Онлайн-магазин товаров для дома из Екатеринбурга, 80 сотрудников, 200+ обращений в поддержку каждый день. 6 операторов, среднее время ответа - 2 часа 40 минут. В сезон (ноябрь–декабрь) - хуже: нанимали 3 временных оператора, обучение каждого занимало 2 недели. Когда ко мне пришёл руководитель поддержки, он сформулировал задачу просто: «Мы не успеваем. Или нанимаем ещё людей, или клиенты уходят.» Мы предложили третий вариант.
Проблема глубже, чем кажется
Первое, что я увидел, когда начал разбираться - дело не просто в количестве тикетов. Обращения приходили из четырёх каналов: сайт, WhatsApp, ВКонтакте, email. Каждый канал - своя логика, свой формат, своё время ожидания.
- Операторы отвечали по-разному на одинаковые вопросы. Один пишет «возврат в течение 14 дней», другой - «напишите на почту, разберёмся». Клиент получал разный опыт в зависимости от того, кто на смене.
- Базы знаний не было. Каждый оператор держал ответы в голове. Новичков обучали по принципу «садись рядом и смотри».
- При увольнении оператора терялся весь накопленный опыт. Компания за год потеряла двух сильных специалистов - и заново набирала знания с нуля.
Нужно было не просто ускорить ответы, а создать систему, которая работает стабильно и не зависит от конкретных людей.
Решение
Первым делом мы не стали запускать агента. Мы собрали базу знаний из 300+ типовых обращений за последние 3 месяца. Это заняло неделю. Зато дальше всё пошло быстрее.
- Запустили AI-агента Зою в Telegram и на веб-чат сайта - два самых загруженных канала (85% всех обращений).
- Shadow Mode: 3 дня наблюдения, потом 7 дней в режиме помощника. Зоя предлагала ответы, операторы подтверждали или корректировали.
- Через 2 недели - Зоя работала автономно на двух каналах. Операторы подключались только к сложным кейсам.
- Через месяц - подключили WhatsApp и email. К этому моменту Зоя уже знала 90% ответов.
Результаты через 3 месяца
Четверых операторов не уволили - перевели на сложные кейсы и возвраты. Это те задачи, где нужна эмпатия и гибкость, и которые Зоя пока не берёт.
Сюрпризы и сложности
Не всё пошло гладко. Зоя плохо справлялась с возвратами. Слишком много переменных: состояние товара, сроки с момента покупки, способ оплаты, тип доставки. Каждый возврат - отдельная история. Мы пробовали научить агента, но после двух недель экспериментов приняли решение оставить возвраты на людях. Иногда правильный ответ - не автоматизировать.
Первую неделю клиенты регулярно спрашивали: «Я с ботом разговариваю?» Некоторые раздражались. Мы настроили, чтобы Зоя представлялась в начале диалога: «Я AI-ассистент магазина. Могу помочь с большинством вопросов. Если хотите живого оператора - скажите, и я переключу.» После этого жалобы прекратились. Оказалось, людей раздражает не бот сам по себе, а ощущение обмана.
Неожиданный бонус: база знаний, которую мы собрали для обучения агента, оказалась полезна самим операторам. Новички стали выходить на рабочий уровень за 3 дня вместо двух недель. Руководитель поддержки сказал, что одна эта база уже окупила проект.
Чёрная пятница
Настоящий тест случился в ноябре. Обращений стало в 8 раз больше - 1600+ за день. Раньше к этому сезону нанимали 3 временных оператора: поиск, собеседования, обучение, две недели на адаптацию. В этот раз - не нанимали.
Зоя обработала 1150 тикетов самостоятельно. Два оставшихся оператора справились с остальными 450. Ни одного SLA-нарушения за весь день. Среднее время ответа выросло с 28 секунд до 45 - всё ещё в десятки раз быстрее, чем было с живыми операторами.
После Чёрной пятницы руководитель написал мне: «Впервые за 5 лет я не работал в выходные после распродажи.» Честно говоря, ради таких сообщений и работаешь.