Post #55

AI First подход Вчера купил подписку в ElevenLabs, хотел потестить клонирование чужого голоса (в исследовательских целях!). Уперся в логичное ограничение безопасности: нужно живое подтверждение этого человека. Решил оформить возврат. И тут редкий для SaaS кайф: их AI-ассистент мгновенно дал форму, письмо пришло сразу, клик – и через пару секунд подписка отменена. От решения до результата – 5-7 минут, без ожиданий и пинг-понга с поддержкой. Почему так? Потому что процесс изначально спроектирован как AI First: без людей в критическом пути, с нужными данными и понятной валидацией. Подобные "умные AI-помощники" сейчас есть уже почти в каждом сервисе, но почему же не все они такие умные? Да что уж там далеко ходить, в Додо тоже пробовали с этим экспериментировать, но "не взлетело". Давайте разбираться. В Додо мы тестировали внешнего AI-ассистента поверх своей базы знаний. На маленьком, аккуратно подготовленном юзкейсе все работало нормально. Как только скормили большой массив информации – качество рухнуло. Проблема тут была не в ассистенте и не в модели, а в контексте: дубли, противоречия, старые версии, разъехавшиеся термины. Пришлось откатиться, и начать наводить порядок в данных, чтобы продолжать дальше. Поэтому компании, которые спроектируют процессы как AI First, определенно получат преимущества. Чтобы было понятнее, чем AI First отличается от "прикрутить AI к чат-боту" – свежий пример с рынка. Airbnb публично заявили, что идут к приложению AI First: уже запустили AI-агента в поддержке, сокращают эскалации к людям, а дальше – персональные агенты внутри продукта, которые не просто подскажут, как отменить бронь, а сами отменят, подберут альтернативы и оформят новую поездку. И это, очевидно, не слой поверх старого процесса, а процесс заново спроектированный под AI. Так что просто "прикрутить AI" к чатику – это косметика. Все строится на мощном фундаменте, где под капотом много нюансов: — чистая, нормализованная база знаний и событийка (онтология, статусы, SLA, исключения) — доступы и ограничения на уровне документов и полей (privacy, аудит, версии) — ретривал, который действительно находит нужное (адекватные чанки, эмбеддинги, синонимы, дедупликация, актуальность) — сквозные интеграции (биллинг, CRM, тикет-система) с правом делать действие, а не только советовать Кстати по теме рекомендую посмотреть выступление Эльвиры Морозовой про внедрение LLM в Яндексе, в частности в кейсах поддержки. TL;DR: кажется сейчас у новых компаний есть окно возможностей – сразу строить AI First процессы и выигрывать скоростью и отсутствием трения. Тем, у кого накоплены годы контента, сначала придется причесать его, иначе любые AI решения (не важно, свои или внешние) не дадут нужный эффект. Ну а если у вас есть практический опыт внедрения AI в поддержке – дайте знать, было бы полезно проконсультироваться, чтобы наломать поменьше дров 🙏