ИИ для службы поддержки: где он помогает, а где мешает
За последние пару лет мы заметили интересную вещь: компании почти перестали спрашивать, может ли искусственный интеллект отвечать клиентам. Все уже знают, что может.
Обычно спрашивают другое: «А где он ошибается?»
И это правильный вопрос. Потому что найти кейс, где ИИ-агент отвечает на вопросы про доставку, тарифы или восстановление доступа, сегодня несложно.
Намного сложнее найти честный разговор о том, где искусственный интеллект в поддержке клиентов действительно помогает бизнесу, а где может создать новые проблемы.
За последние годы мы видели компании, которые автоматизировали больше половины обращений и практически перестали переживать из-за роста нагрузки на поддержку.
А видели и компании, которые отключали ИИ-агента через месяц после запуска.
Самое интересное, что технологии были примерно одинаковыми.
Разница была в другом.
Одни компании отдавали ИИ задачи, которые он умеет решать хорошо.
Другие пытались заставить его делать работу, которая до сих пор лучше получается у людей.
Если вы сейчас изучаете работу ИИ в customer support или рассматриваете автоматизацию клиентского сервиса, начать стоит именно с этого понимания.
Где ИИ-агент окупается быстрее всего
Если бы нам нужно было внедрить ИИ в новой компании, мы бы вообще не смотрели на самые сложные обращения.
Той самой рутины, которая ежедневно забирает часы работы сотрудников и при этом не требует глубокого анализа.
↪
Например:
- где мой заказ;
- как восстановить пароль;
- как оформить возврат;
- какие тарифы доступны;
- как подключить функцию;
- где найти нужную инструкцию.
Для сотрудника поддержки такие обращения быстро становятся механической работой.
Для ИИ-агента это идеальная задача. Он не устает от одинаковых вопросов, не теряет концентрацию к концу дня и не начинает отвечать медленнее в пятницу вечером.
Именно поэтому большинство успешных проектов по внедрению ИИ начинаются не со сложных кейсов, а с типовых обращений.
Когда ИИ помогает лучше, чем найм нового сотрудника
Есть одна ситуация, с которой сталкивается почти каждый руководитель поддержки: количество обращений начинает расти быстрее, чем команда.
Сначала кажется, что нужно просто нанять еще 2-3 специалистов. Потом выясняется, что найти хороших сотрудников непросто, далее их нужно обучить, а потом часть из них увольняется. Через год цикл повторяется заново.
Поэтому многие компании начинают смотреть в сторону искусственного интеллекта не из-за моды, а из-за экономики.
ИИ-агент может одновременно работать:
- на сайте;
- в Telegram;
- в WhatsApp;
- в мобильном приложении;
- по электронной почте.
И ему совершенно не важно, поступило 100 обращений или 10000.
После подключения внутренних систем и расширения сценариев показатель вырос до 73%.
Не потому что ИИ стал умнее. Компания научилась использовать его там, где он действительно приносит пользу.
Где искусственный интеллект начинает мешать
Теперь о том, о чем обычно не пишут в рекламных материалах.
Есть ситуации, где мы не спешили бы отдавать клиентов ИИ-агенту.
Представьте ситуацию: клиент ждет заказ уже неделю. Ему несколько раз обещали решить проблему. Он раздражен и хочет не просто получить информацию, а почувствовать, что компания действительно занимается его вопросом.
Технически ИИ может ответить и в такой ситуации. Но человек почти всегда справится лучше. Потому что здесь важны не только факты, здесь важны эмоции.
Любая компания живет не только по регламентам, всегда находятся ситуации, которые не укладываются в инструкции: индивидуальные скидки, особые условия обслуживания, сложные согласования между отделами.
Когда решение зависит от опыта сотрудника и понимания контекста, человек пока остается сильнее.
Если вы продаете типовой продукт тысячам клиентов, автоматизация обычно работает хорошо. Но если ваши клиенты привыкли общаться с конкретным менеджером и ценят именно это взаимодействие, ситуация меняется.
В таких случаях ИИ может помогать сотруднику, но не заменять его полностью.
Ошибка, которую совершают почти все компании после первого успешного кейса
Мы видели эту ошибку много раз:
- Компания запускает ИИ-агента, он начинает успешно закрывать типовые вопросы.
- Руководство воодушевляется результатами и возникает идея: «А давайте передадим ему вообще все обращения?»
Обычно именно в этот момент начинаются проблемы.
Потому что хороший клиентский сервис строится не на максимальной автоматизации.
Он строится на правильном распределении задач.
ИИ должен делать то, что получается у него лучше всего:
- быстро отвечать;
- искать информацию;
- обрабатывать типовые обращения;
- работать круглосуточно.
Люди должны делать то, что лучше получается у них:
- принимать решения;
- работать с конфликтами;
- договариваться;
- проявлять эмпатию;
- разбираться в нестандартных ситуациях.
Когда компании понимают эту разницу, автоматизация начинает приносить реальную пользу.
ИИ-агента Юздеска
Почему некоторые проекты проваливаются уже в первый месяц
Обычно причина оказывается намного проще, чем кажется: плохая база знаний.
Многие компании уверены, что достаточно подключить ИИ и загрузить несколько инструкций.
На практике агент знает только то, чему его научили.
Команда уже начала сомневаться в проекте.
Когда стали разбираться, выяснилось, что большая часть проблем связана с документацией. Базу знаний переработали, добавили недостающие сценарии и продолжили обучение агента.
Через несколько месяцев автоматизация выросла до 48%.
Этот кейс хорошо показывает простую мысль: в большинстве случаев проблема не в искусственном интеллекте, проблема в данных, на которых он работает.
Стоит ли внедрять ИИ в поддержку именно сейчас
Не факт. И это, возможно, самый непопулярный совет в статье.
- Если у вас небольшая поддержка, двести обращений в месяц и нет даже актуальной базы знаний, ИИ вряд ли станет первой задачей, которую нужно решать. Сначала стоит навести порядок в процессах.
- Но если обращения растут, сотрудники перегружены, а значительная часть вопросов повторяется изо дня в день, автоматизация клиентского сервиса может дать очень быстрый эффект.
Главное — не пытаться заменить людей.
Лучшие результаты мы видели там, где ИИ и сотрудники работали вместе ❤️.
Вывод
Когда говорят про искусственный интеллект в поддержке клиентов, обычно обсуждают возможности технологии, но гораздо полезнее обсуждать задачи.
Есть задачи, которые ИИ-агент выполняет быстрее, дешевле и стабильнее человека, а есть те, где человеческий опыт пока остается незаменимым.
Компании, которые понимают эту разницу, обычно получают лучший результат: автоматизируют до 50–70% типовых обращений, снижают нагрузку на команду и сохраняют качество сервиса.
Поэтому вопрос сегодня звучит уже не так: «Нужен ли нам ИИ?»
👉🏻 Гораздо полезнее спросить: «Какие задачи нашей поддержки ИИ может взять на себя уже сейчас, а какие пока лучше оставить людям?»
с помощью Юздеска
