Кейс: AI-бот заменил 3 операторов и сэкономил 2 млн рублей в год

Когда к нам пришла онлайн-школа английского с запросом «хотим бота для поддержки», я честно спросил: «А зачем? У вас же есть операторы». Ответ был простым — они тонули. Три тысячи обращений в месяц, пять человек в штате, и восемьдесят процентов вопросов — одни и те же: «как оплатить», «не могу войти», «когда урок». Операторы выгорали, текучка зашкаливала, а руководство считало убытки.

Этот кейс — не про «мы внедрили AI и всё стало хорошо». Это история про то, как мы набили шишки, чуть не испортили отношения с клиентами, но в итоге сэкономили школе больше двух миллионов рублей в год. И главное — не потеряли, а даже улучшили качество поддержки. Давайте разберём по шагам, как это получилось.

С чего всё начиналось: пять операторов и ощущение хаоса

Онлайн-школа английского языка — не маленькая, около пятнадцати тысяч активных студентов. Поддержка работала с девяти утра до девяти вечера по Москве, пять операторов посменно. Казалось бы, достаточно людей. Но когда мы залезли в их статистику, стало понятно, почему команда буквально задыхалась.

Восемьдесят процентов обращений — типовые вопросы. Каждый день одно и то же: студент не может найти кнопку оплаты, забыл пароль, хочет узнать, когда следующий урок. Операторы отвечали на эти вопросы сотни раз, и от этого сходили с ума. Один из них, помню, сказал на созвоне: «Мне иногда снится, что я объясняю, как скачать сертификат».

Посчитали стоимость всей этой истории: четыреста тысяч рублей в месяц. Это зарплаты, налоги, рабочие места, софт. И руководство школы задало логичный вопрос: если восемьдесят процентов вопросов — шаблонные, может, их можно автоматизировать? Мы ответили: можно, но не кнопочным ботом из двухтысячных. Нужен нормальный AI-ассистент.

Что мы предложили: AI-бот с мозгами и интеграциями

Когда говоришь «бот», многие представляют те ужасные конструкции с кнопками, где надо пройти семь кругов меню, чтобы задать простой вопрос. Мы предложили другое — полноценный AI-ассистент на базе большой языковой модели, который понимает естественную речь и интегрирован с системами школы.

Главная идея была в том, чтобы бот не просто отвечал шаблонами, а действительно понимал контекст. Студент пишет «не могу зайти» — бот должен понять, что речь про личный кабинет, и дать релевантную инструкцию. Пишет «когда у меня занятие» — бот должен посмотреть в расписание конкретно этого студента и ответить с датой и временем.

Три кита, на которых стоял наш бот

Мы сразу определили, что без трёх вещей ничего не получится. Просто FAQ-бот не решит проблему — нужна глубокая интеграция с инфраструктурой школы.

Когда бот отступает и зовёт человека

Это был принципиальный момент. Мы сразу договорились: бот не будет пытаться решить всё сам. Если вопрос сложный, если студент недоволен, если ситуация нестандартная — моментальная передача живому оператору. Причём не просто «ваш запрос передан», а с полным контекстом диалога, чтобы оператор не начинал сначала.

Мы настроили несколько триггеров, при которых бот автоматически передаёт разговор человеку. Это не прихоть, а результат анализа тех случаев, когда автоматизация делает хуже.

Как внедряли: три недели от идеи до боевого режима

Честно скажу, три недели — это быстро. Обычно такие проекты тянутся месяцами. Но у нас было преимущество: школа была готова к изменениям, у них были нормальные API к системам, и команда поддержки реально хотела избавиться от рутины.

Мы разбили внедрение на три этапа, и каждый был важен. Нельзя было просто «включить бота» и надеяться на лучшее — так мы бы потеряли доверие студентов.

Важный момент, который я хочу подчеркнуть: мы не выключили операторов на следующий день после запуска. Первый месяц бот работал «под присмотром» — операторы проверяли качество ответов, отмечали косяки, помогали улучшать базу знаний. Это критически важно. Если бы мы сразу уволили троих людей, а бот начал бы ошибаться — был бы кризис доверия, который потом не расхлебаешь.

Парадокс: почему клиенты стали довольнее, когда с ними говорит робот?

Когда я рассказываю про этот кейс, первый вопрос всегда один: «А как же человеческое общение? Клиенты же хотят живого человека!» И это логичный страх. Но реальность оказалась интереснее.

NPS вырос с 7.2 до 8.1 — это не статистическая погрешность, это реальный рост удовлетворённости. Почему? Потому что для большинства типовых вопросов скорость важнее «человечности». Когда студент в десять вечера хочет узнать, когда у него урок — ему не нужно сочувствие и душевный разговор. Ему нужен ответ. И бот даёт его за пять секунд, а не за пятнадцать минут.

Где мы облажались и как это исправили

Было бы нечестно рассказывать только про успехи. За три месяца внедрения мы наступили на несколько граблей, и некоторые были довольно болезненными. Вот честный разбор проблем и того, как мы их решали.

Посчитайте потенциал для своего бизнеса

После этого кейса к нам часто приходят с вопросом: «А у нас сработает?» Ответ зависит от специфики бизнеса, но есть простая формула для первичной оценки. Не претендую на точность до рубля, но порядок цифр она даёт верный.

Три вещи, без которых ничего не получится

Мы набили достаточно шишек, чтобы понять: есть вещи, которые нужно закрыть до старта. Иначе потом придётся переделывать, а переделывать дороже, чем сделать нормально с самого начала.

Чек-лист: готов ли ваш бизнес к AI-боту поддержки

Прежде чем вкладываться во внедрение, проверьте себя по этому списку. Это не формальность — каждый пункт влияет на успех проекта. Если честно ответить «нет» на три и больше вопросов, возможно, стоит сначала подготовить почву.

Если четыре и больше галочек — есть смысл считать экономику и планировать проект. Если меньше — сначала закройте пробелы, иначе внедрение будет буксовать.