Статья

ИИ забрал обращения. Люди остались. Деньги появились

Между долей обращений, которые закрыла LLM, и деньгами в P&L стоят часы, ёмкость линии и решение о штате. Разбор на сценарии клиентской поддержки

Константин Кучугурин · CIO

14 сентября 2026

Разговор с собственником про ИИ всё чаще начинается с готовой цифры: "минус треть штата". За ней стоит простой вопрос: сколько людей можно убрать и сколько денег останется в P&L.

ИИ забрал обращения. Люди остались. Деньги появились

Оптимизировать можно. Но решение о штате принимается в конце расчёта, когда уже посчитаны часы и ёмкость линии.

Самый посчитанный сценарий у меня - большая языковая модель (LLM) в клиентской поддержке. Чат-бот забирает типовые обращения первой линии, на второй модель ускоряет диагностику, до третьей мы не дошли. На нём и разберу, как доля обращений доходит до денег.

От обращений до денег

Автоматизированная обработка обращений, высвобожденные часы, уменьшение штата и экономия в P&L - четыре разные величины. Между каждой парой стоит свой пересчёт.

Обращения в часы. Нужная ёмкость линии считается по объёму и времени обработки для разных типов обращений. Поэтому 40% автоматизированных обращений не означают 40% высвобожденных часов. Если модель первой забирает короткие и типовые случаи, как было у нас, доля высвобожденного времени будет ниже доли обращений.

Часы в штатную ёмкость. Сумма высвобожденных часов за месяц ещё не говорит, сколько ставок можно снять. Людей на линии считают по часам дня: сколько обращений приходит в этот час и сколько операторов нужно, чтобы ответить клиенту за обещанное время. В дневной пик людей нужно больше, ночью меньше, но в каждой смене есть минимум, ниже которого линию не оставишь. Поэтому снять часто удаётся меньше ставок, чем высвобождено часов.

Ёмкость в деньги. На этом шаге принимается решение о штате, и от него зависит, какой эффект появится в P&L. Об этом последний раздел.

Мой сценарий в цифрах

Модель в поддержку поставила команда DS/DE, которую до моего прихода обсуждали убрать целиком. Как её сохранили, я разбирал в статье "Лес вырублен. Цели выполнены. Реальность потеряна".

Стоимость автоматизированной обработки одного обращения стала в 6 раз ниже. В неё входили модель, инфраструктура, сопровождение и время людей, включая работу самой команды DS/DE. Контроль качества и последующие эскалации отдельно не учитывались, так что это ещё не была полная стоимость успешно закрытого сценария. Сегодня я считаю уже полную стоимость закрытого сценария.

Потенциал автоматизации мы оценили в 40% потока. По расчёту сценарий выходил в плюс до конца года запуска. После запуска разницу в 6 раз подтвердили на фактическом потоке, и она сохранялась.

Качество мерили тремя показателями: временем до закрытия вопроса, удовлетворённостью клиентов и долей обращений, переведённых на оператора. Время до закрытия сократилось значительно, доля переводов на оператора упала, удовлетворённость удержалась. Модель при этом получала типовые обращения, поэтому часть выигрыша во времени объясняется составом потока.

Решения о штате по линиям получились разными.

Первая линия. Найм под рост утвердили. Стоимость ставки там достаточно низкая, поэтому на эту часть смотрели спокойно.
Вторая линия. Найм заморозили.
Третья линия. Это продукт (или платформа) и его разработка, самая дорогая экспертиза. Ставки там оптимизировали по другой причине: продукт вышел на плато. К эффекту модели это решение не относится.

Как я считаю сценарий до запуска

Единица счёта у меня - сценарий. У каждого семь полей, и заполняются они до того, как модель увидит первого клиента.

Владелец. Человек, который отвечает за результат сценария и имеет право его остановить.
База расчёта. Сколько таких обращений сейчас, сколько времени и денег они стоят у людей (включая полную стоимость ставок для компании) и как будет меняться объём. От этой базы потом считается любой эффект.
Уровень риска. Что будет, если модель ошибётся: клиент переспросит, уйдёт к конкуренту или получит ошибку в деньгах.
Допустимые данные. Что модели можно видеть и что нельзя, записано до запуска.
Качество завершения. Время до закрытия вопроса, доля обращений, переведённых на человека, оценка клиента и повторные обращения. Ответ, верный по тексту, после которого клиент пишет снова, в зачёт не идёт.
Полная стоимость успешно закрытого сценария. Модель, инфраструктура, сопровождение, контроль качества, эскалации, повторные обращения, время людей и разовые затраты на запуск, распределённые на выбранный горизонт расчёта. Сравнивать её надо с теми же типами обращений у людей. Простой вопрос у модели против среднего обращения у человека даёт красивую, но завышенную разницу: у человека простой вопрос тоже стоил дешевле среднего.
Порог остановки. Метрика или набор метрик, при которых сценарий выключается. Их тоже записывают заранее, пока спорить о них не с чем.

Отдельно смотрю на продуктовые сигналы. Поддержка показывает, где продукт сам создаёт проблему, и часть эскалаций идёт прямо в продукт. Если бот хорошо закрывает повторяющийся вопрос, продуктовая команда может перестать его видеть. Поэтому частые темы уходят владельцу продукта как дополнительная точка контроля, даже когда модель с ними справляется.

Что показал рынок

Из 321 руководителя клиентской поддержки, которых Gartner опросил в октябре 2025 года, штат операторов из-за внедрения ИИ уменьшила только одна пятая. У большинства численность осталась прежней, хотя клиентов стало больше [1].

С отдачей от внедрения ИИ, уменьшение штата напрямую не связано. В другом опросе, среди 350 руководителей компаний с выручкой от $1 млрд, штат уменьшали почти одинаково часто и те, кто получил высокую отдачу, и те, у кого она скромная или отрицательная [2]. По прогнозу Gartner, к 2029 году 30% сотрудников, уволенных из-за их замены ИИ, придётся нанимать обратно, и часто дороже [3].

Шведская финтех-компания Klarna в феврале 2024 года отчиталась об ИИ-ассистенте в поддержке - за первый месяц он провёл 2,3 млн разговоров (2/3 чатов поддержки). Компания пересчитала этот объём в работу 700 операторов на полной ставке и сообщила, что оценка клиентов осталась на уровне людей, а повторных обращений стало на 25% меньше [4] (эти 700 операторов - пересчёт объёма работы, об увольнениях в сообщении речи не было).

В мае 2025 года курс поправили. Сооснователь и генеральный директор Klarna Себастьян Семятковский сказал Bloomberg, что при организации поддержки стоимость оказалась слишком весомым критерием и в итоге качество стало ниже. Компания снова начала набирать людей, чтобы клиент всегда мог попасть к человеку, если захочет [5].

Где появляются деньги

Во сколько раз закрытое обращение у модели дешевле, чем у человека - это юнит-экономика сценария. Стоит ли его запускать, показывает расчёт на всём объёме и на выбранном горизонте.

Деньги считаются против базового сценария, записанного до запуска: тот же прогноз объёма и те же требования к качеству, но без модели. Для каждого сценария отдельно считается необходимая штатная ёмкость и стоимость её обеспечения. В базе это штат, который понадобился бы без модели. Со сценарием ИИ это оставшийся штат + полная стоимость сценария.

Эффект за период = затраты по базовому сценарию без ИИ - затраты со сценарием ИИ

Разница раскладывается на три эффекта, и в P&L они выглядят по-разному.

Снижение OPEX. Штатную ёмкость уменьшили, фонд оплаты труда линии стал меньше базы. Эти деньги видны в отчётности.
Отказ от планового найма. Объём вырос, людей под него не добавили. Текущие расходы не падают, эффект считается против базового сценария, записанного до запуска. Без такой базы этот эффект нечем подтвердить.
Перераспределение ёмкости. Люди остались и делают другую работу. В деньгах эффект появится, только если у этой работы есть своя метрика.

Один эффект дважды не считается. Если сэкономленные часы уже превратились в снятые ставки, ни часы, ни снижение стоимости обращения к ним сверху не прибавляются.

Тут модели эффект приписываю, только если он виден на сопоставимом потоке: при поэтапном запуске или против контрольной группы на тех же типах обращений. Иначе в него попадут сезонность, релизы продукта и смена маршрутизации.

В моём сценарии модель дала второй эффект: на второй линии заморозили найм.

Расходы на сценарий начинаются в день запуска, а ставки снимаются позже, когда сценарий прошёл порог качества на реальном потоке. Поэтому в первые месяцы эффект может быть и отрицательным.

Если ставки не сняты, найм не отменён и другие переменные расходы, например подрядчики и сверхурочные, не сократились, снижение стоимости обращения само по себе OPEX не снижает: стоимость ИИ добавляется к существующим расходам.

Если в бюджете следующего года уже стоит "минус треть", что именно за ней: снижение OPEX, отказ от планового найма или перераспределение ёмкости?

Источники

Ещё по теме «Деньги»

Восемь контуров, по которым бизнес читает ИТ

6 минут чтения

Инвентаризация влияния: четыре зоны, где CIO отвечает за деньги

5 минут чтения

Написать: k@kuchugurin.com