Служба поддержки в ритейле: почему ИИ не взлетает — и как это исправить

Алексей Карпачев, руководитель практики внедрения ИИ-решений в «Тимидея Групп», рассказывает о том, почему рынок автоматизации поддержки растёт на 25% в год, а большинство проектов так и остаются на уровне пилота, и как это преодолеть.

Рынок готов. Компании — не всегда

Мировой рынок ИИ для клиентского сервиса оценивается в $12 млрд. К 2030 году, по прогнозам MarketsandMarkets, он достигнет почти $48 млрд при среднегодовом росте в 25,8%. 

Ритейл в этой статистике — один из главных драйверов. По данным отчёта Nvidia, в 2025 году 87% ритейлеров отмечают позитивное влияние ИИ на выручку, 94% — снижение операционных затрат. А 97% ритейл-компаний планируют увеличить инвестиции в ИИ в ближайший год. 

Российский рынок движется в том же направлении. Инвестиции в цифровизацию отечественного ритейла в 2024 году составили $2,1–2,5 млрд, и около 40% этой суммы пришлось на ИИ. К 2027 году эти вложения, по оценкам, увеличатся до $3–3,5 млрд. Искусственный интеллект для ритейла перестал быть экспериментом — и превратился в операционную необходимость.

Но между намерением и реальным эффектом — большой разрыв. По данным McKinsey, две трети компаний, внедривших ИИ, пока остаются на стадии пилотов и не переходят к масштабированию. Это особенно заметно в ритейле, где клиентский сервис и поддержка требуют не просто запуска ИИ, а перестройки процессов и данных.

В чём настоящая сложность

Служба поддержки в ритейле — один из самых сложных контуров для автоматизации. Технологии для этого есть — но внутри, как правило, всё запутано: документация постоянно обновляется, каждый оператор работает по-своему, единой базы знаний часто нет, сценарии обращений не описаны.

В итоге ИИ запускают поверх хаоса — и он автоматизирует не процесс, а проблему. Пилот показывает посредственные результаты, команда разочаровывается, проект замораживается. 


@Freepik (лицензия INV-C-2024-8250540)

Что нужно сделать до внедрения ИИ

Прежде чем выбирать инструмент, важно честно ответить на несколько вопросов. Где реальные узкие места — в скорости первого ответа, в качестве информации от операторов или в нагрузке на команду в пиковые периоды? Как структурирована документация — и структурирована ли вообще? Есть ли повторяющиеся сценарии обращений, которые можно описать пошагово?

Это и есть работа интегратора по внедрению ИИ. Не поставить коробку — а сначала описать процесс: нарисовать карту обращений, выделить типовые кейсы, проверить состояние базы знаний. Если этого не сделать, даже самый умный ИИ-ассистент будет выдавать ответы, которым нельзя доверять. Он лишь воспроизведёт беспорядок из документации.

В любом случае эта работа полезна сама по себе. Компании, которые проходят через аудит службы поддержки, часто находят проблемы, о которых не подозревали, — и решают их ещё до запуска ИИ.

Запуск ИИ-ассистента на практике

Один из наших проектов — внедрение ИИ-агента Нейросаппорт от Яндекса для службы поддержки в розничной сети. Специфика была следующей: большой объём технической документации, которая постоянно обновляется — операторы физически не успевали отслеживать изменения информации.

Мы начали с аудита процессов: проанализировали структуру обращений, выявили узкие места, привели документацию в порядок. Только после этого развернули ИИ-агента на группу из 120 операторов.

Результаты через три месяца: время на закрытие тикета сократилось с 5,3 до 3,8 минуты — это -28%. Экономия времени составила до 2,4 часа в день на одного оператора, в денежном эквиваленте — до 235 000 рублей в год на человека. При команде в 120 человек это уже ощутимые цифры.


@Freepik (лицензия INV-C-2024-8250540)

Три подхода, которые реально работают

Успех часто зависит от локальной специфики компании, и важно еще на этапе подготовки выяснить все возможные подводные камни. Когда процессы описаны, можно выбирать инструмент. В поддержке ритейла сегодня работают три основных сценария.

Ритейл в эпоху ИИ-помощников: как меняется торговля

Чат-бот на первой линии. Закрывает типовые обращения без участия оператора: статус заказа, условия возврата, часы работы. Это снижает нагрузку на команду и быстро окупается. Но у чат-бота есть ограничения: сложные и нестандартные запросы он не обрабатывает, а клиенты, которым раз за разом отвечает ИИ, начинают раздражаться. 

Чтобы этого не происходило, важно как минимум настроить грамотную маршрутизацию — чтобы нераспознанный запрос сразу уходил к оператору, и клиент не зависал в петле уточняющих ИИ-вопросов. Хорошо, если у пользователя всегда есть кнопка переключения на живого человека.

ИИ-ассистент с доступом к корпоративной базе знаний (RAG). Технология RAG (Retrieval-Augmented Generation) позволяет нейросети работать с реальными корпоративными документами: регламентами, инструкциями, документацией. ИИ-ассистент отвечает на естественном языке, опираясь на актуальную базу знаний, и автоматически учитывает изменения при обновлении документов. Это закрывает боль с постоянно меняющейся документацией. К таким как раз относится Нейросаппорт и подобные сервисы.

ИИ-копилот внутри CRM или хелпдеска. Помогает оператору прямо в рабочем интерфейсе: предлагает ответ, суммаризирует историю обращений, подсвечивает нужный регламент. Финальное решение все равно за оператором — но принимает его он в 2–3 раза быстрее. Это особенно эффективно там, где нельзя полностью убрать человека из процесса: сложные рекламации, нестандартные ситуации, VIP-клиенты.

Все три подхода можно комбинировать — и в большинстве случаев так и нужно. Но выбор конкретного инструмента должен следовать из аудита процессов.

---

Читайте также: От чатов «на всякий случай» до ИИ-операторов: как изменился клиентский сервис за 11 лет

---

Будущее ИИ в службе поддержки

Рынок ИИ для клиентского сервиса будет расти вне зависимости от готовности к этому конкретных компаний. Инструменты становятся точнее, дешевле и проще в интеграции. Но это не значит, что внедрение автоматически даёт результат.

Компании, которые начинают с аудита поддержки, а не с выбора инструмента, — получают результат. Те, кто торопится запустить пилот — автоматизируют проблему, а не решают её. 

Алексей Карпачев, 
руководитель практики внедрения ИИ-решений в «Тимидея Групп».

Для NEW RETAIL