Справляться с обращениями и наймом без перегрузки команды

Внутренняя поддержка AB_Digital принимала около тысячи обращений в месяц. Первую линию передали ИИ-агенту: запрос сотрудника из мессенджера становится тикетом, агент ищет ответ и отправляет его пользователю.

В названии доклада заявлено сокращение времени реакции с часа до минуты. Юрий Юшкевич разберёт стоимость пилота и масштабирования, а также ошибки агента и затраты на их исправление.

Кейс посвящён внутренней поддержке. Руководители клиентского сервиса смогут оценить, как адаптировать этот подход к обращениям клиентов.

Юрий Юшкевич

AB_Digital

Более 186 тысяч откликов в месяц обрабатывали 20 рекрутеров. Боту передали первичный контакт, сбор данных и работу со статусами. По данным кейса, это разгрузило команду на 36%.

Затем бот начал принимать сарказм за ответ и давать кандидатам обещания от имени компании. Команда сознательно уменьшила автоматизацию и пересобрала процесс.

Дарина Нескоромная расскажет, какие ограничения встроили в работу бота и что получили после изменений.

Дарина Нескоромная

Rossko IT

Yappi food продаёт более 300 наименований функционального питания на маркетплейсах. Раньше на обращения отвечали три сотрудника, а эксперт по продукту обучал их и разбирал сложные вопросы.

Теперь ИИ-ассистент находит факты в документах о товарах, составляет ответ и проводит три проверки. После этого он публикует ответ или передаёт эксперту черновик вместе с темой обращения и товаром. Команда подготовила базу сведений о свойствах и применении продуктов.

По данным кейса, 96% автоматически отправленных ответов оценены как корректные против 62% у простого чат-бота. Около 30% времени эксперта по продукту освободили от рутинных ответов и направили на задачи продвижения.

Елена Вовик и Георгий Никаноров разберут изменения в работе команды, контроль качества, один реальный ответ и один промах системы с участием человека.

В компании на 160 человек двое штатных рекрутёров вручную читали сотни откликов, в том числе на позиции уровня правления и директоров департаментов. Данные жили в таблицах и мессенджерах, решения руководителей приходилось ждать неделями.

HR-директор собрала систему найма сама, без команды разработки. Модель раскладывает поток откликов на «сильный», «под вопросом» и «явный отказ», а для короткого списка готовит углублённый разбор.

По данным кейса, с 11 мая по 16 октября система обработала 7 219 пар «кандидат — вакансия» от 5 775 человек по 24 вакансиям. Через систему наняты 13 человек; один рекрутёр ведёт двенадцать вакансий вместо примерно трёх раньше.

Дарья Баркова пройдёт путь одного кандидата от профиля вакансии до плана адаптации, разберёт цену вопроса и пять собственных ошибок.

Дарья Баркова

A3 Payment Service