ИИ в сервисном бизнесе: чего мы не ожидали, когда начали его внедрять

Главное отличие сервисного бизнеса в том, что его продукт создается людьми в момент оказания услуги. Ее нельзя произвести заранее и положить на склад. Каждый новый проект становится для команды отдельной задачей.

По мере роста компании искать нужную информацию становилось все сложнее. Документы, переписка и накопленный опыт были распределены между разными сотрудниками. В результате коллеги все чаще обращались к тем, кто давно работал в компании, а знания оставались привязаны к конкретным людям.

Год назад у меня возникла идея встроить ИИ‑инструменты в рабочие процессы компании. К тому моменту я уже сам активно ими пользовался и видел, сколько времени они помогают экономить в ежедневной работе.

Я отвечал за техническую часть проекта, которая впоследствии оказалась самым простым этапом.

Как проходило внедрение

Так появился первый ИИ‑ассистент. Мы загрузили в него внутренние регламенты, сервисные стандарты, примеры удачной переписки с клиентами, шаблоны документов и инструкции. Отдельно описали требования к стилю общения.

Вскоре ассистента начали использовать и при разборе длинных переписок. Например, в визово‑миграционном сопровождении общение с одним представителем клиента может продолжаться полгода или даже год. За это время накапливаются десятки писем, согласований и уточнений. Чтобы восстановить историю общения, специалисту приходилось заново все перечитывать.

Теперь достаточно загрузить историю общения в ИИ‑ассистента и попросить его восстановить контекст.

Позже собственные ИИ‑ассистенты появились в разных подразделениях и отделах. Их базы знаний формировали из регламентов, внутренних процессов и опыта каждого направления.

На создание MVP ушло три месяца. Над проектом работали административный департамент, коммерческий блок и IT‑специалист.

После запуска мы открыли доступ всей команде и провели обучение. На встречах показывали, в каких ситуациях ассистенты помогают быстрее получить результат, объясняли, как правильно задавать контекст и формулировать запрос.

Почему сотрудники не начали пользоваться ИИ сразу

Большинству было проще действовать привычным способом или спросить коллегу. В результате другой специалист отвлекался от своих задач и снова объяснял то, что команда уже обсуждала раньше.

Мы поняли, что одной презентации возможностей недостаточно. Чтобы новые инструменты стали частью ежедневной работы, сотрудникам нужно было увидеть их пользу на собственных примерах. Тогда мы начали разбирать реальные рабочие ситуации.

Например, раньше менеджер мог минимум 20 минут искать решение по нестандартной ситуации. Он открывал несколько документов, просматривал старые письма, уточнял детали у коллег. С ИИ‑ассистентом первичную информацию можно получить примерно за тридцать секунд.

Нейросеть также помогает готовить письма клиентам. За несколько минут она собирает первый вариант сообщения с учетом наших стандартов. Менеджеру оставалось проверить факты, добавить контекст и отправить письмо.

Сократилось и время на составление коммерческих предложений. Раньше это занимало час, иногда два. Теперь основу можно собрать за пятнадцать‑двадцать минут, а освободившееся время менеджер может потратить на расчеты и проработку предложения для клиента.

Постепенно ассистенты вошли в ежедневную работу большей части команды. Но возникла другая проблема.

Некоторые сотрудники стали принимать ответы нейросети без дополнительной проверки. ИИ быстро обрабатывает большие объемы информации, но может ошибаться, упускать контекст или уверенно выдавать неверный ответ. Поэтому окончательное решение и ответственность за результат остаются за сотрудником.

Границы применения ИИ в сервисном бизнесе

К тому же клиент редко описывает задачу так, чтобы ее можно было сразу передать в работу. За первоначальным обращением часто скрывается другая потребность. Чтобы ее понять, нужно задать уточняющие вопросы, предложить другой вариант решения или честно сказать, что потребуется время на поиск оптимального подхода.

На таком общении строится доверие, а для сервисной компании это одна из главных ценностей.

Мы также пробовали использовать нейросеть для составления MICE‑смет. Выяснили, что ИИ может подготовить около половины сметы. Остальная работа остается за специалистом. В MICE слишком много деталей, которые невозможно оценить без контекста. Даже внешне похожие мероприятия могут потребовать совершенно разных решений.

Мы продолжаем развивать ИИ‑ассистентов: дополняем базы знаний, тестируем новые сценарии и ищем задачи, которые можно передать ИИ, чтобы освободить сотрудникам время для работы с клиентами.

Что мы сделали бы иначе

Если бы сегодня мне предложили пройти этот путь еще раз, я бы гораздо раньше начал работать с командой. Настроить ИИ оказалось проще, чем изменить привычки людей.

Еще я бы сразу подключил руководителей подразделений или назначил ответственного за внедрение. Такой проект нельзя запустить один раз и считать завершенным. В первые месяцы команде нужна поддержка, иначе сотрудники быстро возвращаются к привычному способу работы.

Наш опыт показал, что в сервисном бизнесе ИИ может стать хорошим помощником. Он берет на себя часть рутинных задач. Благодаря этому у сотрудников появляется больше времени на клиентов, сопровождение проектов и решение задач, где действительно нужен человек.