Mapa tygodnia/Moduł 05
agenty
voice
automatyzacja-nocode
35 min · średni

Głosowy agent AI w ElevenLabs

Twój głos + Twoja wiedza + 24/7 = agent edukacyjny gotowy w 15 minut.

Tryb: pełny

Executive summary

  • Agent głosowy to nie IVR. To system: słyszy → rozumie → generuje → mówi — w czasie rzeczywistym, na żywo.
  • Framework projektowy: 1) kto mówi (persona), 2) do kogo mówi (odbiorca), 3) po co istnieje (1 zdanie), 4) co wyróżnia styl.
  • Dobry agent = właściwy Brain (LLM) + właściwy Voice (TTS). Mocniejszy model = wyższa latencja. Dla głosu szukaj balansu „wystarczająco mądry, wystarczająco szybki".
  • Polski wymaga normalizacji tekstu — paragraf w system promptcie o słownej formie liczb, skrótów i odmianie gramatycznej eliminuje 90% wpadek.
  • Bezpieczeństwo: Backup LLM (fallback), Max Conversation Duration (np. 600s), Daily Call Limit (np. 100), klucz API per projekt z limitem.

Czym to jest

Agent głosowy ElevenLabs to platforma, na której składasz dwa składniki: mózg (model językowy, np. GPT-5 mini, Gemini 2.5 Flash) i głos (Twój sklonowany albo gotowy). Dodajesz knowledge base (dokumentacja, regulamin, FAQ), tools (np. wyślij SMS, zapisz w CRM) i agent jest gotowy. Standard latencji dla rozmowy naturalnej: ~75 ms (model Flash).

Kluczowe pojęcia

Brain
Model językowy: myśli, rozumie, generuje treść odpowiedzi. Wybór z biblioteki (OpenAI / Anthropic / Google / ElevenLabs).
Voice
Silnik TTS: zamienia tekst na mowę. Może być Professional Voice Clone (Twój sklonowany głos) albo gotowy.
Knowledge Base
Źródła wiedzy: PDF, link do strony, dokumentacja. Agent indeksuje i odpytuje przy każdej rozmowie.
First Message
Pierwsze słowa agenta po odebraniu rozmowy. Buduje wrażenie. „Cześć, w czym pomóc?" jest słabe — zapraszaj do konkretu.
Normalizacja tekstu
Zamiana „2" na „dwa/dwóch/dwoma" w zależności od kontekstu. W polskim szczególnie trudna — wymaga jawnej instrukcji w prompcie.
Workflow w agencie
Drzewo decyzyjne: powitanie → pytanie → odpowiedź A lub B → przekazanie do człowieka / zapisanie w CRM. Pozwala robić więcej niż czysty FAQ.
Backup LLM (fallback)
Drugi model uruchamiany automatycznie, gdy główny jest niedostępny / przeciążony. Klient nigdy nie słyszy „mam awarię".
Max Conversation Duration
Limit czasu jednej rozmowy. Chroni budżet przed użytkownikami testującymi „poczucie humoru przez godzinę".

Pryncypia

  1. 01Jeden agent = jeden problem. Agent „od wszystkiego" jest słaby. Agent FAQ, agent onboardingowy, agent sprzedażowy — osobno.
  2. 02Latencja powyżej 1,5 s zabija rozmowę. Wybieraj najszybszy model wystarczający do zadania. Mocniejszy podmień, jeśli jakość nie wystarcza.
  3. 03Normalizacja tekstu w PL = ostatnie 3 zdania każdego system promptu. Niech agent zapisuje liczby SŁOWNIE z poprawną odmianą.
  4. 04Iteruj: każda rozmowa → notatka, co nie zadziałało → poprawka system promptu albo knowledge base. Dziesiątki testów przed publikacją.
  5. 05Fallback model + limit czasu + limit dzienny + limit per IP = MINIMUM bezpieczeństwa przed produkcją.

Przykłady zastosowań

Agent FAQ wewnętrzny (Office Manager)

Brain: Gemini 2.5 Flash (szybki, tani, do FAQ wystarcza). Voice: gotowy głos „Maria". Knowledge: plik txt z limitami hotel/dieta/urlop. First message: "Cześć, tu Ola z administracji. W czym mogę pomóc?". Wdrożenie: widget na intranecie albo shareable link na Slacku.

Agent edukacyjny („internista produktu")

Brain: model szukający balansu szybkość/jakość. Voice: Twój Professional Voice Clone. Knowledge: dokumentacja + blog firmy (URL-e). First message zaprasza do konkretu: "Jeśli masz pytania o X, zapytaj — słucham."

Agent sprzedażowy (lead qualifier)

Brain: Claude / GPT-5 mini (ton ważniejszy). Workflow: powitanie → pytania kwalifikujące → jeśli budżet+pilność → zapisz lead w CRM (tool) → umów demo (tool: Cal.com). Jeśli nie kwalifikuje — uprzejme zamknięcie.

Case study

Szkoła językowa — agent „Ola z recepcji"

Mała szkoła. 30-50 telefonów dziennie głównie z pytaniem o cennik, terminy i dostępność lektora. Sekretarka nie nadążała wieczorami.

Podejście

  1. 1.Persona: Ola, ciepła, konkretna, polski + angielski.
  2. 2.System prompt z paragrafem o normalizacji liczb („30" → „trzydzieści złotych", „godzinę 17" → „siedemnastej").
  3. 3.Knowledge: cennik PDF + grafik z Google Sheets (jako tool, nie statyczna baza).
  4. 4.Tool: book_consultation(date, time, name, phone) → zapis w CRM.
  5. 5.Fallback model + Max Conversation 8 min + Daily Limit 50.
  6. 6.Wdrożenie: numer telefonu ElevenLabs → przekierowanie z głównego numeru po godzinie 17.
Efekt: Po godzinie 17 i w weekendy agent obsługuje 100% zapytań. ~12 leadów / tydzień zapisanych w nocy. 0 utraconych przez „brak odbioru". Koszt: ~80 USD/mc.

Najczęstsze błędy — checklista

0/4 oznaczone

Prompty gotowe do użycia

System prompt dla agenta FAQ (PL) — pełny template

Kiedy: Tworzysz pierwszego agenta głosowego po polsku.

Nazywasz się [IMIĘ] i jesteś głosowym asystentem [STANOWISKO] firmy [NAZWA]. Twój styl jest [ciepły/konkretny/profesjonalny], tłumaczysz złożone rzeczy prostym językiem. Masz poczucie humoru, ale nie kosztem merytoryki. Twoim zadaniem jest odpowiadanie na pytania o [ZAKRES]. Korzystasz wyłącznie z wiedzy zawartej w swojej bazie wiedzy. Jeśli pytanie wykracza poza zakres — uprzejmie kieruj rozmówcę na adres [EMAIL] lub stronę [URL]. Odpowiadaj maksymalnie [3 zdaniami] — to rozmowa głosowa, nie wykład.

Wykonaj pełną normalizację tekstu do naturalnej formy mówionej. Wszystkie liczby, skróty, symbole, adresy e-mail, nazwy użytkowników, domeny i inne elementy niesłowne zapisuj wyłącznie słownie, dobierając formę zgodnie z kontekstem wypowiedzi oraz poprawną odmianę gramatyczną, tak aby całość brzmiała naturalnie po polsku. Nie stosuj rozwinięć mechanicznych. Każdą formę dobieraj tak, by była poprawna fleksyjnie i naturalna w całym zdaniu.

Częsty błąd: Bez paragrafu o normalizacji agent w polskim brzmi jak Google Translate sprzed dekady.

First message z konkretnym zaproszeniem

Kiedy: Projektujesz pierwsze wrażenie.

Cześć! Tu [IMIĘ] z [FIRMA]. Jeśli masz pytanie o [KONKRET 1] albo [KONKRET 2], zapytaj wprost — słucham.

LAB — ćwiczenie

LAB · 40 min · średni

Zbuduj agenta FAQ dla swojego pomysłu (firma, projekt, hobby). Cel: agent ma poprawnie odpowiedzieć na 3 testowe pytania z Twojej knowledge base.

  1. 1Wypełniony framework 4 pytań: kto mówi, do kogo, po co, co wyróżnia.

  2. 2Załadowany minimum 1 dokument do Knowledge Base.

  3. 3System prompt z rolą, granicami i paragrafem o normalizacji PL.

  4. 4Wybrany głos i model (Brain) + ustawiony Backup LLM (fallback).

  5. 5Max Conversation Duration ≤ 600s i Daily Call Limit ≤ 100.

  6. 63 testowe pytania zadane na żywo — agent odpowiada poprawnie i czytelnie po polsku.

Pytania kontrolne

Powiązane moduły

Wprowadzenie do agentów Praktyka — Office / Finance / Marketing

Skończyłeś moduł? Oznacz go i ruszaj dalej.