34 минуты против 40 секунд: кейс внедрения ИИ-агента на входящие

Первый ответ на входящее сообщение занимал 34 минуты в рабочие часы и висел до следующего утра во всё остальное время. Сейчас ответ уходит за 40 секунд, круглосуточно. Конверсия из обращения в состоявшийся разговор с менеджером выросла с 52% до 71%. Инфраструктура стоит около 45 долларов в месяц.

Дальше по порядку: почему я вообще за это взялся, что сломалось по дороге, какую часть пришлось откатить и что в итоге было куплено. Это кейс, а не обзор технологии, поэтому разбор идёт от решений, а не от инструментов.

С чего началось

Не с интереса к нейросетям. Я разбирал, почему при растущем бюджете количество сделок стоит на месте, и упёрся в вещь совершенно неромантическую. Обращений приходило достаточно, 380 в месяц по всем каналам, это двенадцать-тринадцать в день. Проблема была в промежутке между тем, как человек написал, и тем, как с ним поговорил живой менеджер.

В отчётах это выглядело как слабая конверсия из заявки в разговор, 52%. Почти год мы лечили её скриптами продаж. Диагноз был неверный.

Почему не человек на первой линии и не чат-бот

Первое, что предлагают в такой ситуации, - посадить джуна разбирать входящие или поставить бота с деревом кнопок.

Джун закрывает только рабочие часы, а 41% обращений приходил вечером и в выходные. Это не погрешность, это почти половина задачи, к которой он вообще не притрагивается. Ночная смена на объёме в 380 обращений не сходится ни в одной таблице, которую я пробовал построить.

С чат-ботом хуже. Он не столько фильтрует, сколько раздражает: человек уже сформулировал вопрос своими словами, а ему в ответ предлагают выбрать раздел меню. Мы это пробовали раньше и сняли через три недели, потому что вовлечённость в диалог просела заметно.

Нужно было третье. Чтобы кто-то читал свободный текст, понимал, о чём речь, задавал один-два уточняющих вопроса и передавал менеджеру не переписку, а ситуацию.

Один сценарий, а не десять

Я автоматизировал ровно одну вещь: разбор входящего обращения и передачу менеджеру.

Это оказалось важнее любого технического решения. Была соблазнительная идея сделать сразу всё - ответы на частые вопросы, запись, напоминания, дожим. Я её отложил, потому что у такого набора нет точки, в которой можно сказать, сработало или нет. У одного сценария она есть, и меряется он в состоявшихся разговорах.

Через две недели цифры сдвинулись. Через шесть я расширил.

Во что это обошлось

По деньгам почти ни во что: 45 долларов в месяц за сервер и обращения к модели. Разовых затрат не было, я собирал сам на n8n.

Обошлось временем. Пять недель от старта до момента, когда система заработала без присмотра, и три из этих пяти ушли на то, чтобы вытащить из компании письменные ответы на вопросы, которые все и так знают. Выяснилось, что на «за сколько сделаете» у нас нет одного ответа: каждый менеджер называл свой срок, и каждый был по-своему прав.

Это самая недооценённая часть любого такого проекта. Внедрение начинается не с модели, а с того, что кто-то садится и записывает то, что до этого жило в головах.

Что сломалось

Три вещи, и ни одна не техническая.

Агент назвал цену, которой у нас нет. В первую же неделю, уверенно, со сроком и обоснованием. Я не подключил его к актуальному прайсу, понадеявшись, что общих формулировок хватит. Не хватило: модель не говорит «я не знаю», она заполняет пустоту правдоподобным текстом. С тех пор правило простое - всё, что можно посмотреть в системе, агент берёт оттуда, а не из головы. Подробнее про это явление - в термине галлюцинации нейросети.

Критерий целевого лида оказался кривым. Я сформулировал его сам, за полчаса. Под него попадал каждый, кто спрашивал про стоимость, а у нас 34% входящих - вообще не покупатели: рекламные предложения, поставщики, ошиблись адресом. Переписывал трижды. Рабочий вариант появился только после того, как я две недели читал журнал решений подряд, около двухсот штук. Эту работу нельзя делегировать разработчику: кого считать целевым, знает бизнес.

Менеджеры агенту не верили. Первые дни они всё равно перечитывали исходную переписку целиком, и экономия обнулялась. Помогло не убеждение, а ссылка на оригинал диалога прямо в карточке: хочешь проверить - один клик. Через неделю проверять перестали.

Где я откатился

Была попытка отдать агенту дожим тех, кто не ответил: вежливое напоминание через сутки и ещё одно через три дня.

Технически всё работало. Отказался я по другой причине. В переписке с человеком, который проявил интерес и замолчал, любая механическая нота считывается мгновенно, и вместо возврата к диалогу получаешь тихое раздражение. Двое клиентов написали об этом прямым текстом.

Дожим вернул людям. Границу провёл так: агент работает до первого содержательного контакта с менеджером и дальше не лезет.

Что в итоге

Конверсия из обращения в состоявшийся разговор выросла с 52% до 71%. Время первого ответа упало с 34 минут до 40 секунд и перестало зависеть от времени суток. Разбор входящих съедал у команды около девяти часов в неделю - теперь не съедает.

Вот эти девять часов я, по сути, и купил. Не технологию.

Что я скажу другому маркетологу

Не начинайте с вопроса «что нам может дать ИИ». На него нет ответа, и вы утонете в демонстрациях.

Начинайте с обратного конца. Найдите место, где теряете деньги на действии, которое повторяется каждый день и не требует человеческого суждения. Скорее всего оно окажется унизительно простым: неотвеченные вечерние сообщения, сортировка входящих, сборка одного и того же отчёта. Автоматизируйте это одно и посмотрите на цифру через две недели.

И держите в голове, что покупаете не технологию, а время команды и скорость реакции. Если после внедрения не изменилось ни то, ни другое, вам продали демонстрацию.

Английская версия этого кейса опубликована на Medium.