Как ИИ бот «Ростелекома» сократил нагрузку на операторов и угадывает запросы клиентов
Внедрение предиктивной модели в голосовой бот «Ростелекома» формирует новый стандарт клиентского обслуживания, где ИИ не только отвечает на вопросы, но и предвосхищает потребности абонентов. Это снижает нагрузку на операторов и ускоряет обработку запросов, одновременно повышая точность и персонализацию сервиса.
Внедрение предиктивной модели в голосовом боте «Ростелекома» повысило эффективность клиентского обслуживания
По данным CNews, «Ростелеком» внедрил в работу голосового бота новую предиктивную модель, которая позволяет автоматически определять тему обращения клиента. В результате более 80% вопросов решаются без участия оператора, а почти 60% всех входящих звонков обрабатывается ботом.
Система анализирует данные лицевого счета абонента — баланс, сроки и движение платежей — и на основе этих сведений прогнозирует возможные вопросы. Например, если клиент звонит из-за проблем с подключением услуги, бот сразу информирует его о статусе активности сервисов и предлагает варианты их восстановления. Это позволяет сократить время ожидания и повысить точность ответов.
Технологии ИИ обеспечивают персонализированный подход
Система не ограничивается только техническими вопросами. Если обращение связано с финансовым состоянием клиента, бот предоставляет персонализированную информацию о балансе и возможностях управления средствами. Среди предложений — актуальные данные о платежах, доступные способы оплаты, информация о статусе ожидаемых средств, а также возможность оформления обещанного платежа.
Для клиентов, чьи вопросы требуют дополнительного анализа, предусмотрен переход к оператору. При этом бот помогает сформировать запрос, что упрощает работу сотрудников контакт-центра и позволяет им сосредоточиться на решении сложных ситуаций. Таким образом, внедрение ИИ-инструментов повышает не только эффективность, но и качество обслуживания.
Оценка экспертов: шаг в сторону проактивного обслуживания
Эксперты отмечают, что внедрение предиктивной модели — это важный шаг в сторону проактивного клиентского сервиса. В отличие от традиционных подходов, где клиенты действуют по инициативе, новые технологии позволяют опережать запросы и предлагать решения до возникновения проблем.
Директор по клиентскому сервису «Ростелекома» Евгений Жукович подчеркнул, что компания уделяет особое внимание внедрению ИИ и речевых технологий. Он отметил, что более половины обращений в контакт-центр закрываются с помощью бота, что снижает нагрузку на операторов и ускоряет обработку запросов.
Потенциал для масштабирования
Решение «Ростелекома» демонстрирует, как ИИ может быть использован в сфере клиентского обслуживания. Внедрение подобных систем позволяет сократить время на обработку обращений, минимизировать ошибки и повысить уровень удовлетворенности клиентов. Для российского бизнеса такие подходы становятся особенно актуальными в условиях роста ожиданий пользователей и увеличения объема обращений.
Таблица: ключевые показатели эффективности бота «Ростелекома»
| Показатель | Значение |
|---|---|
| Доля вопросов, решаемых ботом | 80% |
| Доля всех звонков, обрабатываемых ботом | 60% |
| Использование ИИ | Да |
| Проактивное решение вопросов | Да |
| Возможность перехода к оператору | Да |
Применение ИИ в контакт-центрах открывает возможности для автоматизации рутинных задач, повышения точности и скорости обслуживания. Внедрение таких решений в других отраслях может стать следующим этапом цифровой трансформации.
Как ИИ меняет правила игры в клиентском сервисе: опыт «Ростелекома» и его последствия
Когда бот начинает предсказывать, а не реагировать
Внедрение предиктивной модели в голосовом боте «Ростелекома» выходит за рамки улучшения скорости обработки звонков. Это шаг к новой логике взаимодействия: ИИ не только реагирует, но и предсказывает. Вместо того, чтобы ждать, когда клиент сформулирует проблему, система уже на стадии подключения к разговору выстраивает гипотезы о его намерениях. Такой подход меняет не только скорость обслуживания, но и ожидания клиентов.
Ключевой момент здесь — доступ к данным лицевого счета. ИИ использует баланс, историю платежей и активность сервисов, чтобы понять, что клиенту может понадобиться. Это не просто улучшение алгоритма — это смещение фокуса с «как быстро ответить» на «как точно предложить».
Важный нюанс: Если ИИ умеет предсказывать, он также начинает формировать поведение. Клиенты, привыкшие к мгновенным решениям, через время перестают звонить, если проблема решается за секунды. Это снижает нагрузку на операторов, но одновременно ограничивает их контакт с реальными пользователями — и с их конкретными, нестандартными запросами.
Кто выигрывает, а кто теряет в новой системе
Внедрение бота с предиктивной моделью — это не только технологический, но и организационный сдвиг. Операторы больше не просто отвечают на вопросы — они становятся экспертами по сложным случаям, где ИИ не справляется. Это, с одной стороны, повышает квалификационный порог, а с другой — снижает объем рутинной работы.
Однако есть и неочевидные риски. Например, если ИИ делает выбор за клиента, это может привести к снижению прозрачности. Клиент получает решение, но не понимает, как оно было принято. Это особенно критично в финансовых вопросах, где отсутствие контекста может вызвать недоверие [!].
Другой важный аспект — зависимость от качества данных. Если ИИ работает на основе неполной или устаревшей информации, его прогнозы могут быть ошибочными. Это значит, что компаниям, внедряющим подобные системы, придется уделять больше внимания точности и актуальности данных, что, в свою очередь, повышает требования к внутренним процессам.
Важный нюанс: Внедрение ИИ в клиентский сервис — это не только вопрос технологии, но и вопрос культуры. Если сотрудники не будут готовы работать в новом формате, где ИИ снимает рутину, но требует высокой квалификации, то эффективность системы может снизиться.
Что происходит за кадром: скрытые мотивы и долгосрочные эффекты
Официальная цель — улучшение клиентского опыта. Но в реальности, «Ростелеком» строит систему, которая снижает зависимость от живого персонала. Это экономически выгодно, но не без последствий. В долгосрочной перспективе это может привести к:
- Снижению затрат на штат;
- Повышению требований к качеству данных и ИИ-модели;
- Изменению роли операторов — от исполнителей к аналитикам и консультантам;
- Увеличению давления на ИТ-отделы, отвечающие за интеграцию ИИ в бизнес-процессы.
Для других компаний, особенно в телекоме и финансах, это может стать ориентиром. Но стоит учитывать, что переход к предиктивному обслуживанию требует не только инвестиций в ИИ, но и в обучение сотрудников, перестройку внутренних процессов и, что самое важное, — постоянный контроль.
Важно: В банковском секторе, как отмечают эксперты, внедрение ИИ уже привело к сокращению численности персонала. В некоторых банках прогнозируется снижение числа сотрудников на 25% и более в долгосрочной перспективе [!]. Это подтверждает, что автоматизация — не временное явление, а тренд, который меняет структуру рынка труда.
Экономические и технологические последствия
Внедрение ИИ в клиентский сервис связано с рядом экономических факторов. Например, чистая прибыль «Ростелекома» сократилась на 50,7% в первом полугодии 2025 года, несмотря на рост выручки. Это связано с высокой ключевой ставкой ЦБ и ростом стоимости обслуживания долга [!]. Таким образом, внедрение ИИ, хотя и повышает эффективность, не гарантирует роста прибыли без дополнительной оптимизации расходов.
С другой стороны, рост спроса на проводной интернет в России, вызванный блокировками мобильного, способствует увеличению числа подключений к «Ростелекому». За год число подключений к проводному интернету в сегменте B2B выросло на 9%, а в B2C — на 7% [!]. Это, в свою очередь, увеличивает нагрузку на клиентский сервис и делает внедрение ИИ ещё более актуальным.
Риски и вызовы
Внедрение ИИ в клиентский сервис не лишено рисков. Один из них — рост утечек данных через ИИ-сервисы. В 2025 году количество утечек увеличилось в 30 раз по сравнению с предыдущим периодом, особенно в организациях, где отсутствуют чёткие правила использования ИИ [!]. Это требует от компаний внедрения систем контроля трафика и политик DLP, чтобы минимизировать угрозы безопасности.
Кроме того, ИИ-модели должны быть устойчивыми и надёжными, особенно в условиях автоматизации критически важных процессов. Ранее ИИ оценивался по краткосрочным демонстрациям, но теперь критически важны логическая непрерывность, стабильность и сохранение структуры [!]. Внедрение таких моделей требует инвестиций, но в долгосрочной перспективе они обеспечивают большую надёжность и снижают риски сбоев.
Заключение
Внедрение ИИ в клиентский сервис «Ростелекома» демонстрирует, как технологии могут изменить не только процессы обслуживания, но и структуру бизнеса. Однако успех таких инициатив зависит не только от технологий, но и от внутренних процессов, качества данных и готовности персонала. Для российского бизнеса это — важный этап цифровой трансформации, требующий внимательного подхода и стратегического планирования.
Источник: CNews
