AI в Действии:
Кейсы и Сферы Применения в Бизнесе
Не о будущем, а о сейчас
Еще до недавнего времени AI казался технологией из будущего. Но уже сегодня AI-агенты помогают оптимизировать процессы в компаниях — от обработки запросов клиентов до проверки договоров и автоматического планирования встреч. И самое главное — такие агенты уже не требуют миллионных инвестиций. Они могут работать на базе доступных решений или кастомизированных моделей, адаптированных под ваши конкретные бизнес-задачи.
Так давайте рассмотрим практические кейсы внедрения AI-агентов в различные сферы деятельности компаний. Чаще всего практическое применение для AI помощников находится в отделах:
- продаж,
- поддержки (аккаунтинг),
- проектном,
- HR,
- маркетинга и контент-отделы,
- юридическом,
- финансовом (бухгалтерском)
Итак давайте рассматривать конкретные кейсы и истории в первых 4х отделах.
Отдел Продаж.
Здесь AI-агенты зарекомендовали себя как помощники для оптимизации рутинных задач менеджеров и руководителей отдела (или специалистов по контролю качества ведения клиентов):
Анализ телефонных звонков:
AI-агенты могут автоматически транскрибировать разговоры менеджеров с клиентами, анализировать их на соответствие скриптам продаж, техникам, целям звонка.
Чаще всего, это цепочка агентов, каждый из которых выполняет свою маленькую задачу: один транскрибирует, другой форматирует диалог, третий оценивает по скрипту, четвертый – по достижению цели, пятый – выделяет ключевую информацию о клиенте для CRM.
И здесь уже можно оценивать все звонки или же если тратить много на токены не хочется, то выбирать в приоритете для оценки звонки менеджеров с низкими баллами полученными за предыдущие оценки. Менеджеров с высокими баллами оценивать меньше, пока они не получат низкий балл)
Квалификация и приоритизация лидов:
AI может анализировать входящие запросы или информацию о потенциальных клиентах для определения их “теплоты” и соответствия профилю идеального клиента, и создавать задачи на менеджеров для первоочередной обработки таких лидов или же проверять, не были ли они потеряны в ежедневной рутине.
Отдел клиентской поддержки.
Зачастую именно здесь есть много одинаковых вопросов и рутинных задач, из-за которых трудно масштабировать компанию.
Формирование базы знаний:
Это может быть отдельный AI-агент, или же частичка связки из нескольких ботов которые работают вместе. Пребывая в чатах с клиентами как один из участников агент собирает информацию из живой переписки менеджеров с клиентами. Его задача – идентифицировать вопрос от клиента, сопоставить с ответом менеджера и внести информацию в базу знаний. Дополнительно стоит проверять информацию специалистами и давать корректировки агенту, но через некоторое время он уже будет самостоятельно формировать необходимую базу. И он так может работать постоянно добавляя новую информацию и обновляя существующие моменты.
Агент “первого уровня поддержки”:
Логично, что после сбора базы, или же обучения на имеющейся, агент начинает подхватывать диалоги. Он принимает входящий запрос, анализирует его, ищет ответ в базе знаний или автоматически передает его ответственному специалисту или же отвечает сам имея информацию.
В зависимости от того, где поступил запрос — в общем чате или в личных сообщениях — агент включает различные сценарии: в одном случае отвечает самостоятельно, в другом — тегает нужного менеджера.
Пример – компания, занимающаяся дистрибуцией в FMCG-сегменте.
Компании работает с байерами и дистрибьюторами. Каждый новый партнер дистрибьютор попадает в отдельный чат с менеджером. В который он далее добавляет своих агентов, которые начинают задавать вопросы относительно продукции и сервиса.
Возникает проблема: одни и те же вопросы повторяются в десятках чатов, что занимает кучу времени менеджеров и не дает возможности эффективно масштабироваться.
AI-агент в данном случае: разгружает менеджеров от рутины и дает возможность клиентам получить быстрый точный ответ, а компании – масштабироваться.
Проектный отдел (отдел реализации услуг).
Эти AI-агенты позволяют проектным отделам работать быстрее, точнее и более прозрачно — уменьшая нагрузку, повышая качество коммуникации с клиентами и помогая избегать ошибок.
В качестве примеров приведем таких агентов:
AI-агент-квалификатор запросов:
Его задача сидеть в чате с клиентом и реагировать на вопросы от клиента. Он может понимать роли каждого из представителей компании, которые принимают участие в диалоге, и соответственно переадресовывать определенные вопросы по проекту на нужных участников со стороны компании (тегать их).
Если например, вопросы относительно документов и счетов, то будет тегать бухгалтера или проджекта. А если относительно выполненных работ непосредственно – то другого ответственного.
Дополнительно:
Может анализировать скорость реакции команды и правильность ответов и предоставлять руководителю эту информацию по запросу
AI-агент-администратор проектных чатов:
Его задача анализировать саму переписку и отчитываться о проделанной работе клиенту.
– Имея доступ к project системе, где происходит трекинг задач, агент сможет соответственно из нее тянуть нужную информацию и с модерацией или же без – передавать ее далее на клиента.
– Также анализируя переписку он должен подмечать моменты, которые можно использовать для дополнительных продаж, и передавать эту информацию менеджеру по продажам.
– Агент также может консолидировать все вопросы клиента — и на их основе подготовить персонализированные бонусы, которые действительно соответствуют интересам заказчика, а не являются формальными. Эти бонусы конечно требуют согласования со стороны руководства, но формирование их и обоснование явно будут быстрее.
– Может распознать, что было договорено о встрече, самостоятельно создать ее в календаре, тегнуть участников и отправить ссылку на событие.
AI-агент-документатор изменений:
Что делает фиксирует хронологию изменений по задаче: когда было создано, кто менял, какие параметры изменились. Он может автоматически формировать ChangeLog в соответствующем документе и отслеживать, когда задача переходит на тестирование или другие этапы.
Как результат – в случае споров или задержек — есть полная история изменений, которую легко проверить и которая наглядно видима для клиента в том числе.
AI-агент по контролю соответствия ТЗ:
Такой AI-агент должен иметь доступ к документу с техническим заданием (ТЗ). Его задача анализировать вопросы и запросы клиента относительно изменений, сверять их с ТЗ и определять, входит ли оно в его рамки, или это что-то новое.
Если запрос выходит за пределы — сообщает команде: “Это новое задание. Делаем?” Таким образом агент может сигнализировать сначала команде, а затем и клиенту об изменении границ договоренностей.
Отдел HR и онбординга команды.
AI-агенты позволяют HR-отделу работать быстрее, точнее, повышают качество найма, обучения и адаптации новых сотрудников без расширения команды.
Вот примеры задач, с которыми они могут справиться:
AI-агент скрининга и отбора резюме:
Такого агента подключают к HR-порталам (например, Work.ua) и предоставляют максимально детально описанную вакансию с уточнением относительно того, на что стоит обращать внимание. Далее агент:
– загружает резюме кандидатов, которые откликнулись на вакансии.
– анализирует соответствие опыта кандидата требованиям вакансии.
– определяет процент соответствия и передает на HR тех, кто попадает в нужный процент соответствия.
Как результат – автоматизированный первичный скрининг, что позволяет сократить время на отбор релевантных кандидатов.
Дополнительно такой агент может выявлять слабые места в резюме кандидата и формировать перечень уточняющих вопросов для HR-менеджера, которые стоит задать во время собеседования. Чем значительно улучшает качество интервью
AI-агент для онбординга новых сотрудников:
В зависимости от должности нового сотрудника, зная функциональные обязанности и внутреннюю политику компании, AI-агент может:
– формировать индивидуальный план онбординга для новенького.
– генерировать календарь обучения и контрольных точек.
– сформулировать перечень проверочных вопросов и задач.
– напомнить ответственным лицам о контроле знаний и завершении этапов.
– может вести онбординг на постоянной основе, если в функционал должности добавляются новые блоки, или если должность и функционал сотрудника меняются со временем.
AI-агент для обучения и тестирования персонала:
Может помочь быстро обучить и постоянно мониторить и проверять знания персонала любого отдела.
В данном примере AI-агенты могут:
– Создать обучающую программу.
– Создать тесты на ее основе с логическими связями между вопросами.
– Фиксировать ошибочные ответы и на их основе автоматически генерировать новые уточняющие вопросы (рекурсивный подход).
В дальнейшем его работу можно расширять.
Агент также умеет:
– Анализировать самые сложные для сотрудников темы и рекомендовать расширение учебного материала.
– Сохранять историю ответов для анализа: кто делает ошибки — сотрудник или сам подход к обучению.
– Может быть интегрированным с порталом, который хранит учебную базу и автоматически формировать дополнительные материалы.
Как результат персонализированное обучение и постоянное совершенствование учебной программы на основе реальных ошибок и поведения сотрудников.
Это лишь часть примеров. По сути, любая функция или процесс, базирующийся на обработке информации (текстовой, звуковой, визуальной), имеет четкую логику и может быть разбит на последовательность простых шагов, потенциально может быть автоматизирована с помощью AI-агентов.
В следующей статье мы рассмотрим примеры для автоматизации других отделов компании.
