Кто в компании выбирает ИИ‑платформу для поддержки: чек‑лист по ролям и направлениям

Если платформу выбирают для клиентской поддержки, CX-директор — основной заказчик, и его критерии обычно решающие. В остальных направлениях он подключается как согласующий по качеству обслуживания. В любом случае его интересует не факт внедрения ИИ, а то, как это скажется на клиентском опыте здесь и сейчас.

• Какой процент обращений система закроет без оператора на ваших реальных данных, а не в презентации вендора. Заявленный процент автоматизации в чужих кейсах ничего не говорит о вашей специфике обращений — проверяйте на пилоте, не на демо-сценарии.
• Что происходит, когда бот не уверен в ответе. Хорошая система передаёт диалог оператору вместе с контекстом и историей обращения, а не переспрашивает клиента заново. Если вероятность правильного ответа ниже настраиваемого порога, обращение должно уходить к человеку автоматически — без потери времени клиента.
• Как быстро система обучается на новых вопросах. Если оператор один раз ответил на нетиповой вопрос через систему подсказок, бот должен запомнить этот ответ для похожих обращений в будущем, а не требовать отдельного цикла переобучения.
• Как ведёт себя платформа при резком росте нагрузки — распродажа, авария, инфоповод. Автоматизация, которая ломается при пиковой нагрузке, создаёт больше проблем, чем отсутствие бота вообще.

По опыту внедрений, зрелая платформа закрывает до 87% обращений без участия человека и обрабатывает в 3 раза больше сообщений без увеличения штата поддержки.

Так, в технической поддержке B2B- и B2C-сервисов Ростелекома бот закрывает до 80% обращений, время реакции на сообщение сократилось в 10 раз, а NPS вырос с -4 до 30 за полгода. В «585 Золотой» 52% диалогов закрываются только ботом при потоке в 50 000 сообщений в месяц, а в ТехноНИКОЛЬ время консультации в чатах контакт-центра сократилось в 3 раза при точности ответов 92%.

Если платформу выбирают для ИТ-поддержки, ИТ-директор — основной заказчик; в клиентской и HR-поддержке он согласующий, но с правом вето по безопасности и интеграции. В любом направлении он отвечает за то, чтобы система не создала риск для инфраструктуры и не осталась «чёрным ящиком» через полгода эксплуатации.

• Разворачивается ли платформа on-premise или в защищённом контуре и соответствует ли ФЗ-152. Зарубежные облачные сервисы для работы с клиентскими данными недоступны, а требования к безопасности на российском ИТ-рынке выше среднего. Уточняйте формат развёртывания до пилота, а не после.
• Как устроена интеграция с ITSM и CRM. Полноценное решение передаёт историю диалога в Service Desk или CRM и синхронизирует статусы без ручной доработки под каждую систему. Проверяйте наличие встроенного RPA-модуля для интеграций, а не обещание «доработаем под вас».
• Кто и как валидирует точность ответов после запуска. Генеративный И И может галлюцинировать, если модель отвечает без привязки к источнику. Спрашивайте про инструменты контроля качества ответов и про то, как обнаруживаются устаревшие или неверные данные в базе знаний.
• Сколько времени занимает запуск без сбора отдельного обучающего датасета. Платформа на основе RAG может стартовать на существующих документах и регламентах компании за один день — если вендор просит месяцы на подготовку данных, это сигнал о другой архитектуре решения.
• Что с многоязычностью, если компания работает на рынках СНГ — нужна поддержка десятков языков в одном контуре, а не отдельная настройка под каждый регион.

Показательны кейсы с повышенными требованиями к безопасности и интеграции: ДИТ Москвы интегрировал ассистента с пятью городскими ИТ-системами, включая ЕАИСТ и ГИС «Открытый контроль», для поддержки пользователей в госсекторе. А Фонд Росконгресс выбирал решение под строгие требования к реализации на 17 мероприятиях и получил около 99% автоматических ответов на поток почти в 400 000 обращений.

Если платформу выбирают для внутренней поддержки сотрудников, HR-директор — основной заказчик; в клиентских и ИТ-проектах он согласующий по применимости к своим процессам. HR-директор оценивает платформу не как инструмент для клиентов, а как способ снять рутину с ИТ- и HR-специалистов.

• Работает ли платформа с внутренними регламентами так же, как с клиентскими обращениями. Вопросы об отпуске, больничных, обучении и восстановлении доступов к корпоративным системам — это типовая нагрузка на первую линию HR и ИТ-поддержки, которую можно закрыть тем же контуром, что и внешнюю поддержку.
• Может ли один ассистент закрывать несколько направлений — HR, ИТ и клиентскую поддержку — через единый интерфейс для сотрудника, вместо отдельных ботов под каждый отдел.
• Как обеспечена конфиденциальность кадровых данных внутри общей платформы — важно понимать, разграничен ли доступ к HR-базе знаний от клиентского контура.
• Насколько быстро сотрудник получает ответ на нестандартный внутренний вопрос — по данным внедрений, поиск ответа на нетиповой запрос вручную занимает у специалиста от 15 до 30 минут; хороший ИИ-ассистент сокращает это время до секунд.

В HR-поддержке Ростелекома ассистент четыре года обслуживает 77 000 сотрудников с точностью ответа 85% и долей положительных оценок 91%. В РУСАЛе один бот закрывает вопросы по сбросу пароля, установке ПО, отпускам и льготам для 50 000 сотрудников в пяти часовых поясах. А в Газпромбанке HR-бот закрывает 77% обращений при NPS 73%.

В отличие от остальных трёх ролей, операционный директор участвует в решении независимо от направления — экономика проверяется всегда. Он переводит все перечисленные критерии в один вопрос: окупится ли внедрение и как это проверить.

• Запрашивайте расчёт эффекта в рублях на штат поддержки, а не только процент автоматизации. По данным внедрений, компании экономят более 5 млн ₽ в год на каждые десять сотрудников, задействованных в клиентской, технической, юридической и HR-поддержке. Такой расчёт можно получить ещё до внедрения — например, по модели с реальными вводными: для контакт-центра из 25 операторов и 20 000 обращений в месяц она даёт больше 11 млн ₽ чистой экономии в год и свыше 50 млн ₽ NPV за пять лет.
• Уточняйте, как измеряется эффект после запуска, а не только на этапе пилота — уровень роботизации ответов в зрелых внедрениях достигает 60−90%, но эта цифра должна быть измеримой метрикой, а не разовой оценкой.
• Спрашивайте, ограничено ли решение исходным направлением или может закрыть и другие процессы без отдельной закупки. Это не гарантированный сценарий, а вопрос архитектуры вендора — но если компания планирует расширение на ИТ- или HR-поддержку позже, дешевле выяснить это до подписания контракта, а не после.
• Проверяйте, сколько времени в неделю платформа экономит операторам при поиске информации — это отдельная метрика от процента автоматизации и часто убеждает бюджетодержателя быстрее, чем общий процент роботизации.

В «Ингосстрахе» внедрение ИИ-ассистента для корпоративной поддержки 12 000 сотрудников ускорило маршрутизацию обращений на 37%, снизило нагрузку на поддержку на 45% и высвободило 3,5 ставки без расширения штата. В «Новосибирскэнергосбыте» ассистент запустили за 1 день, и он вдвое снизил нагрузку на контакт-центр. Полный список кейсов с цифрами по отраслям — на странице Кейсы.

Ошибка возникает, когда неясно, кто из ЛПР ведущий заказчик для конкретного направления, а кто — согласующий. Тогда каждый тянет оценку в свою сторону: ИТ фокусируется на безопасности, CX — на качестве ответов, операционный директор — на цене подписки. Результат — либо бесконечное согласование, либо выбор по формальному чек-листу без проверки на реальных данных компании.

Рабочий подход — с самого начала явно зафиксировать, чьи критерии из таблицы выше обязательны, а какие — предмет для обсуждения, вместо того чтобы выяснять это по ходу согласования. Тогда один пилот на реальных обращениях компании отвечает сразу на вопросы всех участников закупки, а не только ведущего.