Что было
Однотипные вопросы про статус заказа и доставку занимали основную часть рабочего дня поддержки. Проблема здесь не в объёме как таковом, а в том, что этот объём вытесняет остальное: на вопрос, где действительно нужен человек, менеджер отвечает после очереди из двадцати «а когда приедет».
Что сделали
Запустили бота на базе знаний компании с доступом к данным заказа. Два источника здесь делают разную работу: база знаний отвечает на общие вопросы — условия доставки, возврат, оплата; данные заказа отвечают на конкретный вопрос конкретного человека.
Сложное бот передаёт менеджеру. Это не признак незрелости решения, а обязательная часть: бот без выхода на человека выдаёт ответ любой ценой, и цена — выдуманный факт. Правильно устроенный бот умеет сказать «не знаю» и позвать того, кто знает.
Отдельно оговорим границу, которую мы держим и в собственном ассистенте на этом сайте: факты — строго из базы, выдумывать нельзя; рассуждение по теме — можно своими словами. Без такого разделения бот работает как поиск по сайту и раздражает; без первой половины — сочиняет.
Что изменилось
До 60% обращений бот закрывает сам. Оставшиеся 40% — не провал, а нормальная граница: типовых вопросов в поддержке обычно 40–60%, и именно они автоматизируются. Менеджеры освободились под продажи.
Отдельная часть эффекта не видна в статистике поддержки — это ночь и выходные. Вопрос без ответа в 23:40 часто уходит к конкуренту, и это не экономия на зарплате, а недополученная выручка.
Когда так делать не надо
Порог окупаемости — примерно 500–700 обращений в месяц. Ниже дешевле нанять человека или обойтись готовыми ответами, и мы говорим об этом прямо. Не стоит начинать и в двух других случаях: если типовых вопросов меньше трети — боту нечего закрывать; если базы знаний нет и вести её некому — бот будет выдумывать, а виноватым окажется ИИ, а не отсутствие данных.
Посчитать на своих цифрах — расчёт окупаемости ИИ-бота. Подробный разбор порогов — когда ИИ-бот окупается, а когда рано. Состав работ — внедрение ИИ.