Chatbot — co to jest, rodzaje i jak naprawdę działa

Okienko „W czym mogę pomóc?” w sklepie internetowym, automat na infolinii banku i ChatGPT to trzy odmiany tej samej rzeczy: programu, którego interfejsem jest rozmowa. Ten tekst jest przeglądem całego krajobrazu: skąd chatboty się wzięły, jakie są ich rodzaje, co dzieje się „pod maską” między Twoim pytaniem a odpowiedzią, gdzie spotykasz je w polskim internecie, jak rozpoznać, że rozmawiasz z botem, i gdzie leżą ich twarde ograniczenia — technologiczne i prawne. Jeśli rozważasz zakup bota do firmy i interesują Cię koszty w PLN oraz ROI, przejdź od razu do przewodnika chatbot AI dla firmy.

Czym właściwie jest chatbot

Chatbot (od chatterbot) to oprogramowanie, które przetwarza rozmowę — tekst lub dźwięk — i symuluje zdolność konwersacji. Sama nazwa to zlepek angielskiego chat (pogawędka) i bot (skrót od robot, czyli programu wykonującego zadania automatycznie). Kluczowe słowo definicji to jednak symulacja: bot nie „rozumie” w ludzkim sensie, tylko przetwarza ciąg znaków i produkuje sensowną odpowiedź. Efekt bywa przekonujący, ale po drugiej stronie nikogo nie ma.

Trzy cechy odróżniają chatbota od zwykłego formularza czy wyszukiwarki:

• Interfejs jest rozmową. Nie klikasz w kategorie — piszesz własnymi słowami.
• Zachowuje kontekst (przynajmniej w teorii). Pamięta, o czym była mowa dwie wiadomości temu.
• Reaguje w czasie rzeczywistym, bez człowieka po drugiej stronie.

Z tej definicji wynika rzecz, na której gubi się większość czytelników: chatbot to rodzaj programu, nie rodzaj technologii. Nie musi zawierać ani grama sztucznej inteligencji — lista pytań i odpowiedzi wpisana ręcznie przez człowieka też jest chatbotem, tyle że działa jak automat z napojami. Potoczne „chatbot = AI” wzięło się stąd, że większość nowych botów stoi dziś na modelach językowych. Gdy więc ktoś mówi „mamy chatbota”, nie mówi jeszcze nic konkretnego; czym różnią się te warianty, rozkładamy niżej. Jeśli chcesz najpierw uporządkować samo pojęcie AI, zacznij od tekstu co to jest AI.

Warto od razu rozgraniczyć cztery pojęcia, które w marketingu bywają traktowane wymiennie, a oznaczają rosnący poziom autonomii:

Granica przebiega w miejscu, w którym program przestaje tylko mówić i zaczyna działać. Chatbot to najniższy poziom autonomii — odpowiada, ale niczego nie robi.

Krótka historia: od ELIZY do ChatGPT

Chatboty są starsze niż internet w wersji, którą znasz. A sam pomysł jest starszy niż pierwszy bot: w 1950 roku Alan Turing zaproponował „grę w naśladownictwo”, w której o maszynie rozstrzyga rozmowa, a nie jej budowa (Turing, Computing Machinery and Intelligence, „Mind” 59(236), 1950). Kryterium „brzmi jak człowiek” towarzyszy chatbotom do dziś — i do dziś bywa mylone z rozumieniem.

ELIZA (1966). Joseph Weizenbaum, profesor MIT, opisał ją w styczniu 1966 roku w „Communications of the ACM” — program w najsłynniejszym scenariuszu, DOCTOR, udawał psychoterapeutę w nurcie rogeriańskim (Weizenbaum, ELIZA, CACM 9(1), 1966). Mechanizm był banalny: pattern matching na słowach kluczowych. Zdanie „jestem smutny” system przekształcał w „od jak dawna jesteś smutny?”, zupełnie nie rozumiejąc, czym jest smutek. Gdy nie znajdował słowa kluczowego, odpowiadał ogólnikiem: „proszę, mów dalej”, „rozumiem” (Smithsonian Magazine).

Najciekawsze zdarzyło się poza kodem. Ludzie zaczęli traktować ELIZĘ jak człowieka — sekretarka Weizenbauma poprosiła go, żeby wyszedł z pokoju, bo chce porozmawiać z programem prywatnie. To zjawisko nazwano efektem ELIZY: skłonnością do przypisywania maszynie zrozumienia i empatii, których ona nie ma (Smithsonian Magazine). Sześćdziesiąt lat później to wciąż najważniejszy mechanizm psychologiczny stojący za wiarą w to, że bot „wie”, co mówi.

Dalsza oś czasu jest krótka, bo przez dekady niewiele się działo:

• 1972 — PARRY. Kenneth Colby symuluje pacjenta z paranoją. PARRY i ELIZA odbywają przez ARPANET rozmowę, której żaden z nich nie rozumie.
• 1994 — słowo chatterbot. Michael Mauldin nazywa kategorię w referacie na konferencji AAAI-94 (Mauldin, AAAI-94, s. 16–21); z tego słowa skrócił się dzisiejszy „chatbot”.
• 1995 — A.L.I.C.E. Richard Wallace popularyzuje język AIML — wciąż pattern matching, tylko na skalę tysięcy wzorców.
• 2011–2016 — asystenci i era botów w komunikatorach. Siri, Google Assistant, boty na Messengerze. Techniczne serce to NLU z rozpoznawaniem intencji, o którym za chwilę.
• 2022–2026 — LLM. ChatGPT zmienia definicję gatunku: bot przestaje wybierać odpowiedź z listy, a zaczyna ją generować. Skala tego przełomu jest bezprecedensowa — w lutym 2026 OpenAI podało 900 mln tygodniowych użytkowników ChatGPT, wobec 800 mln w październiku 2025 (TechCrunch, 02.2026).

Morał historyczny jest jeden: przez 56 lat chatboty udawały rozumienie za pomocą reguł. Dopiero modele językowe zamieniły to udawanie na coś, co daje się użyć produkcyjnie — i wprowadziły zupełnie nową klasę błędów.

Rodzaje chatbotów — mapa, która ma znaczenie

Chatboty dzieli się na trzy sposoby. Tylko pierwszy podział wpływa na to, czy bot zadziała.

1. Podział technologiczny (najważniejszy)

Bot regułowy jest wciąż najczęściej spotykany — bo jest najprostszy, nie wymaga programisty i wystarczy do pytań o godziny otwarcia czy status przesyłki. Bot LLM-owy zaczyna się opłacać dopiero tam, gdzie liczba możliwych pytań jest w praktyce nieskończona.

Czwarty typ, coraz częstszy w praktyce, to bot hybrydowy: proste zapytania obsługuje regułami (tanio, przewidywalnie), a dopiero to, co wypadnie ze scenariusza, przekazuje do modelu językowego. Dla większości firm to najrozsądniejsza architektura, bo ogranicza koszt tokenów i pole do halucynacji.

2. Podział wg kanału

• Tekstowe — widget na stronie, Messenger, WhatsApp, Slack, aplikacja mobilna.
• Głosowe — infolinia, asystent w aplikacji, głośnik. To domena voicebotów, gdzie do całego łańcucha dochodzi rozpoznawanie mowy (ASR) i synteza (TTS), a każdy błąd transkrypcji propaguje się dalej.

3. Podział wg celu

• Zadaniowe (deklaratywne) — jedna funkcja: sprawdź status, umów wizytę, odpowiedz na FAQ. Interaktywna wersja sekcji „częste pytania”.
• Konwersacyjne — wielozadaniowe, kontekstowe, personalizowane; im bliżej tego bieguna, tym bliżej do asystenta AI.
• Towarzyskie — istnieją wyłącznie dla rozmowy (od ELIZY po współczesne aplikacje companion). Osobna kategoria produktowa i osobny worek problemów etycznych.

4. Podział wg roli biznesowej

W ofertach dostawców spotkasz jeszcze jedną siatkę pojęć — nie technologiczną, tylko funkcjonalną. Ten sam silnik obsługuje wszystkie te role; różni je zakres uprawnień i to, do jakiego systemu bot jest podpięty (InteliWISE):

Praktyczna wskazówka przy czytaniu ofert: rola z tej tabeli mówi o integracjach, a tabela technologiczna z punktu 1 o kosztach. Dostawcy chętnie mieszają te dwa podziały — „chatbot rezerwacyjny AI” może być zwykłym drzewkiem decyzyjnym z podpiętym kalendarzem.

Jak chatbot działa pod maską

Większość poradników kończy temat na zdaniu „wykorzystuje NLP i uczenie maszynowe”. Rozłóżmy zamiast tego jedną wiadomość na czynniki.

Ścieżka w bocie NLU (klasyczny bot „AI” sprzed ery LLM)

Klient pisze: „czesc, chcialbym oddac kask ktory kupilem w zeszlym tygodniu”.

1. Preprocessing. Tekst jest normalizowany: małe litery, usunięcie interpunkcji, tokenizacja na słowa, czasem lematyzacja („oddać” ← „oddac”, „kupiłem” → „kupić”). Dla polszczyzny to krok krytyczny — fleksja i brak polskich znaków rozwalają naiwne dopasowanie słów kluczowych.
2. Rozpoznanie intencji (intent recognition). Klasyfikator przypisuje wypowiedź do jednej z wcześniej zdefiniowanych intencji, np. zwrot_towaru, z jakimś poziomem pewności (np. 0,87). Intencje trzeba wymyślić i nauczyć bota na przykładowych zdaniach — kilkanaście–kilkadziesiąt wariantów na intencję.
3. Wyciągnięcie encji (entity extraction). Z tekstu wydobywane są konkretne wartości: produkt = „kask”, czas = „zeszły tydzień”. To one wypełniają luki w odpowiedzi.
4. Dialog manager. Sprawdza, czego jeszcze brakuje do załatwienia sprawy (tu: numer zamówienia) i dopytuje. Zarządza też kontekstem — pamięta, że rozmawiamy o zwrocie.
5. Akcja i odpowiedź. Bot odpytuje system (status zamówienia z ERP), wstawia dane do gotowego szablonu odpowiedzi i wysyła.

Wąskie gardło jest w kroku 2: bot rozpoznaje tylko te intencje, które ktoś wcześniej zdefiniował. Pytanie spoza listy to „nie rozumiem”, niezależnie od tego, jak dobry jest model. Rząd wielkości pokazują dane, które banki ujawniły publicznie: wirtualna asystentka Alior Banku rozpoznawała intencje klientów ze skutecznością 80% i samodzielnie obsługiwała 10% z ok. 8 tys. dziennych połączeń, przekierowując resztę z poprawnością powyżej 90% (dane banku z października 2021 r., Gazeta Prawna, 31.10.2021). To są dane sprzed ery LLM-ów i sprzed kilku lat — traktuj je jako punkt odniesienia dla botów intencyjnych, nie jako obraz dzisiejszego rynku. Ale sam sufit jest strukturalny: skuteczność klasyfikatora nie sięgnie 100%, bo zbiór intencji jest zamknięty, a język klientów nie.

Ścieżka w bocie LLM + RAG (standard od 2023)

Ta sama wiadomość, inna maszyneria:

1. Tokenizacja. Tekst zamieniany jest na tokeny — fragmenty słów, na których operuje model. Szczegóły opisujemy w tekście o tym, czym jest LLM.
2. Retrieval. Zanim model cokolwiek napisze, system zamienia zapytanie na wektor (embedding) i wyszukuje w bazie wiedzy firmy najbardziej podobne fragmenty: politykę zwrotów, regulamin, kartę produktu. To jest RAG — retrieval-augmented generation.
3. Budowa promptu. Model dostaje sklejkę: instrukcję systemową („jesteś konsultantem, odpowiadaj wyłącznie na podstawie poniższych dokumentów”), znalezione fragmenty i pytanie klienta. To dlatego inżynieria promptu jest realną częścią wdrożenia, a nie ciekawostką.
4. Generacja. Model przewiduje odpowiedź token po tokenie, każdy na podstawie poprzednich. Nie wybiera z listy — układa zdanie od zera.
5. Guardrails i eskalacja. Warstwa kontrolna sprawdza, czy odpowiedź trzyma się dokumentów, czy nie wypłynęły dane wrażliwe i czy pewność jest wystarczająca. Jeśli nie — przekazanie do człowieka.

Cała różnica sprowadza się do kroku 2. Model językowy sam z siebie nie zna Twojego cennika, regulaminu ani statusu przesyłki — jego wiedza pochodzi z treningu, który skończył się miesiące temu. Bez retrievalu bot będzie improwizował z wdziękiem i całkowitą pewnością siebie. Dlatego zdanie „wdrożyliśmy ChatGPT jako bota” bez bazy wiedzy oznacza w praktyce: „wdrożyliśmy elokwentnego zmyślacza”. Mechanizm, dlaczego model zmyśla, opisujemy osobno w tekście o halucynacjach AI; szerszy kontekst działania samych modeli znajdziesz w artykule jak działa sztuczna inteligencja.

Gdzie spotykasz chatboty w Polsce

Boty przestały być ciekawostką — po prostu przestały się przedstawiać.

Bankowość. To najbardziej dojrzały segment — i jedyny, w którym polskie banki podały twarde liczby. Zastrzeżenie, o którym większość artykułów milczy: to są dane z jesieni 2021 roku, publikowane przez same banki, i od tamtej pory nikt ich publicznie nie zaktualizował. Pokazują skalę zjawiska, nie stan na dziś.

• Asystent głosowy PKO BP w aplikacji IKO przeprowadził od uruchomienia ponad 900 tys. rozmów, obsługiwał ponad 60 tys. dialogów miesięcznie i miał ponad 370 tys. unikalnych użytkowników; wszystkie boty banku razem realizowały ponad 600 tys. rozmów miesięcznie (dane PKO BP, Bankomania, 16.11.2021).
• Chatbot Santandera odpowiadał na ok. 46 tys. pytań miesięcznie, a Bank Millennium raportował ponad 80 tys. sesji we wrześniu 2021 r. od ponad 60 tys. użytkowników. Z voicebotów korzystała wtedy mniej więcej jedna trzecia banków (Gazeta Prawna, 31.10.2021).

Więcej o tym segmencie: AI w bankowości.

E-commerce, logistyka, ubezpieczenia, media. Widget na stronie, bot w Messengerze, bot w WhatsAppie. Typowy zakres: status zamówienia, zwroty, dostępność, godziny, kwalifikacja leada. Rozpoznawalne polskie wdrożenia to m.in. Furgonetka.pl (status przesyłek kurierskich), Decathlon (wsparcie sprzedaży w e-commerce), Canal+ (wirtualny doradca) i Warta (bot na Messengerze) (InteliWISE). Wspólny mianownik: wszystkie obsługują pytania, na które odpowiedź leży w jednym systemie — a to jest granica sensownego zastosowania bota.

Administracja. Voiceboty i chatboty w urzędach — najczęściej do umawiania wizyt i informacji o statusie sprawy.

Wewnątrz firm. Helpdesk IT i HR: „jak złożyć wniosek urlopowy”, „gdzie jest polityka delegacji”. RAG na dokumentach wewnętrznych bywa tu najszybszym zwrotem z inwestycji, bo baza wiedzy już istnieje.

W Twojej przeglądarce. ChatGPT, Gemini, Claude, Copilot. Formalnie też chatboty — tyle że ogólnego przeznaczenia, oparte na generatywnej AI, i to one przestawiły oczekiwania wszystkich użytkowników wobec bota w sklepie.

Czego chatboty nie potrafią — i co o nich myślą Polacy

Badanie Armatis Customer Experience Index (3. edycja; realizacja: SW Research, badanie terenowe w kwietniu 2023 r.) pokazuje, że relacja Polaków z botami jest chłodna (SW Research):

Ta ostatnia liczba jest najważniejsza projektowo. Ludzie nie odrzucają botów jako takich — odrzucają boty bez wyjścia awaryjnego. W tym samym badaniu sprawne przekierowanie do konsultanta jest drugą najczęściej wskazywaną zaletą botów (28%, zaraz po dostępności 24/7 — 35%). Wniosek redakcyjny: awersję budzi zapętlenie bez drogi wyjścia, a nie sama obecność automatu.

Twarde ograniczenia, niezależne od budżetu:

• Bot nie wie, że nie wie. Model LLM nie ma wbudowanego licznika niepewności w sensie, w jakim ma go człowiek. Bez guardrails odpowie zawsze — również błędnie.
• Nie obsłuży wyjątku od procedury. A po to właśnie ludzie kontaktują się z firmą najczęściej.
• Nie ugasi emocji. Klientowi, który jest już wściekły, bot zwykle dokłada frustracji.
• Jest tak dobry, jak baza wiedzy. Dziurawy regulamin = dziurawe odpowiedzi.
• Odpowiada za niego firma. Błędna informacja podana przez bota to informacja podana przez Ciebie — nie przez dostawcę oprogramowania.

Do tego dochodzi ograniczenie nowe, prawne — bot nie może już udawać człowieka. Zanim o przepisie, warto wiedzieć, jak rozpoznać bota bez jego pomocy.

Jak poznać, że rozmawiasz z botem

Dopóki firma sama się nie przyzna, bota zdradzają drobiazgi. Żaden z nich z osobna niczego nie przesądza, ale trzy naraz to już mocna poszlaka:

• Odpowiedź przychodzi natychmiast i ma zawsze podobną długość. Człowiek pisze nierówno — raz w sekundę, raz po minucie, bo sprawdza coś w systemie.
• Zmiana tematu go wykoleja. Zapytaj o coś obok sprawy, a bot regułowy wróci do scenariusza albo odpowie „nie rozumiem”.
• Zna regulamin, nie zna Twojej sprawy. Recytuje zasady zwrotów, ale numeru Twojego zamówienia nie widzi — chyba że ktoś podpiął go do systemu zamówień.
• Jest dostępny o 3 w nocy i nigdy nie prosi o chwilę na sprawdzenie.
• Nie umie powiedzieć „nie wiem”. Bot regułowy w takiej sytuacji się zapętla, bot LLM-owy zmyśla — płynnie i pewnym tonem.

Najskuteczniejszy test jest najprostszy: poproś o przełączenie do konsultanta. Dobrze zaprojektowany bot ma taką ścieżkę i od razu z niej skorzysta. Bot, który zaczyna kręcić, proponuje „inne tematy” albo wraca do menu, właśnie odpowiedział na Twoje pytanie — i przy okazji pokazał, dlaczego 71% Polaków woli czekać na człowieka.

Od sierpnia 2026 ta zgadywanka formalnie przestaje być potrzebna.

Art. 50 AI Act: od 2 sierpnia 2026 bot musi się przedstawić

Od 2 sierpnia 2026 systemy AI przeznaczone do bezpośredniej interakcji z człowiekiem muszą być zaprojektowane tak, by użytkownik wiedział, że rozmawia z AI — to art. 50 ust. 1 AI Act, czyli rozporządzenia (UE) 2024/1689 (EUR-Lex). Informacja ma dotrzeć najpóźniej w momencie pierwszej interakcji (art. 50 ust. 5). W praktyce zdanie „rozmawiasz z wirtualnym asystentem” na początku czatu przestaje być uprzejmością, a staje się obowiązkiem. Era botów udających konsultanta o ludzkim imieniu, bez żadnej adnotacji, formalnie się kończy.

O tym przepisie krąży w polskim internecie kilka nieścisłości. Cztery rzeczy, które warto mieć poukładane:

• Termin nie został przesunięty. Pakiet Digital Omnibus, ostatecznie zatwierdzony przez Radę UE 29 czerwca 2026 r., odsunął obowiązki dla systemów wysokiego ryzyka — z załącznika III (rekrutacja, scoring kredytowy, biometria) na 2 grudnia 2027, z załącznika I na 2 sierpnia 2028. Art. 50 zostawił nietknięty. Kto pisze, że „obowiązek informowania o bocie przesunięto”, myli przejrzystość z wysokim ryzykiem.
• Data 2 grudnia 2026 dotyczy czegoś innego. W ramach art. 50 to wyłącznie koniec okresu przejściowego na maszynowe znakowanie treści generowanych przez AI (ust. 2) w systemach GenAI wprowadzonych na rynek przed 2 sierpnia 2026. Obowiązku „powiedz, że jesteś botem” nie odracza.
• Jest wyjątek „oczywiste z kontekstu”. Informować nie trzeba, gdy rozmowa z maszyną jest oczywista dla osoby dostatecznie poinformowanej, uważnej i ostrożnej. Okienko wyraźnie podpisane „Wirtualny asystent” ten warunek najpewniej spełnia. Bot przedstawiający się jako „Ania z działu obsługi” — nie.
• Sankcja jest realna. Naruszenie art. 50 mieści się w katalogu art. 99 ust. 4 (lit. g): kara do 15 mln EUR lub 3% całkowitego rocznego światowego obrotu, zależnie od tego, która kwota jest wyższa. Dla MŚP i startupów działa to odwrotnie — stosuje się kwotę niższą z tej pary (art. 99 ust. 6).

Dla firmy z botem na stronie wniosek jest prosty: sprawdź, czy pierwsza wiadomość bota mówi wprost, że to automat, i czy persona nie udaje pracownika. Pełny kalendarz rozporządzenia i pozostałe obowiązki opisujemy w przewodniku po AI Act.

Podsumowanie — jak czytać ofertę na chatbota

Trzy pytania, które oddzielają rozmowę merytoryczną od prezentacji sprzedażowej:

1. Regułowy, intencyjny czy LLM? Jeśli dostawca nie odpowiada wprost, sprzedaje Ci nazwę, nie technologię.
2. Skąd bot bierze wiedzę o mojej firmie? Poprawna odpowiedź to konkretna baza wiedzy i retrieval, nie „model jest wytrenowany”.
3. Jak wygląda eskalacja do człowieka? Musi być twardą regułą (niska pewność, powtórzone pytanie, temat spoza zakresu), a nie przyciskiem, którego nikt nie widzi.

Jeśli po tych trzech pytaniach chcesz policzyć, czy to się w ogóle spina, wejdź w koszty i ROI chatbota AI — tam są widełki w PLN i próg opłacalności. Jeśli natomiast bot to tylko jeden element większej układanki, zacznij od mapy: automatyzacja procesów pokazuje, gdzie chatbot faktycznie ma sens, a gdzie tylko przykrywa bałagan ładnym okienkiem.

FAQ