Gartner представили исследование 2026 года по AI в клиентской поддержке

AI в поддержке стал обязательным элементом технологической повестки. По данным Gartner, 85% руководителей клиентского сервиса в 2025-26 году планировали пилотировать или внедрять customer-facing generative AI. Технология стремительно становится отраслевым стандартом.

Однако свежее исследование Gartner, опубликованное 5 февраля 2026 года, разрушает миф о тотальной замене людей: лишь 20% опрошенных заявили о реальном сокращении штата вследствие внедрения AI. Большинство компаний сохраняют численность агентов, а половина из тех, кто увольнял, уже к 2027 году планирует нанимать персонал обратно.

Почему автоматизация не дает ожидаемого эффекта? 

Проблема возникает тогда, когда AI внедряют как функцию — а не как элемент управленческой архитектуры.

AI в поддержке — это не только чат-боты, которые многие менеджеры до сих пор воспринимают как синоним «цифровизации сервиса». Речь идет о более широком явлении: AI как инфраструктурный слой управления.

Условно можно выделить два технологических слоя:

1. Автоматизация диалогов (фронтлайн).

Боты, голосовые помощники, автоответчики. Их задача — заменить человека на типовых запросах и ускорить обработку потока.

2. Интеллектуальный управленческий слой (бэкстейдж).

Speech-to-Text, автотегирование, саммаризация, анализ эмоциональной тональности и контекста, выявление паттернов, прогнозирование повторных контактов. Их задача — не заменить человека, а встроить данные в контур принятия решений.

Парадокс в том, что компании часто инвестируют в первый слой — чтобы «внедрить AI и сократить издержки» — но не выстраивают второй как часть операционной архитектуры. В результате автоматизация есть, а управляемость не усиливается.

Поддержка — это распределенная система принятия решений в условиях неопределенности, эмоций и регуляторного риска. И AI в этой системе может либо усиливать архитектуру управления, либо фрагментировать ее еще сильнее.

Проанализировав опыт внедрения AI в службы поддержки, эксперты MiXBS выявили четыре системные ошибки, из-за которых технология остается декоративным модулем, а не частью управленческой архитектуры.

Первая ошибка: автоматизировать без контура управления

Большинство support-команд по-прежнему работают в режиме частичного контроля: анализируется лишь часть коммуникаций, решения принимаются фрагментарно.

На этом фоне Speech-to-Text, саммаризация и автотегирование выглядят как технологический прогресс. Но если эти инструменты не встроены в единый управленческий контур, автоматизация лишь ускоряет существующий поток — без изменения логики принятия решений.

Без архитектуры невозможно понять:

• какие сценарии повторяются и требуют продуктовых изменений,
• где возникают системные отклонения,
• какие сигналы предшествуют повторным контактам,
• где накапливается регуляторный риск.

AI способен обеспечить контроль 100% коммуникаций и в профессионально выстроенной архитектуре становится инструментом, который влияет на качество сервиса, повышает удовлетворенность клиентов и позволяет рационально использовать человеческий ресурс. 

Однако сам по себе анализ данных не создает управляемости: если выводы из коммуникаций не интегрированы в процессы, не корректируют SLA, не запускают понятные механизмы эскалации и не влияют на продуктовые решения, управленческий эффект не возникает, а технология остается лишь слоем аналитики без системного воздействия на бизнес.

Вторая ошибка: путать данные и управленческое понимание

Современные модели умеют классифицировать обращения, анализировать тональность, распознавать интенты. Но сами по себе данные не меняют операционную модель.

Поддержка может соблюдать SLA и при этом увеличивать repeat contact rate или снижать лояльность.

AI способен фиксировать динамику состояния клиента, вероятность повторного контакта, ранние сигналы раздражения. Но если эти индикаторы не встроены в KPI, регламенты и управленческие решения, они остаются «аналитикой ради отчета».

Forrester прямо отмечает, что generative AI в контакт-центрах выступает катализатором пересмотра фундаментальных процессов и операционной модели, а не просто инструментом автоматизации.

Третья ошибка: передавать алгоритму зоны высокого риска без контроля

Не каждую функцию поддержки допустимо передавать алгоритму автономно.

Критерий — не сложность запроса, а риск:

• насколько критична ошибка,
• затрагивает ли сценарий регуляторные требования,
• важен ли эмоциональный контекст.

McKinsey в исследованиях 2025 года подчеркивает, что наибольший эффект AI в контакт-центрах достигается в модели human-in-the-loop, где алгоритмы поддерживают агента, а не заменяют его в чувствительных сценариях.

Четвертая ошибка: ожидать мгновенного эффекта

AI в поддержке — это не модуль для подключения ради сокращения ресурса и FTE. Это изменение архитектуры:

• единый источник знаний,
• прозрачное логирование решений,
• встроенные механизмы эскалации,
• регулярный аудит качества,
• замкнутый цикл «сигнал — корректировка — измерение».

«Ошибки показывают предел автоматизации. Технология начинает работать на экономику сервиса только тогда, когда встроена в систему управления. Именно поэтому мы сформулировали условия, при которых автоматизация действительно снижает издержки и повторные обращения», — отмечают эксперты MiXBS.

Что нужно изменить, чтобы автоматизация начала работать на экономику сервиса

Управленческий эффект возникает при соблюдении четырех условий:

1. Данные из 100% коммуникаций влияют на продуктовые решения. Не просто откладываются в дашборд, а запускают изменения.

2. Эмоциональные сигналы становятся ранними индикаторами риска. Система переводит диалог на эскалацию до того, как клиент напишет жалобу.

3. Repeat contact rate анализируется предиктивно. AI подсвечивает сценарии, которые приведут к повторным обращениям.

4. Поддержка перестает быть реактивной функцией. Она становится источником данных для продукта и управления клиентским опытом.

Главный выбор

Компания внедряет AI, чтобы сократить нагрузку? Или чтобы снизить неопределенность и повысить управляемость сервиса?

Автоматизация может дать краткосрочную экономию. Архитектурный подход дает системную устойчивость и снижение регуляторных рисков.

Данные Gartner это подтверждают: там, где AI встроен в архитектуру, компании не спешат увольнять персонал — они используют технологию для усиления операционной модели. Там, где AI внедряли ради быстрой экономии, уже через год возвращают сотрудников.

AI — это не инструмент удешевления. Это инфраструктурный слой управления поддержкой. И именно в этом качестве он либо усиливает бизнес, либо создает новые слепые зоны.