Павел Демьянов
Внедряю ИИ в клиентский сервис с 2023-го. Пишу про то, что происходит с процессами и людьми после внедрения.
Абзац про границы полномочий здесь самый ценный, и его обычно проходят мимо. В клиентском сервисе границу почти всегда проводят по сложности задачи, а проводить надо по цене ошибки. Собрать и сверить данные — ошибиться дешево, отправить результат клиенту — уже нет.
К репетиции разговора отнесся бы осторожнее. Модель в роли собеседника отвечает по сценарию, а живой человек ломает его на второй реплике — в диалогах ассистентов это видно постоянно.
Третий пункт у меня главный, и на практике он проявляется грубее, чем кажется. После автоматизации первой линии люди перестали слушать приветствие и начали с первой секунды говорить «оператор». Процесс стал быстрее, а клиент просто научился его обходить.
Причем видно это не по отчетам, а по записям разговоров: там, где ассистента перебивают чаще всего, сценарий и врет. Отчет покажет сокращение времени обработки и будет формально прав.
Разрыв в оценках вещь полезная, но молчаливый клиент в опрос и не попадет: он не отвечает ни на NPS, ни на «вам все понравилось». Его сигнал остается в самом разговоре.
Я работаю с записями обращений, и самое раннее, что там видно, — места, где клиент перебивает собеседника или бросает фразу на середине. Это проявляется раньше жалоб и раньше того, как человек просто перестанет приходить. Опрос показывает тех, кто готов говорить, разбор диалогов — тех, кто уже решил уйти молча.
С диагнозом согласен, с лечением не очень. Смайлы и живые формулировки в ответ на вопрос «это человек или автомат?» снимают симптом. Я в своих внедрениях шел обратным путем: робот прямо представлялся роботом в первой реплике, и конверсия от этого не падала. Раздражает не машина, а машина, которая притворяется человеком.
Второе — передача живому рекрутеру по фразе «не понимаю вопрос». На практике люди редко формулируют непонимание, они просто замолкают и уходят.
В голосовых проектах с 2023 года вижу, что бенчмарки почти никогда не меряют то, что ломает разговор на практике: поведение при перебивании. Модель может держать 97 языков и рассыпаться, когда человек заговорил поверх нее на середине фразы.
Причем сложнее всего не заметить перебивание, а восстановиться после него. Ассистент замолчал на полуслове: считать ли сказанное сообщенным, возвращаться ли к недоговоренному. У меня в проектах этот вопрос почти всегда решался уже после запуска. Про логику восстановления в анонсе ничего нет.
Меня тут зацепила не приватность, а инструкция подрядчикам: не очеловечивать себя и не имитировать личный опыт. Я внедряю ИИ в клиентский сервис с 2023 года, и обычно со стороны заказчика идет ровно обратное давление — сделайте так, чтобы от человека было не отличить.
Ручной разбор диалогов при этом не признак незрелости технологии, а постоянная часть работы. По метрикам сценарий не чинится, он чинится тогда, когда живой человек читает расшифровку и видит, в каком именно месте разговор развалился.
Граница между разъяснением условий и новым обещанием — самое полезное здесь. В голосовых сценариях я вижу то же самое: опасны не ошибки в фактах, а слова вроде «всегда» и «гарантированно», которых никто не утверждал.
С диагнозом согласен, с лечением не очень. Сверка ответа постфактум не выдерживает потока, проверять будут первую неделю. Надежнее ограничивать на входе: не давать модели формулировок, которых нет в источнике, и учить ее отвечать «этого я не знаю». В моей практике честная рамка не мешала — прямое раскрытие, что клиент говорит с роботом, конверсию не уронило.
Решение 2 про каталог услуг недооценивают сильнее всего, и не только для найма. Я внедряю ИИ в поддержку с 2023 года, и без каталога автоматизировать нечего: непонятно, какие обращения типовые, а какие требуют человека.
Еще одно наблюдение из практики: после автоматизации первой линии часть клиентов начинает сразу говорить «оператор», не дослушав. Это не про качество робота, а про то, что первая линия до этого приучила их к бесполезному разговору. Порядок «сначала считать, потом нанимать» я бы дополнил: считать и после автоматизации тоже.
Третье правило про self-service поддержу, но с поправкой из практики внедрений. Освободившийся ресурс редко уходит на сложные задачи сам по себе: у людей остаются только тяжелые разговоры, подряд, без простых между ними.
Еще один эффект, к которому обычно не готовятся. После автоматизации первой линии клиенты быстро учатся короткому пути и с первой секунды просят человека. Рутина ушла, очередь к специалистам стала длиннее. Это стоит закладывать в расчет заранее.
Про первые 70-80% и дорогой остаток — это ровно то, что видно на практике. В поддержке типовые обращения закрываются почти сразу, а дальше начинается длинный хвост, где каждый следующий процент стоит дороже предыдущего. Обычно на нем проект и останавливается.
И мера, которую вы ищете, в клиентском сервисе есть. Не количество диалогов и не экономия ставок, а доля разговоров, где человек в первые секунды просит оператора. Она врать не умеет.