ИИ для клиентской поддержки: плейбук практика (2026)

В феврале 2024 Klarna объявила, что её ассистент на OpenAI закрывает две трети всего чат-саппорта, выполняя работу 700 агентов. Релиз гремел везде. Восемнадцать месяцев спустя та же компания нанимала людей обратно, а CEO публично говорил, что качество просело. Оба факта верны. Бот действительно обрабатывал этот объём. И обрабатывал его недостаточно хорошо.

Большинство операторов сделали неверный вывод. Не то, что LLM не справляются с саппортом. А то, что resolution rate – тщеславная метрика в тот момент, когда у клиента выбор между авто-закрытием и эскалацией с мучениями. Если вы меряете только первую колонку, вы получаете систему, оптимизированную под закрытие тикетов, а не под решение проблем. Цифра Klarna была настоящей. То, что она измеряла, не было тем, что думал совет директоров.

Модель – самое дешёвое решение, которое вы принимаете. Claude Sonnet 4.5 по $3 на входе и $15 на выходе за миллион токенов, GPT-5 через Azure OpenAI для покупателей с регуляторкой, Gemini 2.5 Pro если вы и так на Google Workspace. Все они проходят планку. Ни одна не спасёт вас от плохого ретрива или инструмента возвратов без потолка списания. Я видел, как две команды шесть недель A/B-тестируют Claude против GPT и выпускают продукт хуже, чем у той команды, что взяла Sonnet в первый день и потратила эти шесть недель на написание eval-кейсов.

Та же логика и с векторными хранилищами. Pinecone нормальный. pgvector в том же Postgres, который у вас уже крутится, тоже нормальный и дешевле. Cohere Rerank перед любым из них даст вам больше точности, чем смена эмбеддинг-модели. Интересная работа в определениях инструментов и JSON-схемах, которые вы отдаёте модели, а не в бенчмарк-битвах. Прочитайте документацию Anthropic по tool use один раз, потом перепишите свой refund-инструмент пять раз, прежде чем он начнёт работать.

Intercom Fin хороший. Хороший в узком смысле: B2B SaaS с чистым help-центром, простым SKU и планкой CSAT, терпящей редкие пожимания плечами. Цена за решённый диалог выглядит разумной, пока вы не наложите её на свой реальный микс тикетов и не поймёте, что платите премию за лёгкие, которые бот и так выигрывал. Для потребительских брендов с грязным каталогом, мультиязычными возвратами или чем-то регулируемым Fin – инструмент не той формы. Zendesk AI agents примерно в той же корзине, с дополнительной болью в виде брака с моделью данных Zendesk.

В январе 2024 года Intercom сообщила, что клиенты её ИИ-агента Fin закрывают в среднем 41 процент диалогов от начала до конца. Это честная база для планирования, что бы ни обещала более громкая презентация.

Стройте только тогда, когда коробочный путь заставляет вас гнуть бизнес под свои ограничения. Честная середина для большинства команд, с которыми я общаюсь, – тонкий собственный оркестратор поверх управляемой модели и управляемого векторного хранилища, разговаривающий с вашим хелпдеском через его API. Вы пишете тысячи четыре строк кода. Владеете тем, что важно: определениями инструментов, eval-харнесом и маршрутизацией эскалаций. Арендуете то, что не важно: веса модели и хранилище.

Бот, который доезжает до прода, отличается от бота, который выживает встречу с реальным трафиком, той самой работой, которую никто не пишет в коммерческое предложение. Модели среди этой работы нет.

Eval-набор – самая неблестящая часть. Пятьдесят диалогов это пол, не потолок. Они должны быть настоящие: с опечатками, со склеенными вопросами, с клиентом, который начал на польском и переключился на английский на середине. Кукбук OpenAI даёт пристойные шаблоны для старта, если вы такого никогда не делали. Смысл eval не в том, чтобы поставить боту оценку. Смысл в том, чтобы заметить, когда обновление модели или правка знаний тихо ломает то, что раньше работало.

Сдвиг возможностей, который имеет значение в 2026, – это tool calling, меняющий состояние. Бот не отвечает на вопросы, он выдаёт возвраты, меняет адреса и ставит подписки на паузу. Здесь живут деньги и здесь же живут иски. Правильный дизайн – три уровня, неправильный – одна большая корзина под названием «права ассистента».

Если у вашего refund-инструмента нет потолка на один вызов и дневного агрегатного потолка, у вас нет refund-инструмента, у вас инцидент, ждущий своего треда на Hacker News. Потолок не потому, что модель глупая. Он потому, что упорный клиент с работающим браузером и желанием повторять найдёт формулировку, которая обойдёт ваши guardrails. Потолок – это то, что ограничит радиус взрыва когда это случится.

Я постоянно вижу команды, которые относятся к мультиязыку как к проблеме модели. Это не она. Sonnet 4.5 и GPT-5 оба говорят на двадцати с лишним языках достаточно хорошо, чтобы обмануть случайного слушателя. Проблема в том, что ваши help-статьи существуют на английском, ваша политика возвратов существует на английском с наполовину переведённой немецкой версией 2022 года, а польская команда эскалаций использует другую схему тикетов, чем испанская. Бот говорит на языке свободно и уверенно даёт неправильные ответы, потому что лежащие в основе знания неправильны или отсутствуют.

“

Бот настолько умён, насколько хуже всех переведён абзац в вашей базе знаний. Почините этот абзац до того как менять модель.

Запускайтесь на двух языках. Добейтесь примерно равных CSAT, частоты эскалаций и оспоренных возвратов на обоих. Только тогда добавляйте третий. Команды, запускающие сразу семь, выбирают тот же скриншот дашборда, что выбрала Klarna.

Для среднего бизнеса, делающего это впервые, двенадцать недель – честная цифра. Первые три – аудит знаний и eval-набор, та самая часть, которую все хотят пропустить. Недели с четвёртой по шестую – tool-слой и оркестрация: выбор модели и написание refund и lookup инструментов с потолками и аудитом. Седьмая и восьмая – закрытый пилот только на внутреннем трафике. Девятая и десятая – пять процентов реального трафика с проверкой каждого вывода человеком, это раздражает и это необходимо. Одиннадцатая и двенадцатая – расширение до сорока или пятидесяти процентов если и только если eval-набор оставался зелёным две недели подряд. Тот, кто продаёт вам четыре недели на тот же scope, продаёт демо, а не деплой. Девяностодневный план разбирает последовательность подробнее, а разбор стоимости внедрения – что сколько реально стоит на каждом этапе.