ИИ-агент для поддержки клиентов: ответы 24/7 без потери качества
Как запустить ИИ-агента для поддержки клиентов: база знаний и RAG, тон ответов, передача сложных случаев людям, метрики (время первого ответа, решённые обращения, CSAT), каналы сайт и Telegram, план пилота на четыре недели.

ИИ-агент для поддержки клиентов нужен, когда операторы весь день отвечают на одни и те же вопросы, а клиент ночью и в выходные ждёт до утра. Хороший агент закрывает типовые обращения сам, сложные передаёт людям с готовой сводкой, и клиент не чувствует, что его «отфутболили к боту». Плохой агент раздражает клиентов, выдумывает ответы и в итоге добавляет операторам работы. В этой статье — как сделать первый вариант: база знаний, тон, передача людям, метрики, каналы и план пилота.
Коротко:
- ИИ-агент в поддержке отвечает по вашей базе знаний (RAG), а не «из головы». Без базы знаний запускать его нельзя.
- Главная функция — не отвечать на всё, а вовремя передать человеку: при жалобе, деньгах, нестандартной ситуации или просьбе клиента.
- Метрики до запуска: время первого ответа, доля решённых без человека, CSAT, доля передач и повторных обращений.
- Начинайте с одного канала (сайт или Telegram) и 20–30 самых частых вопросов. Пилот — около четырёх недель.
- Модель выбирайте под данные и доступность: в России это GigaChat, модели в российских облаках или открытая модель на своём сервере.
Чем агент поддержки отличается от бота на сайте
Ассистент на сайте, о котором я писал в статье AI-ассистент на сайте, работает с новыми посетителями: отвечает на вопрос, уточняет задачу и берёт контакт. Его цель — заявка.
Агент поддержки работает с теми, кто уже клиент. Его цель — решить вопрос быстро и правильно: где заказ, как вернуть, почему не работает, как поменять тариф. Отсюда другие требования:
| Ассистент продаж | Агент поддержки | |
|---|---|---|
| Кто пишет | новый посетитель | действующий клиент |
| Цель | контакт и заявка | решённый вопрос |
| Нужные данные | услуги, цены, кейсы | регламенты, статусы заказов, история клиента |
| Цена ошибки | упущенный лид | недовольный клиент, возврат, жалоба |
| Главная метрика | доля диалогов с контактом | доля решённых, CSAT |
База знаний: без неё агент выдумывает
Модель без базы знаний отвечает правдоподобно и неверно. Поэтому первая неделя проекта — не настройка модели, а сбор знаний.
Что положить в базу:
- ответы на 20–30 самых частых вопросов — их легко найти в истории переписки и звонков;
- регламенты: возврат, обмен, гарантия, сроки, доставка, оплата;
- описания продуктов и тарифов с актуальными ценами;
- типовые проблемы и шаги решения;
- что агент не делает и кому передаёт.
Технически это RAG: перед ответом агент находит в базе нужные фрагменты и отвечает по ним, со ссылкой на источник. Подробно, как это устроено, — в статье RAG для бизнеса. Я строил такую систему в 2023–2024 годах для ccBot: поиск по базе на Manticore и Qdrant, ответы модели только по найденным фрагментам. Главный урок с тех пор не изменился: качество агента на 80% определяется порядком в базе знаний.
Для вопросов вроде «где мой заказ» базы мало — агенту нужен доступ к системе заказов или CRM. Только на чтение и только к данным этого клиента. Как подключать агента к внутренним системам, рассказывал в статье про MCP.
Тон: агент говорит голосом компании
Клиент в поддержке часто уже раздражён. Пять абзацев вежливых формулировок его добьют. Правила тона, которые я прописываю агенту:
- коротко: сначала ответ на вопрос, потом детали;
- без канцелярита и без «Ваше обращение очень важно для нас»;
- признавать проблему, если она есть, и не спорить с клиентом;
- не обещать того, чего нет в регламенте: сроки, компенсации, скидки;
- честно говорить, что отвечает ИИ, и сразу давать возможность позвать человека.
Тон проверяется на реальных диалогах. Берём 30–50 старых обращений, прогоняем через агента и сравниваем с ответами лучших операторов.
Передача человеку: главная функция агента
Агент, который не умеет вовремя остановиться, опаснее, чем отсутствие агента. Правила эскалации записываются до запуска:
| Ситуация | Что делает агент |
|---|---|
| Клиент просит человека | сразу передаёт, без уговоров |
| Жалоба, угроза уйти, негатив | передаёт старшему с пометкой |
| Деньги: возврат, компенсация, спор о счёте | собирает данные, решение за человеком |
| Ответа нет в базе знаний | честно говорит и передаёт, не выдумывает |
| Повторное обращение по той же проблеме | передаёт, вопрос не решён |
| Юридические вопросы, претензии | только человек |
Хорошая передача — это не «ожидайте оператора», а сводка для сотрудника: кто клиент, что случилось, что агент уже предложил, какие данные собраны. Оператор не переспрашивает, клиент не повторяет всё заново.
Ночью и в выходные агент честно говорит, когда ответит человек, и записывает обращение в очередь.
Метрики: что мерить до и после
Без замера «до» вы не докажете эффект. За две недели до запуска снимите текущие цифры:
| Метрика | Что показывает | Где взять |
|---|---|---|
| Время первого ответа | как быстро клиент получает реакцию | хелпдеск, CRM, мессенджер |
| Время до решения | сколько живёт обращение | хелпдеск |
| Доля решённых без человека | сколько забрал агент | логи агента |
| CSAT | доволен ли клиент ответом | оценка после диалога |
| Доля передач людям | насколько агент справляется | логи агента |
| Повторные обращения | решён ли вопрос на самом деле | CRM |
| Нагрузка на операторов | обращений на человека в день | хелпдеск |
Главная ловушка — смотреть только на долю закрытых агентом. Её легко накрутить: агент «закрывает» диалог, а клиент приходит снова или уходит к конкуренту. Поэтому доля решённых всегда смотрится вместе с CSAT и повторными обращениями. Как вести такой замер честно и отчитываться собственнику — в статье про окупаемость ИИ.
Каналы: сайт, Telegram, почта
Начинайте с одного канала, где больше всего обращений.
- Чат на сайте — проще всего контролировать, легко показать кнопку «позвать человека».
- Telegram — клиенты привыкли писать в мессенджер, бота подключить несложно. Важно продумать, как оператор подхватывает диалог.
- Почта — агент разбирает входящие, готовит черновики, человек отправляет. Хороший старт для осторожных: клиент всегда получает ответ, проверенный сотрудником.
Все каналы должны писать в одну систему — CRM или хелпдеск, — чтобы история клиента была в одном месте. Иначе агент в Telegram не знает, что клиент вчера писал на почту.
Какую модель выбрать
В поддержке почти всегда есть персональные данные: имена, телефоны, адреса, номера заказов. Это сужает выбор. Anthropic и OpenAI официально не обслуживают Россию, поэтому для поддержки российской компании я смотрю на варианты, где понятно, где обрабатываются данные:
- GigaChat от Сбера — модели GigaChat 3 Ultra, 2 Max, 2 Pro, 2 Lite и эмбеддинги для поиска по базе (документация Сбера). На GigaChat Pro у меня работает ИИ-квалификатор электромонтажной компании «А-Энерго»: заявка попадает в CRM через секунду после диалога. Подробнее — в статье GigaChat для бизнеса.
- Модели в российских облаках — Alice AI, Qwen и DeepSeek в Yandex AI Studio, Qwen, GLM и Kimi в MWS Cloud.
- Открытая модель на своём сервере — если данные нельзя отдавать наружу вообще.
Для типовой поддержки не нужна самая мощная модель. Дешёвая быстрая модель плюс хорошая база знаний обычно выигрывает у дорогой модели без базы. Схему делаю такой, чтобы модель можно было сменить без переделки агента. Про защиту данных и права агента — в статье ИИ и безопасность данных.
План пилота на четыре недели
Неделя 1. Замер и знания. Снимаем метрики «до», выгружаем историю обращений, выбираем 20–30 частых вопросов, собираем базу знаний и правила эскалации.
Неделя 2. Тихий режим. Агент отвечает на реальные обращения, но ответы видит только оператор: он отправляет их как есть, правит или пишет свой. Каждая правка — в правила или базу.
Неделя 3. Частичный запуск. Агент отвечает сам на одном канале и только по темам, где в тихом режиме почти не было правок. Остальное — людям. Каждый день смотрим выборку диалогов.
Неделя 4. Решение. Сравниваем метрики с «до»: время первого ответа, долю решённых, CSAT, повторные обращения. Решаем: расширяем темы и каналы, дорабатываем или выключаем.
После пилота агент не «запускается и забывается». Раз в неделю — разбор диалогов с низкой оценкой и вопросов, на которые не нашлось ответа. База знаний растёт вместе с продуктом.
Частые вопросы
Не разозлит ли клиентов то, что отвечает бот? Злит бот, который не понимает вопрос и не даёт позвать человека. Агент, который быстро решает простое и сразу передаёт сложное, обычно воспринимается нормально. Проверяйте по CSAT.
Сколько обращений агент может закрыть сам? Зависит от доли типовых вопросов и качества базы знаний. Реальную цифру показывает тихий режим на второй неделе пилота.
Нужно ли увольнять операторов? Обычно нет. Операторы перестают отвечать на одно и то же и занимаются сложными случаями, жалобами и ключевыми клиентами.
Что делать, если агент ответил неправильно? Разобрать диалог, поправить базу знаний или правило и, если нужно, извиниться перед клиентом через человека. Поэтому первые недели ответы читаются каждый день.
Можно ли подключить агента к нашей CRM? Да, через API или коннектор. Права — только на чтение нужных данных и создание обращений, без удаления и изменения денежных полей.
Если хотите, чтобы поддержка отвечала быстрее без роста штата, посмотрите, как устроены AI-сотрудники. Или напишите в Telegram, сколько обращений в день и какие вопросы самые частые, — подскажу, с чего начать пилот.
Похожие статьи: AI-ассистент на сайте: как чат-бот собирает заявки · RAG для бизнеса