ИИ в контакт-центрах будут оценивать меньше по тому, сколько обращений обрабатывают машины, и больше по тому, действительно ли решены проблемы клиентов. К такому выводу пришли Боб Лалиберт из theCUBE Research и Зевс Керравала из ZK Research в ходе The AI ROI in Contact Center Summit — эксклюзивной трансляции на theCUBE, студии потокового вещания SiliconANGLE Media. Аналитики обобщили разговоры с Cisco Systems, Talkdesk, Zoom Communications и Five9 и обнаружили общую цель: сквозное решение обращения на основе связанных данных, governance и измеримых бизнес-результатов. Для компаний, покупающих ИИ для контакт-центров, единица ценности смещается от объёма автоматизации.
Что аналитики заключили на саммите
Керравала сформулировал изменение прямо: качество решения обращения — новая единица ценности, а agentic-системы следует оценивать по тому, была ли потребность клиента закрыта на всём пути. Традиционные метрики вроде containment и deflection больше не несут прежнего веса. Вместо них, по словам аналитиков, организациям нужны более широкие scorecards, учитывающие удовлетворённость клиента, его усилия, производительность сотрудников, затраты и рост. На саммите собрались четыре поставщика платформ с разными архитектурами и стратегиями внедрения, однако разговоры сошлись на одном требовании — значит, сдвиг не привязан к одной продуктовой линейке.
В основе этого сдвига лежат контекст и интегрированные данные. Разрозненные системы и устаревшие знания подрывают точность ИИ, порождают повторяющиеся обращения и ускоряют ошибочные процессы вместо их исправления. Керравала выразился прямо: если процесс сломан, ИИ быстрее приведёт к плохому результату. Рекомендуемая отправная точка — чётко ограниченная задача с высокой ценностью, а не перестройка всего клиентского пути сразу. Компания может зафиксировать базовые метрики, внедрить ИИ на одном конкретном процессе и измерить улучшение, прежде чем расширяться. Такая последовательность делает ранние неудачи небольшими, а результаты — сопоставимыми во времени.
Первым внедрениям всё равно нужны архитектуры, соединяющие системы и переиспользующие средства governance по мере роста. Сам governance должен выйти за рамки проверки перед запуском и стать постоянной операционной практикой: непрерывная оценка, observability, применение политик и тестирование. По словам Керравалы, надлежащий governance позволяет ИИ-инициативе двигаться быстрее, а не медленнее, поскольку он способствует внедрению, а не тормозит его. Та же логика меняет распределение работы между людьми и цифровыми агентами. Сотрудники, как ожидается, будут больше времени уделять исключениям, эмоционально чувствительным ситуациям и обращениям, требующим суждения, тогда как ИИ возьмёт на себя стандартизированные процессы. Руководителям затем придётся управлять смешанной рабочей силой и понимать, когда ИИ работает, когда даёт сбой и как работа должна переходить между автоматизированными системами и людьми.
Что это значит для компаний, внедряющих ИИ
Для бизнеса, который уже запустил или планирует программу ИИ в контакт-центре, практическое следствие — изменение того, что измеряется и финансируется. Демонстрация вендора, построенная вокруг доли перехваченных обращений, мало говорит о том, закрыт ли вопрос клиента, поэтому вопросы на закупке должны смещаться к данным о решённых обращениях и системам, которые их питают. Малые компании ощущают это иначе, чем крупные: небольшой оператор может выбрать один клиентский путь, связать данные и увидеть результат в пределах квартала, тогда как крупному предприятию с разрозненными системами предстоит более длительная интеграция, прежде чем любой scorecard станет осмысленным. В обоих случаях обоснование бюджета теперь опирается на результаты, а не на число автоматизированных взаимодействий.
Открытым остаётся вопрос, насколько всё это проверяемо сегодня. Аналитики описывают направление, а не готовый стандарт, и универсального scorecard качества решений пока не существует. Покупателям стоит спрашивать вендоров, как определяется и отслеживается решение обращения, к каким системам подключается платформа, как обновляются устаревшие знания и какие средства governance применяются после запуска, а не только до него. Важно и то, кто отвечает за модель смешанной рабочей силы: передача работы между агентами и людьми требует правил, которых у большинства организаций ещё нет. Эта новость не означает, что метрики containment бесполезны; она означает, что их одних уже недостаточно.
Следить стоит за тем, начнут ли вендоры публиковать результаты на основе решённых обращений наряду с показателями перехвата в своих клиентских кейсах. Если это произойдёт в ближайшие кварталы, критерии выбора ИИ для контакт-центров действительно изменятся, и бюджеты последуют за scorecards. До тех пор контролируемый подход, который рекомендуют аналитики, остаётся более безопасным путём: один клиентский путь, документированные требования к процессу и данным, базовые метрики и тестирование как рутинных взаимодействий, так и пограничных случаев до масштабирования.
