По данным McKinsey Global Institute, компании внедряющие ИИ опережают конкурентов по производительности на 20-40%.

Кейс: ИИ в службе поддержки - 78% запросов без оператора, ответ за 28 секунд

⏱ Время чтения: 5 минут · Категория: кейсы

SaaS-компания за 6 недель снизила нагрузку на операторов поддержки с 1 200 до 260 тикетов в день. 78% запросов закрывает ИИ-бот. Среднее время первого ответа: 28 секунд против 12 минут раньше. Экономия: 320 тыс. ₽/мес.

Служба поддержки - один из самых предсказуемых кандидатов на ИИ-автоматизацию. Большинство запросов клиентов повторяются. Одни и те же вопросы по сотому разу - одни и те же ответы. Оператор здесь тратит профессиональное время на задачу, которая не требует профессионального суждения.

Разбор всех ИИ-инструментов для бизнеса - в хабе ИИ для бизнеса 2026.

Компания и исходная ситуация

Компания: B2B SaaS-платформа для управления складом. 3 500 активных клиентов, тариф 5-40 тыс. ₽/мес. Команда поддержки: 5 операторов + 1 руководитель.

Герой кейса: Дмитрий О., директор по клиентскому сервису.

Проблема: 1 200 тикетов в день при команде 5 человек. Среднее время первого ответа: 12 минут (KPI был 5 минут, не выполнялся). 35% обращений - один и тот же вопрос «как настроить X». Операторы злились, клиенты злились, Дмитрий нанимал 6-го и понимал, что это не решение.

Как строили ИИ-поддержку

Шаг 1. База знаний (2 недели)

Главная ошибка при внедрении ИИ-поддержки - сразу бежать за платформой. Дмитрий сначала провёл 2 недели на сборку базы знаний: выгрузил 800 закрытых тикетов за последние 3 месяца, кластеризовал с помощью ChatGPT, получил 47 типовых сценариев, которые покрывали 82% обращений.

Шаг 2. Выбор платформы и подключение

Решение: Claude API + Carrot Quest (уже был как основной helpdesk). Интеграция через webhook: клиент пишет → Carrot Quest отдаёт запрос в Claude с контекстом + база знаний в системном промпте → ответ возвращается клиенту за 3-5 секунд. Если бот не уверен (confidence < 80%) или клиент отвечает «не то» 2 раза - автоэскалация оператору.

Шаг 3. Настройка триггеров эскалации

Ключевой момент, который делает или ломает проект. Триггеры для передачи оператору:

• Ключевые слова: «вернуть деньги», «расторгнуть», «судиться», «руководитель»
• Клиент задал один вопрос более 2 раз
• Тема не из базы знаний (confidence < 0.6)
• Клиент сам просит «живого человека»
• Сумма в тикете > 50 тыс. ₽

Шаг 4. Тест и калибровка (2 недели)

Запустили на 20% входящих. Операторы ревьюили все ответы бота - 2 раза в день писали правки в базу знаний. Через 2 недели точность выросла с 71% до 89%. Перевели на 100% трафика.

Результаты через 3 месяца

5 операторов остались, но их работа изменилась: теперь они занимаются сложными кейсами, удержанием клиентов при риске оттока и онбордингом крупных аккаунтов. Ни один не был сокращён - высвободившееся время перераспределили на задачи с более высокой ценностью.

Сколько это стоит

Структура затрат Дмитрия:

• Claude API: ~18 тыс. ₽/мес (1 200 тикетов/день × 78% × ~50 токенов на ответ)
• Carrot Quest интеграция: 12 тыс. ₽/мес (доп. тариф)
• Настройка (разово): 45 тыс. ₽ (внешний специалист, 2 недели)
• Итого постоянные: 30 тыс. ₽/мес
• Экономия: 320 тыс. ₽/мес (2 незанятые ставки оператора, которые не наняли)

ROI первого месяца: ×10. Окупаемость настройки - 5 дней.

Больше про ИИ-агентов и цифровых сотрудников - как они работают в разных ролях.