Az AI chatbot olyan szoftver, ami egy weboldalon, üzenetküldő alkalmazásban (Messenger, WhatsApp) vagy ügyfélszolgálati felületen természetes nyelven beszélget az ügyféllel, és egy nagy nyelvi modell (LLM, jellemzően GPT-4, Claude vagy hasonló) generálja a válaszait. A különbség egy hagyományos „chatbot”-hoz képest, hogy nem előre megírt forgatókönyvet játszik le, hanem érti a kérdést és a kontextust — tud kérdezni, pontosítani, lépésenként végigvezetni egy folyamaton.
Így is ismerheted
Magyarul mesterséges intelligencia chatbot, AI-alapú beszélgetőrobot, vagy egyszerűen csak nyelvi modellel hajtott bot. Angolul a leggyakoribb az AI chatbot, LLM chatbot vagy conversational AI. Találkozhatsz a generatív chatbot kifejezéssel is, ami azt hangsúlyozza, hogy a bot generálja a választ, nem előre rögzített mondatokból válogat.
Mire jó egy AI chatbot a cégednek?
A gyakorlati érték három területen jelenik meg. Az első a lead-szerzés és kvalifikáció: a chatbot 24/7 elérhető a weboldaladon, és nem csak űrlapot kínál, hanem beszélget — kiderül, hogy az ügyfél webshopot, mobilappot vagy AI-projektet szeretne, mekkora a büdzsé, mikor indulna. Egy jól megírt bot 5-10%-kal több releváns érdeklődést hozhat, mint a sima űrlap. A második terület az ügyfélszolgálat-tehermentesítés: a tipikus kérdések (nyitvatartás, szállítási idő, számlakérés, jelszó-reset) 60-70%-át a bot el tudja intézni, és csak a komplexebb eseteket dobja át emberre. A harmadik a belső asszisztens: a céges dokumentumokra, kézikönyvre, szabályzatokra építve a kollégák gyorsan kapnak választ szabályzati vagy IT-kérdésekre.
Egy 50 fős szolgáltatóvállalat éves bevezetési költsége 0,5-2 millió forint körül indul, és havi 30-150 ezer forint üzemeltetéssel (LLM-tokenek, hosting, monitoring) megy tovább. Az 1-2 megspórolt ügyfélszolgálati óra naponta egyetlen év alatt simán visszahozza.
Hogyan épül fel egy AI chatbot?
A háttérben jellemzően négy réteg dolgozik. Az első a UI — egy weboldali bubble, Messenger-integráció, WhatsApp, vagy Slack/Teams felület. A második a conversation engine — itt fut a beszélgetés logikája: ki kérdezett mit, mire van szükség a válaszhoz, mikor adjuk át a botot emberre. Ez sokszor Typebot, Botpress, Voiceflow, vagy custom Node.js / Python szolgáltatás. A harmadik az LLM-réteg — az OpenAI API, Anthropic Claude API, vagy Google Gemini, ami a választ generálja. A negyedik a tudásbázis — a céged saját dokumentumai, GYIK, termék-leírások egy vektoradatbázisban, amit a bot keresni tud (ez az ún. RAG architektúra).
Egy klasszikus felépítés: az ügyfél kérdez → a rendszer keres a tudásbázisban a releváns dokumentum-szeletek között → az LLM-nek odakerül a kérdés + a talált szeletek → az LLM választ generál a saját tudás és a talált információ kombinációjából. Így a bot a céged konkrét adataival válaszol, nem általánosan a webről.
Mikor és milyen botot érdemes választani?
Nem minden cégnek kell AI chatbot. Három tipikus szituáció, amikor egyértelműen jó döntés:
- Sok ismétlődő ügyfélkérdés — havi 200-300+ tipikus üzenet a támogatáson. A bot ezek nagy részét lerendezi.
- Hosszú vagy szakmás termékportfolió — szolgáltatóknál, B2B-cégeknél, ahol az érdeklődő nem tudja eldönteni egyedül, melyik csomag/szolgáltatás illik rá.
- 24/7 ügyféligény, kevés ügyfélszolgálati kapacitás — webshop, SaaS, nemzetközi ügyfélkör esetén.
Az ellenkező irányban: ha napi 5-10 üzenet érkezik, és mind nagyon egyedi, akkor sokszor egy jól megírt e-mail-sablon és pár humán reagálás olcsóbb és pontosabb. A költség-haszon ott billen át, ahol a volumen vagy a sebesség-elvárás már fáj.
Mire figyelj egy bevezetésnél?
A legnagyobb buktató a hallucináció — a bot magabiztosan ad ki rossz választ. Ez különösen veszélyes, ha az ügyfél azt hiszi, hivatalos információt kapott. Két védvonal: első körben a bot csak a saját tudásbázisból válaszol (RAG), és ha nem találja a választ, ne tippeljen — inkább mondja, hogy „ezt egy kollégámmal egyeztetem”. Második védvonal: a prompt injection és más támadási vektorok elleni védelem — egy ügyes user „felülírhatja” a bot szerepét és olyan választ adathat, amitől a céged kellemetlen helyzetbe kerül.
A második fontos pont a handoff: mikor és hogyan adja át a bot az ügyfelet egy emberi kollégának. A legjobb minta az, ha a bot egy ponton túl nyitottan elismeri a határait („egy kollégámat hívom”), és nem cikluson belül próbálja erőltetni a válaszadást. Ez bizalmat épít, nem rombol.
A harmadik a mérés: minden beszélgetés végén legyen visszajelzés-mechanizmus (hüvelykujj fel/le, NPS-szerű egyszerű kérdés), és havonta nézd át a logokat. A mintázatokból tanulsz: melyik kérdéseknél bukik az AI, melyiknél megy jól, hol kell finomítani a promptot vagy a tudásbázist.
Az eClick-nél a saját chatbot fejlesztés projektjeinkben a Typebot motort használjuk (önhostolt, GDPR-barát, európai szerveren), egy egyedi tudásbázis-réteget (RAG) és vagy OpenAI API-t, vagy európai Azure OpenAI-t a feldolgozáshoz. Ha érdekel, hogyan nézhet ki a te oldaladon, vagy szeretnéd a meglévő ügyfélszolgálati folyamataidat AI-jal támogatni, az AI és automatizáció szolgáltatásból induljunk ki — workflow-elemzés, prototípus, élesítés.
