Naumen Agent Copilot сократил время обработки звонков на 20% и упростил переход к автономным агентам
Навигация от подсказок операторам к полным автономным агентам сокращает время обработки звонка на 20% без перестройки архитектуры. Бизнес получает готовый фундамент для масштабирования, где те же данные сразу работают на снижение штатной нагрузки и ускорение адаптации новичков.
Компания Naumen представила решение Agent Copilot на базе платформы Naumen Erudite, которое меняет подход к автоматизации контакт-центров. Инструмент позволяет начать с внедрения генеративного ИИ в виде подсказок для операторов, а затем без перестройки архитектуры перевести систему в режим полной автономии. Пилотные данные показывают, что такой подход сокращает среднее время обработки обращения на 20%, а долю вопросов, решенных с первого звонка, повышает на 5–8%.
Важный нюанс: Переход к автономным агентам происходит без сбора новых интеграций, так как «второй пилот» и будущий «агент» работают на едином ядре данных.
Механика работы и экономический эффект
Решение работает по модели «человек в контуре», выступая в роли суфлера для оператора. Система в реальном времени анализирует диалог и подает информацию из базы знаний, CRM или продуктового каталога, адаптируя ответы под контекст разговора. Это снижает нагрузку на сотрудника и ускоряет поиск нужной информации.
Кроме того, инструмент берет на себя рутинные операции:
- Формирует краткую выжимку (саммари) диалога.
- Автоматически заполняет анкеты клиентов.
- Корректирует тон общения и подсказывает следующие шаги.
- Ускоряет адаптацию новых сотрудников, сокращая время их выхода на полноценную линию.
Главное преимущество архитектуры заключается в масштабируемости. Бизнесу не нужно создавать новую систему для перехода к ИИ-агентам. Те же сценарии и базы знаний, которые используются для помощи человеку, становятся фундаментом для полностью автономной работы. Это устраняет необходимость в повторной настройке интеграций при смене режима работы.
Рыночный контекст и подтверждение эффективности
Опыт внедрения решений Naumen на других площадках подтверждает востребованность подобных инструментов. Сервис «Скорозвон», использующий платформу Naumen Contact Center, внедрил скоринг баз для исходящих звонков. Это позволило сократить затраты на маркировку и трафик примерно на 20%.
Также проект ОТП Банка по аналитике диалогов, реализованный на базе речевой аналитики Naumen, вышел в финал премии Generation AI Awards. Банк применил гибридный подход, разделив задачи между машинным обучением и большими языковыми моделями, что дало измеримый экономический эффект. Компания СберФакторинг также построила единую систему управления сервисами на базе Naumen Service Desk, что позволило масштабировать бизнес без пропорционального роста ИТ-команды.
Стоит учесть: Внедрение ИИ в контакт-центры смещает фокус с простого использования технологии на управление данными и сценариями, что становится критическим фактором для окупаемости.
Операционные последствия и практические аспекты
- Снижение порога входа в ИИ: Компании могут начать с малого (подсказки операторам), не рискуя качеством обслуживания, и поэтапно передавать задачи алгоритмам по мере накопления данных и экспертизы.
- Оптимизация затрат на персонал: Ускорение обучения новых сотрудников и автоматизация рутинных записей снижают потребность в расширении штата при росте нагрузки на контакт-центр.
- Единая точка управления данными: Использование одной базы знаний для разных режимов работы (человек + ИИ или только ИИ) минимизирует риски рассинхронизации информации и упрощает поддержку системы.
- Зависимость от качества сценариев: Эффективность решения напрямую зависит от актуальности базы знаний и качества прописанных сценариев обслуживания, так как ИИ адаптирует ответы именно на их основе.
Подтверждение: naumen.ru
