Разминирование ИИ-ловушек. Основные проблемы при внедрении искусственного интеллекта в систему поддержки клиентов
Изображение сгенерировано нейросетью shutterstock.com
Решения на основе ИИ становятся неотъемлемой частью первой линии соприкосновения с клиентами. Мы видим, как чат-боты постепенно забирают на себя всю систему поддержки. Но часто при разработке и внедрении ИИ-технологий компания допускает ошибки, которые оказывают негативное воздействие на эффективность решения. Сегодня вместе с экспертом по ИИ, основателем и СЕО проекта BotB2B Виктором Поповым мы разберем частые ошибки при внедрении ИИ-технологий в систему поддержки, поговорим о подводных камнях, специфике чат-ботов в российском бизнесе.
Типы ИИ-ассистентов в клинской поддержке
В настоящее время существует два основных типа ИИ-ассистентов - старого поколения и нового поколения. Ярким примером старого поколения является голосовой помощник Олег от Т-Банка, который основан на технологии распознавания различных слов и комбинаций для сопоставления с вопросами, по которым обращается пользователь, а далее выдает ему варианты ответов. Проблема таких ассистентов в том, что они в итоге не понимают запрос клиента, поэтому вынуждены осуществлять перевод на оператора. Таким образом, они не выполняют в полной мере свои задачи в рамках клиентского сервиса.
ИИ-ассистенты нового поколения основаны на технологии GPT. В отличие от своих предшественников они значительно умнее. Тем не менее, и они не лишены проблем. Большая языковая модель (LLM) способна понять вопрос пользователя, но для ответа ей нужен контекст, знания о компании. Несмотря на сложности работы с новой технологией, использовании ИИ-ассистентов нового поколения значительно снижает частоту переключения на живого оператора.
Очевидные и неочевидные проблемы
Одной из самых актуальных проблем является грамотная настройка ИИ-ассистента, связанная с тем, что технология сама по себе очень новая, а это значит, что на рынке представлено небольшое количество специалистов, глубоко погруженных в специфику реализации подобных проектов. Безусловно, мы видим, что постоянно появляются новые SaaS-решения, которые в некоторой степени упрощают процесс. Однако, для каждого бизнеса необходимо доработка этих решений. Бизнес вынужден наполнять базу знаний и постоянно экспериментировать.
К очевидным проблемам относится сложность тестирования ИИ-решения. Мы осознаем, что пользователи задают большое количество вопросов. И компания, работающая на рынке несколько лет, имеет различные кейсы. Но реальность такова, что внештатные ситуации сильно влияют на результат. Приведу простой пример из практики. Региональный интернет-провайдер внедряет ИИ-решение на первую линию поддержки пользователей. Очевидно, что самая распраненная проблема, с которой обращаются на горячую линию, - это неработающий интернет или низкая скорость. Чат-бот в таком случае будет рекомендовать проверить оборудование, перезагрузить роутер. Но возникает форс-мажорная ситуация, когда интернет отключен по причине большого обрыва линии связи. И чат-бот, рекомендующий проверить оборудование, в такой ситуации бесполезен.
Часто у разработчиков возникает иллюзия, что они обучили чат-бота буквально всему, но пользователи могут задавать самые неочевидные вопросы. В этой ситуации многое будет зависеть от того, насколько качественное тестирование было проведено. Оптимально довериться профессионалам и обратиться в стороннюю компанию, специализирующейся на разработке ИИ-решений “под ключ”. Но здесь возникают другие трудности - на первом этапе почти невозможно понять, какая стоимость услуг является адекватной в вашем случае. Есть вроде бы простое решение - смотрим рынок и сравниваем цены. Но с ИИ-решениями так не работает. Необходимо составить полноценное ТЗ, отобрать компании, которые имею релевантный опыт и отправить им ваш запрос. Но даже на этом этапе вы не получите КП с ценой. Скорее всего, будет инициирован созвон, где будет обсуждаться реализация будущего ИИ-решения. И только после этого есть вероятность получения КП с примерной стоимостью работ. И тут важны две вещи. Первое - стоимость неокончательная. После детального изучения материалов на этапе финального согласования нужно быть готовым к тому, что ценник изменится в сторону увеличения. Второе - вы можете получить КП с очень разными ценами. Сам рынок ИИ-решений в России пока только формируется. Несмотря на достаточно большое количество компаний, единая политика ценообразования отсутствует.
Специфика ИИ-ассистентов в современном бизнесе
Решения на основе ИИ нельзя сделать универсальными. Сами принципы интеграции ИИ-помощника идентичны, но при этом для каждой сферы нужна своя база знаний, а значит и разные настройки. Например, решение, разработанное для медицинского центра широкого профиля, не подойдет для стоматологической клиники. Много зависит от того, какие каналы коммуникации являются приоритетными для бизнеса.
Однако для любой ниши есть универсальное правило - на первоначальном этапе внедрения чат-бота в систему поддержки необходим постоянный мониторинг его действий. Таким образом, вы сможете оценить насколько быстро окупится ИИ-решение, а также будете в режиме онлайн осуществлять контроль за действиями чат-бота. Необходимо оценивать количество диалогов, удовлетворенность клиентов, количество переходов ко второй линии поддержки.
Если мы говорим об окупаемости, то на первый план выходит оценка стоимости диалога, которая может варьироваться от нескольких десятков копеек до несколько десятков рублей. Но практика показывает, что диалоги первой линии поддержки обычно стоят достаточно дешево, поэтому чаще всего ИИ-решение окупается быстро. Но тут многое зависит от изначального бюджета. Например, вы потратили 2 млн на разработку ИИ-решения. После прохождения тестового периода вы увольняете 9 из 10 специалистов службы поддержки. Средняя зарплата на рынке такого специалиста порядка 50 тыс. руб. На первый взгляд вы экономите 450 тыс ежемесячно. Но если учесть налоговые и страховые взносы, то сумма экономии значительно вырастет. Всего за 3-4 месяца вы полностью окупите цифрового помощника.
Бытует мнение, что цифровые помощники эффективно используются только для большого бизнеса. Практика показывает, что это миф. Сокращение расходов, оптимизация бизнес-процессов актуализирует внедрение ИИ-решений для субъектов малого и среднего предпринимательства. Оценка рынка в среднесрочной перспективе наглядно демонстрирует, что те компании, которые внедрили ИИ-технологий в систему поддержки клиентов, в перспективе 2-3 лет будут иметь значительное конкурентное преимущество.
Безопасность хранения персональных данных
Любое ИИ-решение влечет за собой вопрос конфиденциальности данных. Для построения полностью безопасной системы необходимо разворачивать нейросети на собственных серверах. Для этого мы должны их купить или арендовать. На практике, это достаточно дорогостоящий процесс, который может позволить себе только крупный бизнес. Для малого и среднего предпринимательства наиболее оптимально использовать готовые Pull API. Но здесь важно убедиться, что ваши поставщики соблюдают политику конфиденциальности данных. Таким образом, вы закроете юридический аспект.
Как понять, что разработанное ИИ-решение работает эффективно?
В первую очередь, система поддержки направлена на удержание клиентов и повышения лояльности. Для компании важно, чтобы запросы пользователей решались с помощью чат-бота, минимизируя переходы на живых специалистов. Если степень удовлетворенности сохраняется на текущем уровне или растет, а количество переключений на вторую линию постоянно снижается и фактически стремится к нулю, то это явные признаки того, что ИИ-решение справляется со своими задачами.
Часто задачи ИИ-помощников выходят за стандартный функционал. Например, команда BotB2B разрабатывает чат-ботов для субъектов МСП, имеющих свои магазины на платформе Авито. Предприниматели приходят к нам с такими проблемами, как слишком интенсивный поток вопросов от покупателей, когда живые операторы просто не успевают отвечать на запросы пользователей; низкая скорость ответов и невысокое качество самих диалогов со стороны менеджеров.
Как мы видим, вопрос здесь не только в удержании клиентов и сохранении лояльности, еще важен показатель конверсии продаж. Мы подключаем чат-бота к магазину на Авито, и он заменяет штат менеджеров. Цифровой помощник в режиме реального времени отвечает на любые запросы клиентов. Важно, что для цифрового помощника не важно, сколько запросов поступило - 10 или 50. Скорость и качество ответов всегда будут на высоком уровне. При этом в таком чат-боте защита очень важная функция - продажа товара или услуги. На практике мы видим, как разработанное ИИ-решение в несколько раз повышает конверсию продаж за счет того, что чат-бот доступен для общения с клиентами круглосуточно. В целом, внедрение ИИ-технологии в систему поддержки клиентов позволяет эффективно масштабировать свой бизнес и улучшать пользовательский опыт.
Опубликовано 24.08.2024
