Как ИИ трансформирует контакт-центры

Пять лет назад поддержка клиентов была далека от совершенства. Операторы круглосуточно отвечали на одни и те же вопросы — о доставке, возврате, тарифах. Для ответа им приходилось вручную искать информацию в базе знаний и просматривать PDF‑инструкции. Все это занимало время, особенно в часы пик, и приводило к задержкам, ошибкам и выгоранию сотрудников. Клиенты терпели неудобства, а компании — убытки. О том, как внедрение ИИ изменило ситуацию рассказал Александр Крушинский, директор департамента голосовых цифровых технологий BSS.

Александр, расскажите, что изменилось с появлением ИИ?

Сегодня цифровые ассистенты на базе ИИ берут на себя большинство типовых запросов: быстро, без ошибок и круглосуточно. Они «помнят» пользователей, знают историю их взаимодействий и адаптируются под стиль общения, предлагая именно нужное решение. Человеческие операторы остаются в системе, но только для разрешения нестандартных ситуаций, конфликтов и сложных вопросов. Такое разделение повышает качество и скорость обслуживания.

Получается, ИИ становится полноценным участником бизнес-процессов?

Современные технологии сделали ИИ не вспомогательной частью, а ключевым элементом обработки запросов. LLM, самообучающиеся агенты и генеративные модели берут на себя рутинные задачи, освобождая людей для креативных решений, эмпатии и анализа.

Расскажите про опыт BSS: от первых шагов до LLM?

Компания BSS начала внедрять ИИ еще в 2014 году, задолго до популярности ChatGPT, и базируется на опыте более чем 30 лет. Сейчас она интегрирует виртуальных ассистентов, систему речевой аналитики, LLM и мультиагентные платформы. Автоматизация клиентского сервиса по оценкам достигает от 30% до 70%, а задача BSS — довести ее до 100%.

Главные фокусы: виртуальные ассистенты и речевая аналитика

• Виртуальные ассистенты помогают сразу при звонке или обращении в чат, решая типовые запросы и избегая ожидания и ошибок операторов.
• Речевая аналитика обрабатывает весь массив диалогов, выявляя жалобы, предложения, упоминания конкурентов и другие инсайты. Эти данные служат инструментом для улучшения сервиса и роста бизнеса.

BSS уже имеет сотню внедрений в средних и крупных компаниях — от банков (например, Газпромбанк и Промсвязьбанк), госсектора (МФЦ, медучреждения) до страховых, ЖКХ, ритейла и логистики. ИИ‑ассистенты успешно помогают не только с внешней, но и с внутренней поддержкой в Service Desk.

Где ИИ работает лучше всего, и зачем нужна человеческая проверка?

Генеративный ИИ и большие языковые модели становятся стандартом в контакт‑центрах. Однако максимального эффекта добиваются при их смешении с человеческим участием. Роботы работают без отпусков и усталости, но все еще могут ошибаться. Поэтому зачастую используют гибридный подход: ИИ работает как «суфлер», предлагая оператору готовые ответы из базы знаний, а человек корректирует и направляет их.

Также модели эффективны в аналитике: автоматически выявляют рост тем запросов, проверяют качество диалогов и даже обучают операторов через тренажеры-роботы. BSS уже внедрила практическую систему симуляции диалогов и обратной связи для сотрудников.

Яркий пример — Промсвязьбанк: ИИ на базе LLM самостоятельно ищет актуальную информацию в базе знаний, составляет персональный ответ и делает его немеханическим. Это позволяет значительно улучшить клиентский опыт.

Почему внедрение ИИ идет не так быстро?

1. Технические и финансовые барьеры

Развертка LLM требует серьезной инфраструктуры, оборудования, высоких затрат на дообучение и поддержку. Компании, особенно предпочитающие держать все внутри, сталкиваются с высокими инвестиционными требованиями.

2. Проблемы с иностранными решениями и безопасностью

Популярные модели раннего доступа — иностранные. Компании рискуют безопасностью и могут нарушать законодательство, передавая данные за рубеж. Облачные сервисы подвержены сбоям, и контроль над ними ограничен. BSS осуществляет использование российских моделей через облако и анонимизацию персональных данных — удаляются все конфиденциальные поля перед передачей в ИИ. Это позволяет сохранить безопасность и соответствовать нормам.

3. Подбор модели под задачи

Важно не просто включить ИИ, а подобрать модель с нужным балансом точности и стоимости. Это часто делается по отраслевой специфике: модель дообучается на терминах и кейсах конкретной сферы. Такой подход дает более точные результаты.

4. Путь «снизу вверх»

Часто ИИ начинают использовать сотрудники: для составления писем, поиска информации и решения рутинных задач. Увидев эффективность, бизнес начинает внедрять централизованные, официальные решения.

Что вы можете рассказать про ИИ‑агентов?

ИИ‑агент — это не просто бот, а цифровой исполнитель, способный действовать многозадачно: распознает проблему, ищет решение, взаимодействует с системами и другими агентами. Например:

1. Клиент жалуется на ошибку в приложении.
2. Агент анализирует логи, идентифицирует источник.
3. Составляет корректный ответ.
4. Если нужны маркетинговые действия — подключает маркетинг‑агента.

Преимущества мультиагентных систем:

Такие системы способны полностью автоматизировать процессы, сейчас — прежде всего, клиентские, но в будущем — логистику, сервис‑деск, закупки, аудит и др. По прогнозам, примерно 80% рутинных задач может автоматически выполнять ИИ, а роль людей сместится к постановке и контролю задач.

Эмпатия в ИИ — следующая цель

Хотя генеративные модели уже показывают умение выражать эмпатию, настоящая эмоциональная вовлеченность остается вызовом. BSS работает над технологиями, которые сделают ИИ‑ответы не просто точными, но и «человечными».

Согласно внутренним исследованиям BSS, современные цифровые ассистенты способны обрабатывать до 80% запросов без участия операторов. Это не просто уменьшение нагрузки на сотрудников — это преобразование клиентского опыта. В компании рассматривают искусственный интеллект не как средство для экономии или сокращения рабочего персонала, а как инструмент, который должен улучшить доступность и качество обслуживания. Он необходим не только бизнесу, но и его клиентам, чтобы их вопросы решались быстрее, точнее и понятнее.