LLM-ассистент Fromtech помог разгрузить входящую линию финтех-маркетплейса, взяв на себя 100% входящих обращений без потери качества клиентского сервиса.
Финтех-маркетплейс Boostra ежедневно обрабатывает тысячи обращений клиентов по кредитным и страховым продуктам. По мере роста бизнеса нагрузка на входящую линию увеличивалась, а классическая модель масштабирования — через расширение штата операторов — перестала быть эффективной. Компания столкнулась с типичными для рынка ограничениями:
Задача была не просто в автоматизации, а в сохранении качества диалога при росте нагрузки.
Boostra изначально рассматривала для входящей линии решение на базе LLM и искала технологического партнера, способного реализовать такой проект с учетом требований к качеству сервиса и скорости внедрения. Команда Fromtech предложила подход, который соответствовал этим ожиданиям, и приступила к внедрению голосового ассистента для входящей линии поддержки.
«Мы долго искали вендора для автоматизации входящей линии, но не находили решение, которое отвечало бы нашим требованиям. Мы понимаем, что LLM-технологии пока далеки от идеала — и на российском, и на мировом рынке. Поэтому к выбору подрядчика подходили очень серьезно: оценивали технологии, опыт, экспертизу в финтехе и готовность команды к совместной сплоченной работе. В итоге выбор Fromtech себя оправдал: несмотря на все сложности проекта, нам удалось реализовать голосового робота на входящую линию и снять часть нагрузки с сотрудников КЦ. Сейчас мы масштабируем данное решение на другие наши бренды», — отмечает Максим Лагуткин, руководитель клиентского сервиса Boostra.
Работа с кредитными и страховыми продуктами предполагает масштабный объем информации — клиенты задают вопросы по условиям договора, статусу заявки, начислениям, задолженности, срокам и способам оплаты, отключению дополнительных услуг. Реализация классического сценарного робота практически невозможна с учетом такого объема информации, а также сжатых сроков разработки и внедрения продукта.
LLM-модель позволяет работать с большим объемом продуктовой информации иначе. Ассистент понимает формулировки клиента, обращается к условиям по договору, выполняет задачи во время диалога и при необходимости переводит обращение на оператора. Для удобства операторов при переводе на них передается краткое описание обращения клиента, чтобы сотрудник мог быстрее включиться в запрос.
В рамках проекта голосовой агент был обучен ключевым сценариям клиентского сервиса:
Архитектура решения позволила обеспечить контроль качества диалогов и соответствие внутренним требованиям компании.
Спустя четыре месяца с момента запуска LLM-агента компания зафиксировала следующие операционные результаты:
В настоящее время компания масштабирует данное решение на другие бренды. Николай Шмыков, Maibenben: «Мы сделали ставку на глубину ассортимента, а не на его ширину — и не прогадали» ИИ снижает стоимость кода, но повышает требования к разработке Цифровому сотруднику нужен начальник и кнопка выключения
Важно, что решение показало стабильность даже при высоком трафике. Голосовой ассистент стал не вспомогательным инструментом, а важным элементом клиентского сервиса.
За 4 месяца LLM-ассистент стал обрабатывать 100% входящих звонков, закрывать 63% запросов без оператора и устранил пропущенные звонки и ожидание на линии.
Источник: www.it-world.ru