We­dług ba­dań prze­pro­wa­dzo­nych przez fir­mę ana­li­tycz­no­-do­rad­czą Gart­ner do 2020 ro­ku 85% kon­tak­tów mi­ędzy kon­su­men­tem, a przed­si­ębior­stwem będzie prze­pro­wa­dza­ne ma­szy­no­wo, bez ko­niecz­no­ści in­te­rak­cji z fi­zycz­nym do­rad­cą klien­ta. Co wi­ęcej, Gart­ner pro­gno­zu­je, że mi­ędzy 2017 a 2021 r. ob­słu­ga klien­ta do­ko­ny­wa­na wy­łącz­nie przez me­cha­ni­zmy opar­te na sztucz­nej in­te­li­gen­cji (AI) wzro­śnie pi­ęcio­krot­nie. Czwar­ta re­wo­lu­cja prze­my­sło­wa (Prze­my­sł 4.0) już dziś zmie­nia cha­rak­ter ob­słu­gi klien­ta dzi­ęki wy­ko­rzy­sta­niu mo­żli­wo­ści sztucz­nej in­te­li­gen­cji.

Daw­no mi­nęły cza­sy ręcz­ne­go zaj­mo­wa­nia się ka­żdym za­py­ta­niem, śle­dze­nia aler­tów i prze­cho­wy­wa­nia za­pi­sów. Obec­na tech­no­lo­gia umo­żli­wia cen­trom te­le­fo­nicz­nym nie tyl­ko szyb­szą i bar­dziej wy­daj­ną pra­cę, ale ta­kże iden­ty­fi­ka­cję praw­do­po­dob­nych pro­ble­mów przed ich wy­stąpie­niem i roz­wi­ązy­wa­nie ich z wy­prze­dze­niem. Wszyst­ko to jest mo­żli­we dzi­ęki roz­wo­jo­wi ucze­nia ma­szy­no­we­go (ma­chi­ne le­ar­ning) i al­go­ryt­mów głębo­kie­go ucze­nia się (de­ep le­ar­ning). Wraz ze wzro­stem mo­cy obli­cze­nio­wej i ulep­sza­niem sys­te­mów AI zbli­ża­my się do mo­men­tu, kie­dy ka­żdą po­trze­bę klien­ta będzie mo­żna za­spo­ko­ić przy pomo­cy wy­so­ko wy­kwa­li­fi­ko­wa­nych wir­tu­al­nych asy­sten­tów i cy­fro­wych chat­bo­tów re­pli­ku­jących za­cho­wa­nie agen­tów ludz­kich. Sz­tucz­na in­te­li­gen­cja mo­że zre­wo­lu­cjo­ni­zo­wać pra­wie ka­żdy aspekt bi­zne­su, w różnych je­go sek­to­rach, a re­wo­lu­cja w in­te­rak­cjach mi­ędzy fir­mą a kon­su­men­tem dzie­je się na na­szych oczach. Jak AI mo­że po­móc w ob­słu­dze klien­ta? Oto kil­ka przy­kła­dów.

Po­pra­wa ja­ko­ści ob­słu­gi klien­ta

Ob­słu­ga klien­ta dzi­siaj jest w du­żej mie­rze re­ak­tyw­na. Oso­ba dzwo­ni do cen­trum kon­tak­to­we­go fir­my i mu­si do­star­czyć sze­ro­ki za­kres in­for­ma­cji, ta­kich jak: imię i na­zwi­sko, ad­res, nu­mer lo­jal­no­ścio­wy i opis pro­ble­mu. Je­śli agent nie mo­że po­móc, oso­ba dzwo­niąca zo­sta­je prze­kie­ro­wa­na do ko­lej­nej oso­by, a pro­ces roz­po­czy­na się od no­wa. Jest z tym wie­le pro­ble­mów, przede wszyst­kim mar­nu­je czas klien­ta i fru­stru­je go. Sz­tucz­na in­te­li­gen­cja jest w sta­nie po­łączyć ak­tyw­no­ść użyt­kow­ni­ka z je­go te­le­fo­nem na Call Cen­ter i do­star­czyć agen­to­wi nie­zbęd­nych in­for­ma­cji. Dzi­ęki te­mu do­rad­ca klien­ta mo­że prze­wi­dzieć, dla­cze­go da­na oso­ba dzwo­ni i za­su­ge­ro­wać, jak roz­wi­ązać pro­blem, na­wet przed za­py­ta­niem.

– Wy­ko­rzy­sta­nie AI w po­sta­ci al­go­ryt­mów ma­szy­no­we­go ucze­nia w ob­słu­dze klien­ta nie tyl­ko uspraw­nia ca­ły pro­ces, ale też mo­że po­zy­tyw­nie wpły­wać na wi­ze­ru­nek fir­my. Ob­słu­ga klien­ta w przy­pad­ku wy­stąpie­nia ja­kiś pro­ble­mów ma bo­wiem du­że zna­cze­nie w kon­te­kście jej re­pu­ta­cji. Raz nie­za­do­wo­lo­ny klient praw­do­po­dob­nie zo­sta­wi nie­po­chleb­ne opi­nie w in­ter­ne­cie, po­dzie­li się ni­mi ze zna­jo­my­mi i fi­nal­nie mo­że po raz ko­lej­ny nie si­ęgnąć już po nasz pro­dukt czy usłu­gę. Dla­te­go fir­ma po­win­na wy­ko­rzy­stać ka­żdą oka­zję, aby za­pew­nić klien­tom do­sko­na­łą ob­słu­gę, a współcze­sne tech­no­lo­gie bar­dzo to uła­twia­ją. Po­słu­żmy się pro­stym przy­kła­dem. Mar­ta często podróżu­je na­szy­mi li­nia­mi lot­ni­czy­mi i wła­śnie do­wie­dzia­ła się, że jej lot jest od­wo­ła­ny z po­wo­du pro­ble­mów po­go­do­wych. Mar­ta lo­gu­je się na stro­nie i za­czy­na szu­kać no­wych lo­tów. Jak się oka­zu­je, wszyst­kie bez­po­śred­nie po­łącze­nia są al­bo pe­łne al­bo od­wo­ła­ne, wi­ęc roz­sze­rza swo­je po­szu­ki­wa­nia o lo­ty z prze­siad­ką, ale nie znaj­du­je dla sie­bie do­god­ne­go roz­wi­ąza­nia. Po ko­lej­nych mi­nu­tach po­szu­ki­wań Mar­ta de­cy­du­je się na te­le­fon do na­szych li­nii lot­ni­czych, gdzie wi­ta ją uprzej­my kon­sul­tant, pro­si o jej da­ne, nu­mer lo­tu i py­ta jak mo­że jej po­móc. Mar­ta wy­ja­śnia sy­tu­ację, a agent prze­cho­dzi wie­le kro­ków, które ona już raz prze­szła sa­ma. Mar­ta za­czy­na się de­ner­wo­wać i oba­wia się, że lo­ty szyb­ko się za­pe­łnia­ją i mo­że nie zna­le­źć bi­le­tu na po­wrót do do­mu. Osta­tecz­nie po bli­sko 20 mi­nu­to­wej roz­mo­wie jej lot zo­sta­je zmie­nio­ny na lot z prze­siad­ką i Mar­ta cie­szy się, że się to uda­ło, choć jest nie­co zi­ry­to­wa­na, że trans­ak­cja tr­wa­ła tak dłu­go. Jak mo­gła­by wy­glądać ta roz­mo­wa gdy­by na­sza li­nia lot­ni­cza uży­wa­ła sztucz­nej in­te­li­gen­cji wspo­ma­ga­jącej ob­słu­gę klien­ta? Za­łóżmy, że Mar­ta wy­ko­nu­je wszyst­kie te sa­me czyn­no­ści do mo­men­tu jej te­le­fonu. Kie­dy wi­ęc dzwo­ni do na­szych li­nii lot­ni­czej, AI ze­bra­ła już wszyst­kie in­for­ma­cje i zro­zu­mia­ła, że lot Mar­ty zo­stał od­wo­ła­ny i że roz­sze­rzy­ła ona swo­je po­szu­ki­wa­nia o in­ne re­gio­nal­ne por­ty lot­ni­cze, AI prze­ka­za­ła to wszyst­ko na­sze­mu kon­sul­tantowi wraz z pro­po­zy­cją kon­kret­ne­go po­łącze­nia po­zwa­la­jące­go Mar­cie wrócić do do­mu. Agent wie rów­nież, że dzwo­niąca do nie­go ko­bie­ta często wy­bie­ra lo­ty na tej kon­kret­nej li­nii i jest na­szym sta­łym klien­tem. Kie­dy wi­ęc Mar­ta dzwo­ni do nas to kon­sul­tant po­zdra­wia ją po imie­niu i mówi: „Dzień do­bry Pa­ni Mar­to, dzi­ęku­ję za lo­jal­no­ść wo­bec na­szych li­nii, wi­dzę, że próbo­wa­ła Pa­ni zmie­nić swój od­wo­ła­ny lot. Mo­gę za­pro­po­no­wać Pa­ni lot ju­tro o 13:00 z prze­siad­ką w Ber­li­nie? Czy pa­su­je to Pa­ni?” Mar­ta jest za­do­wo­lo­na i dzi­ęku­ję za szyb­ką po­moc. W po­wy­ższym przy­kła­dzie, w opar­ciu o wcze­śniej­sze dzia­ła­nia Mar­ty, AI by­ła w sta­nie zro­zu­mieć z ja­kim pro­ble­mem ona dzwo­ni i do­star­czy­ła agen­to­wi od­po­wied­nie in­for­ma­cje, które zde­cy­do­wa­nie skróci­ły czas ob­słu­gi Mar­ty i po­zy­tyw­nie prze­ło­ży­ły się na jej za­do­wo­le­nie ze spraw­ne­go roz­wi­ąza­nia jej pro­ble­mu. Fir­my zbie­ra­ją ogrom­ne ilo­ści in­for­ma­cji na te­mat na­wy­ków i dzia­łań swo­ich klien­tów. Wy­zwa­niem jest to, że lu­dzie nie mo­gą ana­li­zo­wać du­żych ilo­ści da­nych tak szyb­ko, jak ma­szy­ny. Sy­ste­my AI mo­gą być wy­ko­rzy­sty­wa­ne do ba­da­nia tych da­nych i do­ko­ny­wa­nia wnio­sko­wań, które mo­gą po­móc fir­mom szyb­ciej i do­kład­niej ob­słu­giwać klien­tów, dzi­ęki cze­mu ka­żdy pra­cow­nik ob­słu­gi klien­ta jest bar­dziej sku­tecz­ny – tłu­ma­czy Jędrzej Fu­la­ra, CTO w Spark­bit.

Pre­wen­cja pro­ble­mów

Sz­tucz­na in­te­li­gen­cja prze­wy­ższa ludz­kie mo­żli­wo­ści pod względem ilo­ści da­nych, które mo­że ana­li­zo­wać w da­nym cza­sie. Po­zwa­la to na sta­łe mo­ni­to­ro­wa­nie i na­tych­mia­sto­we wy­kry­wa­nie wszel­kich ano­ma­lii. AI mo­że przeana­li­zo­wać mi­lio­ny da­nych i roz­po­znać wzor­ce, które po­zwa­la­ją wy­kryć pro­ble­my, które jesz­cze się nie po­ja­wi­ły, ale praw­do­po­dob­nie po­ja­wią się w naj­bli­ższej przy­szło­ści. Fir­my mo­gą za­po­bie­gaw­czo za­jąć się ni­mi, za­nim przy­nio­są fi­nan­so­we stra­ty.

- Już dziś wie­le firm wy­ko­rzy­stu­je me­cha­ni­zmy ucze­nia ma­szy­no­we­go do two­rze­nia re­al­nej war­to­ści dla klien­ta. Przy­kła­dem ta­kie­go dzia­ła­nia są m.in. sys­te­my z wbu­do­wa­ną sztucz­ną in­te­li­gen­cją mo­ni­to­ru­jące pra­wie nie­sko­ńczo­ną licz­bę stron in­ter­ne­to­wych pod kątem okre­ślo­nych słów klu­czo­wych. Dzi­ęki te­mu fir­my mo­gą szyb­ko i efek­tyw­nie iden­ty­fi­ko­wać klien­tów, którzy do­świad­cza­ją za­ku­po­wych pro­ble­mów. Co wi­ęcej przed­si­ębior­cy mo­gą w krót­kim cza­sie do­wie­dzieć się ja­ki jest cha­rak­ter i na­tu­ra tych kło­po­tów. Prze­de wszyst­kim jed­nak – dzi­ęki al­go­ryt­mom ucze­nia ma­szy­no­we­go – in­te­li­gent­ny sys­tem mo­że w cza­sie rze­czy­wi­stym po­ma­gać klien­tom w roz­wi­ąza­niu ich pro­ble­mu, od­sy­ła­jąc ich do sek­cji często za­da­wa­nych py­tań lub ofe­ru­jąc pro­ste roz­wi­ąza­nia za po­mo­cą bo­tów – do­da­je Jędrzej Fu­la­ra ze Spark­bit.

We­dług ra­por­tu opra­co­wa­ne­go przez ośro­dek ana­li­tycz­ny For­re­ster w naj­bli­ższych la­tach fir­my będą in­ten­syw­nie ba­dać mo­żli­wo­ści wy­ko­rzy­sta­nia in­te­li­gent­nych agen­tów i do­da­wać kon­wer­sa­cyj­ne in­ter­fej­sy do sta­tycz­nych tre­ści sa­mo­ob­słu­go­wych. Będą prze­wi­dy­wać po­trze­by na pod­sta­wie kon­tek­stu, pre­fe­ren­cji i wcze­śniej­szych za­py­tań oraz będą do­star­czać pro­ak­tyw­ne aler­ty, od­po­wied­nie ofer­ty i tre­ści.

Chat­bo­ty – au­to­ma­ty­za­cja ob­słu­gi klien­ta

Co­raz wi­ęcej firm wy­bie­ra chat­bo­ty, ja­ko na­rzędzie do ob­słu­gi klien­ta. Obec­nie oko­ło 30% firm ofe­ru­jących swo­je usłu­gi w in­ter­ne­cie, po­sia­da sa­mo­dziel­ne “bo­ty”, które mo­gą od­po­wia­dać na nie­skom­pli­ko­wa­ne py­ta­nia i roz­wi­ązy­wać pro­ste pro­ble­my. Wci­ąż jed­nak mo­żli­wo­ści za­im­ple­men­to­wa­nych ele­men­tów sztucz­nej in­te­li­gen­cji są zna­cząco węższe od umie­jęt­no­ści fi­zycz­ne­go do­rad­cy. Mi­mo to, dla wie­lu firm wir­tu­al­ni do­rad­cy przy­no­szą mi­lio­ny do­la­rów zy­sku. Chat­bo­ty mo­gą ta­nio, szyb­ko i kon­se­kwent­nie od­po­wia­dać na za­py­ta­nia klien­tów. Mo­gą od ra­zu roz­wi­ązy­wać pro­ble­my, bez względu na to czy jest go­dzi­na 10:00 w dzień czy 2:00 w no­cy. Ma to klu­czo­we zna­cze­nie dla firm ukie­run­ko­wa­nych na po­ko­le­nia mil­le­nial­sów (którzy mo­gą być nie­cier­pli­wi). Chat­bo­ty nie po­trze­bu­ją też cza­su na szu­ka­nie od­po­wie­dzi, tak jak ro­bią to lu­dzie, dzi­ęki cze­mu ide­al­nie na­da­ją się do szyb­kich od­po­wie­dzi na naj­częściej za­da­wa­ne py­ta­nia. Sza­cu­je się, że sys­te­my opar­te o sztucz­ną in­te­li­gen­cję po­ma­ga­ją skrócić czas ob­słu­gi na­wet pi­ęcio­krot­nie. W przy­pad­ku, gdy chat­bo­tom nie uda­je się roz­strzy­gnąć spra­wy mo­gą skie­ro­wać klien­ta do kon­sul­tan­ta – czło­wie­ka. Ta­ki sche­mat oczy­wi­ście zwi­ęk­sza pro­duk­tyw­no­ść pra­cow­ni­ków. Wir­tu­al­ni do­rad­cy po­pe­łnia­ją też mniej błędów pod­czas od­po­wia­da­nia na za­py­ta­nia klien­tów i mo­gą pro­wa­dzić pro­ak­tyw­ne in­te­rak­cje z klien­tem. Ozna­cza to, że nie od­po­wia­da­ją oni tyl­ko na za­py­ta­nia, ale też roz­po­czy­na­ją roz­mo­wy in­for­mu­jąc np. o pro­mo­cjach i wy­prze­da­żach, ofe­ru­ją sa­mo­ucz­ki vi­deo, po­ka­zu­ją lin­ki do stron pro­duk­tów czy wpi­sów na blo­gu.

- Do­brym przy­kła­dem od­no­sze­nia ko­rzy­ści dzi­ęki wir­tu­al­nym agen­tom jest Chi­na Mer­chants Bank. Ten chi­ński bank ko­mer­cyj­ny, uży­wa bo­ta w po­pu­lar­nej apli­ka­cji We­Chat do ob­słu­gi od 1,5 do 2 mi­lio­nów za­py­tań dzien­nie. By spro­stać ta­kiej ilo­ści pra­cy bez uży­wania sys­te­mów AI, ten sam bank mu­sia­łby za­trud­nić po­nad 7 000 pra­cow­ni­ków. In­nym przy­kła­dem jest ho­tel i gru­pa ka­syn Ca­esars ofe­ru­jących Ivy – wir­tu­al­ne­go con­cier­ge, który au­to­ma­tycz­nie od­po­wia­da na za­py­ta­nia go­ści. Dzi­ęki nie­mu licz­ba po­łączeń z ho­telowym biu­rem ob­słu­gi (za­rządza­nym tra­dy­cyj­nie) zmniej­szy­ła się o 30%. In­nym spek­ta­ku­lar­nym przy­kła­dem jest wy­ko­rzy­sta­nie me­cha­ni­zmów sztucz­nej in­te­li­gen­cji przez je­den z au­stra­lij­skich ban­ków. Obec­nie eks­pe­ry­men­tu­je on z sa­mo­dziel­nym, in­te­li­gent­nym wir­tu­al­nym asy­sten­tem, które­go głów­nym za­da­niem jest przy­słu­chi­wa­nie się roz­mo­wom pra­cow­ni­ków ban­ku na te­mat po­ży­czek. Je­śli pra­cow­nik ban­ku za­po­mni o czy­mś lub po­pe­łni błąd, bot au­to­ma­tycz­nie włącza się w pro­wa­dzo­ną roz­mo­wę. Niek­tóre fir­my uży­wają chat­bo­tów w ce­lu po­pra­wie­nia efek­tyw­no­ści fi­zycz­nych pra­cow­ni­ków. Do­brym przy­kła­dem jest sto­so­wa­nie sys­te­mów su­ge­ro­wa­nia od­po­wie­dzi na przy­cho­dzące za­py­ta­nia klien­tów, które pra­cow­nik przed wy­sła­niem mo­że za­twier­dzić lub od­po­wied­nio do­sto­so­wać. W ci­ągu ostat­nie­go ro­ku umo­żli­wi­ło to ho­len­der­skim li­niom lot­ni­czym KLM po­dwo­je­nie licz­by ob­słu­giwanych za­py­tań klien­tów – do 120 000 ty­go­dnio­wo – przy jed­no­cze­snym zwi­ęk­sze­niu licz­by pra­cow­ni­ków o za­le­d­wie 6% – mówi Jędrzej Fu­la­ra ze Spark­bit.

AI – zmie­nia za­sa­dy funk­cjo­no­wa­nia ob­słu­gi klien­ta

Ko­rzy­ści z wpro­wa­dze­nia sztucz­nej in­te­li­gen­cji do sys­te­mu ob­słu­gi klien­ta są wie­lo­wy­mia­ro­we. AI zwi­ęk­sza ilo­ść in­te­rak­cji z klien­tem po­przez zauto­ma­ty­zo­wa­nie re­ak­cji, ra­dzi so­bie z du­żym na­tęże­niem za­py­tań i za­pew­nia wspar­cie 24 go­dzi­ny na do­bę gwa­ran­tu­jąc ca­ły czas ten sam po­ziom wy­daj­no­ści. Sy­ste­my te nie mu­szą od­po­czy­wać i są od­por­ne na ne­ga­tyw­ne ludz­kie emo­cje. Kon­sul­tant mo­że się zło­ścić, być roz­cza­ro­wa­ny lub sfru­stro­wa­ny, co mo­że wpły­nąć na ko­lej­ną roz­mo­wę. AI nie ma ta­kich pro­ble­mów. Do­dat­ko­wo pra­cow­ni­cy mo­gą sko­rzy­stać z po­mo­cy sztucz­nej in­te­li­gen­cji, aby uzy­skać lep­sze wska­źni­ki dla swo­ich in­dy­wi­du­al­nych ce­lów. Po­ma­ga to zmo­ty­wo­wać ich do pra­cy, zmniej­sza zmęcze­nie i po­pra­wia do­bre mo­ra­le w ze­spo­le, a wszyst­ko to przy­czy­nia się do tr­wa­łe­go suk­ce­su. AI po­zwa­la na szyb­sze roz­wi­ązy­wa­nie pro­ble­mów, a dzi­ęki te­mu, że al­go­rytm sam uczy się z gro­ma­dzo­nych da­nych w dłu­ższej per­spek­ty­wie zwrot z tej in­we­sty­cji jest bar­dzo opła­cal­ny dla fir­my, po­nie­waż sys­tem zna­cząco podno­si po­ziom wy­daj­no­ści. Sy­ste­my AI po­zwa­lają też na ana­li­ty­kę w cza­sie rze­czy­wi­stym. Me­ne­dże­ro­wie mo­gą zo­ba­czyć ana­li­zę roz­mów i dzia­łań, a na­stęp­nie zde­cy­do­wać, czy kon­ty­nu­ować sto­so­wa­nie tych sa­mych stra­te­gii, czy też mo­dy­fi­ko­wać je w ce­lu lep­szej re­ali­za­cji ce­lów. W przy­pad­ku no­wych klien­tów, kon­sul­tan­ci nie zna­ją ich pre­fe­ren­cji przez co pro­ces per­so­na­li­za­cji ofer­ty jest trud­ny, tym­cza­sem sys­temy sztucz­nej in­te­li­gen­cji mo­gą po­bie­rać in­for­ma­cje o ta­kich klien­tach z do­wol­nej do­stęp­nej pu­blicz­nej ba­zy da­nych, a na­stęp­nie mo­de­ro­wać roz­mo­wę w za­le­żno­ści od po­trzeb i za­pew­nić klien­tom nie­spo­ty­ka­ny do­tych­czas po­ziom per­so­na­li­za­cji skie­ro­wa­nej do nich ofer­ty. To z ko­lei bu­du­je lo­jal­no­ść wo­bec mar­ki.

Do­brze dzia­ła­jąca ob­słu­ga klien­ta jest jed­nym z klu­czo­wych czyn­ni­ków po­zwa­la­jącym fir­mom osi­ągnąć prze­wa­gę kon­ku­ren­cyj­ną i fi­nan­so­wy suk­ces. Po­pra­wa ja­ko­ści tej ob­słu­gi ma bar­dzo du­że zna­cze­nie w bu­do­wa­niu wi­ze­run­ku mar­ki, dla­te­go CIO po­win­ni trak­to­wać sztucz­ną in­te­li­gen­cję ja­ko tech­no­lo­gię zmie­nia­jącą re­gu­ły gry.

Na pod­sta­wie in­for­ma­cji fir­my Spark­bit

• Prze­czy­taj też: Inau­gu­ra­cja Cy­fro­wej Kla­sy Ca­non w Sz­ko­le Pod­sta­wo­wej nr 40 w Gdy­ni
• Prze­czy­taj też: 200 lat fir­my Sun Che­mi­cal
• Prze­czy­taj też: Ucz­nio­wie „Kle­men­sie­wi­cza” po­ma­ga­li w or­ga­ni­za­cji Cra­co­via Ma­ra­to­nu
• Prze­czy­taj też: Jak fir­ma Bro­ther dzia­ła na rzecz ochro­ny śro­do­wi­ska?
• Prze­czy­taj też: 3. Czo­snow­ska edy­cja Wy­MODELuj Swo­je Ma­rze­nia
• Prze­czy­taj też: Ba­da­nia Ep­son: nie­za­le­żna pra­ca wkrót­ce będzie naj­cen­niej­szą umie­jęt­no­ścią w CV
• Prze­czy­taj też: 6 ko­rzy­ści, które urządze­nia la­se­ro­we za­pew­nia­ją fir­mom
• Prze­czy­taj też: Mo­da, królo­wa i… Ep­son pod­czas Lon­don Fa­shion We­ek
• Prze­czy­taj też: Sto­ra En­so po­dej­mu­je ko­lej­ne dzia­ła­nia zmie­rza­jące do ogra­ni­cze­nia emi­sji ga­zów cie­plar­nia­nych
• Prze­czy­taj też: Za­rządza­nie dru­kiem – do­mi­nu­jące tren­dy w 2018