Как AI и омниканальность меняют подход к клиентскому сервису

Клиентская поддержка в крупных розничных компаниях постепенно перестает быть отдельной функцией. Рост количества цифровых каналов, ускорение клиентских сценариев и увеличение нагрузки на контакт‑центры меняют сам подход к сервису: бизнесу уже недостаточно просто отвечать на обращения, необходимо выстраивать единую систему взаимодействия с клиентом в реальном времени.

На этом фоне компании начинают пересматривать омниканальность не как присутствие в разных каналах, а как сквозную инфраструктуру управления клиентским опытом. Один из примеров такой трансформации — подход Askona, где AI‑инструменты постепенно становятся частью операционной модели поддержки.

От автоматизации отдельных функций к перестройке процессов

Таким образом рост количества таких сценариев стал одной из причин пересмотра подхода к поддержке и омниканальности.

Раньше автоматизация чаще закрывала отдельные задачи, например, ускорение ответа или перераспределение нагрузки на операторов. Сейчас задача шире — нужно сделать так, чтобы клиентский путь воспринимался как единый процесс, независимо от канала обращения.

Именно поэтому одним из ключевых направлений развития омниканальной модели в компании стало внедрение AI‑инструментов в поддержку и клиентские сценарии.

Голосовые ассистенты выходят за рамки IVR

Внедрение голосовых роботов в компании началось в 2025 году. Если на первом этапе они выполняли базовые функции маршрутизации обращений, то сегодня используются уже в более сложных сценариях.

Сейчас голосовые ассистенты участвуют в согласовании доставок, регистрации претензий и обработке рекламаций. На сегодняшний день роботы обрабатывают более 20% всех обращений, а к концу года этот показатель планируется увеличить до 35%. При этом речь идет не только о снижении нагрузки на контакт‑центр, в компании рассматривают AI как инструмент сокращения полного цикла решения клиентского вопроса.

Следующим этапом компания рассматривает внедрение сценариев с обработкой изображений, т.е. клиент сможет отправить фотографию дефекта, а система автоматически проведет предварительную оценку обращения и предложит возможный формат компенсации или дальнейших действий. Такой подход позволит сократить количество касаний между клиентом и компанией и ускорить принятие решений в типовых сценариях.

Поддержка как источник данных для бизнеса

Еще одно направление трансформации — развитие речевой аналитики. Если раньше данные контакт‑центров использовались в основном для контроля качества операторов, то сейчас компании начинают рассматривать клиентские обращения как источник информации о проблемах в продуктах, логистике и сервисных процессах.

В Askona AI‑аналитика используется для поиска корневых причин обращений на разных этапах клиентского пути от покупки до постпродажного обслуживания. Система позволяет анализировать данные по категориям, сценариям взаимодействия и отдельным продуктам.

В компании планируют развивать дашборды с данными, близкими к реальному времени, чтобы быстрее фиксировать аномалии и принимать управленческие решения. Фактически речь идет о переходе от реактивной модели поддержки к модели непрерывного мониторинга клиентского опыта.

AI как инструмент внутренней эффективности

Отдельный фокус — масштабирование автоматизированных сценариев в интернет‑магазине и поддержке продаж. В первом квартале компания упростила путь создания лида, сократив количество действий для менеджеров, а также автоматизировала часть процессов обработки заказов.

По итогам изменений конверсия по набору лидов увеличилась на 8 п.п., а доля заказов с лидов в общем обороте выросла на 3 п.п. За три месяца это позволило получить дополнительный объем продаж на более чем 40 млн рублей.

Еще одним направлением стало сокращение количества касаний в клиентском пути. Например, компания внедрила bot‑reception вместо классического IVR‑сценария, что позволило направлять часть клиентского трафика напрямую профильным менеджерам, минуя первую линию поддержки.

Омниканальность как инфраструктура

Следующий этап развития омниканальности связан уже не с запуском новых каналов коммуникации, а с объединением данных и сценариев в единую интеллектуальную систему. В ближайших планах развитие AI‑помощников на сайте и в приложении, внедрение интеллектуального поиска по базе знаний и использование AI для создания обучающих программ.

Одновременно компания продолжает трансформацию аналитики клиентского поведения и внедрение AI‑инструментов для менеджеров и руководителей.

Что стоит учитывать компаниям при внедрении AI в клиентский сервис

Опыт Askona показывает, что максимальный эффект от внедрения AI достигается не тогда, когда технологии используются для автоматизации отдельных операций, а когда становятся частью сквозного клиентского процесса. Поэтому компаниям, которые рассматривают подобные решения, важно начинать не с выбора инструментов, а с анализа клиентского пути и поиска наиболее трудоемких или проблемных сценариев.

Не менее важно рассматривать клиентскую поддержку как источник данных для бизнеса. Обращения клиентов позволяют выявлять проблемы в продуктах, логистике и сервисных процессах значительно быстрее, чем традиционные отчеты. Инструменты речевой аналитики и AI помогают превратить этот массив информации в основу для управленческих решений.