Количество виртуальных ассистентов, которые трудятся 24/7 на благо нас, обычных клиентов, кратно возросло. Почти на каждом сайте нас приветствуют чат-боты и предлагают свою помощь, на линии контакт-центров наши запросы подхватывают голосовые помощники. И стоит признать, популярность роботов вывела доступность и качество клиентской службы на принципиально высокий уровень.
Если раньше чат-боты и голосовые помощники считались экспериментами и ноу-хау крупных компаний, то сегодня ситуация изменилась. За счет появление готовых решений, когда робот уже предварительно настроен, у средних и маленьких появилась возможность внедрять виртуальных помощников и обеспечивать окупаемость расходов. Лидеры же рынков приглядываются к более продвинутым роботам, которые умеют понимать контекст и обрабатывать сложные обращения.
Теперь виртуальные ассистенты это настоящие агенты сервиса, доказавшие положительное влияние на KPI контакт-центров и поселившиеся в цифровой стратегии большинства клиентских служб. Давайте подробнее разберемся в причинах, стоящих за популярностью голосовых и текстовых роботов.
Первая причина — реальные кейсы, доказывающие эффективность виртуальных помощников.
Результаты настолько впечатляют, что даже скептики ищут контакты вендоров речевых технологий и заказывают консультации. Например, у наших заказчиков средний уровень автоматизации роботов варьируется от 40 до 60%.
Вторая причина — прогресс речевых технологий.
Появление генеративного интеллекта взорвало рынок, ведь теперь можно создать робота, который в общении неотличим от живого человека.
Причина №3 — готовые коробочные решений.
Легко и быстро — теперь применимые определения к внедрению цифровых помощников. Например, у нас уже собраны шаблоны сценариев и настроены модели распознавания практически для всех основных отраслей (банки, медицина, ЖКХ, ритейл, транспорт и т.д.), что позволяет без предварительных настроек запустить робота.
Последняя, но не менее важная причина — no-code платформы для работы с виртуальными ассистентами.
Даже человек без знаний основ разработки и кодирования в специальном интерфейсе сможет настроить и скорректировать робота. Своим заказчикам мы подключаем платформу, позволяющую им самостоятельно поддерживать цифровых помощников и внедрять новые сценарии.
В чем польза автоматизации контакт-центров?
Мы не откроем новую истину, если скажем, что роботизация клиентского обслуживания — приоритетное направление развития для многих компаний. Цифровые ассистенты приносят ощутимую пользу за счет:
-
Экономии на операторов. У компаний нет возможностей содержать огромный штат сотрудников колл-центров, поскольку расходы на одного оператора составляют около 800 тыс. в год. Автоматизация процессов на 10% уже благоприятно сказывается на бюджете. А некоторые проекты достигают уровня автоматизации в 80%, полностью заменяя десятки сотрудников.
-
Масштабируемость. Вот вам тест: обработайте одновременно тысячу обращений. Для человека — непосильная задача. Для робота — обычный режим работы. Возьмем пример: голосовой ассистент на линии 122 в Тульской области. Он обрабатывает до 20 тысяч звонков в день и заменяет около 30 операторов. И даже если нагрузка возрастет в пять раз — качество не упадет.
-
Стандарты обслуживания. Робот не устал, не раздражен, не болеет. Он всегда следует сценарию, соблюдает регламенты и не допускает случайных ошибок. Это особенно важно в сфере госуслуг, банковского обслуживания и медицины.
Роботы популярны и эффективны, но почему они ещё полностью не заменили живых операторов? Возможно это вопрос времени, и через пару лет появятся автоматизированные на 100% контакт-центры. А в действительности есть критически важные ограничения, которые пока не решены. Главное из них — низкая способность к решению нетиповых задач. Если ситуация выходит за рамки сценария, бот теряет контроль. Хотя тут снова приходит на помощь генеративный ИИ: он умеет учитывать контекст, понимать намерения и даже "думать" вне шаблонов.
Второй недостаток — сложность настройки ветвящихся диалогов. Но и эту проблему можно решить — например, с помощью визуальных редакторов сценариев, таких как D2S.Composer. Не нужно быть программистом, чтобы создать в инструменте каскадные сценарии. Просто перетаскивай блоки, задавай условия и последовательность — система далее сама все запустит в работу.
Заменит ли генИИ живых операторов?
Мировой тренд сейчас — это использование генеративного ИИ (генИИ). Прежде всего с применением технологии RAG (Retrieval-Augmented Generation), когда бот может отвечать на вопросы клиента, используя в качестве источника для ответов всю базу знаний компании.
Одно из качественных отличий генИИ от других технологий заключено, собственно, в генерации ответа. Традиционный сценарный бот состоит из заданного количества шаблонных ответов для типовых вопросов. Но практика показывает, что даже в массовом обслуживании, инвариантность вопросов огромна, а генИИ как раз позволяет формировать уникальный ответ на каждый из уникальных вопросов.
К сожалению, мы не предсказатели, и даже наш магический шар не может подсказать, когда генИИ заменит живых операторов. В теории — все возможно. А пока что разработчики всего мира трудятся над созданием новых продуктов, чтобы достичь заветного показателя — 100% автоматизации. Уже, например, появился агентский ИИ, который умеет выполнять более сложные действия. Например, обращаться к внутренним системам, уточнять необходимую информацию у клиента, взаимодействовать с другими ИИ-агентами или сотрудниками-людьми, если это требуется для решения вопроса.
«ГенИИ в ближайшие годы станет центральным элементом для создания виртуальных ассистентов. Уже сейчас появляются решения, построенные на RAG, когда ассистент опирается не на абстрактные данные, а на базу знаний компании или конкретный источник информации. Следующим шагом станут боты на принципах агентного ИИ и мультиагентности. И именно они определят дальнейшее будущее речевых технологий» — прокомментировал А.Крушинский.
Как контакт-центрам работать с роботами сейчас?
Задача №0 для бизнеса — обеспечить пользователям бесперебойный доступ пользователей к роботу и наделить ассистента точными знаниями. Для этого компаниям, использующим ботов, необходимо искать решения, поддерживающие генИИ и традиционные технологии. Традиционными технологиями считаются ASR (распознавание устной речи), NLU (выявление тематики и атрибутов обращения) и возможность разработки сценариев в no-code конструкторе без привлечения вендора. Конечно, генИИ перспективен: его применение обеспечивает лучшее качество при меньших затратах, но пока что забывать про традиционные аспекты нельзя.
Одним из важных аспектов эффективности виртуального ассистента является качественный онбординг пользователя, когда ассистент не ждет вопроса пользователя, а сразу информирует о своих возможностях, приводит примеры формулировок и, тем самым, выступает активным участником диалога. Высший пилотаж — прогнозирование и предугадывание тематики обращения клиента. Например, если у пользователя задерживается доставка, бот может сообщить о новом назначенном времени доставки и принести извинения от лица сервиса за причиненные неудобства.
И, конечно, не стоит забывать про удобство клиентов. Даже самая умная и передовая нейросеть может стать помехой, если пользователи не видят в ней ценность. Люди безусловно ценят реактивность и точность робота, но ещё им важно чувствовать себя понятыми и услышанными. Пользователь доверяет не алгоритму как таковому, а ощущению, что его проблема решена быстро, чётко и без лишней мороки. Если диалог становится запутанным, каждое сообщение от бота вызывает больше вопросов, чем ответов — тогда вместо цифрового помощника клиент получает очередной повод разочароваться в сервисе.
Представьте ситуацию: человек обратился за помощью, а в ответ — абстрактные формулировки, повторяющиеся шаблоны, бесконечные циклы "повторите запрос". В этот момент клиент уже не видит в интерфейсе пользу, а начинает воспринимать его как препятствие. И тогда происходит неизбежное: доверие и лояльность падают, клиент уходит туда, где его ждут живые решения, а не искусственная имитация заботы.
Мы, как команда, которая годами работает с виртуальными ассистентами, давно выработали подходы, которые не только прошли проверку и показали реальный эффект в сотнях кейсов. Назовём их нашими «золотыми правилами» для создания виртуального собеседника, с которым хотят общаться:
-
Комбинирование сценарного бота с генерацией текста на основе LLM. Такой подход обеспечивает живое и естественное общение с роботом, при этом сохраняет контроль за сценарием и дает возможность быстро подстраивать диалог под изменяющиеся условия
-
Качественный онбординг, когда ассистент помогает клиенту сформулировать вопрос, рассказывая о своих возможностях и дает примеры запросов
-
Высокая скорость ответов, приближенная к скорости реакции человека
-
Возможность прерывания (barge-in): человек в любой момент может перебить ассистента и перейти к следующей реплике, если он уже понял суть или ему требуется другая помощь. Такая «реактивность» системы создает ощущение естественного и продуктивного взаимодействия
-
Использование в голосовых каналах дикторских реплик (максимально естественных) в сочетании с синтезированной речи, обученной на голосе диктора и как результат – неотличимым от него
-
Несколько вариантов формулировок для повторяющихся реплик.
Не стоит забывать и про измерение эффективности виртуального ассистента, чтобы вовремя замечать изменения в качестве и принимать меры для устранения проблем. Основная метрика для роботов на входящей линии — процент автоматизации (доля диалогов, завершенных без участия оператора). Нормальный уровень автоматизации, как правило, находится в диапазоне от 20% до 70%. Исходя из процента автоматизации легко посчитать экономический эффект как экономию на ФОТ операторов.
Также необходимо следить и за сопутствующими показателями, отражающими работу клиентской службы. Для упрощения контроля за такими метриками рекомендуется использовать речевую аналитику (РА). Например, с помощью РА можно выявить причины недовольства клиентов или определить тематики, которые целесообразно автоматизировать в первую очередь. К сопутствующим показателям относят:
-
First Call Resolution (FCR) позволяет убедиться, что бот не спровоцировал рост повторных обращений
-
Average Handling Time и время ожидания оператора. Это помогает узнать, решает ли робот некоторые задачи клиента быстрее, чем оператор
-
Метрики удовлетворенности (CSAT, NPC и другие), которые помогают убедиться, что автоматизация не уменьшает лояльность клиентов.
Выводы
Главный вызов как для компаний, использующих роботов, так и вендоров речевых технологий — это успевать за развитием технологий. То, что было в тренде год назад и вызывало искреннее восхищение, сегодня может морально и технически устареть. Такая плата за жизнь внутри технологического скачка, когда буквально каждый месяц выходят новые версии базовых моделей с улучшенными характеристиками и появляются новые методы их применения.
Второй серьезный вызов – управление ожиданиями клиентов. После появления нейросетей пользователи ожидают от корпоративных ботов высокого уровня интеллекта и гибкости, возможности решить любой вопрос. Но при этом забывают, что корпоративный ассистент должен давать гарантированно верные ответы, а не просто правдоподобные и «в основном полезные».
Не стоит забывать и про ужесточение требований к безопасности и защите персональных данных. Крупные корпорации и госведомства требуют развертывания всех компонентов on-premise или использование собственной инфраструктуры. В то же время у компаний часто нет мощностей, необходимых для работы с локальными LLM из-за отсутствия серверов с GPU.
Тем не менее, эти вопросы постепенно решаются вендорами, барьеры преодолеваются, что позволяет виртуальным ассистентам оставаться эффективными инструментами для автоматизации клиентского обслуживания.
«Мы выработали комплекс мер, которые помогают поддерживать эффективность роботов. Это, во-первых, гибридные сценарии, сочетающие жесткие шаблонные ответы для критических тематик и ответы от LLM для менее важных вопросов. Во-вторых, деперсонализация данных при отправке запросов на облачные LLM. В-третьих, квантированные локальные LLM, которые существенно снижают требования к серверам без существенных потерь качества» — прокомментировал А.Крушинский
