ИИ принес "Сберу" 300 млн руб. за счет оптимизации обработки звонков

За счет применения ИИ среднее время маршрутизации звонков корпоративных клиентов "Сбера" на линию поддержки за два года сократилось в 3,5 раза до 18 сек. Виртуальный ИИ-ассистент маршрутизирует обращения 87% клиентов с использованием предсказательной (предиктивной) аналитики. При этом благодаря самообучению точность маршрутизации за год выросла на 14 процентных пункта до 77%. Менеджер продуктов Innostage Евгений Сурков считает, что в "Сбере" правильно понимают векторы эффективного применения ИИ в работе операторов и в предиктивном анализе: прямое взаимодействие ИИ с клиентом пока не выглядит основным направлением, улучшающим клиентский опыт, но это может измениться в ближайшем будущем. Директор департамента голосовых цифровых технологий ООО "БСС" (BSS) Александр Крушинский обратил внимание на то, что как правило ИИ применяется в КЦ в качестве виртуального ассистента на входящей линии (в телефонном или в текстовом канале), в системах роботизированных исходящих обзвонах (телемаркетинг, коллекшн и сбор обратной связи) и в системах речевой аналитики: "Основная цель робота на входящей линии — снятие нагрузки с операторов при сохранении клиентской удовлетворенности. Цель исходящих роботизированных обзвонов — снятие нагрузки с операторов при сохранении конверсии (в продажу для телемаркетинга, в погашение долга для коллекшн). Для речевой аналитики эффект менее измерим и более разнообразен. Речевая аналитика — это прежде всего инструмент анализа. В зависимости от того, что именно анализируется и как используются результаты анализа, эффект может быть в сокращении времени обслуживания, в удовлетворенности заказчика, в конверсии продаж и даже в повышение рыночной позиции за счет глубокого анализа клиентского опыта". В текстовом канале ИИ-ассистент успешно решает 23% обращений. Всего в голосовом канале речевая аналитика охватывает 99% консультаций. Искусственный интеллект анализирует ход диалога, оценивает качество консультации и соблюдение оператором стандартов клиентского обслуживания. Руководитель Управления клиентского сервиса СКБ Контур Евгения Гиленюк называет показатели, достигнутые "Сбером", очень высокими: "Количественные показатели, даже самые впечатляющие, не позволяют составить полную картину. Чтобы оценить подобные новшества системно и сделать правильные выводы, не менее важна качественная оценка от клиентов, как внешних, так и внутренних. Если точность маршрутизации звонков высока, устраивает внешнего клиента и не тратит ресурсов внутренних клиентов на элементарные действия, то рост их удовлетворенности — очевидная польза. За каждым процентом повышения точности маршрутизации стоят люди, поэтому 14% в случае "Сбера" — прекрасный показатель. В масштабах структуры Сбербанка каждый процент — это огромное количество людей, жизнь которых стала лучше. Показатель обработки ассистентом 23% обращений клиентов, если это действительно осмысленные ответы, — просто фантастика. В Контуре в общении с крупными корпоративными клиентами мы наоборот, делаем упор на активное вовлечение живых людей. Дело в том, что задачи и ситуации корпоративных клиентов зачастую требуют тщательной индивидуальный проработки. На массовых направлениях, где задачи несколько проще, уровень автоматизации звонков у нас несколько выше, около 10%. Но такой относительно не высокий процент мы выдерживаем сознательно, так как предъявляем высокие требования к качеству ответов робота: чтобы быть максимально полезным клиенту, ответ должен быть на 80% верным". Александр Крушинский напомнил, что для входящей линии стандартным (хорошим) показателем автоматизации является значение в диапазоне 30%-60%, однако корпоративный сегмент — это один из самых сложных сегментов для автоматизации: "Сотрудники корпоративных клиентов — это "профессиональные" клиенты банка, которые как правило знают продукты банка и умеют пользоваться инструментами, которые банк предоставляет. Как правило такие клиенты задают намного более сложные и разнообразные вопросы чем клиенты-физики. Поэтому мне кажется, что 23% очень достойный показатель, особенно если учитывать кол-во сотрудников "Сбера" и представить сколько часов труда операторов было сэкономлено за счет этих 23%. Повышение точности на 14 п. п. — это также каждый 7-й звонок. Результат как минимум ощутимый". По мнению Евгения Суркова, под вопросом остаётся роль ИИ в достижении показателя: "Оптимизация работы службы поддержки — это всегда комплексный процесс, пересекающийся в идеале со всеми процессами банковского обслуживания. Поэтому и объяснений улучшенным показателям может быть много. Например, ранее могли быть не оптимально составлены маршруты/скрипты самой поддержки, пользовательский путь в дистанционном обслуживании и офлайн-сервисах банка мог быть избыточен или непонятен. При оптимизации для ИИ имевшиеся проблемы могли выявить и устранить, что и могло принести основной эффект.
Также в "Сбере" отмечают эффективность ботов ИИ в маршрутизации и в помощи операторам. Но 23% запросов клиентов, решённых напрямую ИИ (без привлечения оператора) говорят о том, что до полной автоматизации процедур поддержки ещё далеко, и ИИ больше про помощь операторам, чем про самостоятельное решение вопросов. Скорее всего, любые вопросы, решаемые ИИ, могут быть решены без обращения в службу поддержки (например, за счёт внимательного чтения мануалов). Там, где требуются нетривиальные решения — ИИ ничего придумать сам, без участия человека, пока не сможет. Это потребовало бы выдачи ему небезопасных полномочий. А чем понятнее процедуры и мануалы — тем меньше требуется кто-то для их дополнительного разъяснения (неважно, бот это или оператор)". "Автоматизация процессов с бизнес-клиентами обычно более сложная, чем с физическими лицами, — говорит лидер направления ИИ ГК Softline Максим Милков. — Дело в том, насколько много сценариев можно выделить в коммуникациях с контакт-центром. Чем меньше сценариев и чем более они однородны, тем больший эффект можно ожидать от внедрения подобных ИИ ассистентов". Для прогнозирования индекса удовлетворенности клиентов (CSI) в Сбербанке также используется искусственный интеллект. При этом комплекс моделей машинного обучения предсказывает этот показатель для всех обращений. А у операторов контакт-центра теперь есть персональный ИИ-наставник, который работает в фоновом режиме и всегда готов ответить на любой вопрос. Директор дивизиона "Центр корпоративных решений" ПАО "Сбербанк" Сергей Леханов так прокомментировал результаты проекта: "Мы видим огромный позитивный эффект от ИИ-трансформации нашего контакт-центра. И это не только экономия средств банка, но и, что самое важное, экономия времени наших клиентов. Теперь предприниматели ещё быстрее получают квалифицированный ответ и эффективное решение своей проблемы, поскольку скорость маршрутизации выросла в разы. Точно так же выросла и квалификация наших специалистов, ведь они пользуются ИИ-наставником, что упрощает работу и увеличивает пользу для клиента".
Максим Милков считает, что эффект от внедрения ИИ зависит от того насколько оптимален процесс был до его внедрения: "Например, если маршрутизация к оператору занимала в среднем 15 секунд, то скорее всего добиться дополнительного эффекта достаточно сложно. С другой стороны, если процесс изначально сильно не оптимален, например среднее время маршрутизации составляет 20 минут, то решении проблемы может состоять в проведении бизнес-аналитики, в том числе на основе данных, для выявления "бутылочных горлышек" и внесения изменений в процессы без применения ИИ". Руководитель центра компетенций мультимедиа и унифицированных коммуникаций ООО "T1 Интеграция" Игорь Афонин обратил внимание на то, что усилить эффект от применения ИИ-ассистента может дать постобработка звонков клиентов: "Используя базу звонков как датасет для обучения ИИ, можно проводить анализ и пополнять базу знаний для конкретных направлений клиентских кейсов. Модель также можно дополнительно обучать, что в дальнейшем должно дать дополнительный эффект как в маршрутизации, так и в обслуживании". Ссылка на источник