Основные функции — бесплатно и навсегда
Единое приложение
для чатов и звонков
- 2 000 сообщений
- Видеозвонки до 60 минут
- Каналы, чаты и треды
- В реестре российского ПО
- Техподдержка 24/7
- ИИ-помощник
Ничего не найдено. Попробуйте еще
От жёстких сценариев к ИИ-агентам: как бизнес автоматизирует общение с клиентами и сотрудниками
-
АвторАля НосоваГоворит с людьми об ИИ -
ЭкспертЕлена БелецкаяДиректор по автоматизации бизнес-процессов DPD в России -
ЭкспертДмитрий КрюковРуководитель ИИ-направления МТС Линк
- Перенесите ваши файлы и переписки из Telegram в несколько кликов
По данным Аналитического центра НАФИ и компании «Технологии Доверия», в России ИИ используют 86% компаний, и почти половина применяет такие инструменты в клиентском сервисе. Например, чат-боты берут на себя часть коммуникации и помогают решать типовые задачи. Но ИИ используют не только в поддержке: боты переходят и во внутренние рабочие процессы, подключаются к обсуждениям и помогают сотрудникам решать задачи в корпоративных чатах. В статье разобрались, как бизнес переходит от жёстких сценариев к ИИ-агентам, какие задачи можно автоматизировать и почему даже продвинутому боту по-прежнему нужен человек.
Почему бизнес уходит от чат-ботов с жёсткими сценариями
Первые чат-боты работали по жёсткому сценарию: пользователь выбирал пункт меню или вводил команду, а система выдавала заранее подготовленный ответ. Так бот справлялся с предсказуемыми запросами, но ломался, если человек задавал сразу несколько вопросов.
По словам директора по автоматизации бизнес-процессов транспортной компании DPD Елены Белецкой, жёсткие сценарии отталкивали пользователей и с трудом помогали решать задачи клиентов. Люди просили переключить их на оператора.
«Сейчас такие чат-боты работают в основном для получателей наших клиентов. Они отвечают на типовые вопросы о доставке, времени и адресе — то есть решают задачи, которые можно почти полностью автоматизировать», — пояснила Елена Белецкая.
Для более сложных сценариев в компании используют ИИ. Он генерирует естественные ответы, учитывает контекст диалога и может проверять информацию в других системах. Благодаря этому пользователь получает содержательный ответ без подключения оператора.
Похожее ограничение было и у корпоративных ботов. Например, в МТС Линк взаимодействие сотрудников с ботами раньше строилось в мессенджере через слеш-команды и уведомления. Сотруднику необходимо было помнить нужную команду и её синтаксис, а сам бот не участвовал в разговоре наравне с другими участниками чата. Теперь подход изменился. С помощью внутрикорпоративного каталога ботов МТС Линк сотрудник может найти нужного помощника по названию или описанию, открыть с ним диалог или пригласить в рабочий чат. Человек пишет боту в корпоративном мессенджере так же, как коллеге, или приглашает его к обсуждению в тот момент, когда нужна помощь.
Бот МТС Линк помогает сотруднику оформить заявление на отпуск
Что помогает снизить риск ошибок генеративного ИИ в ответах клиентам
Большие языковые модели умеют писать естественный текст, но вместе с этим появляется риск галлюцинаций — правдоподобных, но неверных ответов.
Так, компания DPD для разных тематик заранее готовит шаблоны. Нейросеть может изменить приветствие или прощание, чтобы сообщение звучало естественнее, но не получает полной свободы в содержательной части ответа.
«Нейросеть галлюцинирует, когда получает творческое задание. Но если система решает конкретные задачи в рамках определённой тематики и работает по жёстким промптам, то она не сочиняет ответы с нуля», — поделилась опытом Елена Белецкая.
Пока база знаний DPD организована через шаблоны ответов. Компания постепенно накапливает информацию и использует её в работе системы. Когда нейросеть начнёт самостоятельно обращаться к базе знаний, искать там нужные данные и на их основе отвечать клиентам, понадобится RAG-система (от англ. Retrieval-Augmented Generation — генерация с дополненным поиском).
Когда к диалогу должен подключаться человек
Если клиент DPD сообщает, что получил неправильный ответ, или задаёт уточняющий вопрос, к диалогу подключается оператор. Некоторые задачи компания сразу передаёт человеку — например, отмену заказа.
Чтобы автоматизировать такой сценарий, системе понадобится более объёмная база знаний, доступ к разным корпоративным системам и, вероятно, дополнительная модерация. По словам Елены Белецкой, такой сценарий уже ближе к работе полноценного ИИ-агента.
Ещё один пример того, что мы не автоматизируем, — обращение, в котором клиент поднимает сразу несколько тем. Например: «Сегодня не приехал ваш курьер. Я бы хотел, чтобы вы повторно выслали мне счета за май. И мне нужна какая-нибудь сверка». Такие разнонаправленные запросы мы передаём оператору.
Сам факт общения с роботом клиентов DPD обычно не смущает. Основная аудитория компании — B2B-клиенты (от англ. Business to Business — бизнес для бизнеса), которые в основном общаются с поддержкой письменно через личный кабинет и электронную почту. В таком формате не всегда заметно, что ответ подготовил ИИ.
При этом DPD не скрывает использование ИИ. У нейросети даже есть имя — Юлия Романычева, которым подписываются её письма.
Юля отвечает клиенту и даже добавляет эмодзи
«Если клиент получает понятный ответ, который решает его проблему, ему не так важно, кто этот ответ подготовил», — отметила Елена Белецкая.
Тем не менее у компании есть несколько клиентов, которые принципиально предпочитают общение с человеком. Для них автоматические ответы отключают.
Что автоматизировать в общении с клиентами и сотрудниками после типовых обращений
ИИ может без участия человека обрабатывать часть обращений в клиентский сервис. Например, в компании DPD больше 60% письменных и голосовых обращений чат-бот разбирает самостоятельно. Результаты различаются по каналам:
- в чат-боте автоматически закрывается 93% запросов — туда чаще всего приходят с простыми вопросами о доставке
- во входящих звонках ИИ самостоятельно решает 57% вопросов.
По словам Елены Белецкой, после таких ответов клиенты не обращаются повторно с тем же вопросом. Средняя оценка ответов робота по CSI (от англ. Customer Satisfaction Index — индекс удовлетворённости клиентов) составляет 4,7.
Автоматизировать коммуникацию можно частично. Например, искусственный интеллект в сервисах МТС Линк помогает сотрудникам быстрее разбираться в контексте. После онлайн-встречи система готовит расшифровку и краткое содержание разговора — так сотруднику не нужно пересматривать запись целиком для поиска нужной договорённости.
А компания DPD в помощь сотрудникам разрабатывает ИИ-суфлёра. Он сможет по номеру заказа или обращения собрать историю коммуникации, проанализировать её и подготовить короткую выжимку: с чем обратился клиент, что уже произошло и на каком этапе находится решение вопроса.
Знакомая многим ситуация: звонишь в поддержку, а тебя переключают между специалистами, и каждому приходится заново объяснять, что произошло. У нас бывает так же. В службе поддержки действует SLA (от англ. Service Level Agreement — соглашение об уровне сервиса): оператор должен обработать обращение за определённый срок и не может держать его открытым весь день. Если клиент пишет снова, продолжение переписки попадает уже другому сотруднику.
Для крупных клиентов восстановить контекст особенно сложно: переписка может длиться весь день и включать множество вопросов. Суфлёр сможет выделить основные смыслы обращения. Один и тот же текст люди могут интерпретировать по-разному, а система поможет оператору быстрее понять суть и продолжить работу с нужного места.
Как перейти от простых сценариев к собственной нейросети: опыт компании DPD
Переход к сложной автоматизации в DPD начался задолго до популярности генеративного ИИ. Ещё в 2017 году компания начала обучать собственную нейросеть на истории взаимодействия с клиентами — прежде всего на накопленных письмах. Модель развивали внутри закрытого контура.
При этом обучение не отдавали полностью машине. Решения нейросети проверяла команда модераторов: люди подтверждали, правильно ли система определила ответ.
Сначала автоматизировали самые частые темы обращений и оценивали, в каких случаях модель отвечает увереннее всего. Одним из первых подходящих сценариев оказался вопрос «Где моя посылка?». После этого DPD постепенно добавляла более сложные задачи и продолжала обучать систему.
К 2025 году в компании уже работала полноценная система, которая обрабатывала разные типы обращений и формировала ответы. Сейчас она действует как эксперт:
- обращается к внутренним системам
- получает из них нужную информацию
- вносит изменения при необходимости.
Основой системы остаётся собственная нейросеть, но для отдельных сценариев используют и внешние модели. Например, они помогают сделать текст более естественным и выбрать подходящее приветствие: «Уважаемый Николай Иванович» или «Николай Иванович, добрый день».
Сейчас мы меняем движок системы. В голосовом канале уже перешли на новое решение, теперь обновляем его и для письменных обращений. Внешние нейросети хотим использовать и для более точного определения тематики обращения.
В одном письме клиент может задать несколько вопросов, описать разные проблемы или сформулировать запрос неструктурированно. В таких случаях нужна гибкая модель, которая не ограничена только внутренними примерами писем.
Как подключить ИИ-агента к командной работе: опыт компании МТС Линк
В автоматизации внутренних коммуникаций наблюдается другая сложность: боту недостаточно знать информацию, ему нужно подключиться к обсуждению в подходящий момент и учесть контекст разговора.
В МТС Линк ботов можно добавлять в групповые чаты, каналы и треды двумя путями:
- Бот реагирует на упоминание сотрудником через @ и получает ответ тогда, когда тот нужен.
- Бот анализирует все сообщения чата и следит за ключевыми словами в канале.
При боты видят только те чаты, в которые они добавлены. В режиме ответа по упоминанию сообщения, адресованные другим участникам, ему не передаются.
Автоматизация общения с сотрудниками работает и внутри тредов в корпоративном мессенджере. Например, сотрудники обсуждают проблему в групповом чате, вызывают ИИ-агента в ветку, получают там ответ и не перегружают основную ленту.
Дальнейший этап развития ботов — возможность помочь сотруднику выполнить следующий шаг. Так уже работает система DPD: она может обращаться к внутренним сервисам за данными и при необходимости вносить изменения.
В МТС Линк похожая логика переносится в рабочий чат. Например, бот может прислать карточку заявки с нужными полями и кнопками «Взять в работу» и «Отложить». Сотрудник нажимает кнопку, после чего бот обновляет сообщение и показывает новый статус.
Боты МТС Линк могут работать и с файлами. Пользователь отправляет документ, а помощник возвращает отчёт или выгрузку. Бот может и сам начать разговор, если у него есть идентификатор нужного чата: например, прислать опрос или напоминание.
Как организовать работу с десятками корпоративных ботов
Когда автоматизированных помощников становится много, появляется ещё одна задача: сотрудники должны понимать, какие боты есть в организации и чем каждый из них полезен.
Для этого в МТС Линк внедряют внутрикорпоративную витрину. В каталоге у каждого бота есть имя, аватар и краткое описание. Например, вместо «Бот № 2» можно написать «Менеджер по документам» и прописать, что он проверяет документы по форме компании.
Поиск работает по названию и описанию. Бот может быть приватным или общедоступным. Эта настройка влияет на его отображение в витрине. Публиковать бота для всей организации может администратор.
Для пользователя сам бот выглядит как обычный собеседник: диалог находится среди других чатов, у него есть имя и аватар, но интерфейс показывает, что это бот, а не человек.
Как проверить пользу ИИ до масштабирования
Как отмечает Елена Белецкая, с приходом ИИ появилось много инструментов, которые хотелось бы попробовать. Перед внедрением в компании обязательно запускают MVP (от англ. Minimum Viable Product — минимально жизнеспособный продукт) и проверяют, действительно ли новое решение даст нужный эффект.
Подключать инструменты без такой проверки невыгодно по двум причинам:
- любое внедрение — это затраты
- даже небольшой эксперимент требует времени на очистку данных и обучение сотрудников.
Поэтому в DPD сначала оценивают пользу технологии и только после этого решают, стоит ли развивать её дальше.
Тот же принцип можно применять и к корпоративным ботам. Сначала стоит определить конкретную проблему. Например:
- сотрудники тратят время на поиск отчётов
- ИТ-служба вручную переносит уведомления в рабочий чат
- руководителю постоянно приходится открывать отдельную систему для согласования типовых заявок.
После этого уже можно решить, что именно нужно компании: простой чат-бот, интеграция с внутренней системой или полноценный ИИ-агент.
Какие сценарии компании будут развивать следующими
Одно из направлений, которые DPD планирует развивать дальше, — self-service-помощник (с англ. — самообслуживание) в личном кабинете. Команда добавляет помощника и переносит туда сценарии, для которых раньше приходилось искать информацию или обращаться в другие каналы. В личном кабинете уже можно оформлять заказы, получать документы и отчётность. В дальнейшем self-service тоже будет развиваться с помощью ИИ.
«Мы ожидаем, что это снизит количество обращений в другие каналы. Клиент сможет решить больше вопросов там, где ему удобно, — в личном кабинете, без перехода в почту или другие сервисы», — рассказала Елена Белецкая.
Но полностью переводить поддержку в личный кабинет компания не собирается. По словам Елены Белецкой, клиенту важно самому выбирать канал и не тратить время на поиск нужного специалиста.
В России пользователи привыкли к очень гибкому сервису. Здесь мне вспоминается стереотип про французские рестораны, где гостю могут отказать в просьбе изменить блюдо, например заменить молоко на кокосовое. У нас подход обратный: сервис старается найти решение и подстроиться под запрос клиента.
Поэтому для DPD важна омниканальность (от англ. omnichannel — единая работа нескольких каналов). Клиент может написать через личный кабинет, электронную почту или другой сервис, а компания должна увидеть историю общения и продолжить работу без лишних переключений.
Руководитель ИИ-направления МТС Линк Дмитрий Крюков рассказывает, что следующий этап автоматизации связан с ИИ-агентами, которые смогут не только собирать контекст, но и продолжать работу после общения сотрудников. Например, после встречи агент сможет определить, какой документ обсуждала команда, собрать правки из расшифровки и сообщений, подготовить обновлённую версию и связать результат с задачами и следующими встречами.
Ещё одно направление — корпоративная память. Если менеджер передаёт клиентов коллеге, ИИ сможет собрать для нового сотрудника историю взаимодействия: договорённости, обещания, открытые вопросы и важные детали со ссылками на исходные встречи, письма и треды. При этом доступ к информации будет зависеть от прав пользователя.
Подпишитесь на рассылку МТС Линк Медиа
Каждую пятницу присылаем самые интересные статьи об эффективной работе и коммуникациях в онлайне на почту