Чего клиент ждёт от скорости ответа
Прежде чем оценивать поток, полезно понять, в какие сроки вы обязаны в него укладываться:
- заявка на почту — клиент рассчитывает на ответ в течение 60 минут;
- обращение через сайт — реакция в течение одной-двух минут, иначе клиент просто уходит;
- 30–40% запросов приходит в нерабочее время или тогда, когда менеджер на обеде. В B2C это выражено сильнее, но и в B2B пики возникают — например, в период отчётности клиенты работают вечером и в выходные.
Матрица пригодности потока для автоматизации
Решение о том, ставить ли на поток бота, принимается по трём параметрам: объём обращений, детерминированность ответа и цена ошибки.
Большой объём, детерминированный ответ, низкая цена ошибки — автоматизируем полностью. Типичный пример: интернет-магазин, где клиент спрашивает артикул. В 1С есть цена и остаток на складе, ответ однозначный. Бот закрывает такие обращения без участия человека.
Большой объём, но высокая цена ошибки и недетерминированный ответ — только с человеком в контуре. Пример: горячая линия управляющей компании ЖКХ, куда звонят при авариях. Точность ответов бота сегодня оценивается в 60–70%, и 50% нерешённых аварийных обращений не устроит ни одну управляющую компанию. Здесь ИИ работает под контролем оператора или готовит для него аналитику.
Низкая повторяемость — не трогаем. Если запрос возникает раз в год, бот под него не окупится: эффекта не будет, а затраты останутся.
Важно! Каждое обращение бота — это токены, за которые нужно платить. Чем сложнее запрос и чем больше система «думает», тем дороже ответ. Поэтому перед внедрением стоит честно посчитать, окупится ли автоматизация: иногда правильный ответ — обычная автоматизация в 1С или связка 1С и веб-сервиса, без ИИ.
Кейс: линия консультаций, 10 000 обращений в квартал
На линию консультаций компании «Что делать Внедрение» приходит около 10 000 обращений клиентов в квартал. Формально этот поток не подходит под «идеальный» квадрант: ответы здесь не детерминированы. Вопросы самые разные — не формируется отчёт, не открывается база, нужны права доступа в 1С.
Бота запустили в 2023 году, и он работает до сих пор:
- закрывает около 5 000 обращений в квартал, ещё 5 000 закрывают люди;
- работает круглосуточно на собственной базе знаний компании;
- сложные случаи эскалирует эксперту — и консультант начинает не с нуля, а с уже отработанного ботом обращения.
Отдельное наблюдение: иногда клиенту достаточно, чтобы консультант просто прочитал ему вслух то, что уже написал бот. Клиент не доверяет машине и хочет подтверждения от человека — но процесс всё равно идёт быстрее.
Кейс: обработка запросов по артикулу
Второй пример — компания, торгующая автозапчастями. Клиент присылает артикул на почту или в мессенджер. Бот проверяет наличие в «1С:Управлении торговлей» и отвечает: позиция есть, цена такая-то, — после чего 1С формирует и отправляет счёт. Если позиции нет, заявка уходит менеджеру на подбор аналога.
Человек не вовлечён в типовой сценарий вообще, а клиент получает моментальную реакцию — в том числе ночью и в выходные. Подбор аналогов при желании тоже можно автоматизировать, но заказчик сознательно оставил этот шаг за менеджером.
Смотрите запись вебинара «Где в компании спрятана прибыль. Как найти процессы, которые ИИ автоматизирует первыми» — она поможет разобраться в тонкостях автоматизации.
Как посчитать долю автоматизируемых обращений в своём потоке
Оценивать долю повторяющихся обращений на глаз не нужно — её можно посчитать по фактическим данным.
- Выгрузите обращения за последние три месяца из CRM, тикет-системы или сервиса поддержки. Достаточно таблицы с текстом обращения, источником и клиентом. Объём не ограничен: языковые модели одинаково спокойно обрабатывают и 150, и несколько тысяч строк.
- Загрузите выгрузку в нейросеть и опишите контекст: чем занимается компания, в какой системе ведётся учёт, какие есть регламенты — по доставке, возвратам, условиям, перечню документов. Сами регламенты лучше приложить файлами.
- Перечислите, какие данные есть в вашей системе: остатки, цены, история отгрузок, статусы заказов.
- Попросите определить долю формализуемого потока, сгруппировать обращения по типам и указать, на основании каких источников бот сможет отвечать на каждый тип.
- 60 обращений касались наличия, цены и статуса заказа — ответ полностью извлекается из 1С;
- ещё около 60 закрывались регламентами и каталогом производителя: доставка в регионы, стоимость километра за МКАД, условия возврата;
- 20% остались нестандартными — например, замена сломанной детали.
Где взять данные для анализа
Данные для такого анализа есть почти у всех — вопрос в том, собираете ли вы их:
- тикет-системы и сервисы поддержки;
- аналитика в CRM, где менеджер фиксирует результат разговора;
- транскрибация звонков отдела продаж — записать можно даже на диктофон, а затем отдать в любую систему расшифровки;
- переписка в почте и мессенджерах.
Что с безопасностью данных
Частый вопрос: получает ли языковая модель доступ к учётной базе. В корректной реализации — нет.
- В 1С разрабатывается веб-сервис, который отвечает только на конкретный запрос: по артикулу возвращает цену и остаток. Больше он не умеет ничего, поэтому модель не может «залезть» в базу и выполнить произвольное действие.
- Документы формирует и отправляет сама 1С. Модель лишь передаёт параметры — ИНН, электронную почту, артикул, — а счёт создаётся и уходит клиенту средствами учётной системы. Это же снимает риск подмены данных через текст обращения.
- Если передаются персональные или чувствительные данные, разворачиваются локальные модели либо применяется анонимизация, и во внешний контур уходят только обезличенные данные. Возможны комбинированные схемы: часть обработки локально, часть — на внешних моделях. При требовании российского контура используются отечественные сервисы.
- Действия ботов логируются. В простом сценарии достаточно видеть диалоги в той системе, где работает бот, — в 1С, например, документ помечается как сформированный ботом. Для сложных текстовых ботов строится отдельная аналитика: на каком обращении бот нашёл нужное знание, а где отклонился от сценария и не передал вопрос консультанту вовремя.
Итог
Поток обращений — вторая зона, где ИИ приносит измеримый результат, но подходить к ней нужно расчётливо:
- проверьте, укладываетесь ли вы в ожидания клиентов по скорости ответа и сколько запросов приходит в нерабочее время;
- оцените поток по трём параметрам: объём, детерминированность ответа, цена ошибки;
- посчитайте долю формализуемых обращений по реальной выгрузке за три месяца, а не по ощущениям;
- при высокой цене ошибки оставляйте человека в контуре, а боту отдавайте подготовку решения;
- закладывайте стоимость токенов в расчёт окупаемости.
Если при настройке возникнут вопросы, обратитесь на Линию консультаций 1С — специалисты компании «Что делать Внедрение» помогут разобраться с настройками программы и ответят на вопросы по учёту. Первая консультация предоставляется бесплатно. Свяжитесь с нами по телефону +7 499 956 21-70 или напишите на электронную почту tlm1c@4dk.ru.
