Нейросеть для техподдержки: что она реально закрывает

Нейросеть в техподдержке закрывает три задачи: пишет черновик ответа оператору, раскладывает входящие обращения по темам и находит нужное в вашей базе знаний. Одно обращение на недорогой модели стоит около двух копеек, тысяча — 18,40 ₽. Чего она не закрывает: решений об исключениях из правил, разговоров в конфликте и всего, где ошибка стоит дороже сэкономленной минуты.

Разберём по порядку: что работает, сколько это стоит на вашем объёме, и в каком порядке внедрять, чтобы не уронить качество.

Три сценария, которые работают

Черновик ответа. Модель получает обращение и фрагменты базы знаний, возвращает готовый текст. Оператор проверяет и отправляет. Экономится не ответ, а его набор — обычно это половина времени обработки обращения.

Классификация и маршрутизация. Входящее письмо раскладывается по теме, срочности и продукту, попадает в нужную очередь. Здесь модель заменяет не человека, а набор хрупких правил с ключевыми словами. Разбор механики — в статье классификация текстов нейросетью.

Поиск по своей базе. Вместо перебора статей оператор получает ответ с цитатами из документации. Как это устроено технически — в статье поиск по своей базе.

Общее у всех трёх: человек остаётся в контуре, а модель убирает механическую часть работы.

Три сценария, которые ломают поддержку

Автоответчик без ограничений. Модель, отвечающая клиенту напрямую и без опоры на базу, рано или поздно уверенно сообщит несуществующее условие. Отвечать за это будет компания, а не модель.

Замена первой линии целиком. Обращения, которые приходят в поддержку, распределены неравномерно: простые многочисленны, сложные редки и дороги. Убрав людей с первой линии, вы получаете эскалацию всего подряд.

Разговор в конфликте. Когда клиент уже раздражён, ему нужно, чтобы его услышал человек с полномочиями. Вежливый текст от модели здесь ухудшает ситуацию.

Сколько это стоит

Считаем на типовом обмене: 2 000 токенов на вход вместе с инструкцией и фрагментами базы, 300 токенов на выход.

Ставки каталога на 11 сентября 2026 года, одинаковые на вход и на выход. Даже на десяти тысячах обращений в месяц счёт остаётся в пределах сотен рублей, если не гнать рутину через флагман.

Отсюда практическое: считать нужно не цену модели, а цену сценария. Дорогим поддержку делает не ставка, а длинный контекст, который отправляют в каждый запрос без разбора.

Какую модель брать

Проверять стоит на своих обращениях, а не на примерах из статей: качество сильно зависит от того, как написана ваша документация.

Как внедрять, не роняя качество

Порядок, который выдерживает проверку практикой.

1. Начните с классификации. Она не видна клиенту, а пользу даёт сразу.
2. Добавьте черновики для операторов. Оператор правит и отправляет, вы собираете статистику правок.
3. Измерьте долю правок. Если оператор переписывает больше трети текста, модели не хватает контекста или база знаний плохо структурирована.
4. Только потом думайте про прямые ответы клиенту — и только на узком классе вопросов, где ответ проверяется формально.

Про то, как готовить базу знаний под такой сценарий, написано в статье умный поиск на сайте с нейросетью.

Как выглядит рабочая схема

Цепочка, которая складывается почти у всех, кто дошёл до работающего варианта.

Обращение приходит в очередь. Первый вызов модели раскладывает его по теме и срочности — это дешёвая операция на маленькой модели, и она идёт на каждом письме. Дальше по теме подбираются фрагменты базы знаний: не вся документация целиком, а три-пять релевантных кусков. Второй вызов получает обращение вместе с этими фрагментами и возвращает черновик ответа со ссылками на использованные источники. Оператор видит черновик и источники рядом, правит и отправляет.

Ключевая деталь здесь — второй шаг. Соблазн отправить в модель всю базу знаний велик, и он же делает сценарий дорогим: вы платите за каждый переданный токен, даже если ответ содержался в одном абзаце. Отбор фрагментов до вызова модели снижает счёт в разы и одновременно повышает точность, потому что модель не тонет в лишнем тексте.

Частые ошибки первого месяца

Модель отвечает без источников. Ответ выглядит уверенно, проверить его нельзя. Требование цитировать источник должно стоять в инструкции с первого дня.

Инструкция растёт бесконечно. Каждый разбор неудачного ответа добавляет в системный промпт ещё одно правило, и через месяц там сто строк, которые противоречат друг другу. Инструкцию нужно чистить, а не только дополнять.

Черновик показывают клиенту как финальный ответ. Промежуточный этап, на котором оператор ещё правит тексты, пропускают ради скорости — и получают жалобы вместо экономии.

Никто не смотрит на долю правок. Без этой цифры непонятно, стало лучше или просто появилась новая кнопка, которой пользуются из вежливости.

Успех меряют по числу автоответов. Полезная метрика — время до решения вопроса клиента, а не доля обращений, на которые ответила модель.

Что обязательно проверить

Персональные данные. Имя, телефон, номер заказа и адрес для формирования ответа не нужны. Вырезать их до отправки дешевле, чем объясняться потом — подробности в статье нейросети и персональные данные.

Факты в ответе. Цены, сроки и условия модель обязана брать из базы, а не из памяти. Ответ без опоры на источник в поддержке недопустим — почему так, разобрано в статье галлюцинации нейросети.

Границы компетенции. У модели должен быть явный список тем, где она обязана передать обращение человеку: возвраты, споры, всё связанное с деньгами и безопасностью. Список пишется до запуска и висит в инструкции отдельным блоком, а не выводится моделью из общих соображений.

Тон. Шаблонная вежливость раздражает сильнее сухости. Требования к тону задаются системным промптом — как его писать, разобрано в статье как написать системный промпт.

Как измерить результат

Три метрики, которых достаточно.

Время обработки обращения. Основная цель, и она меряется до и после.

Доля правок в черновиках. Показывает, хватает ли модели контекста.

Доля эскалаций. Если после внедрения выросла, значит, автоматизация съела первую линию, а не её рутину.

Считать экономию в деньгах имеет смысл только после первых двух: минута оператора стоит дороже обращения к модели в сотни раз, поэтому выигрыш почти всегда во времени, а не в ставке. И мерить эти три цифры нужно до внедрения тоже, иначе сравнивать будет не с чем, а любые улучшения останутся вопросом веры.

Чего мы не утверждаем

Мы не обещаем сокращения штата поддержки: в большинстве случаев меняется структура работы, а не её объём.

Мы не утверждаем, что цифры расчёта подойдут вам: длина обращений и размер базы знаний у всех разные, и вход в 2 000 токенов может оказаться вдвое больше.

Мы не даём юридической оценки обработке персональных данных — это вопрос к вашему юристу, а не к статье.

Что нужно, чтобы попробовать

Ключ заводится за минуту на keydealer.ru/login — почта и пароль, без документов и без зарубежной карты. Оплата российской картой в рублях.

Платные текстовые модели доступны сразу на приветственном бонусе: прогнать сотню своих реальных обращений и посмотреть на качество черновиков можно без пополнения.

Что держать в голове

Работают три сценария: классификация, черновик ответа и поиск по базе. Все три оставляют человека в контуре.

Одно обращение стоит копейки, дорогим сценарий делает не ставка, а длинный контекст без разбора.

Прямые ответы клиенту — последний шаг, а не первый, и только там, где ответ проверяется формально. Как мы проверяем факты и почему у каждой цифры стоит дата — на странице о проекте. Завести ключ: keydealer.ru/login.