Фортех 
Тендеры и лиды
Информация
Руководитель поддержки приходит к подрядчику с запросом «хотим ИИ-бота, как у Яндекса» и рассчитывает на запуск к следующему кварталу. Через месяц бот у него действительно может заработать. Только отвечать он будет на вопросы из базы знаний, а возврат денег по-прежнему оформит оператор. Между этими двумя ботами несколько месяцев работы, и это лучше понять до подписания договора.
Ниже пять уровней автоматизации поддержки, от простого к сложному. Сроки даны как ориентиры для средней компании с одним-двумя каналами обращений и живой базой знаний.
ИИ в поддержке уже не эксперимент. По опросу Российской школы управления (855 представителей компаний), чат-боты или голосовые ассистенты есть у каждого третьего бизнеса в России, а лучшей моделью респонденты называют связку «человек плюс ИИ». По данным Сбер2B Аналитики, ИИ-ассистентов и ИИ-агентов используют 39% российских компаний, и 30% из них автоматизируют поддержку клиентов.
Самый громкий пример у «Яндекс Такси»: ИИ-агент решает без оператора 60% текстовых обращений, это больше 450 тысяч вопросов в неделю. В основе четыре языковые модели на базе Alice AI LLM, дообученные на обезличенных диалогах операторов, и доступ к действиям: вернуть деньги, перезаказать машину, отправить промокод. Эту цифру часто приносят на первую встречу как цель. Но у «Яндекса» под неё собраны свои модели и архив диалогов, а средней компании ставить себе 60% на первый год значит заранее заложить в проект разочарование.
Бот показывает кнопки и меню в мессенджере или на сайте, ищет по готовым ответам и передаёт разговор оператору. Языковой модели здесь может не быть вовсе, или она только распознаёт, о чём спрашивает клиент.
Больше всего времени уходит на разбор обращений. Нужно выгрузить переписку за несколько месяцев, найти темы, которые повторяются чаще всего, и написать к ним короткие понятные ответы. Если база знаний устарела, основное время уйдёт на её чистку.
Сложность низкая, риск один: бот, который на любой нестандартный вопрос отвечает «не понял», раздражает сильнее очереди. Кнопка «позвать человека» нужна на каждом шаге.
Языковая модель (GigaChat, YandexGPT или другая) читает вопрос клиента, находит в базе знаний подходящие статьи и формулирует ответ своими словами. Отвечает она только по найденным документам, а не из общих знаний.
Прототип собирается быстро и почти всегда впечатляет на демонстрации. Остальное время уходит на то, чего на демонстрации не видно:
Тесты на реальных обращениях, включая злые, запутанные и с опечатками.
Правила, когда ассистент обязан сказать «не знаю» и передать вопрос оператору.
Проверка, что модель не придумывает условия возврата и сроки доставки, которых нет в документах.
Выбор модели и места обработки данных. Если в обращениях есть персональные данные, отправка их в зарубежный сервис упирается в 152-ФЗ и правила трансграничной передачи. Поэтому российские модели или развёртывание в собственном контуре часто выбирают по требованию юристов.
Сложность средняя. Готовность ассистента лучше мерить долей ответов, которые операторы на выборке признали верными. Порог этой доли бизнес задаёт до запуска.
Наша система сама подберет вам исполнителей на услуги, связанные с разработкой сайта или приложения, поисковой оптимизацией, контекстной рекламой, маркетингом, SMM и PR.
Заполнить заявку
13818 тендеров
проведено за восемь лет работы нашего сайта.
Этот уровень недооценивают чаще остальных. ИИ не разговаривает с клиентом, он работает на оператора: определяет тему и срочность обращения, отправляет его в нужную очередь, готовит черновик ответа, пересказывает длинную переписку при передаче на вторую линию.
Срок здесь короче, чем кажется, потому что ошибка модели не уходит клиенту. Оператор видит черновик и правит его, а модель можно запускать с меньшей точностью и улучшать на этих правках. Ограничение одно: у системы обращений должен быть API, через который можно читать и обновлять заявки. У популярных хелпдесков он есть, у старых самописных систем его иногда приходится дописывать.
Если результат нужен за месяц, первый и третий уровни дают его с наименьшим риском.
Здесь начинается то, что заказчик обычно и имел в виду под «ИИ-ботом». Клиент спрашивает «где мой заказ», и бот отвечает не статьёй про сроки доставки, а статусом конкретного заказа. Для этого его подключают к CRM, учётной системе, службе доставки, иногда к 1С.
Сроки растут по трём причинам.
Интеграции. У каждой системы свои форматы данных и свои владельцы. Пока они не договорились, кто и в каком виде отдаёт данные, разработка стоит. Команда Фортех (fortech.dev) делала для нефтегазовой компании интеграции CRM на low-code платформе с 1С и системой электронного документооборота. Проект занял 3 недели, и главным в нём оказалось согласование с архитекторами разных систем: только после него команда спроектировала единый формат запроса на создание и изменение записей. В проекте с ботом поддержки таких согласований обычно больше: CRM, склад, доставка, платёжный сервис. Поэтому при внедрении ИИ в бизнес-процессы список систем и их владельцев стоит составить в первую же неделю, ещё до выбора модели.
Идентификация. Бот должен убедиться, что пишет владелец заказа, а не посторонний человек, который знает номер. Нужна авторизация через личный кабинет или подтверждение по телефону, и проектируют её вместе со службой безопасности.
Сбои систем. CRM недоступна, статус в учётной системе отстаёт, у заказа два номера. На каждый такой случай нужен свой сценарий, иначе бот уверенно сообщит неверный статус.
Последний шаг: бот получает право менять данные. Оформляет возврат, переносит доставку, начисляет компенсацию. Так устроен агент «Яндекс Такси».
Технически это тот же четвёртый уровень с правами на запись, но ошибка здесь стоит денег. Нужны лимиты (компенсация до заданной суммы без участия человека), журнал всех действий агента, подтверждение клиента перед операцией с деньгами и понятный путь к живому сотруднику. Для финансовых организаций есть и рекомендация Банка России: Кодекс этики в сфере ИИ советует давать клиенту возможность отказаться от общения с ИИ и переключиться на сотрудника.
Полгода здесь нижняя граница, и то если четвёртый уровень уже работает. Начинать автоматизацию поддержки сразу с агента, который проводит возвраты, команда Фортех не советует: сначала бот должен научиться правильно читать данные, и только потом получить право их менять.
База знаний в беспорядке. Статьи противоречат друг другу, условия поменялись год назад, а текст остался прежним. Модель добросовестно перескажет устаревшее.
Нет замеров до старта. Без текущего времени ответа и доли повторных обращений нельзя понять, помог ли бот. Замер делают до запуска, хотя бы за пару недель.
За бота никто не отвечает. После запуска ответы нужно проверять, базу знаний пополнять, новые темы добавлять. Если эта работа ни на ком не закреплена, качество за несколько месяцев снижается.
Слишком много каналов сразу. Сайт, Telegram, MAX и почта по-разному показывают кнопки, ссылки и вложения. Начинать лучше с одного канала, где больше всего обращений.
Выгрузите обращения за последние три месяца и разложите их по темам. Темы, на которые хватает справки, закрываются первым и вторым уровнем. Темы, где оператор каждый раз открывает CRM, относятся к четвёртому, и по ним сразу видно, сколько интеграций понадобится и с какими отделами придётся договариваться. С такой выгрузкой на встречу с подрядчиком приходят со списком конкретных сценариев, и оценку сроков можно проверить по каждому из них.
