ИИ в фоновом режиме: как автоматизация меняет работу с клиентами

ИИ 7 мин чтения

---

Когда технология работает незаметно, это не недостаток, а признак зрелого внедрения. Опыт британской сети Pets at Home показывает: ИИ приносит измеримый результат не тогда, когда он на виду, а когда освобождает людей от рутины. Это позволяет им сосредоточиться на том, что требует живого участия. Для селлеров на маркетплейсах и команд поддержки это прямой сигнал: автоматизация работает там, где задача повторяется, а ценность создаёт человек.

Как единая платформа данных меняет качество обслуживания

Pets at Home объединила данные примерно о 10 миллионах домашних животных и 8 миллионах клиентов на единой цифровой платформе. До этого подразделения: розница, ветеринарные практики, груминг: работали с разрозненными массивами информации и фактически не знали друг о друге. После консолидации компания получила возможность видеть полную картину: породу и возраст питомца, историю покупок, периодичность заказов, записи к ветеринару.

Это не просто удобство. Единое представление о клиенте позволяет прогнозировать потребности и формировать персональные рекомендации до того, как человек сам осознал, что ему что-то нужно. Сотрудники около 450 магазинов получили доступ к релевантной информации через устройства, 12 000 работников оснащены ими. Они стали давать более точные консультации, опираясь на реальный контекст покупателя, а не на общие скрипты.

Для маркетплейс-селлера аналогия прямая: разрозненные отзывы на разных площадках, сообщения в чатах, вопросы в карточке товара это тот же фрагментированный массив, из которого сложно извлечь системный вывод. Пока данные не собраны в одном месте и не структурированы, любое решение об ассортименте или коммуникации принимается вслепую.

Что происходит, когда ИИ берёт на себя рутину

Самый показательный пример из практики Pets at Home, работа с подозрительными транзакциями. Раньше сотрудник отдела по предотвращению мошенничества тратил около 30 минут на сбор данных по одному случаю. Нужно было вручную проверить несколько источников, сопоставить изображения, сформировать отчёт. ИИ-агент на базе Microsoft Copilot делает то же самое за секунды. Он автоматически агрегирует сведения, анализирует фотографии, выявляет повторное использование одних и тех же изображений и готовит материал для принятия решения.

Результат: скорость выявления мошенничества выросла в 10 раз, количество обработанных дел в 20 раз. Рабочий прототип был готов за шесть дней. Это не пилот ради пилота: решение сразу пошло в эксплуатацию.

В ветеринарных клиниках компания тестирует другой инструмент: система слушает консультацию, автоматически формирует запись для медицинской карты и готовит письмо владельцу животного. Врач не тратит время на документирование, он занимается пациентом. Окончательное решение по любой записи остаётся за человеком: ИИ предлагает черновик, специалист проверяет и утверждает.

В клиентском обслуживании компания внедрила ИИ-систему Agentforce, охватывающую ветеринарные услуги, розничные магазины, груминг, подписки и цифровые каналы. В первый полный день после запуска число входящих обращений снизилось примерно на 30%, с обычных 1 300 до 900 в день. Удовлетворённость клиентов осталась выше целевого показателя. Сотрудники получили больше времени на сложные обращения, требующие эмпатии и нестандартного решения.

Почему модель «агент + человек» работает лучше, чем полная автономия

Pets at Home намеренно не строит систему, где ИИ принимает финальные решения самостоятельно. Это принципиальная позиция, а не техническое ограничение. В клинических ситуациях, при работе со страховыми претензиями, в эмоционально чувствительных обращениях: везде, где ошибка стоит дорого или где клиент ждёт живого участия, человек остаётся в контуре.

Такая модель снимает один из главных страхов при внедрении автоматизации: что система ошибётся, а исправить будет некому. ИИ-агент готовит материал, структурирует данные, формирует черновик: сотрудник проверяет и принимает решение. Скорость растёт, качество контролируется.

Компания также открыто говорит о рисках: чрезмерный контроль за агентами может свести на нет выгоду от автоматизации, а вопросы конфиденциальности и разграничения данных между направлениями требуют явных разрешений и защитных механизмов. Обмен данными между розницей, ветеринарией и страхованием ограничен не потому, что технически сложно, а потому, что так правильно.

Для команды, которая отвечает за ответы на отзывы или поддержку клиентов на маркетплейсе, этот принцип работает так же. Автоответы на отзывы это не замена живой коммуникации, а фильтр: типовые благодарности, стандартные уточнения, повторяющиеся вопросы закрываются автоматически, а нестандартные случаи попадают к человеку с уже собранным контекстом.

Как готовить команду к работе с ИИ-инструментами

Pets at Home создала внутреннюю AI Academy, программу обучения, адаптированную под разные роли и уровни навыков. Кассир в магазине, ветеринарный врач и аналитик данных получают разные треки: не потому, что одним нужно меньше знать, а потому, что задачи и точки применения у них разные.

Ключевой навык, который компания развивает у всех сотрудников без исключения, умение решать, что делегировать ИИ, а что выполнять самостоятельно. Это не очевидно: люди склонны либо перекладывать на автоматику всё подряд и терять контроль над качеством, либо игнорировать инструменты из недоверия и продолжать тратить время на рутину.

Компания также готовится к переходу к агентной модели работы: сотрудники становятся организаторами процессов, а цифровые агенты их исполнителями. Это требует другого мышления: не «я делаю задачу», а «я ставлю задачу агенту, проверяю результат и беру ответственность за итог».

Для команды маркетплейс-продавца этот сдвиг особенно актуален там, где объём коммуникации растёт быстрее, чем штат. Управление репутацией на маркетплейсе при сотнях отзывов в день вручную, это физически нереально без потери качества. Аналитика отзывов маркетплейсов перестаёт быть задачей одного человека и становится задачей системы, которую человек настраивает и контролирует.

Dropship и расширение ассортимента без складских рисков

Параллельно с ИИ-трансформацией Pets at Home развивает модель dropship-фулфилмента. Суть: ассортимент расширяется без пропорционального роста складских запасов и закупочных рисков. Компания не держит у себя весь товар, поставщики отгружают напрямую, а ритейлер управляет заказом и клиентским опытом.

Для маркетплейс-селлера это хорошо знакомая схема, FBS и аналогичные модели работают по тому же принципу. Интересно другое: Pets at Home прямо называет цель не «следование тренду», а создание более гибкой цепочки поставок, способной быстрее реагировать на изменения спроса. Это операционная логика, а не маркетинговый ход.

В связке с ИИ-поиском и персональными рекомендациями расширение ассортимента даёт эффект: система предлагает покупателю то, что ему действительно нужно, а не то, что есть на складе. Для онлайн-канала это напрямую влияет на конверсию и повторные покупки.

Бесшовный клиентский путь как операционная цель

Главная стратегическая задача Pets at Home, связать в одном клиентском пути покупки кормов, подписки, ветеринарные записи, груминг и напоминания о профилактических процедурах. Сейчас это разные точки контакта, разные системы, разные команды. В перспективе ИИ должен незаметно объединять их, создавая ощущение единого сервиса.

Это не про красивый интерфейс. Это про то, что клиент не должен повторять одно и то же в каждом канале. Если он уже рассказал о своём питомце при записи к ветеринару, магазин должен знать об этом при следующей покупке корма. Если он оформил подписку на доставку, служба поддержки видит это при обращении.

Для маркетплейс-продавца аналог это когда покупатель, оставивший отзыв на Wildberries, получает ответ, учитывающий его конкретную ситуацию, а не шаблонную фразу «спасибо за покупку». Когда аналитика отзывов маркетплейсов показывает не просто тональность, а конкретные темы: что именно раздражает покупателей, что хвалят, какие характеристики упоминаются чаще всего это уже материал для улучшения карточки и самого товара.

Сервисы вроде SaleSynergy строятся именно на этой логике: ответы на отзывы ИИ генерирует с учётом tone of voice бренда, а аналитика тональности превращает массив обратной связи в конкретные бизнес-инсайты, что менять в описании, что улучшать в продукте, где теряется доверие покупателя.

Что делать с этим прямо сейчас

Опыт Pets at Home это не история про большую корпорацию с огромным бюджетом. Это история про конкретные операционные решения, которые дают измеримый результат: 30% снижение входящих обращений, 10-кратный рост скорости обработки подозрительных случаев, прототип за шесть дней. Каждое из этих решений начиналось с одного вопроса: где сотрудник тратит время на рутину вместо того, чтобы заниматься клиентом?

Для селлера на маркетплейсе этот вопрос звучит так: где ваша команда тратит время на повторяющиеся действия, которые можно автоматизировать без потери качества?

Практические шаги, которые стоит сделать:

• Проведите аудит точек коммуникации с покупателями: отзывы, вопросы в карточке, обращения в поддержку. Посчитайте, сколько из них повторяются по смыслу.
• Определите, где решение требует человека (жалоба, нестандартная ситуация, эмоционально заряженный отзыв), а где достаточно точного и быстрого автоответа.
• Не автоматизируйте всё сразу. Начните с самого высокочастотного типа обращений, там быстрее всего увидите результат и поймёте, как настраивать систему дальше.
• При выборе инструмента для автоответов на отзывы проверяйте, умеет ли он учитывать контекст конкретного отзыва, а не просто подставлять имя покупателя в шаблон. Персонализация это не «Уважаемый Иван», это ответ на то, что человек написал по существу.
• Настройте аналитику тональности хотя бы на уровне базовой сегментации: позитив, негатив, нейтраль по категориям тем. Это покажет, где системная проблема, а где единичный случай.
• Оставьте человека в контуре для сложных случаев. Автоматизация ответов на отзывы работает лучше, когда система знает свои границы и эскалирует то, с чем не справляется, а не пытается закрыть всё подряд.

Типичная ошибка: ждать идеального момента для внедрения, пока данные не собраны, платформы не интегрированы, команда не обучена. Pets at Home строила прототип за шесть дней и запускала в работу. Совершенствование шло параллельно с эксплуатацией, а не вместо неё. Для управления репутацией на маркетплейсе это особенно важно: каждый день без ответа на отзыв это потерянный сигнал для алгоритмов и потерянное доверие покупателя.