Исследование Naumen показало: в авторизованных чатах российских ритейлеров чат-боты закрывают 58% обращений клиентов. Оставшиеся 42% обращений уходят к оператору или завершаются нерелевантным ответом. Роботизация клиентского обслуживания растет быстро, но честный расчёт окупаемости остаётся редкостью. Руководителю бизнеса, выбирающему ботов для поддержки, важнее граница между «робот ответил» и «робот решил задачу», чем темп внедрения.
Роботов в поддержке ставят быстрее, чем они окупаются
Роботизацию поддержки внедряют активно. За ней стоят два стимула: обещание разгрузить первую линию и общий подъем рынка ИИ. Первый стимул виден по динамике телефонных линий. За год число ИИ-помощников выросло на 24% в ритейле и на 43% в медицине — данные того же исследования Naumen. Голосовые боты сняли часть нагрузки и стали заметной частью клиентского сервиса.
Второй стимул задает весь рынок ИИ. Российский рынок искусственного интеллекта за 2025 год вырос на 29,7%, до 316,1 млрд руб., а за два года его объем удвоился. Статистика описывает весь рынок ИИ, не сегмент сервисных ботов: отдельной оценки роботизированного обслуживания в рублях рынок пока не дает. Внимание к теме подкреплено финансами. Технологии покупает бизнес, и на этом фоне отдача конкретных внедрений часто отходит на второй план.
Робот отвечает чаще, чем доводит вопрос до конца
Рост числа ботов и рост решённых задач — разные показатели. В сервисных сценариях — отмена, перенос, возврат, жалоба — релевантный ответ дают 59% ботов. Выполняют действие прямо в чате только 16%. Ответить и сделать — две разные операции. Вторая дается роботу заметно тяжелее.
Полная автономность встречается реже: без участия человека боты закрывают обращение в 26% случаев в ритейле и в 13% — в медицине. Большинство сервисных ботов выполняют только справочные функции и маршрутизацию — подсказывают и переключают на оператора, но не закрывают обращение.
Для оценки эффективности внедрения важнее смотреть не на общий процент автоматизации, а на разрыв между 59% и 16%. Он показывает: что робот делает сам, а что все еще отдается оператору.
«Следующий этап развития клиентского сервиса — переход от справочных и маршрутизирующих ботов к решениям, которые приближаются к оператору по способности закрывать вопрос end-to-end».
Валерия Чижикова, руководитель направления исследований клиентского сервиса в Naumen
Что робот реально снимает с текстовой поддержки
В текстовом канале ценность робота держится на потоке типовых обращений и рутинных процессов. Роботы снимают с оператора эту рутину, экономят время первой линии и окупают себя разгрузкой. Замена людей здесь вторична. Показателен кейс МТС Линк, где команда подключила в поддержку ИИ-бота платформы Carrot quest: он отвечает на типовые сервисные обращения из чата и передает сложные операторам.
По данным МТС Линк, в марте 2025 года бот самостоятельно решил 29,8% обращений. Нагрузка на оператора снизилась вдвое: раньше в среднем было 15 диалогов, теперь — 7–8. Показатель решенных обращений у МТС Линк ниже общерыночных 58% Naumen. Но и в таком виде робот срезает треть типового потока и высвобождает оператору время на нестандартные запросы.
Голосовой канал: где робот выручает в пик и где буксует
Голос автоматизируется тяжелее текста. По замерам Naumen, голосовые помощники самостоятельно решают около 35% предметных запросов в ритейле и около 16% — в медицине. Вне узкого набора типовых сервисных обращений предметный запрос дается роботу хуже.
Картина меняется на узком и предсказуемом сценарии. Например, в пиковые дни ПМЭФ-2025 фонд Росконгресс подключил голосового ИИ-ассистента на входящую телефонию контакт-центра. По данным разработчика, 50% звонков обработал ИИ-агент без участия оператора, время обработки типового запроса снизилось в 10 раз.
Разница объясняется рамками задачи. Чем уже и предсказуемее набор обращений, тем выше доля решенных роботом звонков. На форуме таких обращений большинство — отсюда 50% обработанных звонков. В рознице спектр шире — и показатель падает. Голос окупается именно в узких сценариях.
Масштаб: сколько на себя берет бот у оператора-миллионника
Там, где обращений десятки тысяч в день, всё упирается в физическую пропускную способность, не в процент автоматизации. Показательный пример — клиентский чат-бот МТС для массового обслуживания абонентов. По данным компании на 2023 год, ИИ-помощник ежедневно обрабатывает 40–70 тысяч чатов в приложении и на сайте. Обработка чата не равна решенной задаче, но такой поток вручную закрыть нельзя. Для оператора-миллионника робот оправдан именно объёмом работы.
Когда робот в поддержке не окупается
Расчет окупаемости робота редко сводится к зарплатам сотрудников, которые работают в поддержке. Рядом с ними в смету входят внедрение, интеграция, настройка процессов и обучение модели. Публичные кейсы автоматизации почти всегда идут от вендоров с их собственными метриками, поэтому к обещанной экономии стоит относиться осторожно.
«Как правило, инвестиции в сами технологии плюс вложения в экспертов, которые будут обучать ИИ, значительно превышают средства, которые компания сэкономит, например, при замене людей на первой линии сервисной поддержки на ботов».
Александр Лаптев, генеральный директор ООО «Эксперт Системс»
Порог окупаемости смещается вместе с характером задачи. На типовых процессах робот экономит время оператора и оправдывает вложения. На редких и нестандартных обращениях обучение модели обходится дороже, чем экономит компания на операторах.
Где проходит граница робота и человека
Роли между роботом и человеком распределяются по типу решения. Робот закрывает типовые запросы клиентов и первую линию. Человек остается модератором в нестандартных случаях, при принятии финальных решений и на заключительном этапе обслуживания. Робот обрабатывает информацию, но ответственность за результат остается у человека.
«Сотрудник поддержки — это модератор, который принимает последние важные решения. Например, искусственный интеллект обработал данные, заявку — а решение о том, выдавать кредит или нет, принимает человек».
Юрий Шумаков, управляющий партнер Wone Hotels
Граница проходит по сложности запроса. Типовые задачи решает робот. Нестандартные — человек. Если эту границу нарушить и доверить роботу финальное решение в сложном случае, он выдаст нерелевантный ответ. В этом и кроется причина 42% обращений, которые бот не закрыл.
Роботизированный сервис в B2B: за что платить, а за что нет
Роботизированный сервис окупается там, где поток сервисных обращений типовой и предсказуемый. На узком потоке робот помогает обработать половину звонков и вдвое снижает нагрузку на контакт-центр. На широком спектре предметных запросов доля решенных вопросов падает. И часть клиентов всё равно доходит до оператора.
Решение о внедрении в бизнесе начинается с честного расчета. В смету входят зарплаты первой линии, технология, интеграция и обучение модели. Между «робот ответил на 58% сообщений» и «робот решил задачу» лежит разрыв. Его величину стоит закладывать в план внедрения с самого начала.
Другие статьи по теме
Часто задаваемые вопросы
Сколько обращений реально закрывает чат-бот?
По исследованию Naumen, в авторизованных чатах российских ритейлеров боты закрывают 58% обращений. Но релевантный ответ в сервисных сценариях дают 59% ботов, а действие прямо в чате выполняют только 16%. Ответить и сделать — разные операции, и вторая даётся роботу тяжелее.
В чём разница между «робот ответил» и «робот решил»?
Ответ — это справка или маршрутизация, решение — выполненное действие (отмена, перенос, возврат) без оператора. Полностью автономно боты закрывают обращение в 26% случаев в ритейле и 13% в медицине; большинство лишь подсказывают и переключают на человека.
Где роботизированный сервис реально окупается?
На потоке типовых, предсказуемых обращений: там робот снимает с оператора рутину и окупается разгрузкой. В кейсе МТС Линк бот решил 29,8% обращений и снизил нагрузку на оператора вдвое — с 15 до 7–8 диалогов. На редких и нестандартных запросах обучение модели обходится дороже экономии.
Почему голосовой канал автоматизируется хуже текста?
Голосовые помощники самостоятельно решают около 35% предметных запросов в ритейле и 16% в медицине. Голос окупается в узких сценариях: на ПМЭФ-2025 голосовой ассистент обработал 50% звонков без оператора, а время обработки типового запроса снизилось в 10 раз.
Когда робот в поддержке не окупается?
Когда в смету, кроме зарплат первой линии, входят внедрение, интеграция, настройка и обучение модели, а поток обращений редкий и нестандартный. Публичные кейсы обычно идут от вендоров с их метриками, поэтому к обещанной экономии стоит относиться осторожно.
Где проходит граница между роботом и человеком?
По сложности запроса: типовые задачи и первую линию закрывает робот, нестандартные случаи, финальные решения и заключительный этап остаются за человеком. Если доверить роботу финальное решение в сложном случае, он выдаёт нерелевантный ответ — отсюда 42% незакрытых обращений.