Как снизить среднее время обработки обращения (AHT)

Без понимания, на что оператор тратит время, невозможно найти, что оптимизировать. Система, которая фиксирует данные по каждому звонку и диалогу, показывает, на каком этапе диалога проседают показатели.

Речевая аналитика. ИИ анализирует каждый звонок и диалог, находит, где оператор тратит лишнее время, и автоматически выявляет повторяющиеся проблемы в обращениях. Точечная оптимизация по итогам такого анализа снижает AHT быстрее, чем общие меры вроде «работать внимательнее».

Отчёты по каналам и типам обращений. Средний показатель AHT по компании мало о чём говорит — нужна разбивка по типам обращений, продуктам и каналам, а не одна общая цифра. Платформа с отчётностью в реальном времени показывает эффект от изменений сразу, а не через месяц ретроспективного анализа. Например, у Ингосстраха внедрение такой аналитики ускорило маршрутизацию обращений на 37% и высвободило 3,5 ставки без расширения штата поддержки.

Анализ реальных диалогов — это сырьё сразу для трёх вещей: обучения операторов, базы знаний и скриптов. Разбор записей показывает, на каком вопросе оператор задерживается, какой информации ему не хватает и какой скрипт заставляет его переспрашивать лишний раз.

Практическая петля выглядит так: находим в записях диалогов повторяющийся затык → обновляем скрипт или добавляем ответ в базу знаний → проверяем, снизилось ли время обработки у этого типа обращений. Хорошо проработанный скрипт не должен перегружать оператора — он должен вести к решению за меньшее число шагов, а не превращаться в чек-лист вопросов. Такой цикл обновления работает только при регулярности: разовая переработка скриптов даёт разовый эффект, а связка «запись → анализ → обновление» — устойчивое снижение AHT.

ИИ-суфлёр — один из самых быстрых способов снизить AHT: во время диалога система подсказывает оператору готовый ответ на основе контекста обращения и внутренней базы знаний, вместо того чтобы оператор искал информацию вручную. Это особенно заметно на сложных вопросах, где без суфлёра оператор тратит время на поиск в нескольких системах.

Xplain AI Copilot — персональный ИИ-ассистент оператора контактного центра — по данным внедрений повышает эффективность оператора до 30%. В кейсе Skyeng такой AI-суфлёр снизил АНТ на 40% при потоке свыше 100 000 диалогов в месяц, а в ТехноНИКОЛЬ время консультации в чатах контакт-центра сократилось в 3 раза при точности ответов ИИ 92%. Подробный расчёт эффекта от внедрения суфлёра — на странице autofaq.ai/ekonomicheskiy-effekt.

Оператор часто тратит время не на сам ответ, а на поиск данных в CRM или другой системе и на переключение между вкладками. Интеграция всех источников в единый интерфейс убирает эту часть работы — оператор получает нужные данные без переключения между системами.

Отдельно на AHT влияет маршрутизация: если система с самого начала направляет обращение к нужному специалисту, оператор не тратит время на переадресацию. В технической поддержке B2B- и B2C-сервисов Ростелекома такой подход сократил время реакции на сообщение в 10 раз, а в «585 Золотой» скорость ответа выросла в 4 раза.

Снижение AHT — это не разовая мера, а связка из четырёх элементов: аналитика, регулярное обновление скриптов и базы знаний на основе реальных диалогов, ИИ-суфлёр для оператора и автоматизация поиска данных с маршрутизацией. По отдельности каждый элемент даёт локальный эффект, вместе — устойчивое снижение времени обработки без потери качества: клиент быстрее получает точный ответ, а оператор обрабатывает больше обращений без роста нагрузки.