- Как проводилось исследование
- Триггеры внедрения: рост нагрузки – главный драйвер
- Метрики ценности: что измеряют компании
- Пять бизнес-задач и карта сценариев
- Специфика России: драйверы и барьеры
- Барьер №1: Инфраструктура
- Другие барьеры (менее значительные, но тоже встречаются)
- Три пути внедрения: своя разработка, вендор или интегратор
- Бюджеты: от 5 миллионов до 100+ миллионов рублей
- Сроки: внедрение – 4–8 месяцев, но time-to-value дольше
- Изменения в командах: новые роли и реструктуризация
- Лучшие практики: 6 ключевых принципов
- Ответы на вопросы: окупаемость и оценка необходимости
- Главные выводы: три мысли на завершение
Выступление Ольги Кудрячёвой, руководителя лаборатории исследований рынка и решений, и Екатерины Скворцовой, исследователя-аналитика в области IT компании «Контур Университет», в рамках XI Ежегодного Всероссийского форума по клиентскому сервису – Client Service Forum 2026, прошедшего 19 июня 2026 года в Москве.
«В прошлом году, когда мы подумали о том, что неплохо бы взять какую-нибудь классную, суперактуальную тему по тому, как ИИ меняет бизнес-процессы, бизнес-функции, мы провели экспресс-анализ и поняли, что именно с клиентского сервиса часто начинается внедрение и такие прямо продовые, масштабные проекты», – начала выступление Екатерина Скворцова.
Почему именно клиентский сервис? В этой функции, по словам исследователей, наиболее понятна мотивация: уход от масштабирования людьми, экономия, снижение зависимости от человеческого фактора. Плюс – есть понятные критерии успеха и способы оценить ценность или бесполезность технологии. И, что критически важно, в клиентском сервисе накоплено достаточно данных, процессы стандартизированы и отчуждаемы, есть стандарты. «По мировым оценкам Гартнера, порядка 60–70% процессов в клиентском сервисе подлежат улучшению с помощью ИИ, – уточнила Екатерина. – Это не значит, что там что-то заменяется – такого нарратива сегодня не будет, мы его не видим и не подтверждаем. Но процессы меняются».
Как проводилось исследование
Лаборатория исследований рынка IT-решений Контур Университета собрала базу из 107 внедрений ИИ в клиентском сервисе – как российских, так и зарубежных компаний. «Мы структурировали их вручную по триггерам: что замотивировало компанию к внедрению? Мы брали именно большие внедрения, не пилотные проекты», – пояснила Екатерина. Дополнительно были проведены глубинные интервью с лидерами по клиентскому сервису крупнейших компаний – банков из топ-25, госкорпораций, сервисных компаний, вендоров. Исследование проводилось при поддержке вендора Naumen и интегратора «Кадватех».
Триггеры внедрения: рост нагрузки – главный драйвер
Анализ показал, что основная мотивация внедрения ИИ – увеличение нагрузки на функцию. «Это не оптимизационные задачи, как часто говорят, – подчеркнула спикер. – Как правило, это рост количества запросов, увеличение пользовательской базы. Таких кейсов – практически треть». Второй по популярности триггер – проблемы с качеством и длительностью ответов. Далее – неэффективные продажи, повторяющиеся запросы, перегрузка сотрудников.
«ИИ – это технология, которая помогает одновременно работать и с качеством, и с масштабируемостью. Это неотчуждаемые друг от друга процессы», – резюмировала Екатерина.
Метрики ценности: что измеряют компании
Исследователи выделили топ-4 метрики, которые используют компании для измерения ценности ИИ:
- Доля запросов, решаемых без человека – самая частая метрика.
- Метрики качества (CSI, CSAT и т.д.).
- Метрики оптимизации трудозатрат (снижение времени обработки, FTE).
- Время реакции (средняя скорость ответа).
«Это базовый набор метрик, который вы все, уверена, уже давно измеряете, – отметила Екатерина. – Не все функции могут похвастаться такими метриками. И это предпосылка к тому, чтобы технологии рассматривать более серьёзно. ИИ в клиентском сервисе – это про операционное улучшение, а не про технологию ради технологии, под которую надо ещё метрики придумывать».
Пять бизнес-задач и карта сценариев
Исследователи структурировали все кейсы по пяти бизнес-задачам (от самых популярных к наименее популярным):
- Снижение нагрузки и автономизация – самая частая задача.
- Рост продуктивности оператора – тренажёры, суфлёры, ассистенты.
- Увеличение выручки – работа с оттоком, коэффициентом конверсии при продажах (в России встречается редко, в мире – часто).
- Улучшение качества обслуживания.
- Управление аналитикой – например, планирование рабочих смен.
Карта сценариев включает более 30 вариантов – от базовых до сложных. «Глаза разбегаются, – призналась Екатерина. – Поэтому так важно действовать через быстрые пилоты, чтобы проверить, что действительно работает».
Специфика России: драйверы и барьеры
Основная часть исследования посвящена именно российской специфике. Екатерина выделила три ключевых драйвера:
- Исчерпание рынка. «Период экстенсивного роста пользовательской базы закончился. Переманивать клиентов сложно и дорого, поэтому ценность клиентского сервиса возрастает на самом высоком уровне – прямое влияние на выручку».
- Кадровый драйвер. Нанимать специалистов дорого, обучать долго, а живут они в компании 8–9 месяцев в среднем. «Конечно, есть лучшие практики, где этот показатель кратно больше, но проблематика очень яркая».
- Регуляторный драйвер. В нацпроектах есть цели по качеству госуслуг, и госкомпании живут по этим метрикам.
Но барьеры оказались ещё более болезненными.
Барьер №1: Инфраструктура
«Самый первый и самый значимый барьер – это инфраструктура. В России все любители локальных развёртываний. Компании сталкиваются с тем, что серверов, особенно с GPU, про запас нет. Претендовать на них сложно – первыми в очереди стоят IT-разработка и основные продукты», – констатировала Екатерина.
Цифра, которая шокирует: только 9% компаний в России обеспечены инфраструктурой по про запас. У остальных таких ресурсов нет. Если прибавить инфраструктуру к бюджету проекта, затраты растут кратно. «Даже если покупаются кластеры чисто под сценарий, без идеи, что туда ещё три вида нагрузок развернётся, это совсем другие порядки цифр».
Другие барьеры (менее значительные, но тоже встречаются)
- Сценарный – сложность выбора сценария, хаотичность в этом процессе.
- Ресурсный – невозможность претендовать на ресурсы IT-команды разработки.
- Процессный – длительные согласования.
Три пути внедрения: своя разработка, вендор или интегратор
В отличие от зрелых рынков, где у компаний есть единый паттерн на уровне всего бизнеса, в клиентском сервисе такого нет. «Одни и те же компании какие-то проекты делают сами, какие-то с вендором, какие-то с интеграторами. Это, наверное, здравый баланс, потому что всё ещё сложно и высокорисково», – пояснила Екатерина.
- Своя разработка – популярна среди крупных компаний, где есть внутренние IT-ресурсы и офисы разработки.
- Вендорские решения – основная ценность в скорости и проверенном продукте.
- Интеграторы – выбираются точечно под сложные внедрения, существенно дороже, подходят для продовых решений «под ключ».
Бюджеты: от 5 миллионов до 100+ миллионов рублей
Екатерина привела конкретные цифры, которые компаниям важно учитывать при планировании:
- Пилоты – порядка 5–10 млн рублей (без инфраструктуры) при существенном собственном вовлечении.
- Внедрение (один-два-три сценария в проде с интеграцией и обучением) – 30–50 млн рублей для крупных компаний.
- Трансформация (годовые бюджеты для средних и крупных контакт-центров) – 50–100+ млн рублей, и это без железа.
«Эти бюджеты часто не с первых лет согласовывают, потому что их просто страшно видеть, – призналась спикер. – Отсюда возникает длинный цикл согласования».
При этом прогноз на 2028 год: технологии могут стать главной статьёй затрат в бюджетах контакт-центров, превысив долю фонда оплаты труда операторов-консультантов (40%). Российские компании, которые системно внедряют ИИ, планируют двух-трёхкратный рост затрат на технологии в ближайшие пару лет.
Сроки: внедрение – 4–8 месяцев, но time-to-value дольше
«Внедрение в клиентский сервис действительно происходит не очень долго – 4–8 месяцев. Это приятная цифра – можно в начале года ожидать эффект к концу года, – отметила Екатерина. – Но time-to-value оказывается гораздо длиннее».
Исследователи выделили два паттерна:
- Оптимизированные процессы (например, крупные банки) – внедрение происходит быстрее.
- Бюрократизированные процессы (например, госкомпании, закупающиеся по 44-ФЗ и 223-ФЗ) – цикл согласования примерно равен всему остальному. Time-to-value достигает двух лет. «Если нужны результаты в 2026–2027 году, компании начинают в 2025-м. Это очень длительное предварительное “приседание”, и оно системно повторяется у всех. 50% времени – это бюрократизированные процессы».
Изменения в командах: новые роли и реструктуризация
Внедрение ИИ неизбежно меняет структуру команд. «Мы не видим ни одного кейса в мире, который бы закончился хорошо и не привёл к обратному донайму, – подчеркнула Екатерина. – Быстрая реакция в виде сокращений не происходит, но на горизонте пары лет – уменьшение размеров команд на 15–20% за счёт естественного выбытия без донайма».
Позитивный момент: экспертами по развитию и технологиям становятся именно операторы. «Из операторов выделяется высокопотенциальный сегмент, и они вырастают в новые роли». В абсолютном выражении – трёх-четырёхкратный рост команды, занимающейся технологиями.
Исследователи выделили три типовых вектора новых ролей:
- Выделенная команда CDO (Chief Data Officer) или централизованное управление клиентским опытом. Чем больше у компании продуктов, тем больше это необходимо.
- Лидеры изменений – выделенные продюкты, бизнес-партнёры, которые драйвят процесс, иначе он застревает.
- IT-команда внутри функции клиентского сервиса – пока это скорее пожелание, но уже становится реальностью: «3–5 ставок в IT-команду внутрь тоже согласовывают и нанимают. Эти роли появляются именно внутри команд клиентского сервиса и подчиняются лидерам функции».
Лучшие практики: 6 ключевых принципов
Исследователи сформулировали набор лучших практик, основанных на успешных и неуспешных кейсах.
- Начинать с проблем, а не с технологий. «Технология не панацея, – подчеркнула Екатерина. – Немало кейсов, когда от ИИ отказывались в процессе или откатывали назад и реализовывали кнопку в приложении. Проблема решалась гораздо дешевле».
- Смотреть на клиентский путь и флоу в целом. Возможно, самый оптимальный сценарий – не ИИ, а изменение процесса на уровне продукта или бизнеса. «Часто простые решения находятся там, где их не ищут».
- Действовать через быстрые пилоты. Сценариев больше 30, глаза разбегаются. Не всё доказывает ценность на пилотировании – нужно проверять, чтобы грамотно выбрать то, что будет масштабироваться.
- Закладывать возможность изменения требований в процессе. «KPI почти никогда не выполняются так, как ожидалось. Бывает лучше, бывает хуже. ТЗ здесь очень гибкое».
- Раннее вовлечение пользователей и измерение скорости проникновения. Саботаж встречается, с ним нужно работать, он поддаётся воздействию.
- Измерять эффект на уровне всех каналов и мониторить 9–12 месяцев. «Нередко бывает переток трафика – важно смотреть шире. Некоторые эффекты доезжают позже, последствий у технологий гораздо больше, чем кажется».
И дополнительный важный тезис: использовать ИИ как инструмент для поиска следующих точек роста на уровне бизнеса в целом. «При внедрении технологий клиентский сервис становится держателем суперценных данных о том, с чем пользователи работают, как это отрабатывается. Это принципиально новая детализация, которая раньше была недостижима, – драгоценность для продуктов, маркетинга, продаж».
Ответы на вопросы: окупаемость и оценка необходимости
Вопрос про окупаемость. Екатерина уточнила: «Окупаемость технологий в этой функции очень хорошая по меркам внедрения в другие бизнес-функции – полтора-два года. Этим мало кто может похвастаться. Стандартный срок окупаемости, когда считается, что в технологии надо инвестировать, – 3 года. Здесь гораздо быстрее. Если разворачивать облачные решения и работать с вендорскими продуктами, окупаемость может быть 9–12 месяцев. Если большой проект, большая компания – вылезаем в горизонт 1,5–2 года. А для коротких сценариев с самостоятельной разработкой и вложениями 10–15 млн – окупаемость может быть квартальной».
Вопрос про оценку необходимости ИИ до внедрения. «Естественно, CJM и клиентский флоу – зона ответственности не только клиентского сервиса. Мы слышали кейс ЖКХ-компании, которая хотела внедрить ИИ для приёма показаний счётчиков по телефону. В итоге оказалось, что можно просто кнопкой в приложении это закрыть. Такие простые сценарии не требуют A/B-тестов – нужно широко посмотреть на процесс на уровне продукта и бизнеса и понять, где можно закрыть дёшево и просто».
Главные выводы: три мысли на завершение
Екатерина Скворцова подвела итог исследования тремя ключевыми тезисами:
- Наименее рискованные сценарии – RAG и LLM в текстовой модальности. «Если с чего-то начинать, то с этих сценариев. Они наиболее проверенные, в них больше всего успешных кейсов».
- Внедрение дольше, чем кажется. Time-to-value не такой короткий, особенно если говорить про on-prem и инфраструктуру. Это десятки миллионов рублей и точно больше года (только процесс импорта железа – один год).
- Изменение команды – неизбежно и нормально. Сначала появляются новые роли для фасилитации изменений, потом меняется вся структура. «Это про развитие, – подчеркнула Екатерина. – К этому нужно быть готовыми».
«Надеюсь, было интересно. Полный материал исследования доступен по ссылке для самостоятельного изучения», – завершила спикер. Модератор поблагодарил коллег: «Екатерина, Ольга, аплодисменты вам. Спасибо за доклад, что открыли наш день».
Материал подготовлен по выступлению Ольги Кудрячёвой и Екатерины Скворцовой на XI Ежегодном Всероссийском форуме по клиентскому сервису – Client Service Forum 2026.
#clientservice #клиентскийсервис #clientserviceforum #interforum #interforums #event #конференции #интерфорум
35 дней
На фоне стремительного развития технологий и смены поколенческих ценностей корпоративное обучение переживает тектонические сдвиги. Внедрение ИИ, работа…
43 дня
На Форуме «Экономическая безопасность бизнеса 2026» будут детально разобраны наиболее острые проблемы, с которыми сталкиваются специалисты в текущих…
