Почему поддержка — первое, куда идёт ИИ
Служба поддержки генерирует огромный объём повторяющихся запросов. По данным Gartner, 65% обращений в B2C-компаниях — это вопросы, на которые уже есть готовый ответ в базе знаний. Именно поэтому ИИ-ассистенты здесь работают лучше всего: им не нужна импровизация, нужна точность и скорость.
Что мы измеряли
Мы внедрили ИИ-ассистента на базе LLM в службу поддержки трёх клиентов — интернет-магазин, SaaS-сервис и сеть салонов красоты. Срок наблюдения: 3 месяца до и 3 месяца после внедрения.
Ключевые метрики: FRT (время первого ответа), AHT (среднее время обработки), CSAT (удовлетворённость клиентов), Escalation Rate (доля обращений, переданных оператору).
Результаты
FRT снизился с 4.2 часа до 38 секунд — ИИ отвечает мгновенно в любое время суток, включая ночь и выходные.
AHT сократился на 41% — операторы перестали тратить время на типовые вопросы. Теперь они занимаются сложными случаями: конфликтами, техническими проблемами, нестандартными запросами.
CSAT вырос с 3.8 до 4.4 из 5 — несмотря на то что большинство ответов теперь даёт машина. Клиенты ценят скорость.
Escalation Rate = 23% — только каждое четвёртое обращение требует живого оператора.
Что ИИ делает хорошо
- Отвечает на вопросы о статусе заказа, доставке, условиях возврата
- Помогает с навигацией по продукту и базе знаний
- Собирает контекст перед передачей оператору — тот уже в курсе ситуации
- Работает на нескольких языках без дополнительных затрат
Где ИИ пока проигрывает
- Эмоционально заряженные обращения — клиент хочет живого участия
- Нестандартные ситуации, которых нет в обучающих данных
- Решения о компенсациях и исключениях — здесь нужна человеческая ответственность
Вывод для бизнеса
ИИ в поддержке — это не замена команды, а мультипликатор возможностей. Один оператор с ИИ-ассистентом обрабатывает в 3.5 раза больше обращений. При этом качество растёт, потому что человек фокусируется на сложных задачах.
Срок окупаемости внедрения — 4–6 месяцев.