A survey of 150 customer-service and IT leaders shows a striking gap between the breadth of AI deployment and financial results. No respondent reported a significant cost reduction from AI, and two thirds reported higher costs. The cause lies not only in the technology: companies use too many platforms, have inconsistent governance and add new tools to operating models designed before AI.
The spread of AI in customer service does not by itself mean cheaper operations. A new TTEC Digital survey of 150 leaders in customer service, contact centers and IT shows almost the opposite of the expectations with which many companies introduced the technology.
None of the respondents said their organization had achieved a real reduction in costs thanks to AI. Two thirds instead reported higher operating costs. The study identifies the combination of an outdated operating model, fragmented data and weak technology governance as the main problem.
Sixty percent of the organizations surveyed use seven or more different platforms. Technical integration does not mean operational visibility, however. Only 43 percent of leaders were highly confident that they could clearly identify everywhere AI was being used across the customer journey. This creates room for duplicate tools and automation that nobody governs centrally.
Capabilities are another weakness. Ninety percent of managers are confident in deploying AI itself, but not a single respondent said the company had no gaps in internal capabilities. According to the study, more mature organizations keep AI strategy and governance in-house and use external partners mainly to accelerate technical implementation.
Governance is a separate problem. Only 29 percent of organizations use a formal cross-functional governance mechanism consistently. In 64 percent, rules are applied differently across the company. This is especially dangerous in customer service because one customer can move through marketing, sales, self-service and the contact center during a single journey.
The practical question, therefore, is not how many AI tools you operate but whether you have visibility across the entire customer journey. At every automated point, it should be clear who owns it, which data it uses, which business outcome it is meant to improve and how escalation to a human is handled.
Respondents listed modernization of data foundations, better coordination across functions and clearer linkage between customer experience and the company’s financial results among the main planned investment priorities for 2027.
KEY TERMS
- Customer-service operating model: The way processes, responsibilities, data and technologies are allocated when serving customers.
- Fragmented technology foundation: A collection of multiple systems that may be connected but do not provide one governed view of the process.
- AI governance: Rules for ownership, use, oversight and accountability for AI systems.
- Measurable return: A financial or operational result that can be directly linked to a specific technology deployment.
Firmy zavádějí AI do zákaznické péče téměř všude, ale náklady podle průzkumu neklesají a někde dokonce rostou
Průzkum 150 vedoucích zákaznické péče a IT ukazuje výrazný rozpor mezi šíří nasazení AI a finančním výsledkem. Žádný respondent neuvedl významné snížení nákladů díky AI a dvě třetiny hlásily jejich růst. Příčina neleží jen v technologii: firmy používají příliš mnoho platforem, mají nejednotnou správu a vkládají nové nástroje do provozních modelů vytvořených ještě před AI.
Rozšíření AI v zákaznické péči samo o sobě neznamená levnější provoz. Nový průzkum TTEC Digital mezi 150 vedoucími pracovníky zákaznické péče, kontaktních center a IT ukazuje přesný opak očekávání, se kterým řada firem technologii zaváděla.
Žádný z respondentů neuvedl, že by organizace dosáhla skutečného snížení nákladů díky AI. Dvě třetiny naopak uvedly růst provozních nákladů. Studie jako hlavní problém označuje kombinaci zastaralého provozního modelu, roztříštěných dat a slabé správy technologií.
Šedesát procent zkoumaných organizací používá sedm nebo více různých platforem. Technické propojení ale neznamená provozní přehled. Pouze 43 procent vedoucích mělo vysokou důvěru, že dokáže jednoznačně určit, kde všude se AI v zákaznické cestě používá. To vytváří prostor pro duplicitní nástroje a automatizaci, kterou nikdo centrálně neřídí.
Další slabinou jsou kompetence. Devadesát procent manažerů si věří v samotném nasazování AI, ale ani jeden respondent neuvedl, že firma nemá žádné nedostatky v interních schopnostech. Zkušenější organizace podle studie udržují strategii a správu AI uvnitř firmy a externí partnery využívají především pro technické urychlení realizace.
Samostatným problémem je řízení. Pouze 29 procent organizací používá formální mezioborový mechanismus správy konzistentně. U 64 procent jsou pravidla aplikována různě napříč firmou. V zákaznické péči je to zvlášť nebezpečné, protože jeden zákazník může v průběhu jedné cesty procházet marketingem, prodejem, samoobsluhou a kontaktním centrem.
Praktická otázka proto není, kolik AI nástrojů provozujete, ale zda máte přehled o celé zákaznické cestě. U každého automatizovaného bodu by mělo být jasné, kdo jej vlastní, na jakých datech pracuje, jaký obchodní výsledek má zlepšit a jak je řešena eskalace na člověka.
Mezi hlavní plánované investiční priority pro rok 2027 respondenti zařadili modernizaci datových základů, lepší koordinaci mezi funkcemi a jasnější propojení zákaznické zkušenosti s finančními výsledky firmy.
KLÍČOVÉ POJMY
- Provozní model zákaznické péče: Způsob rozdělení procesů, odpovědností, dat a technologií při obsluze zákazníka.
- Roztříštěný technologický základ: Soustava více systémů, které jsou sice propojené, ale neposkytují společný řízený obraz procesu.
- Správa AI: Pravidla pro vlastnictví, použití, kontrolu a odpovědnost za systémy AI.
- Měřitelná návratnost: Finanční nebo provozní výsledek, který lze přímo spojit s konkrétním nasazením technologie.