Un chatbot AI care preia programări poate economisi timp într-o firmă mică, dar poate produce și haos dacă promite clienților ore care nu există. Problema nu este doar „AI-ul halucinează”, ci felul în care este construit fluxul: dacă botul nu vede calendarul real, nu are reguli ferme și nu cere confirmare înainte de rezervare, va completa golurile cu presupuneri.
Pentru saloane, clinici, service-uri, consultanți, agenții sau cabinete, o promisiune greșită făcută de chatbot înseamnă clienți nemulțumiți, echipe puse în încurcătură și timp pierdut cu reprogramări. Configurarea corectă trebuie să pornească de la o idee simplă: chatbotul poate conversa, dar disponibilitatea trebuie decisă de sistemul de programări, nu de modelul AI.
Chatbotul nu trebuie să „ghicească” agenda
Prima regulă este ca botul să nu inventeze intervale pe baza unui program general, de tipul „lucrăm de luni până vineri, 09:00–17:00”. Acesta este doar orarul de funcționare, nu disponibilitatea reală.
Disponibilitatea reală trebuie citită dintr-un calendar sau dintr-un sistem de rezervări conectat prin API, unde sunt marcate programările existente, pauzele, concediile, zilele libere, blocajele interne și durata fiecărui serviciu. Dacă un tuns durează 45 de minute, o consultație 30 de minute și o intervenție tehnică două ore, chatbotul nu trebuie să trateze toate cererile la fel.
O configurare sigură folosește o regulă clară: botul afișează sau propune doar intervalele returnate de sistemul de programări. Dacă sistemul nu returnează nimic, răspunsul corect este „nu găsesc un interval disponibil pentru această perioadă”, nu o ofertă improvizată.
Confirmarea trebuie făcută în doi pași
Un flux bun nu confirmă instantaneu doar pentru că utilizatorul a scris „da, vreau marți la 10”. Între alegerea clientului și mesajul final trebuie să existe o verificare tehnică a intervalului.
Practic, botul poate spune: „Verific disponibilitatea pentru marți la 10:00.” Apoi sistemul verifică din nou calendarul. Abia după ce primește răspuns valid, chatbotul poate confirma: „Programarea a fost înregistrată pentru marți, la 10:00.” Dacă între timp intervalul a fost ocupat, botul trebuie să ofere alternative reale.
Această verificare este importantă mai ales când mai multe persoane pot rezerva simultan: pe site, la telefon, prin recepție, prin WhatsApp sau printr-o platformă externă. Fără o verificare finală, două persoane pot primi aceeași oră.
Setări clare pentru timp, fus orar și reguli de business
Pentru firmele din România, fusul orar trebuie setat explicit, de regulă Europe/Bucharest. Nu este suficient să presupui că serverul, aplicația și clientul folosesc aceeași oră. Diferențele de fus orar sau trecerea la ora de vară pot crea programări greșite, mai ales dacă firma lucrează cu clienți din diaspora sau cu echipe remote.
Chatbotul trebuie să știe și regulile de business: cât timp înainte poate fi făcută o rezervare, dacă sunt acceptate programări în aceeași zi, cât buffer se lasă între clienți, cine poate fi alocat pentru un anumit serviciu și ce se întâmplă dacă un angajat nu este disponibil.
Aceste reguli nu trebuie lăsate în prompt ca text vag. Ideal, ele sunt configurate în sistemul de programări, iar chatbotul doar le respectă. Promptul poate explica tonul conversației, dar regulile critice trebuie aplicate tehnic.
Limite pentru autonomie: botul propune, sistemul rezervă
OWASP include printre riscurile aplicațiilor cu modele lingvistice ideea de „excessive agency”, adică situația în care un sistem AI primește prea multă autonomie sau permisiuni prea largi. Pentru un chatbot de programări, asta înseamnă că nu ar trebui să poată modifica liber agenda, să șteargă rezervări sau să ignore reguli doar pentru că utilizatorul insistă.
Un model mai sigur este acesta: chatbotul colectează cererea, cere sistemului intervale disponibile, prezintă opțiuni, confirmă alegerea și transmite comanda de rezervare printr-o funcție limitată. Funcția respectivă trebuie să accepte doar date validate: serviciu, durată, interval disponibil, date de contact și eventual consimțământ pentru prelucrarea datelor.
Dacă utilizatorul cere ceva neclar, botul trebuie să întrebe. Dacă cere ceva imposibil, trebuie să refuze politicos și să ofere alternative.
Mesaje transparente pentru client
În Uniunea Europeană, AI Act include obligații de transparență pentru sisteme AI care interacționează direct cu oamenii, inclusiv chatboți. Regulile de transparență se aplică de la 2 august 2026, iar utilizatorii trebuie informați clar când interacționează cu un sistem AI, cu excepțiile prevăzute de regulament. Pentru o firmă, formularea poate fi simplă: „Sunt asistentul AI al firmei și te ajut să găsești o programare disponibilă.”
Este util ca botul să nu promită mai mult decât poate face. În loc de „ți-am rezervat sigur locul” înainte de verificare, mai corect este „verific disponibilitatea” sau „îți pot propune intervalele disponibile”. Diferența pare mică, dar reduce așteptările greșite.
Loguri, testare și fallback uman
Înainte de lansare, chatbotul trebuie testat cu situații reale: zi plină, pauză de masă, angajat indisponibil, programare anulată, client care cere o oră din afara programului, cerere ambiguă, suprapunere și schimbare de ultim moment.
Firma ar trebui să păstreze loguri pentru deciziile importante: ce intervale au fost returnate, ce a ales clientul, când s-a făcut verificarea finală și ce răspuns a primit sistemul. Nu pentru a spiona conversațiile, ci pentru audit, depanare și corectarea erorilor. Datele personale trebuie păstrate doar cât este necesar și conform regulilor aplicabile.
În final, un chatbot bun pentru programări nu este cel care vorbește cel mai convingător, ci cel care știe când să nu promită. Dacă nu vede calendarul real, nu confirmă. Dacă nu poate valida intervalul, cere ajutor. Dacă situația este complicată, trimite conversația către un om. Așa devine AI-ul util pentru firmă, fără să transforme agenda într-o sursă de conflicte.
Surse
- European Commission — Transparency obligations under Article 50 of the AI Act
- European Commission — AI Act, Shaping Europe’s digital future
- OWASP — Top 10 for Large Language Model Applications
- NIST — AI Risk Management Framework and Generative AI Profile
- ENISA — Artificial Intelligence and Next Gen Technologies
