ИИ в службе поддержки клиентов: что отдать нейросети, а что оставить людям

Что ИИ делает в поддержке и где проходит граница

Про чат-бот для сайта у нас отдельная статья: там речь о том, как отвечать посетителю, который ещё не стал клиентом, и не потерять заявку. Эта статья — про службу поддержки целиком: почта, мессенджеры, телефон, личный кабинет, отзывы. Клиент уже купил, у него вопрос или проблема, и от скорости и качества ответа зависит, купит ли он снова.

Здесь у ИИ больше работы, но и цена ошибки выше. Неверный ответ посетителю сайта стоит одной заявки. Неверный ответ клиенту о возврате денег стоит претензии, отзыва и иногда суда.

Граница проходит не по сложности вопроса, а по последствиям. «Где мой заказ» — вопрос сложный технически, но безопасный: ответ берётся из системы учёта. «Можно ли вернуть товар» — простой, но ответ создаёт обязательство.

Сценарий 1. Сортировка обращений

В общий ящик падает всё подряд: вопросы о доставке, жалобы, запросы счетов, спам, предложения о сотрудничестве. Кто-то разбирает это вручную каждое утро.

Нейросеть читает каждое обращение и проставляет:

• тему: доставка, оплата, возврат, техническая проблема, другое;
• срочность: обычное, срочное, угроза отзыва или претензии;
• тон: нейтральный, недовольный, агрессивный;
• нужный отдел или оператора.

Ошибка сортировки не создаёт обязательств перед клиентом, поэтому с неё удобно начинать. Через две недели видно, насколько модель совпадает с решениями людей. Обычно это и есть момент, когда команда начинает ей доверять.

Сценарий 2. Подсказки и черновики для операторов

Оператор открывает обращение и сразу видит черновик ответа, составленный по базе знаний и истории клиента. Если ответ правильный, он отправляет его в один клик. Если нет — правит.

Почему это лучше автоответа на старте:

1. Каждый ответ проходит через человека, ошибки не уходят клиенту.
2. Правки операторов показывают, где база знаний неполная.
3. Новый сотрудник отвечает почти как опытный уже в первую неделю.

Качество подсказок зависит от базы знаний. Как её собрать, чтобы нейросеть отвечала по делу, — в статье база знаний для чат-бота.

Сценарий 3. Автоответы на типовые вопросы

Когда подсказки месяц работают без правок по какой-то теме, эту тему можно переводить на автоответ. Обычно первыми уходят статус заказа, график работы, адреса, инструкции, реквизиты.

Правила, которые мы закладываем:

• отвечать только по базе знаний и данным из учётной системы, без «общих знаний» модели;
• если уверенности нет — передать оператору и честно сказать клиенту, что ответит человек;
• клиент в любой момент может попросить живого сотрудника, и эта просьба не игнорируется;
• никаких обещаний сроков, денег и исключений из правил.

Если вы узнали в этих сценариях свою поддержку, следующий шаг — понять, какую долю обращений составляют типовые вопросы. От этой цифры зависит почти вся экономия.

Сценарий 4. Контроль качества всех диалогов

Обычно руководитель поддержки слушает или читает выборку: несколько диалогов на оператора в неделю. Остальное проходит мимо.

Нейросеть может проверить каждый диалог по чек-листу:

• поздоровался и представился;
• ответил на вопрос, а не на соседний;
• не нарушил правила: не пообещал лишнего, не назвал неверный срок;
• клиент ушёл с решением или с понятным следующим шагом;
• тон был нормальным.

Полезнее оценки операторов здесь другое: сводка причин обращений. Если за неделю 140 человек спросили, почему не приходит код подтверждения, это проблема продукта, а не поддержки. Такие находки окупают проверку быстрее, чем экономия часов. Для звонков работает тот же подход — анализ звонков нейросетью.

Сценарий 5. Резюме и передача между сменами

Длинная переписка с клиентом за три недели, три оператора, два отдела. Новый сотрудник тратит 10 минут, чтобы понять, что происходит. Нейросеть делает резюме в пять строк: в чём проблема, что уже сделали, что обещали, что осталось. Мелочь, которая каждый день экономит часы и спасает от фразы «расскажите ещё раз, в чём дело».

Условный расчёт: поддержка из пяти человек

Пример условный, не кейс студии. Интернет-магазин товаров для дома, пять операторов, около 6 000 обращений в месяц в почте и мессенджерах. Среднее время обработки обращения — 6 минут.

308 часов — это почти две ставки оператора. При стоимости часа 550 ₽ с налогами, условно, — около 170 000 ₽ в месяц. Затраты, условно: настройка с базой знаний и подключением к учётной системе — 200 000–400 000 ₽, сопровождение и оплата модели — 20 000–40 000 ₽ в месяц. Оплата самой модели по тарифам Yandex AI Studio — малая часть: считается за объём текста, и тысячи коротких диалогов обходятся в сотни или тысячи рублей.

Важная оговорка. Мы не советуем сразу сокращать людей. Разумнее направить высвобожденное время на то, что раньше не успевали: обзвон недовольных клиентов, работу с отзывами, обновление базы знаний. Сокращение — решение через 3–6 месяцев, когда цифры подтвердились. Подробнее о сравнении затрат — в статье ИИ-агент или менеджер: что дешевле.

Как внедрять ИИ в поддержку по шагам

1. Выгрузите обращения за 1–3 месяца и разметьте темы. Нейросеть может сделать черновую разметку, вы проверяете.
2. Посчитайте долю типовых вопросов. Это ваш потолок экономии.
3. Соберите базу знаний по самым частым темам. Без неё дальше не идти.
4. Запустите сортировку на 2 недели и сравните с решениями операторов.
5. Включите черновики для операторов и отслеживайте, сколько из них отправляют без правок.
6. Переведите на автоответ темы, где черновики месяц шли без правок.
7. Подключите проверку качества и раз в неделю смотрите сводку причин обращений.

Каждый шаг — отдельная проверка гипотезы. Если на шаге 5 операторы правят больше половины черновиков, проблема в базе знаний, и автоответы включать рано.

Какие показатели мерить до и после

Без замеров до запуска через три месяца никто не скажет, помог ИИ или нет. Мы советуем зафиксировать пять цифр за последний месяц до внедрения и смотреть их каждую неделю после.

Последняя строка — самая честная. Автоответ, который формально «закрыл» обращение, но клиент через час написал снова, ничего не сэкономил, а только разозлил человека. Если повторные обращения после запуска выросли, автоответы по этой теме нужно вернуть в режим подсказок.

Ещё один показатель, который редко считают, — оценка клиента после диалога. Достаточно одного вопроса «Помогли ли вам?» с ответом да или нет. Сравнивайте оценку для диалогов с ботом и с оператором по одним и тем же темам. Если разница большая, проблема почти всегда в базе знаний или в том, что бот не отпускает к человеку. О том, как собирать и читать такие оценки, мы писали в статье NPS: что это.

Риски и как их закрыть

• Выдуманные ответы. Модель уверенно называет несуществующий срок или условие. Защита — ответы только по базе знаний, запрет на «общие знания», передача человеку при сомнении.
• Раздражение клиентов. Бот, который не отпускает к человеку, злит сильнее долгого ожидания. Кнопка «позвать сотрудника» должна работать всегда.
• Персональные данные. В обращениях — имена, телефоны, адреса, иногда данные о здоровье. Обработка подпадает под закон о персональных данных: нужны договор с сервисом, понятное место хранения и согласие клиента там, где оно требуется. Подробно — в статье нейросети и персональные данные.
• Устаревшая база знаний. Поменяли условия доставки, а в базе старые. Нужен ответственный, который обновляет базу при каждом изменении правил.
• Операторы против. Если людям не объяснить, что ИИ снимает с них рутину, а не работу, они будут саботировать. Говорите прямо, что делаете и зачем.

Если хотите прикинуть, какая доля обращений вашей поддержки уходит в автоответы и сколько часов освободится, оставьте контакты. Посмотрим выгрузку обращений и посчитаем на ваших данных.