Как бизнес учит ИИ общаться с клиентами

Звонок в банк пять лет назад означал десять минут музыки в трубке и оператор, читающий скрипт. Сегодня тот же банк решает вопрос за минуту, и чаще всего без человека.

Это не реклама из пресс-релиза фантастики. Это то, с чем вы сталкиваетесь каждый раз, когда пишете в поддержку и получаете осмысленный ответ через десять секунд. Российские компании оказались одними из самых агрессивных в мире по внедрению ИИ в клиентский сервис. И на это есть причины: дефицит операторов, дорогие колл-центры и клиенты, которые привыкли к скорости маркетплейсов.

Т-Банк – один из самых цитируемых кейсов. Их ассистент обрабатывает большинство обращений клиентов без участия человека, начиная от блокировки карты до спора по операции. По публичным данным компании, доля диалогов, которые полностью ведет ИИ, измеряется десятками процентов и растет с каждым кварталом.

Сбер пошел дальше. GigaChat подключен не только к внутренним процессам, но и к клиентскому сервису. Ассистенты на его базе разбирают миллионы обращений в месяц.

Телекомы не отстают. МТС, МегаФон и Т-Мобайл используют ИИ-ассистентов на первой линии поддержки при смене тарифа, детализации звонков, восстановление SIM. Рутина уходит машине, человеку остаются конфликты и нестандартные случаи.

Совсем неудивительная ситуация. Прогресс все-такие не стоит на месте. Сливки, конечно интересные, но интереснее то, что изменилось внутри.

В моде и ритейле ИИ заменил витрину. Lamoda использует алгоритмы, чтобы подбирать размер, фасон и образ под конкретного покупателя. Система учитывает историю просмотров, возвратов и покупок. Любимые Ozon и Wildberries строят на рекомендациях значительную часть заказов. Алгоритм перестраивает выдачу под каждого пользователя то, что вы видите на главном экране, не видит никто другой.

Это и есть та самая персонализация, о которой писали западные кейсы. Только здесь она работает не на имидж, а на выручку.

Следующий слой - это понимание эмоций. Ассистенты анализируют тональность сообщения, т.е. если клиент пишет раздраженно, система меняет сценарий, убирая шутки, ускоряя передачу живому оператору, предлагая извинения.

И проактивность. Алгоритмы учатся предсказывать проблему до того, как клиент ее заметил (задержка доставки, подозрительная операция, заканчивающаяся подписка). Клиент получает уведомление и готовое решение, а не необходимость жаловаться.

Но здесь российская специфика включает тормоз. Персональные данные в России регулируются 152-ФЗ, и требования к локализации и обработке жестче европейских. Это означает, что вся персонализация строится на данных, которые хранятся внутри страны и обрабатываются отечественными моделями GigaChat, YandexGPT и другими. О том, как они сравниваются между собой, я писал отдельно.

И второй тормоз - это доверие. Когда персонализация переходит в слежку, клиент уходит. «Мы знаем, что вы расстались с партнером, вот подборка черных платьев» - это не забота. Это повод удалить приложение.

Персонализация работает, пока экономит время клиента, а не демонстрирует, сколько о нем известно.

Российский клиентский сервис уже не тот, что пять лет назад. Боты забирают рутину, рекомендации заменяют витрину, алгоритмы предугадывают проблемы. ИИ не отменяет человеческое отношение — он забирает рутину, освобождая людям время для сложных случаев и эмпатии.

Но выигрывают не те, кто внедрил бота ради галочки, а те, кто перестроил сервис вокруг клиента: быстро, персонально и прозрачно. Остальные получают тот самый «цифровой лабиринт», с которого мы начали.