Využití umělé inteligence v podnikové praxi – vytvoření chatbota pro zákaznickou podporu
Autor(ka) práce:
Černý, Michael
Typ práce:
Bakalářská práce
Vedoucí práce:
Chudán, David
Oponenti práce:
Vencovský, Filip
Jazyk práce:
Česky
Abstrakt:
Tato bakalářská práce popisuje proveditelnost a efektivitu využití generativní umělé inteligence (LLM a architektury RAG) pro automatizaci zákaznické podpory v prostředí e-commerce. Hlavním výsledkem práce je plně funkční AI chatbot, navržený a nasazený do reálného provozu českého e-shopu jawavysocina.cz. Systém byl vyvinut v low-code platformě Voiceflow s integrací ChatGPT 4o-mini a vektorové databáze Pinecone, čímž bylo dosaženo minimalizace latence doporučení produktů o 80 % v porovnání s konkurencí. Na základě testování v ostrém provozu od února do března dokázal chatbot úspěšně a samostatně vyřešit 83 % rutinních dotazů na úrovni L1 podpory bez nutnosti předání lidské podpoře. Analýza reálných konverzací navíc potvrdila vysokou uživatelskou spokojenost, kdy 81 % hodnotících zákazníků udělilo chatbotu 4 nebo 5 bodů z 5 možných. Ekonomické zhodnocení implementace prokázalo přímou úsporu lidského kapitálu a okamžitou rentabilitu s návratností investice (ROI) ve výši 81 %. Práce tak v reálném provozu dokládá, že AI nástroje jsou dnes technicky i nákladově dostupné pro malé a střední podniky, kterým přinášejí měřitelnou konkurenční výhodu.
Application of Artificial Intelligence in Business Practice: Development of a Customer Support AI Chatbot
Autor(ka) práce:
Černý, Michael
Typ práce:
Bachelor thesis
Vedoucí práce:
Chudán, David
Oponenti práce:
Vencovský, Filip
Jazyk práce:
Česky
Abstrakt:
This bachelor’s thesis describes the feasibility and effectiveness of using generative artificial intelligence (LLMs and RAG architectures) to automate customer support in an e-commerce environment. The main outcome of the thesis is a fully functional AI chatbot, designed and deployed in the live environment of the Czech e-shop jawavysocina.cz. The system was developed on the low-code Voiceflow platform with integration of ChatGPT 4o-mini and the Pinecone vector database, thereby achieving an 80 % reduction in product recommendation latency compared to competitors. Based on live testing from February to March, the chatbot successfully and independently resolved 83 % of routine inquiries at the L1 support level without the need to escalate to human support. Furthermore, an analysis of real conversations confirmed high user satisfaction, with 81 % of customers who rated the chatbot giving it 4 or 5 out of 5 possible points. An economic evaluation of the implementation demonstrated direct savings in human resources and immediate profitability with a return on investment (ROI) of 81 %. This real-world implementation thus demonstrates that AI tools are now both technically and financially accessible to small and medium-sized enterprises, providing them with a measurable competitive advantage.