AI-агент для відділу рекламацій AQUAТЕРМ: −2 співробітники і 730 000 ₴ економії на рік
AI-агент Богдан приймає рекламації в Telegram, розпізнає код помилки на фото і сам вирішує типові звернення.
- Клієнт
- AQUAТЕРМ, виробник водонагрівачів
- Задача
- Зняти рутину з відділу рекламацій, не втративши якість обробки звернень
- Рішення
- AI-агент у Telegram: приймає звернення, розпізнає код помилки на фото, веде CRM
- Результат
- Відділ скоротився з 3 до 1 людини, агент закриває 67% звернень сам
Що змінилось у відділі рекламацій
Агент забрав на себе рутину, яку раніше робили три оператори.
Три оператори щодня вручну з'ясовували модель, дату купівлі й симптом.
Агент Богдан веде природний діалог і сам збирає ці дані.
Код помилки на табло оператор визначав на слух і досвід.
Клієнт фотографує дисплей, комп'ютерний зір розпізнає код за секунди.
Частину виїздів майстра можна було закрити порадою в чаті.
Агент дає рішення на місці й відсікає зайві виїзди.
Масштабування означало одне: наймати більше операторів.
Відділ скоротився з 3 до 1 людини за 3 місяці.
Чат, фото і аналітика
Картка зверненняЧат з клієнтом у Telegram, фото коду помилки, AI-діагноз з ймовірністю і статус заявки в одному вікні.
Що всередині
Telegram-агент для клієнтів і CRM для відділу.
Telegram-агент «Богдан»
Для клієнтів, які пишуть у чат.
- Природний діалог замість форми
- Розпізнавання коду помилки на фото
- Рішення на місці або виклик майстра
- Перевірка гарантії за моделлю і датою купівлі
CRM відділу
Для операторів і керівника.
- Усі звернення з Telegram і сервісного центру в одному списку
- AI-діагноз, статуси й призначення майстрів
- Аналітика: карта несправностей і слабкі моделі
- Прогноз навантаження на тиждень
Навчання агента під бізнес
Агент навчений під продукт, як досвідчений сервіс-інженер.
- Наповнили моделями, кодами помилок і гарантійними правилами
- Прописали поведінку: що питати, коли закривати самому
- Тренували на реальних зверненнях разом зі співробітниками
- Оператор підключається лише там, де агент не впевнений
Плюси
- Клієнт отримує рішення в чаті без очікування оператора
- Зайві виїзди майстра відсікаються ще на етапі діалогу
- Керівник бачить точність розпізнавання і навантаження в реальному часі
Що врахувати
- Агента треба донавчати, коли зʼявляється нова модель чи код помилки
- Одна людина у відділі лишається для контролю складних випадків
Питання й відповіді
Що робить агент, якщо не впевнений у діагнозі?
Звернення переходить до оператора. Агент підключається сам лише там, де точність нижча за поріг довіри.
Чи можна навчити агента під інші продукти компанії?
Так. Модельний ряд, коди помилок і гарантійні правила завантажуються під конкретний асортимент.
Що бачить оператор, а що керівник?
Оператор працює зі списком звернень і CRM. Керівник додатково бачить аналітику: карту несправностей, точність і прогноз навантаження.
Скільки часу займає навчання агента під бізнес?
Залежить від асортименту й кількості типових звернень. Команда тренує агента на реальних діалогах, доки якість не зрівняється з живим інженером.
Підсумок: AI-агент забирає рутину відділу рекламацій
Повний опис проєкту
Задача
Виробник водонагрівачів. Відділ рекламацій — три оператори, які щодня обробляють потік звернень: клієнт пише або дзвонить, оператор з'ясовує модель, дату купівлі й симптом, перевіряє гарантію, за кодом помилки на табло визначає несправність і вирішує дистанційно або призначає майстра. Проблема в тому, що більшість звернень однотипні. Ті самі коди помилок, ті самі питання, ті самі відповіді. Оператор витрачає час на рутину, яку можна формалізувати. Частина виїздів майстрів — зайві: проблему можна було вирішити порадою в чаті. А масштабування означало одне — наймати більше операторів. Клієнт хотів зняти рутину з людей, не втративши якість обробки.
Що зробили
AI-агент «Богдан» у Telegram, навчений під продукт. Це не коробковий бот зі сценаріями: агент знає модельний ряд клієнта, коди помилок, гарантійні умови і поводиться як досвідчений сервіс-інженер. Природний діалог зі збором даних. Замість форми — розмова: агент питає модель, дату купівлі й симптом, підказує кнопками. Клієнт відповідає так, як звик писати в месенджері. Розпізнавання коду помилки на фото. Клієнт фотографує дисплей — агент розпізнає код (наприклад E04), визначає несправність (датчик температури) з ймовірністю і одразу каже, гарантійний це випадок чи ні. Рішення на місці або виклик майстра. Типові звернення агент закриває сам; де потрібен виїзд — викликає майстра і заводить заявку. Зайві виїзди відсікаються ще в чаті. Веб-CRM для відділу. Усі звернення з Telegram і сервісного центру — в одному списку з AI-діагнозом, статусами й призначенням майстрів. Аналітика для керівника: карта несправностей, найпроблемніші моделі, прогноз навантаження, відсоток звернень без оператора й точність розпізнавання. Як навчали агента (і саме це ми пропонуємо як послугу — не «під'єднати бота», а навчити агента під конкретний бізнес): наповнили даними (моделі, коди помилок, гарантійні правила, типові рішення), прописали поведінку (як вітатися, що питати, коли закривати самому, коли кликати майстра), тренували разом зі співробітниками відділу на реальних зверненнях, доки якість не вийшла на рівень живого інженера. Як це працює технічно: клієнт пише в Telegram → агент веде діалог і збирає дані → computer vision розпізнає код на фото → агент звіряє модель і гарантію, ставить діагноз → дає рішення і закриває або викликає майстра й заводить заявку в CRM. Оператор підключається лише там, де агент не впевнений.
Результат
→ Відділ рекламацій скоротився з 3 до 1 співробітника за 3 місяці — той, що залишився, перевіряє відповіді агента й координує інформацію для інших команд → 730 000 ₴ економії на рік → 67% звернень агент закриває без оператора — типові коди й гарантійні випадки → 94% точність розпізнавання коду помилки на фото → Зайві виїзди майстрів відсікаються ще в чаті Агент міг закрити й останню роль повністю, але клієнт свідомо лишив одну людину на контроль якості — глибину автоматизації вирішує клієнт, а не межа технології.
Потрібен AI-агент, що зніме рутину з вашого відділу підтримки?
