Наша AI Platform связывает обращения клиентов со знаниями компании и позволяет управлять передачей диалога человеку. В этой статье разбираем, какие части процесса мы действительно разработали, где остаются ограничения и как компании рассчитать возможную экономию времени.
Это технический разбор собственного продукта, а не история успеха неназванного заказчика. Описанные функции проверены по состоянию разработки проекта на 10 сентября 2026 года. Часы ниже — именно расчётный пример: в основе статьи нет измеренных показателей обработки обращений клиента до и после внедрения.
Задача: снова и снова находить одну и ту же информацию
Сервисная компания получает похожие вопросы по разным каналам: какие документы нужны, как проходит сотрудничество, какая услуга подойдёт? Сотрудник читает сообщение, ищет сведения, составляет ответ, а в нестандартном случае советуется с коллегами.
Это типичный исходный процесс, который мы рассматриваем в статье. Он не является восстановленным задним числом наблюдением за работой конкретного заказчика. Сложность — обрабатывать рутинные вопросы, не автоматизируя бесконтрольно индивидуальные обещания, раскрытие конфиденциальной информации или работу с жалобами.
Ассистент должен прежде всего сокращать время поиска и подготовки текста. Он не должен превращать общий прайс-лист в обязательное коммерческое предложение или закрывать сложную жалобу правдоподобным стандартным ответом.
Что мы разработали в платформе
LindenTech AI Platform проводит сообщения из подключённых каналов через общий процесс обработки. В него входят следующие компоненты, работу которых можно проследить в исходном коде:
| Компонент | Его задача | Важное ограничение |
|---|---|---|
| Диалог и история сообщений | Новое сообщение обрабатывается в контексте разговора. | История не заменяет актуальные данные бизнеса. |
| Поиск по документам | Для вопроса находятся подходящие фрагменты из базы знаний агента. | Сходство текста не доказывает правильность ответа. |
| Генерация ответа | Модель формулирует ответ с предоставленным контекстом. | Согласования и ответственность должны соответствовать задаче. |
| Управление ответами ИИ | Учитываются диалоги с отключёнными ответами, на паузе или в архиве. | За человеческим каналом связи действительно должен кто-то следить. |
| Отдельные этапы обработки | Получение контекста, генерация и доставка ответа разделены. | Сгенерированный ответ ещё не означает успешно доставленное сообщение. |
Поиск можно ограничить, например, количеством результатов и порогом сходства. Этот порог оценивает поиск документов. Он не выражает в процентах истинность ответа.
Процесс до внедрения и с ассистентом
| Этап работы | Полностью вручную | С подходящим образом настроенным ассистентом |
|---|---|---|
| Проверить обращение | Каждое сообщение читают отдельно. | Входящее сообщение запускает обработку. |
| Найти информацию | Сотрудник ищет в документах или спрашивает коллегу. | Поиск по базе знаний находит нужные фрагменты. |
| Подготовить ответ | Ответ пишут вручную. | Модель формулирует его в рамках согласованной задачи. |
| Разобрать исключение | Сотрудник принимает решение и отвечает. | Подключается человек, а ответы ИИ приостанавливаются или отключаются. |
| Улучшить качество | Отдельные ошибки исправляют. | Повторяющиеся проблемы учитывают при обновлении документов и тестов. |
Правый столбец описывает предполагаемый процесс с этими компонентами. В частности, выбор обращений, на которые можно отвечать автоматически, и организация передачи человеку относятся к настройке. Технический переключатель сам по себе не организует клиентскую поддержку.
Почему передача человеку — больше, чем ссылка на контакты
В процессе обработки сообщений проверяется, включены ли автоматические ответы для диалога и действует ли пауза. Поэтому обработка может остановиться ещё до генерации очередного ответа ИИ. В платформе также предусмотрена проверка перед доставкой, учитывающая паузу, установленную за это время.
Для WhatsApp и Instagram платформа дополнительно описывает передачу диалога при обнаружении ответа представителя компании. Доступный вариант зависит от подключённого канала и его настроек. Это не обещание, что все приложения для переписки поддерживают одинаковый механизм передачи.
В работе остаются три практических вопроса: кто принимает диалог, где появляется задача и когда автоматика может снова отвечать? Команде нужны конкретные ответы. Уведомление без ответственного заставляет клиента ждать так же, как оставленное без внимания почтовое обращение.
Честный расчёт часов: пример с 500 обращениями
Для предварительного планирования возьмём следующие условные допущения, а не результаты проекта:
- 500 обращений в месяц, на каждое раньше уходило 6 минут работы.
- После настройки и проверки 60 процентов обращений подходят для автоматической обработки.
- Для этих 300 случаев закладываем в среднем ещё 0,5 минуты человеческого контроля на каждый.
- Оставшиеся 200 обращений по-прежнему требуют по 6 минут.
- На поддержку документов, разбор ошибок и эксплуатацию дополнительно уходит 3 часа в месяц.
| Расчёт | Время в примере |
|---|---|
| Раньше: 500 × 6 минут | 50 часов |
| Контроль автоматической обработки: 300 × 0,5 минуты | 2,5 часа |
| Оставшаяся ручная работа: 200 × 6 минут | 20 часов |
| Дополнительное сопровождение и проверка качества | 3 часа |
| Новые суммарные трудозатраты | 25,5 часа |
| Расчётная разница | 24,5 часа в месяц |
Внедрение и обучение в этот месячный расчёт не входят. Освободившийся час также не означает автоматически экономию часа оплаты труда. Команда может потратить его, например, на более сложные консультации. Если автоматизируется меньше случаев или возникает больше уточняющих вопросов, разгрузка будет меньше.
Общая формула: прежние трудозатраты минус оставшаяся ручная работа минус контроль минус текущее сопровождение. Для оценки целесообразности рядом нужно поставить расходы на работу ассистента.
Что нужно измерить перед обоснованным заявлением об успехе
До пилота выберите репрезентативные обращения, включая неполные вопросы и жалобы. Отдельно фиксируйте активное время обработки и время ожидания. Клиент может быстрее получать первый ответ, хотя нагрузка на сотрудников останется прежней.
Затем сравните похожие случаи за достаточно длительный период. Помимо времени учитывайте фактические ошибки, повторные уточнения, передачи человеку и действительно решённые вопросы. Запишите размер выборки и отметьте, изменился ли объём обращений.
Только такие данные позволяют утверждать: «Мы экономим 24 часа в месяц». Демонстрация и наличие процесса в исходном коде этого не доказывают. При планировании пилота таблицу выше можно использовать как шаблон измерения, постепенно заменяя каждое допущение наблюдением.
Главное ограничение: отсутствие знаний остаётся отсутствием знаний
В проверенном компоненте поиска техническая ошибка приводит к пустому контексту с признаком ошибки. Это обработка технического сбоя, но сама по себе она ещё не определяет, должен ли ассистент промолчать или передать вопрос человеку. Такое поведение необходимо задать и проверить во всём процессе.
Именно поэтому в приёмочные тесты должны входить вопросы, для которых нет подходящих документов. Как работает поиск по знаниям, объясняет наш материал о RAG. Дополнительные меры описаны в статье о галлюцинациях в клиентской поддержке.
Для собственного пилота достаточно начать с небольшой подборки очищенных примеров обращений, соответствующей им утверждённой информации и человека, который может оценить правильность ответа. Опишите свой процесс: сначала можно определить, какую работу имеет смысл автоматизировать, а какую сознательно оставить команде.
На чём основан этот разбор
Первичная основа — наша собственная реализация обработки сообщений, поиска по документам и управления диалогами в AI Platform, проверенная 10 сентября 2026 года. Возможности продукта описаны на публичной странице платформы. В статье не используются личные переписки клиентов, их имена или неподтверждённые показатели успеха.