se zákaznickým servisem za jednodušší, pokud firma využívá generativní AI. Současně ale 87 % dotázaných považuje za zásadní, aby měli možnost obrátit se na skutečného pracovníka.
Výsledky obou výzkumů naznačují, že zákazníci jsou otevření novým způsobům komunikace a oceňují jejich pohodlí, pokud jim zároveň zůstává možnost zasáhnout do rozhodování nebo požádat o individuální pomoc.
Pro e-shopy je proto důležité přemýšlet nejen o tom, kolik požadavků lze automatizovat, ale také o tom, jak bude automatizace fungovat z pohledu samotného zákazníka.
Které úkoly může AI během nákupní špičky převzít?
Největší přínos AI se ukazuje především u činností, které se často opakují, vyžadují práci s velkým množstvím informací nebo zbytečně zatěžují zaměstnance. Správně nastavená automatizace dokáže tyto procesy výrazně zjednodušit a uvolnit kapacity týmů právě ve chvílích, kdy je provoz e-shopu nejvytíženější.
1. Opakující se dotazy a informace o objednávkách
Kde je moje objednávka? Kdy dorazí? Je produkt skladem? Mohu změnit doručovací adresu?
Právě podobné otázky zaměstnávají zákaznickou podporu každý den a během nákupní špičky jich přirozeně přibývá. Přestože bývají jednoduché, jejich vyřizování vyžaduje čas, zejména pokud musí pracovník dohledávat informace v několika různých systémech.
AI asistent propojený s objednávkovým, skladovým a logistickým systémem může zákazníkovi potřebné informace vyhledat a poskytnout bez dalšího zásahu zaměstnance. Ten se díky tomu může věnovat složitějším případům, které automatizované řešení nezvládne.
Takové propojení je ovšem nezbytné pro spolehlivost celého procesu. Pokud AI nemá přístup k aktuálnímu stavu objednávky, nemůže zákazníkovi s jistotou sdělit, kdy zásilka dorazí. Nesprávně slíbený termín doručení přitom může během předvánoční sezony způsobit podstatně větší komplikace než samotná prodleva v odpovědi.
2. Třídění požadavků a příprava jejich vyřízení
Automatizace nemusí nutně znamenat, že AI vyřeší celý požadavek od začátku do konce. Velkou část práce dokáže zaměstnancům ušetřit i tím, že správně rozpozná problém, dohledá související informace a připraví další postup.
Představme si zákazníka, který potřebuje změnit doručovací adresu. AI nejprve identifikuje objednávku, ověří její aktuální stav a zjistí, zda je změna podle nastavených pravidel ještě možná. Pokud zásilka nebyla předána dopravci a zákazník prošel potřebným ověřením, může následný automatizovaný proces adresu upravit.
Jestliže už objednávka odešla nebo se objeví nestandardní okolnosti, systém může požadavek předat pracovníkovi zákaznické podpory. Ten už přitom dostane připravené informace a nemusí celý případ řešit od začátku.
Podobně lze postupovat při vracení zboží, reklamacích nebo úpravách objednávek. Výhodou je nejen rychlejší komunikace se zákazníkem, ale také omezení administrativy, která zaměstnancům během nákupní špičky zabírá značnou část pracovní doby.
3. Monitoring provozu a včasné odhalování problémů
Vedle zákaznické komunikace může AI pomáhat také s vyhodnocováním provozních dat. Pokud například začne neobvykle rychle přibývat dotazů na opožděné doručení, může systém upozornit odpovědné pracovníky na vznikající problém ještě předtím, než se projeví ve větším rozsahu.
Podobně lze sledovat neobvyklý nárůst stornovaných objednávek, změny v poptávce nebo zatížení jednotlivých částí provozu. V kombinaci s historickými daty mohou takové informace pomoci také při plánování skladových zásob a personálních kapacit.
Ne vždy je přitom nutné využívat generativní AI. Některé úkoly lze spolehlivě zvládnout pomocí běžné automatizace, analytických nástrojů nebo předem nastavených upozornění. Záleží především na povaze konkrétního procesu a na tom, jaké řešení dokáže přinést požadovaný výsledek s přiměřenými náklady.
Kde by měl stále rozhodovat člověk?
Přestože AI dokáže zpracovávat velké množství požadavků a pracovat s rozsáhlými daty, některé situace vyžadují individuální posouzení, zkušenost nebo převzetí odpovědnosti za konkrétní rozhodnutí.
Nestandardní reklamace a individuální řešení
Představme si zákazníka, kterému několik dní před Vánocemi dorazí poškozený dárek. Standardní odpověď s odkazem na reklamační formulář mu pravděpodobně příliš nepomůže, protože potřebuje vědět, zda existuje možnost rychlé výměny nebo jiného řešení.
AI může dohledat historii objednávky, ověřit dostupnost náhradního produktu a připravit přehled možných postupů. Pokud však situace vyžaduje výjimku z běžných pravidel nebo individuální kompenzaci, měl by případ převzít pracovník, který dokáže posoudit všechny okolnosti.
To samozřejmě neznamená, že by bylo nutné řešit každou reklamaci ručně. Jednoduché případy, u nichž jsou podmínky jednoznačné, mohou probíhat automaticky. U těch složitějších je však vhodnější využít AI jako podporu zaměstnance než jako samostatného rozhodovatele.
Rozhodnutí s finančními důsledky
Vrácení peněz, mimořádné slevy nebo nestandardní kompenzace mohou mít přímý dopad na hospodaření e-shopu. Přesto ani v těchto oblastech není nutné automatizaci úplně vylučovat.
Firma může například stanovit maximální hodnotu kompenzace, kterou systém smí schválit samostatně, nebo definovat podmínky, za kterých lze automaticky vrátit platbu. Pokud požadavek překročí stanovený limit, obsahuje rozporné údaje nebo vyžaduje individuální posouzení, předá se odpovědnému pracovníkovi.
Výsledkem je proces, ve kterém technologie zvládá rutinní úkony a zaměstnanci rozhodují především o případech, u nichž je jejich úsudek skutečně potřeba.
Situace, kdy zákazník ztrácí důvěru
Ochota komunikovat s AI má své hranice, což potvrzuje také Five9 Consumer CX Report 2026, zveřejněný v říjnu letošního roku.
Průzkum mezi 3 000 spotřebiteli z USA, Velké Británie a Německa ukázal, že 55 % respondentů důvěřuje schopnosti AI vyřešit jejich problém, pokud mají možnost obrátit se na člověka. Bez této možnosti důvěra klesá na pouhých 26 %.
Zajímavé je také zjištění, že 92 % dotázaných je ochotno komunikovat s AI méně než deset minut, než požádá o spojení s člověkem. Téměř polovina respondentů, kteří automatizovanou komunikaci opouštějí, navíc jako hlavní důvod uvádí opakované nepochopení jejich požadavku.
Provozovatelé e-shopů by proto měli zákazníkům umožnit snadný přechod k lidské podpoře, pokud automatizované řešení nefunguje podle očekávání. Ideálně tak, aby zaměstnanec dostal k dispozici dosavadní komunikaci a zákazník nemusel celý problém znovu vysvětlovat.
Právě způsob, jakým systém zvládá podobné situace, může mít na zákaznickou zkušenost větší vliv než samotná rychlost automatických odpovědí.
Bez kvalitních dat a jasných pravidel nebude fungovat ani dobrý AI agent
Při zavádění umělé inteligence do e-commerce se firmy často soustředí na výběr vhodného nástroje, zatímco skutečné komplikace se mohou skrývat v procesech, které má nový systém obsluhovat.
Objednávkový systém, sklad, CRM a zákaznická podpora totiž nemusí vždy pracovat se stejnými informacemi. Pokud mezi nimi chybí spolehlivé propojení nebo některá data nejsou aktuální, samotné nasazení AI problém nevyřeší.
Typickým příkladem může být produkt, který e-shop stále uvádí jako dostupný, přestože jeho skutečné skladové zásoby už byly vyčerpány. AI vycházející z neaktuálních údajů pak může zákazníkovi potvrdit dostupnost a slíbit doručení, které obchod nebude schopný splnit.
Před nasazením je proto potřeba ověřit nejen kvalitu dat, ale také to, jak celý proces funguje, odkud systém získává informace a jaká oprávnění bude mít. Součástí návrhu by měla být pravidla pro práci s osobními údaji, provádění změn v objednávkách i předávání nestandardních případů zaměstnancům.
Čím větší samostatnost AI získá, tím důležitější je mít přehled o jejích úkonech a možnost zasáhnout, pokud se něco začne vyvíjet nesprávným směrem.
Jak poznat, že AI skutečně přináší hodnotu?
Počet zpráv vyřízených chatbotem nebo množství automatizovaných požadavků může na první pohled vypadat jako dobrý výsledek. Pokud ale zákazníci kvůli nepřesným odpovědím kontaktují podporu opakovaně, může být skutečná úspora podstatně menší, než se původně očekávalo.
Právě prokazování ekonomického přínosu zůstává pro firmy jednou z výzev. Podle průzkumu společnosti Gartner z července 2026 dokázalo pouze 24 % vedoucích pracovníků v oblasti zákaznické podpory prokázat pozitivní finanční návratnost napříč svými AI projekty. Výzkum přitom vycházel z odpovědí 1 303 vedoucích pracovníků z různých odvětví.
Z tohoto výsledku nelze automaticky usuzovat, že ostatní projekty byly ztrátové. Ukazuje však, že samotné zavedení AI ještě není důkazem jejího ekonomického přínosu.
E-shopy by proto měly vedle počtu automatizovaných požadavků sledovat také průměrnou dobu jejich vyřízení, podíl úspěšně vyřešených případů, opakované kontakty zákazníků nebo jejich spokojenost. Pro skutečné vyhodnocení návratnosti je navíc potřeba započítat náklady na integrace, provoz, údržbu a průběžnou kontrolu kvality.
Teprve porovnání těchto ukazatelů se stavem před nasazením pomůže určit, zda automatizace přináší očekávané zlepšení, nebo pouze přesouvá práci z jednoho místa na druhé.
Příprava na nákupní špičku začíná mnohem dříve
Black Friday nebo vánoční sezona nejsou ideální dobou pro první experimenty s neověřenými řešeními, protože případná chyba může během vysokého provozního zatížení zasáhnout velké množství zákazníků.
Rozumnější je začít s dostatečným předstihem, vybrat několik konkrétních procesů a ověřit, kde automatizace přinese největší užitek. Může jít například o odpovídání na dotazy ke stavu objednávek, třídění zákaznických požadavků nebo přípravu podkladů pro reklamace.
Po prvním nasazení by mělo následovat průběžné vyhodnocování výsledků a postupné rozšiřování systému do dalších oblastí. Stejně důležité je otestovat situace, kdy AI nemá dostatek informací, narazí na nestandardní požadavek nebo nedokáže bezpečně dokončit zadaný úkol.
Právě tyto scénáře rozhodují o tom, zda bude systém fungovat spolehlivě i ve chvíli, kdy se počet požadavků několikanásobně zvýší.
Budoucnost e-commerce stojí na lepším rozdělení práce
Nákupní špičky každoročně ukazují, jak dobře mají e-shopy nastavené interní procesy a kde vznikají zbytečné prodlevy. Umělá inteligence může řadu těchto problémů pomoci řešit, zejména pokud zaměstnance zbaví opakující se administrativy, zrychlí práci s informacemi a umožní rychlejší reakci na zákaznické požadavky.
Její přínos však závisí na tom, jak dobře zapadne do fungování firmy. Bez kvalitních dat, propojených systémů a jasně stanovených pravidel může i technologicky pokročilé řešení přinášet více komplikací než užitku.
Pro vedení e-shopů proto není nejdůležitější otázkou, kolik práce dokáže AI převzít, ale které činnosti má smysl automatizovat a kde je stále potřeba lidský úsudek.
Dobře nastavené rozdělení odpovědnosti může firmám pomoci zvládnout nákupní špičky s menší provozní zátěží, aniž by tím utrpěla kvalita zákaznické podpory. A právě to by mělo být hlavním měřítkem úspěšné automatizace.