AI-агент ENBISYS для менеджеров по работе с клиентами.
О заказчике
Компания специализируется на предоставлении лингвистических и IT-решений для локализации программного обеспечения, мультимедиа и технической документации для международных рынков.
Запрос
Предпосылки:
- За 25 лет Компания достигла высокого уровня автоматизации и оптимизации бизнес-процессов. Тем не менее, для сохранения конкурентоспособности на глобальном рынке потребовалось дальнейшее снижение себестоимости услуг, чтобы предлагать клиентам лучшие цены. Давление со стороны конкурентов, внедряющих современные технологии (в т.ч. ИИ), создавало риск потери клиентов. Ключевым объектом для оптимизации стало снижение операционных издержек.
- Наличие "узкого места" в бизнес-процессах – операций, где увеличение масштаба бизнеса линейно увеличивало издержки (например, рутинная работа менеджеров проектов).
- Стратегическое понимание "окна возможностей" – технологии ИИ достигли достаточной зрелости для практического внедрения с финансовой отдачей.
Задачи:
Определить, где именно и как современные IT-технологии, в первую очередь ИИ, могут быть применены для решения проблемы снижения издержек.
Цели технологического консалтинга
- Определить конкретные области и процессы в компании, где внедрение современных технологий позволит достичь измеримого сокращения операционных издержек.
- Предложить технологическое решение на основе технологий ENBISYS, которое поможет решить ключевую проблему организации – снизить операционные издержки.
Почему клиент выбрал ENBISYS?
Клиент знал, что ENBISYS уже доказала эффективность своих технологических решений, в том числе на основе ИИ в реальных проектах:
- Внедрение умных голосовых ассистентов EVOIS в автомобили КАМАЗ и электромобили «Атом».
- Внедрение голосового ИИ-ассистента в управляющую компанию России.
- Внедрение EdTech-платформы адаптивного обучения Plario в 10+ вузов России.
- Внедрение Enbisys.Поток – on-premise системы для автоматического распознавания диспетчерских переговоров и их анализа при помощи Искусственного интеллекта в крупнейшую энергетическую компанию России.
- Внедрение искусственного интеллекта в отрасли энергетики, нефтегаза, здравоохранения и другие.
- 20+ лет опыта в разработке корпоративных информационных систем международного уровня.
Мы открыто говорили с клиентом о рисках и условиях внедрения технологий искусственного интеллекта в бизнес-процессы клиента. Сфокусировались на конкретных экономических эффектах внедрения с учетом зрелости процессов и узких мест клиента.
Этапы технологического консалтинга
Этап 1. Подготовка клиента к встрече
Клиент самостоятельно сформулировал конкретные "болевые точки" (проблемы, требующие решения) и “инициативы” (области для улучшений в своем бизнесе). Этот список был основан на стратегии снижения издержек и подкреплен данными (цифрами, KPI).
Этап 2. Определение фокуса: где технологии дадут наибольшую отдачу
Совместно с клиентом проанализировали озвученные задачи и инициативы. Определили, какие из них можно эффективно решить с помощью технологий ENBISYS, ориентируясь на ожидаемый эффект. Выбрали одну ключевую инициативу, где применение нашего подхода обещало максимальный финансовый и операционный результат для бизнеса клиента, и сфокусировались на конкретном "бизнес-юните" для дальнейшей проработки.
Ключевая инициатива:
Автоматизация рутинных операций менеджеров по работе с клиентами и подрядчиками.
Почему именно эта инициатива?
- Высокая доля рутинных операций: Операции строго регламентированы (200-300 типовых процедур), выполняются по шаблонам через письма и фиксированные правила. Задачи идеально подходят для замещения ИИ (низкая квалификация, повторяемость, четкие сценарии).
- Значительный масштаб: Потенциальная автоматизация работы минимум 30 специалистов.
- Высокая отдача: Целевой эффект автоматизации – сокращение рутинных операций на 25-60%.
Предложенное клиенту решение: AI-агент для менеджеров
Цель: Автоматизировать 25-60% рутинных операций менеджеров (генерация писем, классификация запросов, постановка задач) с помощью ИИ, используя существующие базы знаний (БЗ) и бизнес-процессы клиента.
Шаг 1: Автоматизация генерации ответов на письма.
Задача: Определить готовность имеющихся данных организации для разработки AI-агента. Провести анализ работы системы: на какие письма система отвечает корректно, на какие нет и почему. Доработать AI-агента до уровня сопоставимого работе профессионального менеджера проектов.
Действия:
- Интеграция RAG с существующей БЗ (нормативы, шаблоны, т.д.).
- Настройка LLM для простых промптов.
- Интеграция с существующими инструментами менеджера (CRM, почта, task-трекер и др.)
- Обучение координаторов верификации ответов.
Результат: Сокращение времени на подготовку “рутинных” писем на 30-50%. Повышение продуктивности, сокращение затрат на обучение, высвобождение ресурса для более квалифицированной работы.
Как это работает:
- Менеджер загружает запрос клиента/подрядчика (письмо, заявку) в систему.
- AI-агент анализирует запрос, извлекает суть с помощью технологии RAG. Ищет релевантные инструкции в базе знаний (нормативы, шаблоны, обучающие материалы, сервисы).
- На основе запроса и контекста от RAG AI-агент создает проект ответа, задачи или решения, используя LLM.
- Менеджер проверяет и одним кликом отправляет ответ/создает задачу в CRM.
Ключевые технологии AI-агента:
- LLM (Large Language Model) – выступает в роли интеллектуального ядра системы, генерируя осмысленные и связные ответы на запросы.
- RAG (Retrieval-Augmented Generation) – обеспечивает точность и соответствие корпоративным стандартам, находя в базе знаний компании релевантные инструкции, шаблоны и нормативы для каждого конкретного запроса.
Вместе они создают AI-агента, который автоматизирует рутинные операции, используя внутренние знания компании для генерации корректных ответов и решений.
Пример: "Клиент X спрашивает о статусе заказа №123 → RAG находит процедуру 'Статус заказа' → LLM генерирует ответ с данными из CRM".
Шаг 2: Обучение на исторических данных.
Задача: Повышение качества ответов за счет анализа переписок.
Действия:
- Очистка и разметка переписок.
- Добавление в RAG кейсов по конкретным подрядчикам/клиентам.
- Тонкая настройка LLM на размеченных данных.
Результат: Рост точности ответов на 40-60%, снижение ошибок.
Шаг 3: Сквозная автоматизация
Задача: Автоматизация сложных сценариев (постановка задач, эскалация).
Действия:
- Разработка сценариев для интеграции с другими отделами.
- Пример: "Если клиент жалуется на качество → создать задачу в QA-отдел + уведомить менеджера".
Результат: Автоматизация 50%+ задач менеджеров, высвобождение времени для работы с исключениями.
Этап 3. Оценка финансовой целесообразности
Для выбранной приоритетной инициативы клиенту был задан критический вопрос: "Сколько вы сейчас тратите в год на этот процесс?". Без этой цифры работа бессмысленна. Клиент должен знать стоимость своей "проблемы". Почему?
- Решение (даже прототип) на базе ИИ стоит значимо. Экономия должна быть существенной, целевой процент сокращения затрат 25-60%.
- Для кастомных ИИ-решений (где 50% – это доработка существующих решений под задачи клиента) приемлемая цена решения = 30-40% от годовой экономии.
- Если текущие затраты малы, а ожидаемая экономия скромна, то стоимость решения делает проект нецелесообразным.
- Однако, помимо экономического эффекта существуют скрытые выгоды. Автоматизация рутины не только снижает прямые затраты (ФОТ), но и косвенно борется с текучкой кадров (менеджеры делают более сложную/интересную работу, потенциально растет зарплата) и снижает затраты на обучение.
Выгода нашего решения:
Прямая экономия: Ожидаемое сокращение затрат на ФОТ менеджеров на 25-60% за счет автоматизации генерации писем, постановки задач и обработки запросов по типовым сценариям.
Качественные улучшения:
- Высвобождение времени менеджеров: Позволит им фокусироваться на нестандартных ситуациях или повышать квалификацию.
- Снижение ошибок: Минимизация человеческого фактора при выполнении шаблонных процедур.
- Ускорение обработки запросов: Автоматическая генерация ответов и задач по утвержденным сценариям.
- Потенциальное снижение текучести: Минимизация монотонной рутины делает работу менеджеров более осмысленной, а внедрение современных IT-инструментов – более комфортной и быстрой.
Этап 4. Совместный глубокий аудит выбранного процесса
Мы детально разобрали "как есть" – шаг за шагом изучили работу выбранного отдела/процесса вместе с экспертами клиента. Мы выяснили: кто участвует, какие данные входят и выходят, какие системы задействованы и где возникают узкие места. Только активное вовлечение команды клиента, знающей процесс изнутри, позволило получить точную картину для проектирования эффективного решения.
Инсайты по процессу:
- Готовая база для ИИ: Процессы полностью задокументированы (200-300 сценариев), обновляются и используются в обучении. Это идеальная основа для RAG (Retrieval-Augmented Generation).
- Высокий уровень базовой автоматизации: Работа ведется в интегрированной системе управления (CRM-подобной), есть механизмы отправки писем, постановки задач. Это критично для интеграции ИИ-решения – LLM и RAG сами не выполняют действий, им нужна "рука" в виде автоматизированной системы.
Этап 5. Идентификация ключевых людей, определение условий внедрения
Выявили стейкхолдеров бизнес-процесса у клиента:
- Владельца процесса: Ответственного за результат в выбранной области.
- Заинтересованных лиц: Чьи KPI или работа напрямую зависят от изменений – Генеральный директор (CEO) и Операционный директор.
- Потенциальных драйверов изменений: Сотрудников, готовых активно участвовать во внедрении.
Для реального внедрения ИИ критически необходима внутренняя команда клиента – мотивированные специалисты, которые будут плотно работать с нами, разбираться в решении и продвигать его внутри компании.
Мы предложили Клиенту 2 пути внедрения нашего решения:
- Клиент оплачивает наше глубокое погружение и разработку ТЗ.
- Клиент формирует свою команду для активного сотрудничества, берет на себя часть работ по описанию процессов и внедрению.
Результат
Клиент выбрал 2 путь – сформировать внутреннюю команду для активного сотрудничества.
Задача команды клиента: глубже изучить технологии (LLM, RAG), четко описать свои процессы для интеграции, собрать требования коллег-менеджеров, тестировать прототипы и быть локомотивом изменений внутри своего подразделения.
Роль ENBISYS: Предоставить технологию (LLM, RAG-платформу), архитектурную экспертизу, методологию интеграции с их CRM/системой управления и консультационную поддержку на всех этапах.
Если вам так же нужно снизить операционные издержки или усилить конкурентное преимущество с помощью технологий, то присылайте ваши запросы нам. Узнайте подробнее об услуге технологического консалтинга здесь.
