ИИ-тренер в клиентском сервисе: что за профессия и какие навыки нужны

ИИ сильно изменил рынок труда, особенно в сфере клиентского сервиса: чат-боты и голосовые помощники берут на себя все большую часть обращений, а значит все важнее контролировать качество их работы. Из этой потребности и выросла новая ИИ-профессия: ИИ-тренеры – специалисты, которые в рамках CX-задач учат ИИ правильно работать с клиентами. В статье разберем, какие проблемы решает эта профессия и чем ИИ-тренер занимается на практике.

Проблемы ИИ в клиентском сервисе

Искусственный интеллект встраивают в CRM, service desk и почтовые системы компаний, он все чаще берет на себя не только ответы на простые обращения, но и более сложные операции – от оформления заявок до анализа истории клиента. Выросли и ожидания: клиенты хотят получать точный ответ быстро и в удобном канале, не пересказывая суть проблемы заново при переходе из чата в звонок.

Но чем больше задач компании передают ИИ, тем заметнее становятся его слабые места. Вот несколько проблем, которые встречаются чаще всего.

Галлюцинации

Языковая модель может уверенно сформулировать ответ, который не соответствует действительности, а клиент не всегда способен это распознать. Причина в самой природе технологии: модель предсказывает наиболее вероятный текст, а не автоматически сверяется с реальной базой данных компании, если это не настроено отдельно. Клиент может воспринять ошибку бота как намеренный обман со стороны банка, и тогда банк получает сильный репутационный ущерб.

Запуск без донастройки

Под впечатлением от ChatGPT компании могут ожидать, что чат-бот на основе нейросети заработает идеально с первого дня, не учитывая, что модель нужно донастраивать и проверять на реальных диалогах, прежде чем выпускать ее на живых клиентов. На практике обращения клиентов оказываются разнообразными и без донастройки бот начинает путать контекст или закрывать сессию до того, как решил вопрос клиента. Если поспешить и выпустить плохо настроенного бота, первое знакомство клиентов с ним окажется неудачным, и исправить впечатление очередным обновлением уже сложно.

Разрыв бесшовности между каналами

Если ИИ-помощник в чате плохо обучен, он не удерживает контекст обращения так, как это делает единый профиль клиента, и не умеет корректно передать историю разговора оператору или в другой канал. В результате клиенту придется повторять свою проблему заново, что является одной из важнейших причин неудовлетворенности обслуживанием. 

Неудачный тон в сложных ситуациях

В конфликтной или эмоционально напряженной ситуации неудачный по тону ответ бота может усилить раздражение клиента вместо того, чтобы его снять. Модель по умолчанию не всегда различает, когда клиент просто уточняет детали, а когда он уже на грани того, чтобы уйти к конкуренту, и без специальной настройки отвечает ровным тоном в обоих случаях.

У всех перечисленных проблем системная природа. Один раз настроить бота и забыть о нем не получится – он сталкивается с новыми формулировками, новыми продуктами и новыми ситуациями каждый день. Поэтому компании с эффективно настроенными ИИ-инструментами занимаются постоянным контролем качества их работы.

Специально обученный человек должен постоянно следить за тем, что и как отвечает ИИ, и вовремя исправлять ошибки – так в клиентском сервисе и появился ИИ-тренер.

Как выглядит работа ИИ-тренеров

ИИ-тренер – специалист, который обучает нейросеть выполнять конкретные задачи, следит за ее работой и в случае проблемы быстро находит ее причину и устраняет. 

Это не модератор, который банит нарушителей, не оператор первой линии, который разбирает тикеты, и не разметчик данных, механически проставляющий метки. ИИ-тренер должен понимать логику работы модели и уметь целенаправленно менять ее поведение, а не просто фиксировать, что пошло не так.

Вот как выглядит алгоритм работы ИИ-тренера:

1. Готовит эталонные ответы для разных сценариев обращений – простой вопрос о доставке, конфликтная ситуация с возвратом денег, техническая проблема со входом в аккаунт. 

2. Оценивает, как на эти же сценарии отвечает бот, находит расхождения и фактические ошибки. 

3. Дорабатывает промпты, базу знаний или сценарий диалога так, чтобы ошибка не повторилась. Может нужно донастроить бота, чтобы он сразу отдавал определенные вопросы оператору, а может необходимо подкрутить параметры RAG-поиска.

Например, если клиент интернет-магазина спрашивает про статус возврата, а бот отвечает общей фразой из инструкции вместо того, чтобы подтянуть реальный статус заказа, ИИ-тренер фиксирует это как ошибку, переписывает промпт или добавляет нужный источник данных и проверяет, не повторится ли проблема на похожи+х вопросах.

ИИ-тренер использует несколько типов инструментов:

• Песочница для тестирования промптов позволяет проверить, как модель отреагирует на новую формулировку, прежде чем менять боевой сценарий. 

• Дашборды с аналитикой диалогов показывают, на каких вопросах бот чаще всего ошибается или теряет клиента. 

• Система разметки данных нужна, чтобы фиксировать примеры удачных и неудачных ответов и постепенно собирать базу для дообучения модели.

Процесс цикличен: собрал диалоги, разметил в них правильные и неправильные ответы, внес правки, снова проверил результат на новых обращениях – и так пока качество ответов не станет стабильным.

Спрос на таких специалистов уже заметен на рынке труда. Свои вакансии ИИ-тренеров открывают крупные российские компании – Яндекс, Сбер, МТС, Т-Банк. Часто ИИ-тренеров ищут с отраслевой специализацией: кто-то лучше разбирается в банковских продуктах, кто-то – в логистике или медицине, потому что качественно проверять ответы бота можно только зная предметную область изнутри. Пока таких специалистов на рынке немного, и многие компании предпочитают выращивать их внутри команды, а не искать готовых кандидатов со стороны.

Единого стандарта, в какой отдел встраивать ИИ-тренера, пока не сложилось. Где-то это часть команды поддержки – тогда специалист хорошо понимает клиента, но может быть оторван от разработки. Где-то роль отдают в продуктовую команду рядом с дата-сайентистами – так проще вносить технические правки, но сложнее удерживать связь с реальными обращениями клиентов. Чаще всего работающая модель получается на стыке: ИИ-тренер плотно взаимодействует и со службой поддержки, и с разработчиками, а формально закреплен за одним из отделов – в зависимости от того, что для компании важнее в моменте.

Какие навыки нужны хорошему ИИ-тренеру

• Знание продукта и клиентского пути. Невозможно оценить, правильно ли бот ответил на вопрос про возврат, не зная тонкостей самой политики возврата и типичных ситуаций, с которыми сталкиваются клиенты компании. Поэтому хороший ИИ-тренер чаще всего приходит из самой компании или проходит стажировку в поддержке, чтобы увидеть реальные обращения, а не абстрактные тестовые сценарии.

• Внимание к деталям. ИИ-тренер должен замечать неточности, которые легко пропустить при беглом чтении, и уметь быстро проверить, какой ответ на самом деле верный. Ошибка модели часто прячется не в общей логике ответа, а в одной цифре, дате или условии – и именно такие детали важно ловить при проверке.

• Технические навыки работы с ИИ. Это умение формулировать и корректировать промпты, читать логи диалогов и понимать, почему модель ответила именно так, а не иначе. Быть программистом не обязательно, но нужно понимать базовые принципы работы языковых моделей и то, как настройки влияют на итоговый ответ.

• Аналитическое мышление. Важно отличать разовую случайную ошибку модели от системной проблемы в логике бота, которая будет повторяться у сотен клиентов. Для этого нужно уметь работать с метриками и логами – смотреть не на один диалог, а на статистику по похожим обращениям.

• Чувство тона и эмпатия. ИИ-тренер задает модели манеру общения бренда, поэтому должен понимать, как правильно звучать в спокойном диалоге и как – в конфликтной ситуации. Это особенно важно для голосовых ассистентов, где неверно выбранная интонация считывается клиентом даже быстрее, чем содержание ответа.

• Умение работать в команде с разработчиками. ИИ-тренер редко чинит проблему в одиночку – если ошибка кроется не в промпте, а в самой логике бота или источнике данных, ему нужно грамотно передать проблему инженерам. Для этого важно уметь описать баг не как «бот отвечает странно», а как конкретный воспроизводимый кейс: что спросил клиент, что ответил бот, что должно было быть вместо этого, — иначе доработка растягивается на недели.

Профессия ИИ-тренера – прямое следствие того, что искусственный интеллект в клиентском сервисе стал полноценным участником диалога с клиентом. Чем больше задач компании передают ботам, тем важнее становится человек, который учит эту систему работать правильно, замечает ее ошибки раньше клиентов и постоянно поднимает планку качества.