Что ИИ изменил в ожиданиях клиентов и как бизнесу им соответствовать: рассказывают эксперты Точка Банка

В данном контексте мы имеем в виду LLM-модели — это модели, обученные на огромном количестве текстов из интернета.ИИ плавно, но меняет привычки людей. Они всё меньше хотят перебирать десятки ссылок и всё чаще начинают искать информацию и ответы на вопросы через нейросети. Клиенты привыкают быстро получать ответы, сравнивать предложения, получать персональные, а не общие рекомендации.

Постепенно это становится новым способом решать задачи. Раньше человек был готов изучать сайты и ждать ответа менеджера, а сегодня он ждёт другого уровня скорости и удобства.

Исследования показывают, что из опрошенных:

«15−20 лет назад телефонный разговор был привычным способом коммуникации. А сегодня многие воспринимают неожиданный звонок как вторжение в личное пространство и предпочитают сначала получить сообщение с уточнением: можно ли позвонить? Это происходило плавно, но потом стало нормой поведения. Так же будет и с ИИ», — Ксения Михайлова.

Меняются поведение и ожидания клиентов, а значит, должен меняться и клиентский сервис. Люди начинают ожидать от компаний такого же простого и быстрого взаимодействия, к которому они привыкли в цифровой среде. Поэтому вопрос для бизнеса сегодня не в том, нужно ли использовать ИИ в работе с клиентами, а как именно и в каких процессах это их касается.

«Бизнесу уже важно не просто решать, внедрять ИИ или нет, а понимать, в каких задачах технология действительно создаёт ценность. ИИ может помогать сотрудникам быстрее находить информацию, принимать более точные решения и качественнее решать вопросы клиентов. А может напрямую упрощать клиентский путь. Но в любом случае у человека должен оставаться прозрачный выбор: решить задачу с помощью технологии или обратиться к сотруднику. Поэтому конкурентное преимущество — не наличие ИИ, а умение встроить его в процессы так, чтобы клиент быстрее получал нужный результат и не терял контроль над способом взаимодействия», — Анастасия Антонова.

Когда искусственный интеллект только начинали использовать в бизнесе, многие решили, что скоро всё будет автоматизировано, а роботы станут делать всю работу за людей. На практике же ИИ становится привычным инструментом постепенно, через небольшие задачи, которые помогают предпринимателям экономить время каждый день.

Сегодня нейросети помогают подготовить текст, найти информацию, разобрать документы, проверить данные, проанализировать отзывы клиентов или составить черновик ответа. Задачи, на которые раньше уходили часы, теперь можно решить за несколько минут.

Например, дизайнер интерьеров может использовать ИИ, чтобы превращать созвоны с заказчиками в ТЗ: для этого можно загрузить запись встречи в нейросеть, а она расшифрует аудио и выдаст список задач, правок и дедлайнов. Небольшая компания по чистке обуви может использовать ИИ, чтобы проанализировать отзывы на Яндекс Картах — нейросеть заметит повторяющиеся темы: что клиенты чаще всего хвалят, на что жалуются и какие проблемы появляются регулярно.

При этом людям не так важно, подключаете вы ИИ для решения их проблем или нет: они хотят решить свой вопрос. Клиент оценивает результат: насколько быстро ему помогли, насколько удобно было решить вопрос и почувствовал ли он внимание со стороны компании.

Искусственный интеллект отличается от человеческого и не умеет думать. Это языковая модель, которая предсказывает наиболее вероятный ответ на основе огромного объёма информации. У неё нет собственного опыта, намерений, интуиции. Зато она оперирует таким объёмом информации, который ни один человек физически не сможет освоить за всю жизнь.

ИИ не понимает реальность и работает с вероятностями, поэтому может уверенно сказать неправду, если она кажется статистически правдоподобной. То есть там, где есть неопределённость и мало вводных данных, без человека пока не обойтись. Поэтому правильный вопрос для бизнеса сегодня не «Кого заменить ИИ?», а «Где нужны скорость и объём знаний алгоритмов, а где — человеческое понимание и личный опыт?».

«Завайбкодить счётчик калорий или программ тренировок легко, потому что есть уже миллионы таких программ. ИИ легко найдёт лучшие решения на поставленную задачу и предложит то, что подходит именно вам. А вот спроектировать программу тренировок, которая в корне изменит отношение людей к спорту, языковая модель не сможет. Она выдаст наиболее вероятное решение на основе текущего отношения масс к спорту, а это совсем не решает задачу.

Есть режимы глубоких исследований, но это всё та же языковая модель, суть которой — предсказывать наиболее вероятный исход. Понимая это, становится проще определить, где задачу лучше сделает ИИ, а где — человек», — Ксения Михайлова.

Может показаться, что достаточно подключить чат-бота или нейросеть для поддержки, и клиенты начнут получать ответы быстрее. Но сама по себе технология не создаёт хороший сервис: она лишь усиливает процессы, которые уже есть в компании. И если они настроены плохо, внедрение искусственного интеллекта может навредить.

«Эффект от ИИ зависит не столько от технологии, сколько от качества процессов, данных и правил внутри компании. В сильной системе ИИ помогает сотрудникам быстрее находить нужную информацию, принимать более точные решения и сокращать путь клиента к результату. В слабой он так же быстро воспроизводит ошибки, противоречивые ответы и плохой клиентский опыт. Поэтому внедрение ИИ стоит оценивать не по количеству автоматизированных операций, а по тому, стало ли клиенту проще решить свою задачу.

Начать стоит с изучения клиентского пути: понять, где человек теряет время, не получает нужной информации или вынужден обращаться повторно. Затем определить, что в этой точке полезнее: автоматизировать внутреннюю работу сотрудника, предложить клиенту решение с помощью ИИ или сохранить взаимодействие с человеком. При этом перед автоматизацией процесс часто приходится сначала пересмотреть: убрать лишние действия, актуализировать правила, устранить противоречия и заново выстроить его вокруг задачи клиента. И только после этого передавать часть работы ИИ, иначе технология закрепит и масштабирует устаревший процесс», — Анастасия Антонова.

Именно поэтому некоторые внедрения проваливаются. Например, в 2024 году цифровой банк Klarna анонсировал внедрение ИИ-ассистента на базе OpenAI и отчитался, что за первый месяц работы он взял на себя 2/3 всех обращений в поддержку. Но уже спустя год руководство в интервью Bloomberg признало ошибку: качество сервиса снизилось и поэтому компания снова начала набирать людей в поддержку.

Искусственный интеллект — это инструмент в руках человека: технология берёт на себя скорость и шаблонные задачи, а сотрудник — глубину.

«Сегодня меняется не просто набор инструментов — меняется сама ценность человеческого труда. То, что раньше требовало часов поиска и накопления знаний, теперь за секунды делает ИИ. Поэтому ценность сотрудника больше не в том, чтобы знать больше всех, а в том, чтобы понимать контекст, принимать решения, критически оценивать ситуацию и ответы, видеть потребности клиента за его запросом и в зависимости от этого направлять технологии. Человечность, ответственность и способность брать ситуацию под контроль становятся не менее важными, а более значимыми. ИИ не отменяет роль человека — он меняет её», — Ксения Михайлова.

«Совместная работа ИИ и человека помогает сокращать время ожидания и быстрее подключать эксперта там, где особенно важны его опыт, внимание и ответственность. Простые и типовые вопросы клиент может решить за несколько секунд с помощью технологии, если такой формат ему удобен. При этом у него должна оставаться возможность обратиться к человеку, а эксперты смогут быстрее сосредоточиться на сложных, срочных и нестандартных ситуациях», — Анастасия Антонова.

Стратегии работы ИИ в клиентском сервисе для малого и среднего бизнеса будут отличаться: если стартапам в большинстве случаев будет достаточно общедоступных нейросетей, то бизнесу покрупнее, скорее всего, понадобятся интеграции с CRM и другими системами.

Первые результаты можно получить с помощью простых общедоступных моделей — ChatGPT, Claude или YandexGPT. Но начинайте не с вопроса, какую нейросеть подключить, а с другого: где бизнес теряет время, информацию или клиентов? Ответы дадут инсайты для улучшения клиентского опыта и покажут, какие задачи действительно стоит передать ИИ.

ИИ умеет быстро оцифровывать коммуникацию и подсвечивать узкие места в продажах. Например, искусственный интеллект может:

«Если потратить на это пару недель, предприниматель лучше поймёт свой рынок и как на него влиять», — Ксения Михайлова.

ИИ поможет быстро создавать персонализированные коммерческие предложения. Искусственный интеллект проанализирует контекст и создаст предложение под задачи и страхи конкретного клиента.

Например, мастер по ремонту квартир может загрузить в нейросеть всю историю переписки без персональных данных из мессенджера, а ИИ автоматически сгенерирует:

Соберите тексты отзывов без персональных данных за последние несколько месяцев в один Excel-файл и отправьте в чат-бот.

Попросите нейросеть разделить отзывы по тональности: на позитивные, негативные и нейтральные. Вот пример промпта: «Проанализируй эти 300 отзывов. Выдели главные причины, по которым клиенты остаются недовольны, и факторы, которые они хвалят. Сгруппируй данные по категориям: качество, доставка, вежливость, цена». Так вы узнаете долю сомневающихся клиентов, увидите критические зоны и плюсы, которые нужно масштабировать.

Изучение отзывов — это изучение клиента. ИИ проанализирует обратную связь и сформулирует сомнения людей перед покупкой. А понимание страхов аудитории меняет подход к продажам: вы начинаете закрывать главные возражения клиента ещё до того, как он озвучит их вслух.

Сложную таблицу с продажами ИИ может превратить в понятную аналитику. Выгрузите в Excel продажи за сезон без персональных данных, а искусственный интеллект найдёт:

ИИ свяжет запрос покупателя с ассортиментом магазина и поможет консультанту продавать больше и быстрее. Например, пока клиент находится в примерочной, продавец подбирает с ИИ готовые капсулы с учётом цвета, сезона и наличия на складе.

У среднего бизнеса задачи, которые можно делегировать ИИ, требуют интеграций и комплексного подхода.

Она нужна как бизнесу, так и для масштабирования искусственного интеллекта внутри процессов.

Сотрудникам база нужна, чтобы быстрее выполнять работу. Опрос Gartner показал: 47% работников цифровой сферы сложно найти информацию для работы внутри компании. А по данным McKinsey, 1,8 часа в день люди тратят время на поиск информации, которая уже есть где-то в общих файлах и чатах: например, пароли, отчёты, инструкции. Если автоматизировать поиск, за неделю можно сэкономить почти целый рабочий день для одного человека.

«База знаний — это основа качественного клиентского сервиса и для сотрудников, и для ИИ. Она помогает специалистам быстрее находить актуальную информацию и давать клиентам последовательные ответы. А качество ответов ИИ напрямую зависит от того, насколько полны, точны и актуальны знания, на которые он опирается. Поэтому работа с базой знаний — это не внутренняя техническая задача, а прямое влияние на клиентский опыт», — Анастасия Антонова.

ИИ база знаний нужна, так как программа не умеет думать и не знает специфику вашего продукта. Это языковая модель, и ей нужны данные. Без контекста она начнёт галлюцинировать, то есть выдумывать факты. База знаний даст этот контекст, и искусственный интеллект сможет выполнять задачи вашего бизнеса более качественно.

Сначала соберите информацию о компании. Внутри могут быть:

Попросите нейросеть структурировать информацию и объединить данные в файл. Другой способ — воспользоваться платформами со встроенными ИИ для создания базы знаний. В такие решения встроены AI-ассистенты, которые будут анализировать смысл запроса и выдавать точные фрагменты из документов.

Подготовьте персональные инструкции: новичкам нужна база, среднему звену — разбор кейсов, лидерам — стратегия. А база знаний станет основой для создания должностных инструкций. Вот в чём может помочь искусственный интеллект.

Нейросеть расшифрует диалог, даст объективную аналитику по каждому контакту, заполнит карточки в CRM: бюджет, даты, параметры объекта или товара, договорённости и следующую дату контакта. Вот чем это полезно:

Нейросеть соберёт данные за месяц и сформирует понятную аналитическую записку. Например:

Допустим, клиент сообщил о сбое при оплате заказа на сайте в бот — ИИ проанализирует запрос и автоматически создаст задачу в таск-трекере с подробным описанием ошибки. Особенно актуально это направление использования ИИ в IT-сфере. Искусственный интеллект может:

Сегментировать клиентскую базу — значит разделить её на группы по схожим признакам, например: «купили один раз», «постоянные клиенты с высоким чеком», «активно покупают только во время распродаж». Такое разделение помогает создавать более персонализированное предложение.

Попросите ИИ описать каждую категорию: кто эти клиенты, почему покупают у вас и что для них важно. Для этого загрузите в нейросеть информацию о продажах без чувствительных данных: имён, номеров телефонов и тому подобных. Если ведёте CRM-систему, сделайте оттуда выгрузку и удалите разделы с конфиденциальной информацией.

Дайте ИИ задачу сгруппировать покупателей по сегментам и составить описание. Попросите выделить ключевые боли и триггеры для продажи. Затем делегируйте написание текстов для каждой группы, например: «На основе описания портрета группы напиши тридцать вариантов персонализированных писем для email-рассылки с предложением нашего нового продукта».

Если у вас есть карта пути клиента, нейросеть поможет исправить причины, из-за чего клиенты чаще всего уходят или где бизнес теряет их лояльность из-за долгого ожидания.

Например, если аудит пути показал, что 30% заявок приходят ночью и ждут до утра, то в этой конкретной точке будет полезен бот-автоответчик. Если выяснилось, что менеджер тратит по 40 минут на ручной расчёт стоимости или подбор параметров по таблицам, ИИ должен помогать сотруднику здесь, чтобы ускорить процесс.

ИИ сам по себе не делает сервис лучше. Он освобождает время сотрудников, помогает быстрее находить информацию и лучше понимать клиентов. Поэтому выигрывать будут не компании с максимальным количеством ИИ-инструментов, а те, кто правильно распределит задачи между технологией и человеком.

Простые и повторяющиеся задачи можно отдавать ИИ, а там, где нужны опыт, внимание и ответственность, клиенту должен быть доступен человек. Технология должна сокращать путь к решению, но не лишать клиента выбора.

«Победят не самые автоматизированные компании. Победит бизнес, который не будет делить задачи между ИИ и человеком, а спроектирует сервис так, чтобы каждый делал то, в чём он объективно сильнее. Это уже вопрос не технологий, а понимания поведения клиентов и природы задач», — Ксения Михайлова.

«Задача ИИ — не принимать решение за клиента, а помочь ему лучше разобраться в ситуации: найти нужную информацию, сравнить варианты и понять последствия выбора. Окончательное решение должно оставаться за человеком, а технология должна делать этот выбор более понятным и осознанным», — Анастасия Антонова.

Нет. ИИ не заменит людей, но трансформирует работу с данными. При этом обязательства и компетенции сотрудников поддержки изменятся. А ещё, с высокой вероятностью, искусственный интеллект создаст больше рабочих мест и новые профессии, это объясняет парадокс Бессена.

Экономист Джеймс Бессен увидел, что автоматизация приводит к увеличению рабочих мест. Например, в США в период с 1970 по 2000 год появилось 100 тысяч новых банкоматов. В результате среднее количество живых сотрудников, необходимых для обслуживания одного банковского отделения, снизилось с 20 до 13 человек в период с 1988 по 2004 год. Но при этом содержать одно отделение стало значительно дешевле, и банки открыли на 43% больше филиалов. В итоге с 1970 по 2010 год общее число работников банка выросло с 300 тысяч до 600 тысяч человек.

Которые должны работать без скриптов или создавать новый опыт пользователя. Например, если нужно разрулить форс-мажор или спроектировать революционный продукт, меняющий привычки людей, для которого у нейросети просто нет готовых шаблонов в базе данных. Также нельзя автоматизировать задачи, которые не описаны: ИИ не работает без данных.

Главная ошибка — в первую очередь пытаться сократить издержки бизнеса, а не решить проблемы пользователей. Клиентский опыт улучшается, когда закрывается истинная потребность человека и когда он получает дополнительную ценность. Поэтому при внедрении ботов или ИИ фокусируйтесь на реальной пользе для клиента, и лишь потом — на том, насколько автоматизация упростит задачи сотрудникам и сколько получится сэкономить.

Не внедрять ИИ вообще. Худшая стратегия сегодня — занять выжидательную позицию. Искусственный интеллект уже изменил привычки людей, и чем позже бизнес внедрит ИИ в сервис, тем больше будет дистанция между предложением и ожиданиями клиентов.

Внедрять технологию ради моды. Автоматизация ради автоматизации бессмысленна: поддержка нейросети не должна стоить дороже самого процесса. Учитывайте, что железо для крупных языковых моделей (LLM) обходится в сотни миллионов рублей.

Ждать быстрой экономии. Бизнес видит новости об успешных кейсах и пытается скопировать результат. На самом деле ИИ не окупается за год или полтора.

«Все пока только тратят и танцуют на граблях трансформации клиентского и собственного опыта. Всё, что сейчас есть в СМИ, — это концепты, которые очень дорого поддерживаются на уровне компаний. Сама система — инструменты, железо, модели, люди — не готова к принятию изменений в такой короткий срок и к изменению своего поведения», — Ксения Михайлова.

Относиться к нейросети как к готовому продукту. Нельзя один раз протестировать статичную модель, запустить её и забыть. Технологии меняются, и работа с ИИ — это непрерывный процесс. Нужно отслеживать обновления, тестировать новые версии и регулярно обучать систему, то есть расходы будут регулярными.