Нейросети в клиентской поддержке: ответы по базе знаний, разбор обращений и данные клиентов
Нейросеть в поддержке готовит черновик ответа по базе знаний и регламентам, подстраивает тон под ситуацию, присваивает обращению тему и срочность, сжимает длинную переписку в несколько строк для коллеги и подсказывает, где в диалоге ошибся оператор. Отправляет ответ и отвечает за него по-прежнему человек. Чтобы этим пользоваться, нужны три умения: держать базу знаний в порядке, проверять черновик по источнику и не вставлять в запрос лишние данные клиента. Ответ чат-бота клиенту считается ответом компании, поэтому вопросы о деньгах и претензии бот должен передавать человеку.
Содержание

Главное заблуждение новичка — считать, что модель «знает» правила компании. Она знает только то, что ей дали в запросе или подключили как базу. Если в базе две версии условий возврата, модель уверенно процитирует любую, и клиент получит гладкий ответ, противоречащий договору. Поэтому работа с нейросетью в поддержке начинается не с промптов, а с ревизии статей базы знаний и шаблонов.
Какие задачи поддержки модель берёт на себя
Лучше всего нейросеть справляется с задачами, где есть понятный образец. Черновик ответа: оператор вставляет вопрос клиента и фрагмент регламента, модель собирает связный ответ, а человек сверяет сроки и суммы. Смена тона: из сухой отписки получается спокойное объяснение, из длинного извинения — короткий ответ по делу. Классификация: модель раскладывает обращения по заданному списку тем («доставка», «возврат», «оплата») и отмечает срочные. Суммаризация: переписка из сорока сообщений превращается в пять строк для второй линии — что случилось, что проверили, что обещали клиенту.
Насколько это помогает, показало исследование Эрика Бриньолфссона, Даниэль Ли и Линдси Рэймонд («Generative AI at Work», The Quarterly Journal of Economics, 2025, т. 140, № 2). У 5 179 операторов поддержки подсказки нейросети увеличили число решённых обращений в час в среднем на 14 %, у новичков и менее опытных — на 34 %, а у опытных сотрудников эффект оказался минимальным. Модель быстрее всего подтягивает тех, кто ещё не выучил типовые ответы.
Другой подход нужен там, где ответа нет в базе: спор о компенсации, жалоба на сотрудника, угроза суда. Здесь черновик вреден — модель заполнит пробел правдоподобной выдумкой.
Учебный пример: возврат пылесоса после 14 дней
Ситуация учебная. Клиент пишет: купил пылесос три недели назад, он перестал включаться, хочу вернуть деньги. Оператор не просит модель «ответить клиенту», а даёт ей три вещи: текст обращения без имени и номера телефона, статью базы знаний о возврате технически сложных товаров и шаблон ответа со структурой «что произошло — что мы сделаем — что нужно от вас — срок».
Модель возвращает черновик и по просьбе перечисляет пункты статьи, на которые опиралась. Оператор проверяет главное: верен ли срок, не обещан ли возврат денег там, где по регламенту сначала нужна проверка качества, актуален ли адрес сервисного центра. Затем модель присваивает обращению тему «возврат / брак» и срочность «обычная», а в карточку клиента попадает краткое резюме. Решение о том, что обещать клиенту, остаётся за человеком.
Ответ чат-бота — это ответ компании
Самый наглядный пример того, что бывает, когда ответы бота не сверяют с правилами, — дело Moffatt против Air Canada. Его рассматривал Трибунал по гражданским спорам Британской Колумбии, решение вынесено 14 февраля 2024 года (Moffatt v. Air Canada, 2024 BCCRT 149). В ноябре 2022 года у Моффатта умерла бабушка, и он спросил чат-бота на сайте авиакомпании о льготных тарифах для поездки на похороны. Бот ответил, что, если поездка уже состоялась, заявку на сниженный тариф можно подать в течение 90 дней с даты оформления билета. В том же ответе стояла ссылка на страницу с правилами, где было сказано обратное: после завершения поездки льгота не применяется.
Авиакомпания отказала в перерасчёте и в споре заявила, по сути, что чат-бот — отдельное лицо, которое само отвечает за свои слова. Трибунал назвал этот довод «поразительным» и указал в п. 27 решения: компания отвечает за всю информацию на своём сайте, и неважно, размещена она на статичной странице или выдана чат-ботом. В п. 28–29 добавлено, что клиент не обязан перепроверять одну часть сайта по другой и не может знать, какая из них верна. Air Canada обязали выплатить 812,02 канадского доллара: 650,88 — разница с льготным тарифом, 36,14 — проценты, 125 — сбор трибунала.
Это решение канадского органа по малым спорам, а не российский прецедент, но логика понятна. Бот, отвечающий от имени компании, должен опираться на ту же версию правил, что и сайт, а вопросы о деньгах и льготах лучше закрывать цитатой из документа или передачей оператору. Если вы заметили, что бот отвечает не так, как написано в регламенте, сразу сообщите ответственному за базу знаний.
Когда передавать обращение человеку
Правила передачи лучше записать заранее, иначе каждый оператор и сценарий бота решат по-своему. Список идёт от жёстких случаев к мягким: сначала те, где ошибка стоит денег или репутации, в конце — те, где человек просто сэкономит клиенту время.
- Клиент спрашивает о деньгах: возврат, компенсация, перерасчёт, исключение из правил.
- Ответа нет в базе знаний или статьи противоречат друг другу.
- В сообщении есть претензия, упоминание суда, Роспотребнадзора или угроза публичной жалобы.
- Клиент пишет о здоровье, безопасности или повреждённом имуществе.
- Бот дважды не понял вопрос, и клиент повторяет его другими словами.
- Клиент прямо просит соединить с оператором.
При передаче модель готовит резюме переписки, чтобы клиенту не пришлось рассказывать историю заново. В резюме должны быть только факты из диалога, без домыслов.
Персональные данные клиентов в чатах
Имя, телефон, адрес доставки, номер заказа, связанный с конкретным человеком, — всё это персональные данные по закону № 152-ФЗ. Когда оператор копирует переписку в общедоступный чат-бот, эти сведения уходят стороннему сервису, и решать, допустимо ли это, должна компания, а не сотрудник на смене.
На практике хватает трёх правил. Работайте в инструменте, разрешённом в компании, а если его нет — заменяйте имя, телефон и адрес метками вроде «[клиент]» до вставки. Не загружайте в модель сканы паспортов, данные карт и медицинские документы, даже если клиент прислал их сам. И проверяйте черновик: модель иногда переносит в него фрагменты других примеров из запроса.
С чего начать и в каком порядке осваивать
Последовательность важна: если сразу строить бота, вы автоматизируете беспорядок в базе знаний. Поэтому сначала разбирают собственные материалы, затем учатся ручной работе с моделью и только потом соединяют её с почтой, CRM или мессенджером.
- Выберите десять самых частых вопросов клиентов и проверьте, есть ли на каждый актуальная статья базы знаний. Устаревшие статьи отметьте.
- Составьте для модели постоянную инструкцию: кто отвечает, каким тоном, чего обещать нельзя, что делать, если ответа в базе нет.
- Готовьте черновики по реальным обращениям с замаскированными данными и записывайте, какие правки вносите вручную.
- Задайте список тем и срочности и попросите модель разметить сто старых обращений. Сравните с ручной разметкой.
- Только после этого пробуйте связку с рабочими системами.
Первые четыре шага делаются в обычном чат-боте. Пятый требует навыков автоматизации, и его удобнее осваивать с куратором. На курсе Skillbox «Нейросети для бизнеса» собирают GPT-ассистента на собственной базе знаний — регламентах, каталоге или FAQ, — строят цепочки в Make и n8n, среди примеров которых есть поддержка интернет-магазина, и делают локального ассистента, который работает с документами без отправки базы в публичное облако.
Упражнения, ошибки и самопроверка
Хорошая тренировка — попросить модель ответить на один вопрос трижды: по статье базы знаний, без статьи и по намеренно устаревшей статье. Сравнение покажет, как сильно ответ зависит от источника и как убедительно модель звучит, когда ошибается.
Типичные ошибки новичков: черновик уходит без сверки цифр, список тем слишком длинный и модель путает похожие категории, инструкция не запрещает обещать сроки — и черновики начинают гарантировать доставку «завтра». Проверить себя можно по доле черновиков без правок по существу и по совпадению автоматической разметки с ручной. Если повторных обращений после ответов с моделью стало больше, ответы стали гладкими, но перестали решать вопрос.
Для руководителя поддержки следующий шаг — оценка диалогов: модель читает расшифровки и отмечает, где оператор не назвал срок. На курсе Skillbox «ИИ-агенты для бизнеса» этому посвящён бизнес-кейс по анализу записей колл-центра: качество расшифровки, правила оценки разговоров и защита данных клиентов. Там же делают бота, отвечающего по своей базе знаний.
Как навык влияет на доход
Отдельной надбавки «за нейросети» в поддержке в открытых данных найти не удалось. Для ориентира: по данным Dream Job, где зарплаты сообщают сами сотрудники, средняя зарплата специалиста технической поддержки в России за 2026 год — 55 000 ₽ на руки по 910 отзывам, чаще всего называют суммы от 40 000 до 70 000 ₽, в Москве — 64 000 ₽ по 250 зарплатам. Это самоотчёты сотрудников, а не предложения работодателей.
Влияние навыка косвенное. Оператор, который быстрее закрывает обращения без ошибок, выполняет норму и проходит контроль качества, от которых обычно зависит переменная часть. Тот, кто наводит порядок в базе знаний и настраивает разметку обращений, может перейти в методисты поддержки или старшие специалисты. Чтобы оценить рынок, смотрите вакансии с упоминанием базы знаний или чат-ботов в своём регионе и сравнивайте медиану.
Как выбрать обучение
Сначала решите, что вам нужно: готовить ответы с моделью в своей работе или настраивать ботов для всей линии. Для первого хватит базовой программы и практики на своих обращениях, для второго нужны проекты и разбор ошибок от куратора.
Тем, кто только начинает работать с моделями, подойдёт курс Skillbox «Нейросети с нуля для жизни и работы»: два месяца по 3–5 часов в неделю, семь тематических проектов, отдельные занятия о помощниках и автоматизации в n8n, а итог — собственный ИИ-помощник. Сценариев поддержки в описании нет, поэтому задачи из этой статьи стоит взять материалом для проектов, а содержание блока о помощниках уточнить у школы.
Сравнивая программы, смотрите на то, что вы сделаете руками: соберёте ли ассистента на своих документах, разметите ли выборку обращений, разберут ли с вами ошибки в черновиках и защиту данных клиентов.
Отдельного рейтинга школ по нейросетям для поддержки пока нет. Школы удобно сравнивать по широкому рейтингу онлайн-школ с обучением нейросетям для работы и бизнеса: в нём собраны школы, которые учат применять модели в разных рабочих задачах, а не только в клиентском сервисе.
Прежде чем платить, попробуйте первые четыре шага плана на своих обращениях. Если модель постоянно ошибается, начните с базы знаний, а не с обучения.