ИИ-агенты для бизнеса: как выбрать, внедрить и оценить окупаемость

Вокруг ИИ-агентов много шума: некоторые говорят о них как о цифровых сотрудниках на все руки, другие разочаровываются после первого неудачного запуска. В статье разберем, что такое ИИ-агенты для бизнеса и как они могут принести пользу вашей компании. А также расскажем, как их создать и оценить окупаемость вложений.

ИИ-агенты для бизнеса — что это такое

ИИ-агент для бизнеса — это программная система, которая использует искусственный интеллект для достижения заданных целей: самостоятельно определяет последовательность действий, при необходимости обращается к внешним инструментам и системам, анализирует результаты и корректирует свои действия.

Для этого агент может использовать большую языковую модель (LLM) — модель искусственного интеллекта, которая умеет обрабатывать и генерировать текст на естественном языке.

В бизнесе ИИ-агенты помогают обрабатывать запросы клиентов, находить нужную информацию и выполнять рутинные операции с меньшим участием сотрудников. 

В отличие от обычных чат-ботов, которые преимущественно отвечают на вопросы по заданным сценариям, ИИ-агенты для бизнеса могут планировать несколько шагов для достижения цели, обращаться к базам данных, CRM, API и другим сервисам. Доступные действия зависят от настроек агента и предоставленных ему прав.

Для работы с внутренними знаниями компании часто используют RAG (Retrieval-Augmented Generation) — подход, при котором система ищет релевантную информацию во внешней базе знаний и передает найденный контекст большой языковой модели (LLM), чтобы та сформировала ответ. Это позволяет использовать данные компании без переобучения самой модели. Чтобы ответы учитывали изменения в документах, необходимо своевременно обновлять базу знаний.

Чем ИИ-агент отличается от других инструментов:

• Сценарный чат-бот ведет клиента по заранее прописанному скрипту. Он может распознавать разные формулировки вопросов, но ему сложно обрабатывать запросы, которые не предусмотрены сценарием или не распознаются системой.
• Обычная языковая модель генерирует ответ на запрос. Без дополнительных инструментов и логики управления она не выполняет действия во внешних системах.
• ИИ-агент может понимать запросы в свободной форме, искать информацию в базе знаний, обращаться к CRM и другим сервисам, выполнять последовательность действий для достижения цели. Если задача выходит за пределы его возможностей или требует участия сотрудника, агент может передать обращение человеку.

Из чего состоят AI-агенты для бизнеса

Архитектура AI-агентов для бизнеса зависит от задач, которые они решают. Одни работают с запросами клиентов, другие анализируют данные, обрабатывают документы или автоматизируют бизнес-процессы. При этом у многих агентов есть несколько общих компонентов.

1. Модель. Чаще всего это большая языковая модель (LLM), которая анализирует запросы и данные, помогает выбирать дальнейшие действия и формировать результат. Например, в клиентской поддержке модель определяет, что хочет узнать пользователь, и подбирает ответ с учетом контекста обращения.

2. Инструкции. Задают цель агента, правила работы, ограничения и критерии результата. Например, ИИ-агенту поддержки можно поручить отвечать в дружелюбном тоне и не обещать клиентам того, что компания не может выполнить.

3. Источники данных. Документы, базы знаний, корпоративные базы данных и другие источники, к которым агент обращается за информацией. В поддержке это могут быть инструкции, ответы на часто задаваемые вопросы, условия доставки и возврата, описание товаров и услуг. Для работы с такими данными можно использовать RAG — подход, при котором система находит релевантную информацию и передает ее модели для подготовки ответа.

4. Инструменты. Позволяют агенту взаимодействовать с другими системами: обращаться к API, искать информацию в базах данных, обрабатывать файлы, создавать записи в CRM или запускать бизнес-процессы. 

Например, агент поддержки может проверить статус заказа, посмотреть историю обращений клиента и сформулировать ответ на основе предыдущих обращений пользователя.

5. Память и контекст. Помогают учитывать информацию, необходимую для выполнения текущей задачи: входные данные, промежуточные результаты и предыдущие действия. 

В поддержке агент может учитывать предыдущие сообщения клиента, чтобы не переспрашивать уже известные детали. Если это предусмотрено системой, он также может сохранять информацию между обращениями.

6. Ограничения и контроль. Важно заранее определить, какие данные и действия доступны агенту, какие операции требуют подтверждения, и как проверять результаты. Например, агент может самостоятельно консультировать клиента, но если он не может решить вопрос или не уверен в ответе, передать обращение специалисту.

Не каждый агент использует все эти компоненты. Например, для анализа таблицы может не понадобиться база знаний, а агенту, который запускает обработку данных по расписанию, не нужны диалоговый интерфейс и история переписки.

Примеры ИИ-агентов для бизнеса 

1. Поддержка. В этом случае ИИ-агент берет на себя задачи сотрудника поддержки: отвечает на типовые вопросы о товарах, доставке, оплате и возврате, находит ответы в базе знаний, а сложные случаи передает человеку с кратким резюме диалога. 

Пример: ИИ-оператор Jivo может подсказать клиенту, как изменить расположение виджета на сайте. 

2. Продажи и лидогенерация. ИИ-агент для бизнеса предлагает решение под запрос клиента, снимает возражение и подводит к сделке. А при сложном вопросе и готовности клиента совершить покупку может передать обращение менеджеру. 

Пример: ИИ-оператор Jivo выявляет потребности клиента с помощью наводящих вопросов. 

3. Маркетинг. Система собирает информацию из нескольких источников, анализирует ее и готовит материалы для решения маркетинговых задач.

Пример: маркетолог поручает ИИ-агенту подготовить обзор конкурентов. Система изучает доступные сайты, собирает сведения о продуктах, тарифах и позиционировании, сопоставляет предложения и готовит таблицу с выводами. На ее основе он может предложить темы публикаций и составить черновой контент-план с учетом целевой аудитории и брендбука.

4. Управление персоналом. Помогает сотрудникам и кандидатам получать информацию, а менеджерам по персоналу — выполнять административные задачи.

Пример: кандидат откликается на вакансию. Агент проверяет, указаны ли в резюме обязательные для рассмотрения сведения, задает уточняющие вопросы, согласовывает время собеседования и отправляет приглашение. После этого он обновляет статус кандидата в системе управления подбором персонала и готовит рекрутеру краткое резюме опыта кандидата относительно требований вакансии.

5. Финансы и аналитика: сопоставляет данные из разных систем, выявляет расхождения и готовит результаты для проверки и принятия решений.

Пример: ИИ-агент получает счета от поставщиков, извлекает из них суммы, даты и реквизиты, сопоставляет их с заказами и данными о поставках. Если все совпадает с заданными правилами, он готовит документы к дальнейшей обработке. Если обнаруживает расхождение в сумме, дублирующий счет или неизвестного поставщика, помечает операцию для проверки финансовым специалистом.

Кейсы: как AI-агенты для бизнеса работают в сфере поддержки и продаж

В сфере продаж и поддержки клиентов ИИ-агент для бизнеса особенно успешно помогает компаниям повысить качество обслуживания, увеличить конверсию в покупку и сэкономить ресурсы на найме персонала. 

Например, ИИ-оператор Jivo отвечает вашим клиентам 24/7, снижает число пропущенных диалогов до нуля и берет на себя 80% всех обращений на первой линии поддержки. Инструмент работает в чате на сайте, в MAX, Telegram, ВКонтакте, других мессенджерах и соцсетях. 

Вот пример того, как ИИ-оператор ведет диалог с клиентом агентства недвижимости:

Для запуска достаточно указать адрес сайта, а ИИ-оператор сам изучит открытые страницы, соберет важную информацию о компании, проанализирует тон общения с клиентами и будет вести диалог на основе этих данных. 

Вы также можете загрузить в систему описания товаров и услуг, цены, регламенты работы, ответы на часто задаваемые вопросы, чтобы бот опирался на ваш контент при ответах.

Инструмент соответствует 152-ФЗ, данные хранятся на территории России.

Удобно, что ИИ-оператор сам пополняет базу знаний: находит полезные ответы в диалогах сотрудников с клиентами и добавляет их с пометкой «Создано ИИ», удаляя дубли и персональные данные.

Что получают компании:

1. VseMayki: ИИ-оператор закрывает до 70% обращений и приносит заказы ночью

Российская платформа с собственным производством одежды и аксессуаров с принтами работает с розничными и корпоративными клиентами. В обычный месяц компания получает около 3 000 обращений, а в предпраздничный сезон — до 7 000. До внедрения ИИ-оператора клиенты ждали ответ 3 минуты, а в предпраздничные дни 15–20 минут. 

Прежний стандартный бот закрывал только 30% диалогов и передавал менеджеру любой нестандартный вопрос. Кроме того, каждое обновление базы знаний (сроки, составы тканей, новинки) требовало оплачиваемой работы подрядчиков.

ИИ-оператор Jivo взял на себя основной поток и понимает живую речь и профильный сленг: оверсайз, свитшот, DTF-печать. Простые вопросы он закрывает сам, а сложные корпоративные заказы передает менеджеру. Удобно, что сотрудники клиентского сервиса сами правят базу знаний, на что в среднем уходит около пяти минут за сессию.

Теперь бот самостоятельно закрывает до 70% обращений. Среднее время ответа сократилось до 10 секунд. Выросло число заказов, оформленных ночью и в выходные, а негативные отзывы из-за долгого ожидания сошли на нет. В штате вместо пяти менеджеров теперь два, что позволило сократить затраты на персонал.

2. «Мос Эко-Клин»: 4 884 сделки за три месяца

Сотрудники городского центра дезинфекции и чистки вентиляции в основном работали на звонках, пока чат на сайте оставался без внимания. До внедрения ИИ-оператора количество пропущенных диалогов в чате доходило до 2 500 в месяц. 

Теперь ИИ-агент сразу отсекает нецелевые обращения, задает клиенту вопросы, которые влияют на качество услуг, а затем собирает контакты. В результате менеджер получает готовое обращение и звонит с конкретным предложением.

За три месяца ИИ принес 4 884 сделки, из которых 233 были закрыты, и свел число пропущенных диалогов до нуля.

3. «Серво-Юг»: время ответа сократилось с 7 минут до 2 секунд, а заявок стало вдвое больше

Компания устанавливает локальные очистные сооружения, и в этой нише клиент уходит к конкуренту, если не получил ответ в первые минуты. Раньше менеджеры не успевали обрабатывать обращения в чате, из-за чего компания теряла часть потенциальных клиентов.

Теперь ИИ-оператор консультирует по ассортименту, помогает рассчитать объем сооружения, просит оставить телефон и сам проставляет теги в карточке CRM. Вот пример того, как ИИ отвечает потенциальному клиенту:

В результате внедрения время ответа сократилось с 7 минут до 1–2 секунд. Количество заявок выросло в 2 раза, а ИИ-бот работает и ночью, и в выходные дни.

4. «360 Тур»: конверсия в заявку выросла на 20%

В турагентстве клиенты пишут сразу в несколько компаний и выбирают ту, которая ответит быстрее. В сезон менеджеры не справлялись с потоком обращений, а ночные заявки терялись.

ИИ-оператор взял на себя всю первую линию поддержки: отвечает на вопросы про визы, багаж и страховку, собирает данные и передает менеджеру готовую заявку.

Теперь клиент получает ответ за несколько секунд вместо 10–15 минут. Компания обрабатывает на 20% больше обращений, конверсия в заявку выросла на 20%. Менеджеры больше не решают типовые вопросы и плотно занимаются продажами.

5. «Профмедика»: ИИ-оператор закрывает 88% диалогов без помощи человека

«Профмедика» — сеть многопрофильных медицинских центров в Новокузнецке, которая проводит все виды медосмотров для физических и юридических лиц. Основной канал связи у клиентов — телефон, но часть людей пишет в чат на сайте, во ВКонтакте и в Telegram. 

Операторы кол-центра не успевали отвечать на текстовые сообщения, а многие обращения были чисто информационными и не превращались в запись. Работа в медицинской нише требует знания терминологии и строгого соблюдения врачебной тайны и закона «О персональных данных» № 152-ФЗ, чему как раз соотвествует ИИ-оператор.

В итоге ИИ закрывает 88% диалогов без участия человека, а поддержка стала круглосуточной, чего раньше компания не могла себе позволить.

Как оценить окупаемость ИИ-агентов для бизнеса

ИИ-агенты помогают бизнесу сокращать затраты на рутинные задачи, ускорять обслуживание клиентов и повышать производительность сотрудников. 

В разных отделах эффект оценивают по-разному: 

• в поддержке — по стоимости обработки обращений;
• в продажах — по конверсии и числу сделок;
• в маркетинге — по времени подготовки контента; 
• в финансах — по скорости обработки документов и количеству ошибок.

Перед внедрением зафиксируйте исходные показатели: расходы, время выполнения задач, их количество и качество результата. После запуска сравните их с новыми значениями.

Основные формулы:

1. ROI — коэффициент окупаемости или показатель возврата инвестиций.

Показывает, насколько выгода от внедрения превышает расходы.

2. Срок окупаемости:

Помогает оценить, за какое время вложения окупятся при относительно стабильной выгоде.

3. Стоимость задачи:

Позволяет сравнить стоимость выполнения работы до и после внедрения агента.

В расчет включайте не только подписку, но и затраты на настройку, интеграции и контроль качества. Результаты стоит проверять через 1, 3, 6 и 12 месяцев, учитывая изменения нагрузки и сложности задач.

Рассмотрим пример расчета окупаемости для ИИ-оператора, который отвечает на обращения клиентов.

Исходные данные:

• Менеджер по продажам обрабатывает 200 диалогов в день, или 4 000 в месяц при 20 рабочих днях.
• Зарплата менеджера — 75 000 ₽ в месяц.
• Расчетная стоимость диалога — 75 000 / 4 000 = 18,75 ₽.
• Стоимость ИИ-оператора — 12 990 ₽ в месяц.
• За месяц ИИ-оператор участвовал в 4 899 диалогах, из которых 3 625 завершились без участия человека.

По этой модели стоимость ИИ-оператора почти в 6 раз ниже расчетной стоимости обработки тех же диалогов менеджером.

Расчет:

1. Стоимость обработки 3 625 диалогов менеджером: 3 625 × 18,75 ₽ = 67 969 ₽.
2. Расчетная экономия за вычетом стоимости ИИ-оператора: 67 969 − 12 990 = 54 979 ₽ в месяц.
3. ROI: (67 969 − 12 990) / 12 990 × 100% ≈ 423%.
4. Потенциальная экономия за год при тех же показателях: 659 748 ₽.
5. Доля диалогов, завершенных без участия человека: 3 625 / 4 899 ≈ 74%.

Пошаговое создание ИИ-агентов для бизнеса

При внедрении ИИ-агентов в компанию есть два пути:

Первый — собрать агента самостоятельно на конструкторах вроде n8n или фреймворках для разработчиков и подключить языковую модель по API. Тогда для создания ИИ-агента нужна команда, время и постоянная поддержка, однако это дает гибкость в процессах. 

Второй путь — выбрать готовый инструмент для решения ваших задач. Например, ИИ-оператор Jivo не требует участия разработчиков, а на запуск понадобится меньше часа.

1. Выберите один процесс. Что должен делать ИИ-агент? Возможно, отвечать на вопросы пользователей, предлагать решение под потребности клиентов, квалифицировать заявки с сайта. 

2. Подготовьте базу знаний, которую ИИ-агент должен использовать при работе. Удобно, что ИИ-оператор Jivo может самостоятельно просканировать сайт и вынести оттуда всю важную информацию о компании, ценах, товарах и услугах. Достаточно просто указать название сайта. 

Также в базу знаний ИИ-оператора Jivo можно добавить актуальные часто задаваемые вопросы, прайсы, условия доставки и возврата, адреса.

4. Пропишите правила работы. Например, для работы в отделе поддержки или продаж важно задать роль ИИ-агента, тон и запреты («Не называй цену», «Не обещай скидок»), а также условия передачи диалога человеку. 

В Jivo уже есть встроенный промпт для стандартной работы ИИ-оператора, но вы также можете задать дополнительные правила.

5. Протестируйте. Посмотрите, как ИИ-агент для бизнеса работает с реальными задачами. Например, при консультации пользователей система должна корректно отвечать о характеристиках и ценах товаров, давать правильную информацию по адресам офисов и режиму работы. 

В Jivo можно протестировать ИИ-оператора на отдельной тестовой странице.