„Nie wiem, jakiej usługi potrzebuję” — czy AI zmieni sposób dodawania zleceń do serwisów ogłoszeniowych?

„Pod zlewem pojawia się woda” to dla hydraulika opis objawu, ale dla serwisu ogłoszeniowego zaczyna się problem. Użytkownik nie wie, czy potrzebuje wymiany syfonu, uszczelnienia odpływu, naprawy zaworu, poprawienia przyłącza baterii czy sprawdzenia instalacji w ścianie. Klasyczny formularz każe mu jednak wybrać kategorię jeszcze zanim ktokolwiek ustali, co właściwie się zepsuło.

To odwrócona kolejność. Klient zna problem, ale nie musi znać nazwy usługi. W usługach domowych, motoryzacyjnych, technicznych czy serwisowych jest to sytuacja normalna, a nie wyjątkowa. Jeżeli platforma wymaga fachowej terminologii już na pierwszym ekranie, część użytkowników wybiera przypadkową kategorię, część wraca do Google, a część wysyła źle opisane zlecenie do niewłaściwych wykonawców.

AI daje możliwość przebudowania tego procesu. Zamiast pytać „jakiej usługi szukasz?”, serwis może zacząć od prostszego pytania: „Co się stało?”.

Od kategorii usługi do opisu problemu: to większa zmiana, niż wygląda

Typowa platforma usługowa jest zbudowana zgodnie z logiką katalogu. Najpierw wybieramy „hydraulika”, później „naprawę instalacji”, następnie podkategorię i dopiero na końcu opisujemy sytuację. Taki model dobrze działa, gdy użytkownik wie, czego potrzebuje: chce pomalować 50 m² mieszkania, zamontować trzy lampy albo przewieźć sofę z Mokotowa na Ursynów.

Gorzej, kiedy zna wyłącznie objaw:

• „piec co kilka godzin traci ciśnienie”,

• „samochód szarpie przy ruszaniu”,

• „na ścianie przy oknie pojawiła się wilgoć”,

• „internet działa w salonie, ale nie dociera do sypialni”,

• „pralka pobiera wodę i po chwili ją wypuszcza”,

• „wybija bezpiecznik, kiedy włączam piekarnik”.

Każdy z tych opisów może prowadzić do kilku różnych kategorii usług. Wilgoć przy oknie może oznaczać nieszczelność stolarki, problem z montażem, kondensację pary wodnej, mostek termiczny albo przeciek z elewacji. Automatyczne przypisanie jednej diagnozy byłoby błędem. Sensownie zaprojektowane AI powinno najpierw ograniczyć liczbę możliwości, a nie udawać fachowca wykonującego ekspertyzę na odległość.

Właśnie w tę stronę poszedł Thumbtack. Amerykańska platforma usług domowych 30 kwietnia 2026 r. przedstawiła doświadczenie oparte na AI, które przesuwa punkt ciężkości z klasycznego wyszukiwania na prowadzony opis problemu. Użytkownik może przedstawić sytuację tekstem, zdjęciem albo nagraniem głosowym. System ma zinterpretować problem, doprecyzować zakres projektu i dopiero później pomóc znaleźć odpowiedniego specjalistę.

To ważna różnica. AI nie jest tu ozdobnym chatbotem doklejonym do katalogu fachowców. Ma przejąć część pracy wykonywanej wcześniej przez użytkownika: przetłumaczyć język problemu na język rynku usług.

W polskich serwisach taki mechanizm mógłby rozwiązać bardzo praktyczny kłopot. Jeżeli klient wpisze „woda kapie spod zlewu tylko wtedy, kiedy spuszczam wodę”, system może potraktować jako najbardziej prawdopodobny problem element odpływowy, ale powinien dopytać:

• czy woda pojawia się przy syfonie, przy ścianie czy przy wężykach baterii;

• czy przeciek występuje wyłącznie podczas opróżniania komory zlewu;

• czy instalacja była ostatnio demontowana;

• czy odpływ jest również zatkany;

• czy można dołączyć zdjęcie miejsca wycieku.

Pięć krótkich odpowiedzi jest dla wykonawcy więcej warte niż przypadkowo wybrana kategoria „usługi hydrauliczne”.

Jest też druga korzyść: ograniczenie pustych zapytań. Ogłoszenie „hydraulik pilnie potrzebny, coś cieknie” zmusza fachowca do wykonania całego wywiadu przez telefon lub komunikator. Przy dziesiątkach podobnych leadów oznacza to realny koszt czasu. Dobrze przygotowane zlecenie powinno przekazać wykonawcy przynajmniej objaw, lokalizację problemu, moment występowania, skalę, pilność i materiał pomocniczy.

Dobry wywiad AI powinien mieć trzy–pięć pytań, a nie zamieniać się w formularz urzędowy

Największe ryzyko tego modelu jest proste: projektanci zachwycą się możliwościami AI i stworzą dwudziestopytaniowy wywiad, którego nikt nie będzie chciał kończyć.

Użytkownik serwisu ogłoszeniowego zwykle nie chce przeprowadzać diagnostyki. Chce znaleźć człowieka, który rozwiąże problem. AI powinno więc pytać tylko o informacje, które zmieniają kategorię, zakres pracy, pilność albo dobór wykonawcy.

Dla przykładu wpis:

„Po ostatnim deszczu mam mokrą plamę na suficie na poddaszu”

nie wymaga od razu pytania o powierzchnię całego domu czy rok budowy. Pierwsze pytania powinny dotyczyć rzeczy rozstrzygających:

1. Czy nad mokrym miejscem znajduje się bezpośrednio dach, łazienka czy instalacja wodna?

2. Czy plama pojawia się wyłącznie po opadach?

3. Czy w pobliżu znajduje się komin, okno dachowe albo przejście instalacyjne?

4. Czy użytkownik może dodać zdjęcie plamy i fragmentu dachu?

Na podstawie odpowiedzi serwis może skierować zlecenie przede wszystkim do dekarzy, a nie automatycznie do hydraulików czy firm osuszających.

Tak powinien wyglądać wywiad adaptacyjny: następne pytanie wynika z poprzedniej odpowiedzi. Jeśli użytkownik napisze, że woda pojawia się tylko podczas deszczu, odpada część pytań dotyczących instalacji. Jeśli doda, że plama znajduje się pół metra od okna dachowego, system powinien podnieść prawdopodobieństwo problemu z obróbką lub uszczelnieniem tego elementu.

Istotny jest także moment zakończenia rozmowy. AI nie powinno dążyć do stuprocentowej pewności, bo w wielu usługach jest ona niemożliwa bez oględzin. Powinno zatrzymać wywiad, kiedy posiada wystarczające informacje do rozsądnego routingu zlecenia.

W praktyce rezultat może wyglądać tak:

Opis klienta: „Woda pojawia się pod zlewem”.

Po wywiadzie: „Przeciek pod zlewem kuchennym. Woda pojawia się wyłącznie podczas spuszczania wody z komory. Widoczny wyciek przy dolnym połączeniu syfonu. Odpływ działa normalnie. Instalacja ma około pięciu lat. Klient dołączył dwa zdjęcia. Preferowany termin: dziś po 17:00 lub jutro rano”.

Dla fachowca to zupełnie inny lead.

AI może jednocześnie oznaczyć zlecenie jako „prawdopodobna naprawa lub wymiana syfonu”, ale nie powinno przedstawiać tego klientowi jako pewnej diagnozy. Po zdjęciu nie zawsze da się odróżnić poluzowaną nakrętkę od pękniętego elementu, a pozornie prosty przeciek może znajdować się wyżej i jedynie spływać po rurze.

Jeszcze większej ostrożności wymagają instalacje elektryczne, gazowe i urządzenia grzewcze. Jeżeli użytkownik napisze „czuć gaz przy kuchence”, rolą systemu nie jest dalsze prowadzenie zwykłego lejka sprzedażowego. Najpierw powinien wyświetlić odpowiednią instrukcję bezpieczeństwa i wyprowadzić użytkownika poza standardowy proces zamawiania usługi. Podobnie fraza „gniazdko iskrzy i jest gorące” wymaga innej ścieżki niż „chcę zamontować dodatkowe gniazdko”.

Tu właśnie pojawia się niedogodność, której nie można przykryć efektownym interfejsem: model językowy potrafi się pomylić. Błędnie sklasyfikowane zlecenie oznacza nie tylko gorsze wyniki wyszukiwania. Może oznaczać skierowanie klienta do złej specjalizacji, stratę czasu wykonawcy albo niebezpieczną sugestię przy awarii.

Dlatego dobry system musi umieć powiedzieć użytkownikowi: „na podstawie opisu najbardziej pasują dwie kategorie” zamiast za wszelką cenę wybierać jedną.

AI zmieni również ogłoszenia wykonawców, bo samo „hydraulik” przestanie wystarczać

Jeżeli serwis przyjmuje opis problemu naturalnym językiem, druga strona rynku również musi zostać opisana dokładniej. Algorytm nie dobierze dobrego wykonawcy tylko dlatego, że w jego profilu widnieje kategoria „hydraulika”.

Potrzebuje danych o tym, jakie problemy dana firma rzeczywiście obsługuje.

Profil hydraulika powinien więc rozróżniać na przykład:

• udrażnianie odpływów,

• naprawy syfonów i odpływów,

• wymianę baterii i zaworów,

• lokalizowanie przecieków,

• naprawy spłuczek podtynkowych,

• montaż urządzeń sanitarnych,

• modernizację instalacji wodnej,

• awarie dostępne w trybie pilnym.

Do tego dochodzą obszar działania, terminy, godziny przyjmowania zleceń, minimalna wartość zlecenia, możliwość wystawienia faktury oraz to, czy wykonawca podejmuje się diagnozy na miejscu.

To zmienia konkurencję między firmami. W katalogu wygrywa często profil dobrze widoczny w szerokiej kategorii. W modelu semantycznym większe znaczenie może dostać wykonawca, którego zakres usług dokładnie odpowiada opisowi problemu.

Firma z profilem „kompleksowe usługi hydrauliczne – szybko i profesjonalnie” dostarcza algorytmowi niewiele informacji. Firma, która szczegółowo poda obsługiwane awarie, rodzaje instalacji, marki urządzeń, promień dojazdu i dostępność, daje znacznie lepszy materiał do dopasowania.

Dlatego dla przedsiębiorcy sensowne staje się publikowanie precyzyjnych ofert również w serwisach umożliwiających darmowe ogłoszenia dla firm, ale sam fakt obecności w katalogu nie wystarczy. Opis powinien odpowiadać na konkretne sytuacje klienta: nie tylko „naprawa AGD”, lecz „pralka nie odpompowuje wody”, „zmywarka nie grzeje”, „lodówka pracuje bez przerwy” czy „piekarnik wybija zabezpieczenie”.

To właśnie takie informacje może później wykorzystać mechanizm AI.

Dla platform oznacza to konieczność uporządkowania danych po obu stronach. Z jednej strony mamy swobodny język użytkownika, z drugiej – profil wykonawcy, który musi zostać opisany w postaci cech możliwych do porównania.

Najbardziej użyteczny proces wyglądałby następująco:

1. Użytkownik opisuje objaw własnymi słowami.

2. AI rozpoznaje kilka możliwych intencji i poziom pewności.

3. System zadaje maksymalnie kilka pytań rozstrzygających.

4. Powstaje ustrukturyzowane zlecenie.

5. Mechanizm dopasowania filtruje wykonawców według zakresu usług, lokalizacji, dostępności i innych twardych warunków.

6. Dopiero wtedy klient otrzymuje oferty lub listę specjalistów.

Kolejność jest istotna. Najpierw trzeba ustalić, czego prawdopodobnie potrzebuje klient, a dopiero później optymalizować ranking firm.

Jest również problem prywatności. Zdjęcie usterki może przypadkiem pokazywać twarz domownika, dokument leżący na stole, numer seryjny urządzenia, wnętrze mieszkania albo inne informacje, których użytkownik nie zamierzał przekazywać wykonawcom. Nagranie głosowe również jest daną, którą platforma musi odpowiednio obsłużyć. W europejskich realiach projektowanie podobnego rozwiązania wymaga uwzględnienia zasad RODO, w tym ograniczenia zakresu zbieranych danych, określenia celu ich przetwarzania oraz jasnej informacji, co dzieje się z materiałem przesłanym do systemu.

Dlatego więcej danych nie zawsze oznacza lepszy wywiad. Jeśli do wyboru wykonawcy wystarczy opis i zdjęcie samego uszkodzonego elementu, system nie powinien prosić o fotografowanie całego pomieszczenia.

Podobnie należy traktować cenę. AI może pomóc określić zakres prac, ale nie powinno automatycznie obiecywać konkretnego kosztu tam, gdzie wykonawca musi najpierw wykonać diagnostykę. Przy prostych, standaryzowanych pracach da się pokazywać orientacyjne widełki. Przy przeciekach w ścianie, usterkach elektroniki czy problemach z instalacją grzewczą taka wycena przed oględzinami może być bardziej myląca niż pomocna.

Najbardziej irytujący scenariusz dla wykonawców byłby natomiast odwrotny: AI stworzy bardzo szczegółowo brzmiący opis, klient uzna go za diagnozę, a fachowiec na miejscu zastanie zupełnie inną usterkę. Serwis powinien więc wyraźnie oddzielić „informacje podane przez klienta” od „wniosków wygenerowanych przez system”.

To drobny element interfejsu, ale biznesowo ma duże znaczenie. Wykonawca musi wiedzieć, czy zdanie „uszkodzony syfon” powiedział właściciel mieszkania, stwierdził poprzedni hydraulik czy wygenerował je model językowy na podstawie dwóch zdań i zdjęcia.

FAQ

Czy AI może samodzielnie zdecydować, jakiego fachowca potrzebuje użytkownik?
Powinno przede wszystkim zawężać wybór. Przy jednoznacznym zleceniu, np. „potrzebuję montażu czterech lamp sufitowych”, wybór kategorii jest prosty. Przy objawie typu „wilgoć na suficie” lepiej wskazać kilka prawdopodobnych specjalizacji i zadać pytania rozstrzygające niż wymuszać jedną diagnozę.

Ile pytań powinien zadawać taki system?
Nie ma jednej liczby dla wszystkich branż, ale przy prostych usługach zwykle wystarczy 3–5 pytań, jeśli każde z nich wpływa na dalszą ścieżkę. Siedem czy dziesięć obowiązkowych ekranów przy drobnej naprawie szybko zaczyna działać jak zwykły, tylko bardziej irytujący formularz.

Czy użytkownik powinien nadal mieć możliwość samodzielnego wyboru kategorii?
Tak. Kto dokładnie wie, że potrzebuje montażu klimatyzatora, geodety do wytyczenia budynku albo wymiany rozrządu, nie powinien przechodzić przez sztuczny wywiad. AI powinno skracać drogę osobom niepewnym, a nie wydłużać ją wszystkim.

Czy zdjęcie wystarczy AI do rozpoznania usterki?
Nie. Zdjęcie może bardzo pomóc w klasyfikacji, ale często pokazuje skutek, nie przyczynę. Mokra szafka pod zlewem nie wskazuje jeszcze jednoznacznie miejsca nieszczelności. Fotografia powinna być jednym z elementów wywiadu, a nie podstawą do kategorycznej diagnozy.

Co z ceną usługi po rozpoznaniu problemu przez AI?
Przy powtarzalnych pracach można pokazywać przedział cenowy na podstawie aktualnych danych z platformy i lokalizacji. Przy pracach wymagających oględzin uczciwsze jest oznaczenie „wycena po diagnozie” niż podawanie pozornie precyzyjnej kwoty, która później nie ma związku z rachunkiem.

Czy klasyczne wyszukiwanie usług zniknie?
Nie musi. Bardziej prawdopodobny jest podział na dwie ścieżki: „wiem, czego szukam” oraz „mam problem i nie wiem, kogo potrzebuję”. Druga jest naturalnym miejscem dla AI. Pierwsza nadal może być szybsza poprzez zwykłą kategorię, filtr lub wyszukiwarkę.

Jeżeli serwis ogłoszeniowy chce wdrożyć taki model, nie powinien zaczynać od budowania chatbota. Pierwszym zadaniem jest przeanalizowanie źle zaklasyfikowanych i niedokładnych zleceń oraz znalezienie pytań, które rzeczywiście zmieniłyby wybór wykonawcy. Dopiero na tej podstawie warto tworzyć wywiad AI.

Najpierw trzeba usunąć jeden błąd: wymaganie od klienta, aby znał nazwę rozwiązania, zanim platforma pozwoli mu dobrze opisać problem. Jeśli użytkownik potrafi powiedzieć tylko „woda pojawia się pod zlewem”, to właśnie od tego powinien móc zacząć.