Ваш номер в очереди — 147. Знакомо? Дожидались ответа? Уверен, что нет.
Дисклеймер: эту статью для TEAMLY, платформы для управления бизнесом на основе знаний с AI-ассистентом, написал Юрий Славин — человек, который 25 лет отработал в саппорте, а сейчас ушёл в копирайтинг. Если бы нейросети появились раньше, то он бы остался в поддержке (но это неточно).
Дух захватывает от возможностей, которые появляются сейчас для саппорта. Это нам приходилось сначала мучить архитекторов и разработчиков, самим осваивать предметные области, в которых работали поддерживаемые продукты и системы. Сейчас любой мало-мальский сервис имеет базу знаний, продвинутую систему подсказок, а мы всё это собирали сами — в том числе делали руководства пользователя.
Что было бы, если бы я до сих пор работал в саппорте? Я бы не только применял платформу для совместной работы и управления знаниями. Я бы подключил столько нейросетей, сколько смог. Эта тема настолько заинтересовала, что я составил список задач и подобрал нейросети, которые были бы способны их решать, усилив службу поддержки.
Поддержка маркетплейса
Вообразите любой крупный маркетплейс. Чтобы не обижать никого, придумаем компанию Allummart, где ежедневно тысячи селлеров и покупателей пишут и звонят в поддержку. В отделе работают десятки операторов, но даже они не всегда справляются с потоком обращений. Ошибки, задержки, выгорание сотрудников — типичная картина для крупной площадки.
Любая заявка или тикет обрабатывается в несколько этапов. Ниже перечислил обязательные, могут быть и другие.
1. Маршрутизация заявок: автоматизация без ошибок
Хорошо, когда служба поддержки состоит из универсальных специалистов, отвечающих на любые вопросы. Но в сложных продуктах и сервисах так не бывает. Существует внутренняя специализация сотрудников и заявки должны попадать в нужную группу сразу, распознавание темы и маршрутизация должны осуществляться практически мгновенно и без ошибок. Даже с учётом обычного начала в стиле «я что-то нажала и у меня всё пропало!»
Задача
Мгновенно классифицировать и перенаправлять обращения в нужную группу.
Нейросети для решения задачи (естественно, я бы взял одну из)
BERT. Нейросеть от Google умеет понимать контекст и обучается на обращениях. В том числе разбирается с многочисленными омонимами в русском языке (ключ, коса, замок, брак и т.д.)
Чтобы обучить модель, я бы выгрузил уже отработанные и классифицированные заявки, ревизовал их и скормил нейронке. Уверен, что после этого она почти безошибочно (коллеги приводят числа 92—99%) определяла бы нужную группу.
Grok 3. Нейросеть от xAI — мощная модель, способная анализировать сложные и неструктурированные запросы, работает с файлами и изображениями.
YandexGPT 5. Понятно, от кого. Быстро обрабатывает обращения на русском языке, хорошо интегрируется с внутренними системами.
Преимущества использования ИИ на этапе маршрутизации
Сокращаем время обработки с часов (пока дойдёт очередь на ручную маршрутизацию) до минут и даже секунд.
Убираем функцию со специалистов — разгружаем персонал, минимизируем человеческие ошибки.
Нейросеть тоже может ошибаться. Но исключение человека из цепочки на этом этапе благотворно сказывается на климате в коллективе: пенять на ошибки теперь нужно не коллеге, а условному железному болвану.
2. Ответы клиентам: текстовые и голосовые боты
Крайне важно, чтобы покупатель или селлер, обращающийся в службу поддержки, не чувствовал себя покинутым с первых минут диалога. Ожидание, как это часто бывает в чатах некоторых банков, у операторов связи, крайне негативно сказывается затем на удовлетворённости клиента и на его оценке работы службы поддержки.
Нейросети способны закрыть все каналы обращения, как текстовые, так и голосовые.
И да, разумеется, всегда будут клиенты, недовольные диалогом с «роботом», но их кратно меньше недовольных длительным ожиданием ответа.
Задача
Понять, чего хочет клиент и сформировать ответ для него с использованием базы знаний компании. Задокументировать обращение и ответ.
Преимущества ИИ на этапе ответа
Практически мгновенная реакция на обращение пользователя, закрытие до 70% обращений без привлечения человека.
Собрал Топ-3 кандидатов для каждого из каналов.
Письменные ответы
ChatGPT-4.5. Знаменитая модель OpenAI — универсальный ассистент, генерирует ответы на любые вопросы, поддерживает русский язык, интегрируется с CRM и мессенджерами.
Claude 3. Творение Anthropic специализируется на сложных диалогах, отлично подходит для нестандартных ситуаций и тонких нюансов общения.
SigmaChat. Российская разработка для автоматизации поддержки через чат-боты, быстро обучается на базе знаний компании.
Устные ответы
Здесь всё намного сложнее. Чтобы завершить тикет, важно не просто ответить клиенту, но и зафиксировать его обращение и ответ. Для обеих задач важны функции распознавания устной речи. Так что возможна связка из голосового ассистента и модуля расшифровки, которая работает как на вход, так и на выход.
Виртуальные голосовые агенты (например, решения на базе Sber AI или Just AI) — преимущественное решение. Умеют вести диалоги по телефону, распознают эмоции, могут заменить операторов на горячей линии.
Otter.ai. Расшифровывает и анализирует звонки, помогает быстро находить нужные фрагменты разговоров и формировать отчёты.
Llama-2-Chat + FAISS (RAG-архитектура) — позволяет строить умных голосовых ассистентов с доступом к базе знаний компании, обеспечивает релевантные и точные ответы. Тем более, что база знаний и в компании, и в службе поддержки — это must have, это база!
3. Обратная связь
Важно не только правильно начать, но и правильно закончить диалог, получить обратную связь, оценить клиентский опыт и сделать выводы. В этом тоже помогают нейросети. Но это не главное. Главное — управлять диалогом, выводить клиента из негатива. И этому, в том числе, можно научить свою модель. Особенно, если использовать RAG, как это делает ИИ-ассистент Тимли.
Здесь важно, что этап работает как в составе предыдущего, так и отдельно, когда дело касается отзывов клиентов.
Задача
Определить тональность обращения в начале и конце общения как с ботом, так и с оператором. Бот должен вовремя эскалировать обращение на оператора.
Нейросети
AI-модули для анализа тональности — определяют позитивные, негативные и нейтральные отзывы, помогают быстро реагировать на проблемы. Они тоже базируются на GPT.
ChatGPT/Claude — формируют персонализированные ответы на отзывы, поддерживают единый стиль бренда, сглаживают острые ситуации.
Преимущества использования ИИ
Моментальная реакция на отзывы.
Единая тональность коммуникации.
Снижение риска конфликтов.
4. Онбординг и обучение сотрудников поддержки
Здесь не обойтись без двух вещей:
собственной базы знаний;
искусственного интеллекта, который анализирует базу, выгрузки тикетов и, используя RAG, даёт ответы уже не клиенту, а новичку, которого надо ввести в курс дела.
При онбординге важно не запрягать телегу впереди лошади, а сначала дать новому сотруднику учёбу. Например, в TEAMLY курсы можно собирать из живых статей базы знаний (и они всегда остануться актуальными при изменении исходников), делать тесты для проверки знаний.
А вопросы новички могут задавать не старичкам, а ИИ.
Задачи
Разработать курсы не только на основе статей, но и в виде презентаций.
Провести первичный анализ кандидатов при рекрутинге.
Ускорить обработку и проверку документов сотрудника.
Нейросети
Юнислайд — создаёт интерактивные презентации и обучающие материалы для новых сотрудников, делает процесс адаптации быстрым и наглядным.
Xenia.AI — виртуальный рекрутер. Проводит видеоинтервью, оценивает кандидатов и помогает в обучении персонала.
HR.DOC — автоматизирует кадровый документооборот. В частности, умеет обработать загруженные сканы документов и заполнить карточку сотрудника в учётной системе
Преимущества использования нейросетей
Более быстрый онбординг и адаптация сотрудников.
Разгрузка потенциальных и реальных наставников.
Улучшение морального климата в коллективе — нет конфликтов на почве того, что старичок долго собирался ответить или вовсе проигнорировал вопрос новичка.
Итоги: почему внедрять нейросети в поддержку — это must-have
Я выделил для себя четыре основных бонуса, которые дают нейросети.
Во-первых, это скорость обработки заявок. Особенно, когда хотя бы 30% тикетов ИИ закрывает сам.
Во-вторых, это бОльшая удовлетворённость клиентов: быстрые и качественные ответы, персонализация.
В-третьих, экономия времени и денег: онбординг и адаптация сотрудников с базой знаний и ИИ — это совсем не больно, скорее даже приятно. Когда не приходится терять по три месяца самого сотрудника и три месяца эйчара с наставником.
В-четвёртых, это гибкость — нейросети в процессе их эксплуатации учатся. А ещё они не устают, не ходят в отпуск и на больничный.
