Знакомая картина: очередь поддержки растет, половина писем спрашивает одно и то же («где заказ», «как сменить тариф», «почему списали деньги»), а новые люди в команде неделю учатся отвечать на то, что давно описано в справке. Кто-то предлагает поставить ИИ. Кто-то другой вспоминает бота, от которого клиенты убегали. Этот гайд об ИИ-агенте для поддержки клиентов написан для того, кто должен принять решение: что такой агент реально умеет, что ему доверять нельзя, купить готовый или делать свой и как запустить так, чтобы результат можно было измерить.

Что ИИ-агент поддержки умеет в 2026 году

Отвечать на рутинные вопросы из вашей базы знаний, проверять статус заказа и аккаунта, выполнять простые действия в рамках правил и передавать остальное человеку с короткой выжимкой. Большие объемы и последовательность ему удаются хорошо. Слаб он до сих пор там, где нужно суждение, где ситуация эмоциональная и где проблему никто никогда не документировал.

От старого чат-бота ИИ-агент службы поддержки отличается действиями. Скриптовый бот идет по дереву решений. Агент на большой языковой модели (LLM) понимает сообщения в свободной форме, находит нужную справочную статью, вызывает API заказов или биллинга и отвечает обычным языком. Поэтому он выдерживает все разнообразие формулировок, которыми реально пишут клиенты. Но для этого ему нужен доступ к реальным системам, и именно там сосредоточена большая часть работы.

Что агенту поручать не стоит

Обещаний вне письменных правил, самостоятельного разбора юридических жалоб или жалоб по безопасности, необратимых действий без лимитов. В этих местах один неверный ответ стоит больше, чем экономят сотни правильных.

Задача Подходит для ИИ-агента Оставить людям (или требовать подтверждения)
"Где мой заказ?" Да, с доступом к API заказов Претензии по потерянным посылкам выше установленной суммы
Сброс пароля, настройки аккаунта Да, через защищенные сценарии Споры о владельце аккаунта
Вопросы о продукте и правилах Да, с опорой на справочные статьи Вопросы, которые не покрывает ни одна статья
Возвраты денег и кредиты В пределах фиксированной суммы и правил Исключения, жесты доброй воли, chargeback
Жалобы Подтвердить получение и передать с выжимкой Решение вопросов разгневанных или уязвимых клиентов
Юридические, медицинские вопросы, безопасность Выявить и сразу эскалировать Всегда

Составить такую таблицу для своего бизнеса стоит первым шагом любого проекта. Она превращает «мы хотим ИИ в поддержке» в объем работ, который можно оценить, протестировать и согласовать с руководителем поддержки.

Intercom Fin, Zendesk AI, Salesforce Agentforce или агент на заказ?

Альтернатива Intercom Fin или другому готовому инструменту нужна не всегда. Готового агента берите, когда поддержка уже работает на платформе этого поставщика и большинство обращений закрываются ответами из справочных статей. Агент на заказ нужен, когда решение обращений зависит от ваших собственных бэкенд-систем, нестандартных процессов или каналов, которые поставщик покрывает плохо.

Инструменты поставщиков отличаются в основном тем, где они живут. Intercom Fin встроен в мессенджер и help desk Intercom. Zendesk предлагает ИИ-агентов внутри пакета Zendesk. Salesforce Agentforce входит в платформу Salesforce и подходит компаниям, чьи данные о клиентах уже там. Все три отвечают из базы знаний и подключаются к части внешних данных. Глубина этих подключений и модели ценообразования (за место, за разговор или за решенное обращение) часто меняются, поэтому актуальные условия уточняйте непосредственно у поставщика.

Фактор Готовый ИИ в help desk ИИ-агент поддержки на заказ
Время настройки От нескольких дней до нескольких недель 6-14 недель (типично)
Лучше всего, когда Вы уже пользуетесь этим help desk, обращения в основном типовые Ответам нужны ваши системы, правила или каналы
Действия в ваших системах Через коннекторы поставщика и настроенные действия Любой ваш API с вашей моделью прав доступа
Каналы Виджет поставщика, email и поддерживаемые мессенджеры Любой канал, например Telegram, WhatsApp, в приложении
Модель расходов Регулярная оплата поставщику, которая растет с использованием Стоимость разработки плюс токены, хостинг и поддержка
Выбор данных и модели Решает поставщик Вы выбираете OpenAI, Claude или открытые модели и хостинг
Переход в будущем Привязка к платформе поставщика Переносимый, если спроектирован независимым от модели

Часто получается гибрид: help desk поставщика остается для управления обращениями и работы операторов, а собственный ИИ-слой подключается к нему через API. Расчет «разработать или купить» подробнее разобран в гайде по стоимости разработки ИИ-агента.

Интеграция с help desk и CRM решает все

Агент читает данные клиентов и заказов из вашей CRM или базы, создает или обновляет обращения в help desk и записывает выжимку каждого разговора, чтобы люди видели всю историю. Насколько полезным он будет, определяет слой интеграций, а не языковая модель.

Обычно интеграция состоит из пяти частей:

  1. Идентификация: сопоставить человека в чате с записью клиента и проверить его, прежде чем показывать любые данные аккаунта.
  2. Инструменты чтения: статус заказа, детали подписки, счета, отслеживание доставки.
  3. Инструменты записи: создать обращение, добавить заметку, изменить слот доставки, вернуть деньги в пределах лимитов.
  4. Поиск по знаниям: поиск по справочным статьям и правилам, обычно через генерацию с дополненным поиском (RAG). Как сделать этот поиск точным, объясняет наш гайд по внедрению RAG.
  5. Передача человеку: перевод в очередь операторов вместе с разговором, определенным намерением клиента и данными, которые агент уже получил.

Уведомления о статусе тоже часть этой картины, и часто самая дешевая. В сервисе подписки на цветы клиенты заказывают через Telegram-бота и получают сообщения и ссылку для отслеживания при каждом изменении статуса, от подтверждения до доставки. Такие проактивные обновления убирают целый класс вопросов «где мой заказ» еще до того, как на них придется отвечать кому-либо, человеку или агенту.

Передача человеку без повторных объяснений

Передача должна быть быстрой, срабатывать по четким правилам и нести контекст. Если клиент ждет, а потом объясняет все сначала, польза от агента исчезает.

Хорошие триггеры: клиент просит человека, тон становится явно негативным, один и тот же вопрос прозвучал дважды, поиск не нашел релевантной статьи, нужное действие выходит за лимиты агента или тема есть в списке «всегда эскалировать». Агент должен сказать клиенту, что будет дальше и сколько примерно это займет, особенно в нерабочее время.

Оператор должен получить обращение с короткой выжимкой, идентификацией клиента и статусом проверки, данными, которые агент просмотрел, и действием, которое он предлагал. Маршрутизация тоже важна. В системе управления задачами на заказ, которую мы сделали для команды поддержки телеком-компании, обращения от сторонних систем мониторинга и ручные обращения попадают на одну доску с назначением по ролям и автоматическими уведомлениями. Передачам от ИИ место в такой же структурированной очереди, а не в отдельном ящике сбоку.

Как запускать: от теневого режима до живого трафика

Реалистичный запуск идет от офлайн-тестирования к небольшой доле живого трафика и дальше расширяется тема за темой, пока цифры держатся. Запуск на всех клиентов в первый же день чаще всего заканчивается публичным провалом.

Этап Длительность (типично) Что происходит Критерии завершения
1. Определение объема 1-2 недели Анализ обращений, топ намерений, таблица пригодности, доступ к данным Согласованный объем и список рисков
2. Порядок в знаниях 1-3 недели Исправление устаревших или противоречивых справочных статей Статьи покрывают топ намерений
3. Разработка и офлайн-оценка 3-8 недель Интеграции, промпты, тестовый набор из реальных прошлых обращений Целевая точность на тестовом наборе
4. Теневой режим 1-2 недели Агент готовит черновики ответов, люди отправляют или редактируют их Мало правок в черновиках
5. Ограниченный живой пилот 2-4 недели 5-20 процентов трафика, несколько намерений Стабильные CSAT и решение
6. Расширение Постоянно Больше намерений, больше действий, больше каналов Метрики держатся для каждого нового намерения

Теневой режим недооценивают. Агент готовит черновики, сотрудники их подтверждают, и вы получаете реальные данные о точности без риска для клиентов. А команда тем временем учится доверять инструменту и исправлять его. Для бизнеса, где поддержка тонет в одинаковых письмах, это еще и первые автоматические ответы на одинаковые письма, которые человек успевает проверить. Именно с этого обычно начинается автоматизация поддержки клиентов с помощью ИИ в малом бизнесе.

Какие метрики показывают, что агент действительно работает?

Доля подтвержденного решения, CSAT для разговоров, которые вел ИИ, доля эскалаций и качество передачи людям. Одна лишь дефлекция вводит в заблуждение: агент может «отклонять» клиентов просто тем, что сквозь него трудно пробиться.

Подтвержденное решение считаем как разговоры, закрытые агентом без повторного открытия или нового обращения в течение установленного окна, например 72 часов. Дефлекцию, то есть долю разговоров, которые так и не дошли до человека, читайте только рядом с решением и CSAT. CSAT для разговоров с ИИ сравнивайте с CSAT для обращений, которые обрабатывали люди, по тем же намерениям. Доля эскалаций по намерению показывает, к каким темам агент еще не готов. Качество передачи видно по тому, как часто операторам приходится спрашивать у клиента то, что ИИ уже знал. Стоимость решенного разговора складывается из токенов и оплаты платформы, и ее стоит сравнивать со стоимостью обращения, которое обработал человек. Долю неверных ответов дает еженедельный просмотр случайной выборки людьми.

Целевые значения для каждого намерения устанавливайте до пилота, а не после. Иначе любой результат будет выглядеть как успех.

Риски и как от них защищаются

Главные из них: уверенные неверные ответы, несанкционированные действия, утечка данных и раздражение клиентов, когда до человека трудно достучаться. Для каждого есть известная защита, и поставщик или партнер должен уметь конкретно объяснить свою.

От выдуманных правил защищает опора на найденные статьи, внутренние ссылки на источники и эскалация, когда ничего релевантного не нашлось. Prompt injection, то есть попытки клиента уговорить агента забыть правила, останавливают лимиты в коде (потолки возвратов, проверки прав доступа), а не только в промпте. Чтобы избежать утечки, агент проверяет личность перед показом данных аккаунта и никогда не запрашивает записи кого-либо, кроме проверенного клиента. Со стороны соответствия требованиям проверьте, какие данные клиентов уходят поставщикам моделей, настройки хранения и региональные правила вроде GDPR для европейских клиентов. Репутацию берегут понятный путь к человеку, честное сообщение клиенту, что он говорит с ИИ, и еженедельный просмотр разговоров. А незаметный дрейф после обновлений модели или появления новых продуктов ловит тестовый набор, который прогоняют при каждом изменении.

Как мы делаем таких агентов

Начинаем с истории ваших обращений: какие намерения повторяются, каким нужны данные из ваших систем, а какие должны остаться за людьми. После этого советуем инструмент поставщика, агента на заказ или гибрид, с типичными рыночными диапазонами стоимости и фиксированной ценой на часть на заказ после оценки объема. Для решений на заказ берем модели OpenAI или Claude, RAG по вашей базе знаний и интеграции с вашим help desk и CRM, а теневой режим и оценка качества проходят до любого живого трафика. Функции на LLM работают и в нашем собственном продукте, AI Resume Master, поэтому поведение таких систем с реальными пользователями мы видим каждый день.

Подробнее на страницах разработка ИИ-чат-ботов и разработка ИИ-агентов. Или напишите нам и приложите выборку обезличенных обращений: мы скажем, какую долю из них ИИ-агент реально сможет взять на себя.

Наши гайды об ИИ и разработке вверху вашего Google?

Добавьте Lytvynov Production как предпочтительный источник, и Google будет показывать наши новые гайды об ИИ-агентах, стоимости MVP и заказной разработке выше в выдаче.

Кейсы

Частые вопросы

Нет, не полностью. ИИ-агент может взять на себя большую долю повторяющихся вопросов и простых действий с аккаунтом, освободив команду для сложных, эмоциональных или ценных случаев. Компании, которые полностью убирают доступ к человеку, обычно видят падение удовлетворенности. Практическая цель: меньшая очередь более сложных обращений для людей и более быстрые ответы клиентам на рутинные запросы.

Универсального ориентира нет, потому что дефлекция зависит от того, насколько повторяются ваши обращения и насколько качественная база знаний. Вместо погони за красивой цифрой измеряйте подтвержденное решение: разговоры, которые закрыл агент и после которых клиент не открыл вопрос снова и не обращался в поддержку в течение нескольких дней. Отслеживайте это вместе с CSAT для разговоров, которые вел ИИ.

Инструмент поставщика на поддерживаемом help desk можно запустить за несколько дней или несколько недель, и большая часть времени уходит на наведение порядка в базе знаний. Агент на заказ, который читает заказы, выполняет действия и передает дела сотрудникам, обычно требует 6-14 недель вместе с оценкой качества и ограниченным пилотом. В обоих случаях закладывайте несколько недель на донастройку после запуска.

Стройте каждый ответ на найденном контенте из ваших собственных справочных статей и данных аккаунта, инструктируйте агента говорить, что он не знает, когда поиск ничего не нашел, и передавать разговор человеку вместо того, чтобы угадывать. Перед запуском протестируйте на наборе реальных прошлых обращений, а каждую неделю просматривайте выборку живых разговоров и добавляйте неудачные в тестовый набор.

Только в четких рамках. Распространенный подход такой: разрешить агенту автоматически выполнять действия с низким риском (например, возврат денег до установленной суммы по заказам, которые соответствуют условиям), а все, что выше лимита или вне правил, передавать человеку на подтверждение. Каждое действие должно логироваться с причиной, чтобы финансовый отдел и руководители поддержки могли его проверить.

Не всегда. Если у вас стандартный help desk и большинство обращений это типовые вопросы из базы знаний, готовый инструмент вроде Intercom Fin или Zendesk AI можно запустить за несколько дней или недель. Агент на заказ имеет смысл, когда ответ зависит от ваших собственных систем: заказов, аккаунтов, CRM. Такой агент обычно требует 6-14 недель вместе с оценкой и пилотом, а минимальный проект в Lytvynov Production 10 000 USD.

Начните с анализа истории обращений: какие намерения повторяются чаще всего и для каких нужны данные из ваших систем. Потом исправьте устаревшие или противоречивые статьи базы знаний, потому что ИИ отвечает только так хорошо, как написаны источники. Дальше запустите агента в теневом режиме: он готовит черновики ответов, а сотрудники их отправляют или правят. Только после этого переводите на ИИ 5-20 процентов живого трафика и расширяйте объем тема за темой, пока метрики держатся.

Давайте начнем ваш проект
Записаться на звонок