AI stats tracker (2026-04-13): dnešní výběr čísel kombinuje (A) adopci a chování uživatelů, (B) vnímání AI v zákaznickém servisu a (C) konkrétní metriky z provozu kontaktního centra. Záměrně vybírám zdroje s metodikou a sample size; u každé položky uvádím link.
Dnešní čísla
1) 32 % dospělých v USA použilo v posledním roce AI chatboty pro zdravotní informace (a 41 % uživatelů do AI nahrálo osobní zdravotní data).
KFF Tracking Poll (sběr 24. 2.–2. 3. 2026; n=1 343; online + telefon; MOE ±3 p. b.) uvádí, že 32 % dospělých „v posledním roce“ použilo AI chatboty pro zdravotní informace. Z toho 29 % hledalo informace k fyzickému zdraví a 16 % k duševnímu zdraví. Pro kontaktní centra je zajímavé, že nejčastější motivace je rychlost: 65 % uživatelů uvádí jako „major reason“ potřebu rychlé/okamžité informace. Z pohledu bezpečnosti a compliance je klíčové, že 41 % uživatelů AI pro zdraví nahrálo do AI nástroje osobní medicínské informace (což odpovídá cca 13 % celé populace), přesto 77 % veřejnosti deklaruje obavy o soukromí těchto dat. To je dobrý proxy signál pro citlivé telco use-cases (ověření identity, billing, výpadky) – lidé AI používají, ale očekávají jasná pravidla práce s daty.
Zdroj: KFF (Mar 2026)
2) „Reality gap“ v CX: 66 % CX praktiků říká, že se zkušenost zlepšila, ale souhlasí jen 17 % zákazníků.
Medallia ve svém 2026 State of Customer Experience reportu (souhrn v tiskové zprávě) uvádí výrazný rozdíl mezi interním hodnocením a realitou zákazníků: 66 % CX praktiků věří, že se zkušenosti „loni“ zlepšily, ale pouze 17 % spotřebitelů souhlasí. Pro telco/call centra to znamená, že samotné nasazení AI (chatbot/voicebot/agent assist) není vítězství; je nutné měřit outcome metriky (FCR, containment, NPS/CSAT, complaint rate) a hlavně zavřít „loop“ mezi insight a akcí. Zároveň jde vidět, že AI už není jen pilot: >80 % CX praktiků vidí z AI pozitivní návratnost a 81 % organizací má jasné měřitelné cíle pro AI v CX (v tiskové zprávě uvedeno jako růst o 6 p. b. y/y). Report zmiňuje vzorek >1 500 spotřebitelů a 550+ CX praktiků, plus benchmarky z 600+ programů.
Zdroj: Medallia (Mar 2026)
3) Ochota „delegovat“ kontakt na AI roste, ale tolerance k chybám je nízká: jen 7 % lidí je shovívavější k AI než k člověku.
CX Dive (na základě Medallia 2026 State of CX) shrnuje dvě důležité teze pro voice/telefonní AI: (i) „téměř polovina“ spotřebitelů věří, že za 10 let už nebudou s firmami interagovat přímo, protože to za ně udělá AI agent; (ii) více než dvě třetiny očekávají, že AI/machine-driven servis pokryje „basic“ služby a lidský přístup bude prémiový. Současně je tu tvrdá brzda pro provoz: pouze 7 % spotřebitelů je ochotnější odpustit selhání AI než selhání člověka. Pro call centra to prakticky znamená: v telefonním kanálu musíte mít bezpečný fallback (rychlé přepojení, jasné přiznání nejistoty, omezení scope), jinak reputační škoda nastupuje rychleji než úspora. Uvedený consumer vzorek je >1 500 respondentů (USA, UK, Kanada, Austrálie, Nový Zéland).
Zdroj: Customer Experience Dive (Apr 2026)
4) Case-study metriky z kontaktního centra (Fujitsu × Amazon Connect): >96 % přesnost intradenních forecastů, +15 % efektivita QA, +10 % CSAT.
AWS uvádí (citace zákazníka) konkrétní provozní metriky z Fujitsu (Costa Rica delivery center; Amazon Connect): >96 % přesnost intradenních forecastů, +15 % efektivita v QA díky automatizovaným evaluacím výkonu a +10 % zlepšení zákaznické spokojenosti díky tomu, že agenti dostávají real-time sentiment a mohou během interakce jednat. Druhá citace popisuje pilot: 2měsíční PoC se 150 agenty, cca 30 000 interakcí a >5 100 hodin zákaznického kontaktu – poté škálování na tisíce agentů. Pro telco/call centrum je to užitečný „pattern“: AI/analytics (sentiment, auto-eval, forecasting) často přinese rychlejší ROI než plně automatizovaný voicebot, protože zasahuje do kvality a plánování bez toho, aby hned měnil zákaznické chování.
Zdroj: AWS – Amazon Connect Customers (Apr 2026)
Co to znamená pro telco/call centrum
- „AI je mainstream, ale zákazník je přísný“: adopce AI nástrojů roste (viz KFF 32 % užití v posledním roce), ale tolerance k chybám je nízká (7 % shovívavější k AI). V telefonu proto stavět na dobře definovaném scope + rychlém přepojení.
- Měřit outcome, ne „nasazení“: Medallia ukazuje gap 66 % vs 17 %. V praxi: definovat KPI strom (containment/FCR/AHT/CSAT + compliance + cost/contact) a mít týdenní governance, kde se z insightů dělají změny ve skriptech/KB/routingu.
- Rychlá hodnota často začíná „augmentací“: Fujitsu metriky (+15 % QA, +10 % CSAT, >96 % forecast) naznačují, že agent assist + analytics + auto-QA jsou bezpečný první krok. Voicebot pak dává smysl tam, kde máte vysoký podíl opakujících se intentů a kvalitní KB.
