Jeszcze kilka lata temu pytanie brzmiało: „Czy AI zmieni windykację?”. Dziś to już nieaktualne. Sztuczna inteligencja jest obecna w scoringach, segmentacji portfeli, planowaniu kontaktów, tworzeniu komunikacji i analizie rozmów. Prawdziwe pytanie brzmi więc zupełnie inaczej:
- Gdzie kończy się przewaga algorytmu, a gdzie zaczyna przewaga człowieka?
Bo jeśli słuchać marketingu dostawców technologii, można odnieść wrażenie, że bot za chwilę będzie negocjował skuteczniej niż najlepszy windykator, szybciej odzyskiwał należności i jeszcze robił to bez urlopów, zwolnień lekarskich i karty multisporta. Problem w tym, że badania pokazują znacznie bardziej złożony obraz.
Mamy dziś do dyspozycji twarde dane empiryczne, randomizowane eksperymenty oraz analizy ekonomii behawioralnej. Wynika z nich jasny wniosek: w niektórych obszarach windykacji AI osiąga wyniki, do których człowiek nawet się nie zbliża. W innych jej bezpośrednie wdrożenie potrafi obniżyć odzysk i pozostawić trwały ślad w portfelu.
Sprawdźmy więc, gdzie maszyna wygrywa przez czysty nokaut techniczny, a gdzie żywy, wyszkolony windykator nadal pozostaje bezkonkurencyjny.
1. Analityczny mózg na sterydach: Gdzie maszyna deklasuje człowieka
Zacznijmy od obszaru, w którym jako ludzie nie mamy najmniejszych szans w starciu z algorytmami. Chodzi o analityczne zaplecze, czyli to, jak dzielimy portfel i zarządzamy ruchem w call center. Kiedy zaprzęgamy zaawansowane modele matematyczne do segmentacji dłużników, dzieją się rzeczy genialne.
Świetnie pokazał to wielkoskalowy eksperyment zrealizowany w Holandii (wyniki opublikowano w 2024 roku). Badacze wzięli na warsztat bazę 36 031 dłużników z niezabezpieczonymi długami konsumenckimi. AI miała za zadanie ocenić, kto ma największą szansę na spłatę.
Efekt? Bezwzględna precyzja.
- Z grupy 10% dłużników, których algorytm wytypował jako najbardziej rokujących, pieniądze odzyskano od ponad 70% z nich.
- Z kolei w grupie, którą system ocenił jako najgorszą z możliwych, skuteczność spadła poniżej 10%.
Maszyna bezbłędnie oddzieliła ziarno od plew.
Starcie tytanów: Doświadczony manager vs Algorytm
Prawdziwa rewolucja wyszła jednak na jaw w drugiej części badania. Naukowcy podzielili kolejną grupę 7 839 dłużników i losowo przydzielili ich do dwóch różnych strategii:
- Strategia ludzka: To doświadczeni managerowie na bazie swoich lat praktyki decydowali, do kogo, kiedy i jak często zadzwonić.
- Strategia AI: To system każdego dnia typował numery do obdzwonki. Co ważne, komputer nie patrzył tylko na wiek długu. Analizował ukryte zależności, w tym… zwykłe notatki tekstowe, które windykatorzy wpisywali do CRM po poprzednich rozmowach.
Żeby eksperyment był uczciwy: połączenia w obu grupach wykonywali dokładnie ci sami, żywi operatorzy. Nie mieli pojęcia, czy numer na ekranie podsunął im manager, czy sztuczna inteligencja. Mało tego grupie sterowanej przez AI celowo ograniczono liczbę dozwolonych prób kontaktu. Miała trudniej.
Wyniki? Twarde dane biznesowe zmiażdżyły ludzką intuicję:
Systemy AI podniosły wskaźnik spłat o ponad 10 punktów procentowych w stosunku do tradycyjnego zarządzania przez ludzi. I to przy mniejszej liczbie wykonanych telefonów!
Algorytm wie bezbłędnie, kiedy odpuścić i nie palić bazy, a kiedy uderzyć, żeby zamknąć sprawę sukcesem. Oszczędność roboczogodzin w czystej postaci.
Koniec z „wydaje mi się”, czyli mitygowanie ludzkich uprzedzeń
Dlaczego managerowie przegrali? Bo jako ludzie ulegamy błędom poznawczym i stereotypom. Koordynator patrzy na trudny, spisany na straty portfel i podświadomie go marginalizuje. Myśli sobie: „Ech, szkoda prądu, ci ludzie i tak nie wpłacą, gińmy gdzie indziej”.
Maszyna nie ma emocji, gorszych dni ani uprzedzeń. Ona nie stawia na kimś krzyżyka, bo „tak jej podpowiada nos”. Analizuje fakty i regularnie kieruje ruch tam, gdzie człowiek dawno już by odpuścił generując z tych teoretycznie „beznadziejnych” spraw czysty zysk.
Co więcej, AI gra długoterminowo. W przypadku najwyższych długów (gdzie średnia kwota wynosiła ponad 2800 dolarów), przewaga komputera rosła z każdym tygodniem 180-dniowego cyklu windykacji. Tam, gdzie człowiek szukał szybkich, łatwych strzałów i szybko się zniechęcał, algorytm metodycznie, krok po kroku, dowoził wynik do końca.
2. Front-Office i konwersacyjne AI: Finansowa katastrofa na słuchawce
Skoro sztuczna inteligencja tak genialnie steruje ruchem i typuje dłużników, to logicznym krokiem wydaje się pójście o krok dalej: niech bot sam przeprowadzi rozmowę negocjacyjną.
I w tym momencie wchodzimy na pole minowe.
Rygorystyczne badanie powiązane z Uniwersytetem Yale oraz amerykańskim Krajowym Biurem Badań Ekonomicznych (NBER) z początku 2024 roku brutalnie zweryfikowało, jak naprawdę radzą sobie głosowe boty (Voiceboty AI) w windykacji. Badacze wzięli na warsztat realny portfel spraw i użyli zaawansowanej metodologii, która pozwala chirurgicznie oddzielić czysty przypadek od faktycznej skuteczności algorytmu. Mówiąc krótko: boty przeszły bezlitosny test prawdy na żywym organizmie.
Dane finansowe mierzone wartością zaktualizowaną netto (NPV) spłat kapitałowych są dla konwersacyjnego AI bezlitosne:
- W szczytowym momencie (około 30. dnia opóźnienia) NPV zebrane przez bota było o 9 do 11 punktów procentowych niższe niż środki odzyskane przez żywych windykatorów.
- Nawet w horyzoncie 365 dni strukturalna luka wydajnościowa maszyny utrzymała się na poziomie 7 punktów procentowych straty.
Analizy kosztowe udowodniły, że nawet w całkowicie nierealistycznym scenariuszu, w którym koszt utrzymania bota wynosi okrągłe zero złotych (brak opłat za infrastrukturę i brak pensji), luka w odzyskanej gotówce jest tak potężna, że generuje gigantyczną stratę bilansową. Zastąpienie ludzi botami na słuchawce po prostu się nie opłaca.
3. Dlaczego dłużnicy nie chcą płacić maszynom? Psychologia ewolucyjna i „Algorithm Aversion”
Przyczyną tych strat nie są niedociągnięcia techniczne, słaba synteza mowy czy powolne przetwarzanie języka naturalnego. Problem leży głęboko w ludzkiej psychice.
Zaciągnięcie i spłata długu w naszej kulturze to nie jest sucha operacja matematyczna, tylko transakcja o głębokim walorze moralnym. Ludzie wpłacają pieniądze, ponieważ podlegają normom społecznym, presji rówieśniczej i wewnętrznemu poczuciu zobowiązania. W psychologii poznawczej zjawisko to opisuje tzw. awersja do algorytmów w zadaniach moralnych (algorithm aversion). Człowiek odmawia przyznania maszynie „wagi moralnej” (moral weight).
Niespłacenie długu żywemu człowiekowi wywołuje dyskomfort psychiczny, aktywuje mechanizmy poczucia winy i lęku przed społeczną oceną. Oszukanie bota lub zignorowanie jego żądań jest dla ludzkiego umysłu całkowicie bezkosztowe emocjonalnie. Botowi nie da się spojrzeć w oczy.
Paradoks stygmatyzacji (Destrukcyjne UX)
Szeroko zakrojone badanie europejskie na próbie 3 514 uczestników z 11 krajów przyniosło fascynujące i zarazem niebezpieczne odkrycie. Wdrożenie AI do bezpośredniej komunikacji konwersacyjnej obniża u dłużnika poczucie wstydu i presji społecznej o 36% (spadek z poziomu 61% przy kontakcie z człowiekiem do 39% przy kontakcie z botem).
Z punktu widzenia projektantów doświadczeń użytkownika (UX) i dobrostanu klienta – rewelacja. Z punktu widzenia odzysku wierzytelności – katastrofa. Eliminując psychologiczny ciężar zadłużenia, AI transformuje moralny obowiązek spłaty w czystą opcję matematyczną. Jeśli dłużnik nie czuje presji i społecznego osądu, po prostu przesuwa płatność na sam koniec swojej listy priorytetów.
4. Efekt Trwałego Upośledzenia (Permanent Impairment) – spalony grunt
Myślisz sobie: „Okej, wpuśćmy bota na pierwsze 6 dni, niech zbierze nisko wiszące owoce, a trudne sprawy przekażemy ludziom”. Badania NBER pokazują, że w ten sposób trwale kaleczysz swój portfel.
Zidentyfikowano bowiem zjawisko Permanent Impairment (trwałego upośledzenia relacji). Klienci, którzy w pierwszych dniach zaległości zderzyli się z botem konwersacyjnym, zostali poddani analizie długoterminowej. Nawet gdy po 6 dniach odpięto bota i sprawę przejął wybitny ludzki negocjator, wygenerowana początkowo luka w ściągalności (sięgająca 12 punktów procentowych) nigdy nie zamknęła się w całości. Nawet 355 dni intensywnej, późniejszej pracy ludzkich specjalistów nie skorygowało ostatecznej luki (0,8-1,0% bezpowrotnie straconego kapitału).
Dlaczego tak się dzieje? Pierwszy kontakt z mechanicznym, statycznym botem znieczula dłużnika i buduje w nim pancerz obronny. Dane behawioralne mówią same za siebie:
- Liczba klientów chętnych do złożenia wiążącej deklaracji spłaty (promises to repay) spadła w kontakcie z botem aż o 21 punktów procentowych.
- Wskaźnik natychmiastowej spłaty (same-day repayment) wygenerował stratę rzędu 18 punktów procentowych w stosunku do interwencji człowieka.
Bot jest statyczny. Nie potrafi elastycznie manewrować, wyłapać niuansów życiowych dłużnika i zastosować odpowiedniego, kontrolowanego ustępstwa w momentach kryzysowych.
5. Pisz jak człowiek: Standard Prostej Polszczyzny i Behawioralne „Szturchnięcia”
A jak to jest w komunikacji pisanej? Tutaj asymetria nie jest tak brutalna, ponieważ w tekście awersja do algorytmów słabnie. Pod jednym warunkiem: AI nie może pisać jak napuszony radca prawny z poprzedniej epoki.
W ekonomii behawioralnej ogromne sukcesy odnosi tzw. Teoria Szturchnięć (Nudge Theory). Badania z zakresu Behavioural Public Policy dowodzą, że formatowanie treści komunikatów drastycznie wpływa na spłacalność. Klasyczne eksperymenty pokazują, że uproszczenie pism – usunięcie żargonu, wdrożenie jasnej struktury i ludzkiego tonu – znacząco podnosi wskaźniki spłat w porównaniu do skomplikowanych, agresywnych wezwań prawnych.
Algorytmy potrafią masowo testować takie komunikaty (testy A/B i MVT), dobierając ton emocjonalny wiadomości tekstowych do profilu behawioralnego klienta. Jednak najsilniejszy efekt uzyskujemy w modelu hybrydowym. Odpowiednie przeszkolenie żywych zespołów operacyjnych w zakresie stosowania behawioralnie zorientowanych skryptów oraz standardu prostego języka doprowadziło w badaniach instytucjonalnych do 20-procentowego wzrostu wolumenu odzyskanego zadłużenia. Technologia daje doskonałe narzędzia, ale to człowiek musi nimi operować.
Twoje zespoły nadal piszą maile z kijem w tyłku? Zmieńmy to.
Jeśli wchodzisz do systemu, otwierasz losowy szablon wiadomości i na dzień dobry wita Cię biurokratyczny bełkot w stylu: „W nawiązaniu do braku zaksięgowania środków uprzejmie przypominamy o uregulowaniu…”, to wiedz, że właśnie przepalasz budżet. Dłużnicy nie reagują na urzędnicze tyrady. Reagują na prosty, ludzki komunikat, który mówi wprost, co i kiedy mają zrobić.
Na szkoleniu Windykuję PROsto pracujemy na Twoich mailach, pismach, wezwaniach i formatujemy je z wykorzystaniem standardu prostego języka i wiedzy z zakresu perswazji. Cel jest jasny – Wasze treści mają być czytelne i angażujące. Mają zwiększać kontaktowalność i wpłaty. A po szkoleniu Twoi ludzie nie tylko wiedzą już jak pisać prosto, ale potrafią także stworzyć własnego asystenta AI, który pomoże im w codziennej pracy.
Podsumowanie: Podejście Centaura
Konsensus naukowy i operacyjny na rok 2026 jest jednoznaczny. Pełne zastąpienie człowieka maszyną w procesach interaktywnych (end-to-end substitution) to ślepa uliczka prowadząca do spadku rentowności portfela. Przyszłość należy do modelu hybrydowego (podejście centaura).
Wykorzystujmy druzgocącą przewagę sztucznej inteligencji tam, gdzie jest genialna: w predykcji, analizie danych, optymalizacji czasu kontaktu i automatyzacji zaplecza. Ale samą rozmowę, negocjacje warunków, stosowanie małych ustępstw, kotwiczenie kwot oraz budowanie relacji opartej na empatii i wzajemnym szacunku – bezwzględnie zostawmy człowiekowi. Dobrze wyszkolony, pewny siebie windykator, zasilany trafnymi danymi z systemu AI, to najpotężniejsza broń operacyjna, jaką możesz mieć w swojej firmie.
Źródła:
- Zhou Y. (2024): Artificial Intelligence and Debt Collection: Evidence from a Field Experiment.
- Choi J.J., Huang D., Yang Z. (2024): How good is AI at persuading humans? Experiments in debt collection (NBER Working Paper).
- Europejskie badanie międzykulturowe (2026), n=3514 (ArXiv / Uniwersytet Freseniusa).
- Bursztyn L. et al.: Moral Incentives in Credit Card Debt Repayment (Field Experiment).
- Eksperymenty podatkowe nad teorią szturchnięć (Behavioural Public Policy).
