Внедрение ИИ-ассистентов в службу поддержки

По данным исследования Сбер2B Аналитики и Сбер2B Автоматизации, 39% российских компаний используют ИИ-ассистентов и ИИ-агентов, а 30% этих организаций автоматизируют поддержку клиентов. Рассказываем, какие задачи службы поддержки можно оптимизировать с помощью ИИ, как выбрать модель и по каким метрикам оценивать результат внедрения.

Содержание:

• Какие задачи поддержки закрывает ИИ-ассистент
• Как выбрать модель ИИ в клиентском сервисе
• Этапы внедрения ИИ-ассистента в поддержку
• Что не стоит доверять ИИ
• Частые вопросы

Какие задачи поддержки закрывает ИИ-ассистент

ИИ-ассистенты разгружают первую линию поддержки, помогают масштабировать сервис и ускоряют обработку запросов. Разберём конкретные задачи, которые они закрывают на каждом этапе работы с обращениями.

Маршрутизация и классификация обращений

Службе поддержки нужно определить тематику обращения и его приоритет, чтобы назначить ответственного специалиста. ИИ-ассистент анализирует содержание запроса, определяет категорию и направляет его нужной команде.

Ответы в чатах и мессенджерах

ИИ-ассистенты и чат-боты для поддержки клиентов обрабатывают типовые запросы через сайт, мобильное приложение или мессенджеры. Они отвечают на вопросы о доставке, оплате, статусе заказа, условиях обслуживания.

Голосовая линия

ИИ-ассистенты в службе поддержки (голосовые роботы) могут принимать звонки, распознавать речь клиента, отвечать на типовые вопросы и при необходимости переводить разговор на профильного специалиста.

Анализ эмоций и перевод на оператора

ИИ-ассистент анализирует тональность сообщений, распознаёт признаки недовольства или конфликта и передаёт диалог оператору. Это снижает риск потери клиента и помогает поддержке быстрее реагировать на критические ситуации.

Например, технология распознавания речи SaluteSpeech позволяет анализировать эмоциональный окрас голоса — определять, в каком тоне говорит клиент: позитивном, нейтральном или негативном. Это помогает точечно разбирать проблемные диалоги и отслеживать общую динамику удовлетворённости.

Контроль качества и обучение операторов

ИИ анализирует записи звонков и переписки в чатах, чтобы найти узкие места в клиентском пути. Система отслеживает, на каких вопросах клиенты раздражаются, какие темы вызывают длинные диалоги и где операторы отступают от скриптов. На основе данных ИИ формирует отчёты: какие формулировки стоит переработать, кому из сотрудников требуется обучение.

Поиск информации по базе знаний

Ещё один сценарий использования ИИ — помощь сотрудникам поддержки. Технология RAG (от англ. Retrieval-Augmented Generation, «генерация с дополненной выборкой») позволяет ассистенту искать информацию в корпоративной базе знаний, регламентах, инструкциях и документации, а затем формировать готовый ответ на основе найденных данных.

В отличие от обычной языковой модели, такой ассистент опирается на актуальные документы компании. Это значит, что ответы соответствуют действующим правилам и продуктам.

Как работает связка большой языковой модели с технологией RAG (от англ. Retrieval-Augmented Generation, «генерация с дополненной выборкой»)

Для новых сотрудников система становится наставником. Оператор задаёт вопрос на естественном языке и получает готовое объяснение или ссылку на нужный регламент. Это ускоряет адаптацию персонала и помогает поддерживать единые стандарты обслуживания.

Как выбрать модель ИИ в клиентском сервисе

Выбор модели начинается с определения задач: что именно должен делать ассистент — отвечать на типовые вопросы, маршрутизировать обращения или помогать операторам. От этого зависят критерии оценки. Ключевые параметры, на которые стоит обратить внимание:

• возможность обращаться к корпоративной базе знаний;
• качество работы на русском языке, в том числе понимание разговорных формулировок и терминов;
• пилотное тестирование на реальных диалогах;
• стоимость использования.

Кроме того, инструмент должен быть безопасным. Загружать корпоративные документы можно только в сервисы, развёрнутые внутри закрытого контура. При работе с персональными данными важно учитывать требования российского законодательства и соблюдать требования ФЗ-152 «О персональных данных».

Этапы внедрения ИИ-ассистента в поддержку

Внедрение ИИ в поддержку начинается с анализа клиентских обращений и понимания бизнес-целей, а заканчивается дообучением модели внутри компании. Разберём основные этапы запуска.

Этап № 1: анализ обращений и постановка целей

Первый шаг — разобраться, как работает служба поддержки до внедрения ИИ. Компании нужно понять, какие вопросы клиенты задают чаще всего, сколько времени операторы тратят на обработку обращений и какие процессы можно автоматизировать без потери качества клиентского сервиса. На этом этапе команда изучает историю обращений за несколько месяцев и определяет ключевые показатели эффективности будущего проекта.

Этап № 2: определение метрик

Чтобы оценить эффективность ИИ-ассистента, важно определить процессы, которые нужно оптимизировать. Это позволит сравнить результаты до и после внедрения.

Ключевые метрики оценки эффективности ИИ-ассистента

Окупаемость проекта оценивают по совокупности всех групп метрик. Если автоматизация службы поддержки выросла, но CSAT (Customer Satisfaction Score, «индекс удовлетворённости клиентов») упал — клиенты недовольны, и проект нельзя считать успешным. Если скорость ответа увеличилась, но стоимость обработки осталась прежней — экономический эффект неочевиден.

Этап № 3: выбор модели, настройка и интеграции

Компания выбирает модель и настраивает её под свои задачи. ИИ-ассистента подключают к базе знаний, бизнес-системам (CRM, Customer Relationship Management), каталогу продуктов и другим внутренним сервисам. Качество поддержки зависит от качества данных. Поэтому на этом этапе нужно удалить устаревшие документы, структурировать информацию.

Этап № 4: внедрение в клиентские каналы

После настройки ИИ-ассистента его подключают к каналам, через которые клиенты общаются с компанией: онлайн-чат на сайте, мобильное приложение, мессенджеры. В крупных контактных центрах дополнительно задействуют голосовые каналы и IVR-системы (от англ. Interactive Voice Response, «интерактивное голосовое меню»).

Главная задача на этом этапе — сохранить единый клиентский опыт. Пользователь не должен замечать разницы между каналами и получать противоречивые ответы в чате, приложении или по телефону.

Этап № 5: тестирование и сбор обратной связи

Перед запуском стоит провести тестирование на ограниченной группе пользователей. Это поможет выявить ошибки в ответах и понять, как ассистент влияет на ключевые метрики поддержки. Для определения эффективности компании используют сплит-тестирование: часть клиентов обслуживает ИИ-ассистент, часть — операторы.

Этап № 6: мониторинг и дообучение на реальных данных

После запуска ассистента нужно постоянно дообучать. Компании анализируют диалоги, особенно те, где клиент поставил низкую оценку или где ассистент передал запрос оператору. Именно в таких случаях видны пробелы в базе знаний.

Что не стоит доверять ИИ

ИИ-ассистент в поддержке не должен принимать решения во всех сценариях — часть обращений требует участия человека. Ситуации, в которых ИИ-ассистент должен переключаться на оператора:

• жалобы и претензии — ситуации, связанные с финансовыми потерями, качеством услуг или репутационными рисками;
• конфликтные обращения — случаи, когда клиент недоволен или находится в эмоционально напряжённом состоянии;
• нестандартные запросы — обращения, которые выходят за рамки регламентов;
• юридически значимые вопросы — ответы по договорам, финансовым обязательствам и другим темам, которые могут иметь правовые последствия;
• обращения, связанные с персональными данными — если требуется дополнительная проверка личности клиента или доступ к чувствительной информации.

Частые вопросы