Что такое ИИ-агент: 41% компаний уже перевели клиентский сервис на автопилот

Свежий отчёт McKinsey о перестройке клиентского опыта фиксирует переход от генеративных чат-ботов к полноценным ИИ-агентам. Разница принципиальная: бот отвечает по скрипту, а ИИ-агент (программа, которая сама ставит подзадачи и выполняет их без пошаговых команд человека) видит историю покупок, незавершённые обращения, паттерн поведения и решает, что делать дальше. Ниже разберём, что такое ИИ-агент в клиентском сервисе, какие результаты уже зафиксированы и как применить это в российских реалиях.

Что понадобится

• CRM-система или хелпдеск с доступом к истории обращений клиента (подойдут Битрикс24, amoCRM, любой тикет-трекер).
• Платформа с агентными возможностями: ChatGPT (тарифы Team или Enterprise), YandexGPT, GigaChat или открытые модели через API.
• Структурированные данные: база клиентов, журнал обращений, каталог товаров или услуг. Без чистых данных агент будет «галлюцинировать» (уверенно выдумывать ответы).
• Время на запуск первого сценария: от 2 до 5 дней на один процесс, если данные уже в порядке.

Пошаговая инструкция

1. Выберите один процесс, а не весь сервис. McKinsey называет это «первым горизонтом»: агент закрывает один чётко описанный сценарий от начала до конца. Например, оформление возврата повреждённого заказа. Не пытайтесь автоматизировать всё сразу.

2. Соберите контекст в одном месте. Подключите к агенту историю заказов, прошлые обращения и статус доставки. Без этого агент видит только текущий тикет и работает не лучше обычного бота.

3. Напишите системный промпт (system prompt, базовая инструкция, которая задаёт роль и ограничения агента). Пропишите в нём границы: что агент может решать сам, когда обязан передать человеку, какие компенсации допустимы без согласования.

Ты — агент клиентской поддержки интернет-магазина.
Контекст: у тебя есть доступ к истории заказов клиента, журналу обращений и каталогу.
Задача: оформить возврат, предложить компенсацию в пределах 500 ₽ промокодом.
Ограничения:
— Если сумма компенсации превышает 500 ₽ — передай оператору.
— Если клиент упоминает суд или Роспотребнадзор — передай старшему менеджеру.
— Не обещай сроки доставки, которых нет в базе.

1. Задайте правила эскалации. Агент должен знать, когда остановиться. В отчёте McKinsey подчёркивается: без жёстких правил эскалации ИИ не устраняет хаос, а масштабирует его.

2. Запустите на ограниченной выборке. Первые 50 обращений пусть проходят через агента с параллельной проверкой оператором. Сравните скорость первого ответа, долю решений с первого обращения и оценку клиента.

3. Замерьте три метрики и зафиксируйте базу.

4. Время первого ответа (до и после).
5. Доля обращений, закрытых с первого касания.

6. Оценка удовлетворённости клиента (CSAT, то есть процент довольных клиентов).

7. Расширяйте только после доказанного результата. McKinsey называет это переходом ко «второму горизонту»: агенты начинают согласовывать несколько сценариев внутри одной области. Но без устойчивого первого горизонта второй не заработает.

Какие результаты уже зафиксированы?

Отчёт McKinsey и публичные кейсы компаний дают конкретные цифры.

• Энергетический ретейлер в Великобритании (около 6 млн клиентов, 7 млн звонков в год): голосовой агент за 5 месяцев научился распознавать 75% потребностей клиентов с точностью классификации намерений около 85%. Рост индекса удовлетворённости на 6 процентных пунктов, годовой эффект свыше 10 млн долларов.

• Американский автопроизводитель (выручка около 700 млн долларов, свыше 50 000 клиентских обращений в год): ИИ-агент работал рядом с оператором, подсказывая решения. Рост показателя решения с первого контакта на 24%, рост продуктивности сотрудников на 30%.

• Unity (игровая платформа): обработано почти 8 000 тикетов без участия человека, время первого ответа ускорилось на 83%, CSAT достиг 93%, экономия около 1,3 млн долларов.

• Esusu (финтех-стартап): время первого ответа сократилось на 64%, время решения на 34% при 10 000 тикетов в месяц, 80% обращений закрыты с первого касания.

• Compass (брокерская компания, 70 рынков, свыше 26 000 агентов-людей): рост показателя решения на 9%, 65% обращений закрыты с одного касания, CSAT 98%.

Ни в одном из этих случаев люди не были заменены полностью. Везде агент работает рядом с оператором или берёт на себя типовые задачи, а сложные передаёт человеку.

Что с этого прямо сейчас, по ролям?

Автору на Дзене. Если вы пишете о товарах или услугах, агентный подход пригодится для ответов подписчикам: подключите бота, который знает ваши прошлые публикации и отвечает на повторяющиеся вопросы в комментариях. Это экономит часы.

Маркетологу. Главная метрика, за которой стоит следить, это доля обращений, закрытых с первого касания. Если она ниже 50%, вы теряете клиентов на повторных контактах. ИИ-агент поднимает её до 65-80% по зафиксированным кейсам.

Предпринимателю в РФ. В России полноценные агентные платформы западного уровня пока ограниченно доступны, но YandexGPT и GigaChat уже работают через API и подключаются к CRM. Начните с одного сценария: возвраты, статус заказа или подбор товара. Не гонитесь за «экосистемой виртуальных сотрудников», пока первый процесс не покажет устойчивый результат.

Главное, что стоит запомнить: агентный ИИ не про замену людей и не про «ещё один чат-бот». Это про то, чтобы каждый клиент получал решение, а не отписку, с первого обращения, с учётом всей истории и без пересказа проблемы заново. Начните с одного процесса, замерьте результат и расширяйте только то, что доказало пользу.