Как «Плати по миру» сократила расходы на техподдержку на 98%: кейс внедрения ИИ

Почему техподдержка дорожает быстрее, чем растёт бизнес

Большинство компаний сталкиваются с одной и той же проблемой: объём клиентских обращений растёт вместе с выручкой, а значит, вслед за ним линейно растёт ФОТ поддержки. Нанимаете больше клиентов — нанимаете больше операторов. Запускаете новую функцию — получаете всплеск вопросов. Проводите акцию — смена не справляется.

Это называется линейной масштабируемостью поддержки: каждый новый оператор стоит денег вне зависимости от того, сколько обращений пришло сегодня. В тихий день он всё равно получает зарплату. В пиковый день вам нужен дополнительный.

Из чего на самом деле складывается стоимость одного обращения

Многие считают только прямой ФОТ и делят его на количество обращений. Но реальная стоимость обращения выше:

Если сложить всё это и разделить на количество обращений в месяц, реальная стоимость одного обращения у компаний с командой 30 операторов часто оказывается в районе 35–50 рублей. По модели расчёта для «Плати по миру» это около 40 рублей за обращение при ручной обработке.

Почему повторяющиеся вопросы — главная проблема для бюджета поддержки

По данным операционных директоров компаний с командами поддержки от 10 человек, от 40 до 60% всех обращений в первую линию — это вопросы, которые уже задавались. Статус заявки, сроки доставки, как сбросить пароль, где найти документ.

Оператор отвечает на такой вопрос за 3–5 минут. Умножьте на 200–500 таких обращений в день — и вы получаете 600–2500 минут рабочего времени, которые ежедневно уходят не на сложные ситуации, а на одни и те же инструкции.

Вывод: автоматизация именно этой рутины — единственный способ остановить рост расходов без снижения качества поддержки.

Что такое ИИ первая линия поддержки: определение и принцип работы

ИИ первая линия поддержки — это программный ассистент, обученный на вашей базе знаний и истории реальных диалогов, который автоматически обрабатывает повторяющиеся обращения клиентов и передаёт сложные случаи живому оператору. Важно не путать с тем, что раньше называли «чат-ботом».

Чем ИИ-ассистент отличается от скриптового чат-бота

Современный ИИ-ассистент понимает, что вопрос «когда придут деньги», «сроки зачисления» и «не вижу платёж» — это одно и то же обращение, и отвечает на него из базы знаний, а не тупит в меню выбора.

Что делает ИИ-ассистент, а что остаётся операторам

Принцип простой: ИИ берёт рутину, люди получают кейсы, требующие опыта и суждения.

ИИ-ассистент самостоятельно обрабатывает:

• Ответы по базе знаний, FAQ и регламентам
• Статусы заявок, операций, заказов и обращений
• Типовые вопросы по оплатам, доступам, тарифам и условиям
• Инструкции, навигацию и частые ошибки пользователей
• Сбор данных перед передачей обращения оператору
• Классификацию причин обращений и аналитику повторяющихся проблем

Людям остаются ценные кейсы:

• Конфликтные и эмоционально чувствительные ситуации
• Нестандартные обращения и индивидуальные решения
• VIP-клиенты и высокорисковые запросы
• Юридически, финансово или медицински чувствительные темы
• Контроль качества и улучшение базы знаний
• Сложные кейсы, где нужен опыт специалиста

Это не замена команды поддержки. Это перераспределение нагрузки: ИИ забирает 40–70% типовых обращений, а операторы получают время на задачи, которые действительно требуют человека.

Кейс: «Плати по миру» — от 2,4 млн рублей к 54 тысячам в месяц

Контекст клиента

«Плати по миру» — финансовый сервис с более чем 200 000 активных пользователей. Клиентская поддержка работала через три канала: Telegram, мессенджер Max и веб-чат на сайте. Специфика продукта — большой поток клиентских вопросов по картам, оплатам, пополнениям, статусам операций и типовым проблемам пользователей.

Задача при внедрении была сформулирована чётко: не заменить весь сервис, а перевести рутину на автоматическую обработку и оставить людям сложные кейсы. Именно эта формулировка — ключевая. ИИ-поддержка работает не как замена команды, а как фильтр первой линии.

Ситуация до внедрения

• 30 операторов обрабатывали обращения вручную.
• Большая доля вопросов каждый день повторялась — одни и те же статусы, одни и те же инструкции.
• ФОТ поддержки рос вместе с количеством пользователей и обращений.
• Скорость ответа зависела от загрузки смены: в пиковые часы — очередь, ночью — никого.
• Команда тратила время на рутину вместо сложных и нестандартных случаев.

Стоимость в деньгах: 30 операторов × 80 000 ₽ = 2,4 млн рублей в месяц только на прямой ФОТ первой линии.

Что изменилось после внедрения

• Ассистент обучен на базе знаний и большом массиве прошлых диалогов — ИИ знает реальные ответы, которые уже работали у операторов.
• Типовые вопросы обрабатываются автоматически, сложные передаются человеку с уже собранным контекстом.
• Поддержка работает 24/7 и выдерживает пики нагрузки без расширения смен.
• Появляется аналитика по частым проблемам, пробелам в базе знаний и причинам эскалаций.

Стоимость после: примерно $20 в день при ~2 000 обращений — около 54 тысяч рублей в месяц (расчёт по внутреннему курсу 90 ₽/$ и сравнение только прямой стоимости первой линии).

Сравнение результатов до и после внедрения

Как рассчитать стоимость техподдержки: формула и примеры

Чтобы понять, насколько быстро окупится ИИ-линия для вашей компании, нужно посчитать три числа.

Шаг 1: стоимость ручной поддержки в месяц

Под «полной стоимостью» понимаем оклад + страховые взносы (~30%), то есть если оператор получает 60 000 рублей «на руки», компания платит примерно 80 000–85 000 рублей.

Шаг 2: стоимость одного обращения вручную

Шаг 3: стоимость ИИ-линии

Базовое допущение: при потоке 2 000 обращений в день ИИ-линия обходится примерно в $20 в день (около 1 800 ₽ по курсу 90 ₽/$). Для других объёмов стоимость масштабируется пропорционально.

Пример расчёта для разных размеров команд

Чем больше рутины в вашей первой линии, тем быстрее окупается ИИ-пилот. Если у вас 40% обращений — повторяющиеся вопросы, ИИ закроет именно их. Если 70% — экономический эффект будет пропорционально выше.

Когда ИИ-поддержка окупается быстрее: 6 критериев готовности

Не каждая компания готова к ИИ-поддержке прямо сейчас. Ниже — шесть признаков, при которых пилот окупается быстрее.

• ✓ В поддержке больше 5–10 сотрудников Если команда меньше 5 человек, ФОТ ещё не стал критической статьёй. ИИ окупится, но быстрее — когда команда растёт. Если операторов 10 и больше, рост ФОТ уже ощутим и автоматизация даёт заметный эффект с первого месяца.
• ✓ Более 40% вопросов повторяются Операторы ежедневно отвечают на одни и те же статусы, инструкции, оплаты и ошибки. Если затрудняетесь с оценкой — возьмите 100 последних обращений и посчитайте, сколько уникальных тем.
• ✓ Есть база знаний или история диалогов ИИ обучается на реальных ответах, FAQ, регламентах и накопленных обращениях. Если у вас есть хоть что-то — документ с ответами на частые вопросы, история переписки в helpdesk, внутренние инструкции — этого достаточно для старта.
• ✓ Есть пики нагрузки Сезонные всплески, релизы новых функций, сбои, рекламные акции — всё это создаёт пики, когда операторов не хватает и страдает SLA. ИИ обрабатывает пики без расширения смен и без срочного найма.
• ✓ Клиенты пишут в нескольких каналах Сайт, мессенджеры, Telegram, Max, VK, helpdesk — единая логика поддержки сразу для всех каналов. Операторы перестают переключаться между интерфейсами для типовых вопросов.
• ✓ Есть жалобы на скорость ответа ИИ отвечает мгновенно, а оператор подключается только к сложным и нестандартным ситуациям. Если клиенты жалуются на ожидание — это прямая точка для автоматизации.

Пошаговый план внедрения ИИ-поддержки за 5–10 дней

Одно из главных опасений при автоматизации — «это долго и сложно». На практике пилот запускается быстрее, чем ожидают большинство компаний.

Принцип: начинаем с ограниченного контура

Первый шаг — один канал или одна группа тем, с чёткими правилами эскалации и понятными KPI. После подтверждения результата — масштабируем.

Фаза 1: Аудит обращений (дни 1–2)

Берём 100–300 реальных диалогов из вашей поддержки и разбираем их на три группы:

• Типовые — повторяющиеся вопросы, которые можно закрыть по базе знаний
• Спорные — ситуации, где нужна дополнительная информация или уточнение
• Рискованные — обращения, где ИИ не должен отвечать без оператора (конфликты, финансовые споры)

Этот шаг даёт карту автоматизируемых обращений — вы видите конкретно, сколько процентов запросов можно перевести на ИИ.

Фаза 2: Подготовка базы (дни 3–5)

Собираем материалы для обучения ассистента:

• FAQ и ответы на частые вопросы
• Регламенты и внутренние инструкции
• Правила эскалации: при каком сценарии ИИ передаёт обращение оператору
• Примеры качественных ответов из истории диалогов

Правила эскалации — обязательный элемент. Хорошее правило эскалации: если клиент использует слова «жалоба», «возврат», «мошенничество», «юрист» — сразу к оператору.

Фаза 3: Запуск пилота (дни 5–10)

Подключаем ИИ в одном канале или на ограниченной группе тем. Например: только в Telegram-канале поддержки, только на вопросы по статусам операций или только на вопросы об условиях и тарифах. Один канал снижает риски — если что-то пойдёт не так, проблема будет локальной.

Фаза 4: Оценка KPI (2–4 недели)

Смотрим на цифры пилота: сколько обращений закрыл ИИ без оператора, сколько эскалировал и по каким причинам, где были ошибки и спорные ответы, как изменилась скорость ответа, сколько операторского времени высвободилось.

KPI и метрики: как измерить успех ИИ-пилота в цифрах

Пилот нужен, чтобы проверить экономику и качество на реальных обращениях — до того, как принимать решение о масштабировании. Результат фиксируется в конкретных цифрах, а не «по ощущениям».

8 ключевых метрик ИИ-пилота

1. Доля закрытий ИИ — сколько обращений решено без участия оператора. Хороший показатель на первом пилоте — от 40% и выше. Считать: (Обращения, закрытые ИИ) ÷ (Все обращения за период) × 100%.

2. Стоимость обращения до и после автоматизации — разделите ФОТ за период на количество обращений до и после. Разница и есть ваша экономия на обращение.

3. Скорость ответа / изменение SLA — насколько сократилось среднее время первого ответа. ИИ отвечает мгновенно — SLA по типовым вопросам в пилоте должен резко улучшиться.

4. Доля эскалаций — сколько обращений ИИ передал оператору. Слишком высокая доля (>60%) сигнализирует, что база знаний неполная. Смотрите на причины эскалаций — это карта пробелов.

5. Ошибки и спорные ответы — ответы, которые клиент оспорил или оператор откорректировал. Нормальный показатель на зрелом пилоте — менее 5% от закрытых обращений.

6. Причины обращений — карта того, что именно спрашивают клиенты. Топ-10 причин обращений = список того, что непонятно клиентам в продукте или в коммуникации.

7. Экономия времени операторов — часы в неделю, которые операторы освободили от рутины. Переводится в деньги через стоимость рабочего часа.

8. Потенциал масштабирования — какие каналы и темы стоит подключить следующими.

Таблица интерпретации метрик пилота

Как снизить риски при внедрении ИИ-поддержки: 6 мер контроля

Самое частое опасение: «ИИ ответит клиенту что-то не то — и мы получим скандал». Это реальный риск, и именно поэтому пилот строится в управляемом контуре.

• 1. Ответы только по базе знаний Ассистент опирается на утверждённые материалы — FAQ, регламенты, историю качественных ответов. Он не «сочиняет» — он выбирает лучший ответ из того, что вы ему дали. Это снижает вероятность галлюцинаций до минимума.
• 2. Эскалация человеку с контекстом Спорные, конфликтные и нестандартные вопросы передаются оператору с собранным контекстом: что спрашивал клиент, что уже ответил ИИ, какие данные были уточнены. Оператор не начинает разговор с нуля.
• 3. Логирование всех диалогов Каждый ответ ИИ сохраняется и доступен для проверки. Это основа контроля качества — вы всегда можете посмотреть, что именно и кому ответил ассистент.
• 4. Ограничение тем на старте На пилоте ИИ отвечает только в безопасном контуре — конкретный набор тем, согласованный заранее. Чувствительные сценарии исключены до явного согласования.
• 5. Контроль качества на пилоте Во время пилота фиксируются ошибки, доля эскалаций и спорные ответы. На основе этих данных дорабатываются правила и обновляется база знаний — итерационно, без остановки работы.
• 6. Постепенное масштабирование Сначала один канал или одна группа тем. После подтверждения KPI — расширение. Практический совет: не торопитесь с расширением до тех пор, пока доля ошибок в первом контуре не стабилизировалась ниже 5%.

Кто уже использует ИИ-поддержку в России: примеры крупных компаний

ИИ-поддержка — это уже не эксперимент будущего. Крупные игроки российского рынка публично говорят о чат-ботах, AI-агентах и ML в клиентских коммуникациях.

• Т‑Банк — публично описывает использование чат-ботов поддержки для распознавания запросов клиентов и выдачи релевантных ответов в чате.
• МТС / MWS — платформа AI Agents включает автоматические ответы, маршрутизацию обращений, подсказки операторам и аналитику коммуникаций.
• Сбер — развивает SaluteBot для сервисной поддержки, рутинных запросов и автоматизации клиентских коммуникаций.
• Авито — публично говорит о применении ML и AI в пользовательских чатах и развитии соответствующих направлений.
• ВТБ — финансовый сервис развивает официальные автоматизированные каналы в мессенджерах как часть клиентского взаимодействия.
• Ozon — публично описывает использование чат-бота как способ быстро отвечать клиентам по типовым вопросам в личном кабинете.

Когда ИИ-поддержку внедряют лидеры каждой отрасли, клиенты начинают ожидать мгновенных ответов как стандарта. Компании без автоматизации первой линии проигрывают не только в стоимости поддержки, но и в пользовательском опыте.

Итоги: что важно знать об автоматизации техподдержки

1. ФОТ поддержки растёт линейно — единственный способ остановить этот рост без снижения качества — автоматизировать рутинную первую линию.
2. ИИ-ассистент — это не чат-бот с меню, а система, обученная на ваших реальных диалогах и отвечающая по базе знаний. Она понимает смысл вопроса, а не ищет ключевые слова.
3. Экономика понятна: при 2 000 обращений в день ИИ-линия стоит около $20 в день против десятков операторов. Снижение прямой стоимости первой линии — до 98% на типовых обращениях.
4. Пилот запускается за 5–10 дней — один канал, ограниченные темы, чёткие правила эскалации. Никакой полной перестройки поддержки.
5. Риски управляемы: ограничение тем, логирование, правила эскалации и постепенное масштабирование — стандартный контур безопасного пилота.

Частые вопросы об ИИ-поддержке