Как обучить ИИ-агента отвечать на нестандартные вопросы клиентов без оператора

ИИ-агент на входящей линии справляется с большинством типовых обращений сам — записывает заявку, подсказывает адрес и время работы. Проблемы начинаются там, где клиент задаёт вопрос, которого нет в скрипте: спрашивает про «вчерашний заказ», ошибку в документе или нестандартную скидку. Обучить бота понимать такие ситуации — реально, если собрать для него базу примеров, научить отличать известное от неизвестного и настроить передачу оператору в нужный момент. Дальше — пошагово: как подготовить базу, где граница ответственности бота и почему «универсальный ИИ» не работает без конкретики из вашего бизнеса.

Почему ИИ-агент не понимает клиента «из коробки»

Готовые модели хорошо отвечают на общие вопросы и плохо — на узкоспециализированные. Компания продаёт окна, а бот рассказывает про погоду. Та же проблема возникает с CRM: заявка пришла на почту, в личку менеджера, в CRM руками — компания теряет 15–30% лидов ещё до того, как продавец успевает перезвонить (по данным практики интегратора на десятках сайтов). С ботом история похожая: пока он не подключён к реальным данным бизнеса, он угадывает.

Решение — собрать для бота базу знаний из трёх источников. Первый — внутренние документы: прайс, регламенты, скрипты операторов. Второй — переписка операторов в чатах и почте за последние пару месяцев. Третий — реальные звонки, которые менеджер хотел бы отдать боту, но не отдал из-за сложной формулировки.

Как собрать базу знаний для ИИ-агента

Сбор базы — половина успеха. Берите только то, на что бот должен отвечать сам, и сразу отмечайте, что уходит оператору. Хорошо работает простая таблица: вопрос клиента, что бот отвечает, какой источник, что делать, если вопрос не из базы. Так вы сразу увидите пробелы и не будете угадывать на ходу.

Держите базу компактной. ИИ-агент работает точнее, когда в его контексте 30–50 конкретных инструкций, чем когда 200 расплывчатых. Лишнее замедляет ответ и путает модель.

Как научить бота отличать «знаю» от «не знаю»

Главное качество полезного бота — умение признать, что он не знает. Иначе он начнёт придумывать: называть несуществующие цены, обещать доставку «завтра», когда склад закрыт. Поэтому в любой инструкции явно пишите, что бот делает, если ответа в базе нет.

Рабочий шаблон фразы: «Этот вопрос лучше уточнить у менеджера, я передам ему сообщение». Бот не извиняется десять раз, не рассказывает о своих ограничениях, а сразу подключает человека. Для клиента это выглядит естественно: он получил ответ и понимает, что его не бросили.

Настраивайте порог уверенности. Если модель оценивает свой ответ ниже установленной границы — сразу передаём оператору. Порог подбирается по факту: начните с 0.7, посмотрите статистику за неделю, поднимите или опустите. Не оставляйте значение по умолчанию, его выбрали не под ваш бизнес.

Какие вопросы бот закрывает сам, а какие — сразу оператору

Не пытайтесь автоматизировать всё. ИИ хорошо справляется с задачами, где ответ короткий и однозначный: «сколько стоит», «когда доставят», «где посмотреть документы». Там, где требуется эмпатия или решение нестандартной ситуации, бот проиграет живому оператору.

Например, клиент спрашивает: «У вас вчера заказывал, обещали отправить, а до сих пор ничего не пришло». Бот видит в CRM, что заказ действительно отправлен, видит трек-номер, видит, что посылка «застряла» на сортировке два дня. Бот спокойно объясняет ситуацию, даёт ссылку на отслеживание и предлагает написать в поддержку, если через сутки ничего не изменится. Это типовой сценарий, и бот с ним справляется.

Другой пример: «Вы мне сломали технику, я требую компенсацию». Здесь бот не спорит, не оправдывается, не обещает. Он сразу подключает оператора, передаёт ему всю переписку и помечает звонок как приоритетный. Экономия — секунды, но клиент не успевает разозлиться на «робота».

Кстати, важный момент по передачу лидов: заявка должна попадать к оператору в ту же систему, что и остальные обращения — в CRM, в общий чат, в очередь звонков. Иначе вы получите ту самую картину: один канал в CRM, другой в почте, третий в личке — и потерянные лиды на стыке. Поэтому до запуска бота настройте единое окно для всех обращений — это решает и задачу бота, и задачу отдела продаж.

Как проверить, что бот работает правильно

Без тестов запуск бота превращается в лотерею. Перед выходом в продакшн прогоняйте по нему 50–100 реальных диалогов из прошлого. Смотрите, где бот совпал с ответами операторов, где ушёл в сторону. Это и есть ваш начальный скоринг качества.

После запуска продолжайте слушать записи. Раз в неделю выборочно прослушивайте 10–15 разговоров, отмечайте, где бот ответил правильно, где — мимо, где — вообще передал оператору. За первый месяц таких разборов накопится достаточно, чтобы понять, какие инструкции добавить, какие уточнить, а какие вообще убрать: бот часто лучше работает с короткими и конкретными формулировками, чем с длинными описаниями.

Типичные ошибки при обучении ИИ-агента

• Слишком большой контекст: сотни страниц текста замедляют ответ и снижают точность. Делите базу на темы и подгружайте только нужную.
• Нет порога уверенности: бот отвечает на всё подряд, даже когда не знает. Получаются выдуманные ответы.
• Бот пытается решить жалобу сам: клиент злится, что с ним «разговаривает робот». Жалобы и конфликты — сразу оператору.
• Инструкции в одном файле: оператору и боту нужны разные форматы. У оператора — мягкие формулировки, у бота — жёсткая логика «если—то».
• Забыли про актуальность: цены меняются, регламенты обновляются. Бот без обновления за пару месяцев превращается в источник дезинформации.

Если нужен пример настройки входящей линии, посмотрите материал про голосовое меню для малого бизнеса. Про распределение звонков между операторами есть отдельный разбор — как настроить очередь звонков. А про то, как вернуть клиентов после летней паузы, есть практическая статья: реактивация базы после летнего сезона.