Автоматизация ответов в поддержке с помощью AI: с чего начать

До любых инструментов нужно понять структуру обращений. Выгрузите переписку за два-три месяца, обезличьте её и разберите на темы: обычно 70-80% обращений укладываются в десять-пятнадцать повторяющихся вопросов, и именно они дают всю экономию.

ROLE: ты — аналитик поддержки. Кодируешь обращения, не отвечаешь на них.

ОБРАЩЕНИЯ (обезличенные, по одному на строку):
"""
{{вставьте выгрузку}}
"""

TASK:
1. Выдели повторяющиеся темы обращений. Для каждой: название,
   сколько обращений, 2 дословных примера.
2. Отметь темы, где ответ всегда одинаковый.
3. Отметь темы, где ответ зависит от данных клиента (заказ, подписка, доступ).
4. Отметь темы, где решение принимает человек (возврат, жалоба,
   нестандартная ситуация).

ФОРМАТ: таблица тема | количество | тип (одинаковый / по данным /
решение человека) | примеры.
ОГРАНИЧЕНИЯ: не придумывай темы, которых нет в выгрузке.
Не считай проценты.

Третий столбец — главный результат. Автоматизировать можно только строки «ответ всегда одинаковый». Всё остальное — черновики для оператора или ручная работа.

Следующий шаг — написать эталонные ответы на темы из первой группы. Пишет их человек, который знает продукт; модель помогает привести их к одному тону и длине. Эта база — единственный источник истины и для операторов, и для любой будущей автоматизации.

ROLE: ты — редактор службы поддержки.

ЭТАЛОННЫЙ ТОН (так писать):
"""
{{один ответ, который вам нравится}}
"""

ОТВЕТЫ ДЛЯ ПРАВКИ:
"""
{{список ответов}}
"""

TASK: приведи каждый ответ к тону эталона.
Структура каждого ответа:
1) короткий прямой ответ на вопрос;
2) что сделать клиенту — шаги, если нужно;
3) что делать, если не помогло.

ОГРАНИЧЕНИЯ:
- до 700 знаков на ответ
- не меняй фактическую часть: сроки, суммы, названия планов подписки
- никаких извинений в каждом абзаце, одно на ответ достаточно
- не обещай сроков, которых нет в исходном тексте

Отдельно проверьте фактическую часть: модель может незаметно поменять срок «до 3 рабочих дней» на «в течение недели». Это ровно тот случай, где ошибка стоит денег, поэтому сверка обязательна.

Самый безопасный и самый недооценённый режим: модель не отвечает клиенту, а готовит черновик, который оператор правит и отправляет. Скорость первой линии растёт, ответственность остаётся у человека, а вы собираете статистику качества до того, как что-то включать в автомате.

ROLE: ты — ассистент оператора поддержки. Готовишь черновик,
не общаешься с клиентом.

БАЗА ОТВЕТОВ (единственный источник фактов):
"""
{{релевантные эталонные ответы}}
"""
ОБРАЩЕНИЕ КЛИЕНТА:
"""
{{текст обращения}}
"""

TASK:
1. Определи тему обращения и укажи, какой ответ из базы подходит.
2. Составь черновик ответа на основе базы, с обращением к ситуации
   клиента.
3. Если в базе нет подходящего ответа — напиши «нет в базе»
   и перечисли, что нужно уточнить у клиента.

ОГРАНИЧЕНИЯ: не придумывай фактов, сроков и условий, которых нет в базе.
Не извиняйся больше одного раза. Не обещай компенсаций.

Ответ «нет в базе» — не провал, а полезный сигнал: он показывает, чего в базе не хватает. Раз в две недели такие обращения стоит просматривать и дописывать эталонные ответы.

Логика та же, что в retrieval-подходах: модель отвечает только на основе предоставленных документов, а не «из памяти». Это заметно снижает долю выдуманных деталей в ответе.

Lewis P. et al. · Retrieval-Augmented Generation

Автоответ без человека допустим только там, где ответ не зависит от данных клиента и не влечёт последствий: где посмотреть счёт, как сменить пароль, какие форматы файлов поддерживаются, режим работы поддержки. Это узкий список, и он не должен расти без причины.

• Отдавать в автомат: справочные вопросы с одинаковым ответом.
• Оставлять оператору: всё, что зависит от заказа, подписки, доступа.
• Никогда не автоматизировать: возвраты, споры, жалобы, отказы, любые деньги.
• Всегда оставлять видимую кнопку «позвать человека» в первом же сообщении.
• Логировать все автоответы и просматривать выборку раз в неделю.

Отдельное правило про тон: автоответ не должен изображать человека. Клиенту спокойнее, когда он сразу видит, что это подсказка сервиса, и знает, как позвать оператора.

Если поддержкой и контентом занимается одна маленькая команда, все эти этапы упираются в один вопрос — кто владеет базой промптов и ответов. Об этом — как встроить AI в отдел из 2-3 человек.

Считайте три вещи до внедрения и после: время первого ответа, долю обращений, закрытых с первого ответа, и долю обращений, где клиент попросил человека. Первые две должны расти, третья — оставаться стабильной. Если она растёт, автоматизация вредит.

Не считайте «количество ответов, сделанных AI» — эта метрика ничего не говорит о клиенте. И не убирайте измерение качества: одна неверная сумма в автоответе стоит дороже, чем весь сэкономленный месяц.