В небольшой компании поддержка редко существует как отдельный отдел. Вопросы клиентов принимает тот же менеджер, который продаёт, или бухгалтер, или сам собственник в Telegram. Большинство этих вопросов повторяются: где мой заказ, как вернуть, какие реквизиты, работаете ли в субботу. Каждый ответ занимает минуту, но за день таких минут набегает два-три часа, и это время вычитается из продаж.
AI-агент поддержки берёт на себя повторяющиеся вопросы и оставляет людям те случаи, где нужны полномочия или сочувствие. Но чтобы он работал, а не раздражал, у него должны быть три вещи: нормальная база знаний, понятные правила передачи человеку и метрики, по которым видно, помогает он или вредит. Разберём каждую по порядку.
Чем агент поддержки отличается от бота с кнопками
Кнопочный бот предлагает выбрать из меню. Клиент, у которого «оплата прошла, а заказ не отображается», не находит подходящего пункта и пишет «оператор» или уходит. Агент на языковой модели читает вопрос как есть, находит ответ в базе знаний компании, при необходимости делает запрос к системе — проверяет статус заказа по номеру — и отвечает по существу.
Второе отличие — работа с контекстом. Если клиент уточняет «а если доставка в другой город?», агент понимает, что речь о том же заказе, и не начинает диалог заново. Для бизнеса это означает меньше раздражения и меньше переходов на оператора. Как перейти от сценариев к пониманию запроса, мы подробно разбирали в статье про Telegram-бота с ИИ.
База знаний: откуда агент берёт ответы
Это главный компонент, и именно на нём чаще всего экономят. Агент отвечает ровно настолько хорошо, насколько хороши документы, которые ему дали.
Что обычно входит в базу знаний
- условия доставки, оплаты, возврата и гарантии;
- описание тарифов, услуг или товарных категорий;
- график работы, адреса, реквизиты, контакты;
- внутренние инструкции: как действовать при браке, задержке, двойном списании;
- ответы на реальные вопросы из переписки за последние месяцы.
Последний пункт самый ценный. Пятьдесят реальных диалогов из Telegram или WhatsApp дают больше, чем любой написанный с нуля FAQ, потому что показывают, как клиенты формулируют вопросы на самом деле.
Как база знаний устроена технически
Документы нарезаются на фрагменты, переводятся в векторное представление и складываются в хранилище (Qdrant, Pinecone или встроенное в платформу). При вопросе клиента агент ищет ближайшие по смыслу фрагменты и строит ответ только на их основе. Этот подход называется RAG, и о его тонкостях есть отдельная статья — RAG на практике.
Важное правило: если в базе знаний нет ответа, агент должен сказать «уточню у коллег» и передать вопрос, а не сочинять. Это настраивается, но требует внимания при тестировании.
Что нужно обновлять
База знаний устаревает быстрее, чем кажется: изменились сроки доставки, добавился новый тариф, поменялись реквизиты. Назначьте одного человека, который отвечает за актуальность, и заведите простой порядок: любое изменение условий — сначала правка документа, потом анонс клиентам. Иначе агент продолжит уверенно рассказывать о старых условиях.
Эскалация: когда и как передавать человеку
Передача оператору — не признак слабости агента, а часть его работы. Плохо настроенная эскалация бывает двух видов: агент передаёт всё подряд, и смысла в нём нет, или не передаёт ничего и доводит клиента до злости.
Триггеры, которые обычно задают явно
- Клиент прямо просит человека — сразу, без попыток «ещё раз уточнить».
- Вопрос касается денег сверх небольшого порога: возврат, компенсация, спорное списание.
- В базе знаний нет подходящего фрагмента или модель оценивает уверенность как низкую.
- Тон сообщения резко негативный, есть упоминание жалобы, суда, отзывов.
- Клиент третий раз задаёт по сути тот же вопрос — значит, предыдущие ответы не помогли.
- Запрос требует действий, на которые у агента нет полномочий: изменить заказ, выдать скидку.
Как должна выглядеть передача
Оператору уходит не «клиент ждёт», а короткое резюме: кто, о чём спрашивал, что агент уже ответил, какой статус заказа. Клиенту — честное сообщение с ожидаемым временем ответа. Если это ночь, так и пишем: «Коллега ответит с 9:00, заявка зафиксирована». Это лучше, чем молчание или имитация живого оператора.
Полезная практика — после решения вопроса оператором возвращать ответ в базу знаний, если ситуация может повториться. Так агент учится на каждом переданном случае.
Отраслевые сценарии
Интернет-магазин. Основной объём — статус заказа и возвраты. Агент подключён к учётной системе и отвечает по номеру заказа. Эскалация — спорные возвраты и брак.
Онлайн-школа. Вопросы про доступ к урокам, сроки проверки заданий, рассрочку. Агент знает расписание потоков и правила. Эскалация — конфликты с преподавателем, возврат за курс.
Сервисный центр. «Готов ли мой телефон» — агент проверяет статус по номеру квитанции. Эскалация — изменение стоимости ремонта, претензии к качеству.
Управляющая компания или коворкинг. Бронирование, пропуска, правила, оплата. Агент снимает большую часть бытовых вопросов; эскалация — аварии и жалобы на соседей.
Во всех случаях агент работает в тех каналах, где уже сидят клиенты — чаще всего это Telegram и WhatsApp Business API, реже виджет на сайте.
Метрики качества: что смотреть собственнику
Без метрик агент поддержки превращается в «вроде работает». Набор, которого достаточно для начала:
- Доля вопросов, закрытых без человека. Ориентир для типовой поддержки — заметно больше половины, но зависит от отрасли. Если показатель растёт за счёт того, что клиенты бросают диалог, это не успех.
- Доля эскалаций и их причины. Разложите по категориям: нет ответа в базе, просьба позвать человека, негатив. Каждая категория подсказывает, что править.
- Оценка после диалога. Простой вопрос «помогло?» с двумя кнопками. Собирайте отдельно по агенту и по операторам.
- Повторные обращения по той же теме в течение суток. Признак формально правильного, но бесполезного ответа.
- Время первого ответа и время до решения. Сравнивайте с периодом до запуска.
- Выборочная ручная проверка. Раз в неделю прочитать 20–30 диалогов. Это ловит ошибки, которые цифры не показывают: неверный тон, устаревшие условия, слишком длинные ответы.
Эти показатели можно выводить в простой дашборд в Metabase или Looker Studio либо присылать сводкой в Telegram раз в день. О метриках агентов в целом — в статье про метрики, которые видит собственник.
Где агент поддержки не оправдает ожиданий
Если условия в компании меняются устно и нигде не записаны, агенту нечем отвечать. Если большая часть обращений — уникальные технические проблемы, требующие диагностики, агент сможет только собрать первичную информацию. Если клиентов мало и каждый на вес золота — например, в премиальных услугах, — живой ответ владельца ценнее любой автоматизации. И наконец, агент не починит плохой продукт: если жалобы вызваны реальными срывами сроков, он лишь быстрее о них сообщит.
Итог
Агент поддержки — это не «умный чат», а связка трёх элементов: актуальной базы знаний, чётких правил эскалации и регулярного контроля по метрикам. Уберите любой из них, и результат разочарует. Собрать первую версию можно за две недели: мы в AiKrok обычно начинаем с выгрузки реальных диалогов, по ним строим базу знаний и список триггеров передачи, а первые недели после запуска держим агента в режиме, когда оператор видит каждый ответ. Дальше — расширение базы, подключение статусов заказов и постепенное снижение доли ручной проверки.