Commonwealth Bank переводит 84,6% клиентских запросов в самообслуживание: как ИИ-агент изменил поддержку в ритейле

В Commonwealth Bank, одном из крупнейших финансовых холдингов Австралии, клиентская поддержка в розничном банкинге всегда была сложной задачей. Десятки тысяч запросов ежедневно, каждый из которых требует внимания и быстрого решения. После внедрения ИИ-агента, который взял на себя первичную обработку обращений, 84,6% запросов стали закрываться в режиме самообслуживания в цифровых каналах, а скорость разрешения проблем значительно выросла.

В крупном банке клиентская поддержка, это воронка, в которую стекаются тысячи разнородных вопросов. Каждый из них требует навигации по сложным внутренним системам, переключения между отделами и ручного сбора информации. Это дорого, медленно и часто приводит к фрустрации клиента. Но ключевое, это воронка, которую можно автоматизировать, изменив подход к обслуживанию.

Боль клиентской поддержки в розничном банкинге

Розничный банкинг, это миллионы клиентов и тысячи точек контакта. Вопросы могут быть самыми разными: от запроса баланса и смены пароля до оспаривания транзакций и оформления кредитов. Традиционная поддержка требует большого штата операторов, которые часто тратят время на рутинные действия: идентификацию клиента, поиск информации в разных системах, перенаправление запросов. Это приводит к долгому ожиданию на линии, необходимости повторно объяснять проблему разным сотрудникам и, как следствие, к снижению удовлетворённости клиентов.

Проблема усугубляется, когда запросы поступают через цифровые каналы, где клиенты ожидают мгновенного ответа. В таких условиях каждый нерешённый запрос, это не просто потеря времени, а риск потери лояльности.

Почему классические чат-боты не справлялись

Commonwealth Bank, как и многие крупные финансовые организации, уже использовал чат-боты и системы автоматизации. Однако они часто были ограничены жёсткими сценариями и не могли эффективно обрабатывать сложные или нестандартные запросы. Как только вопрос выходил за рамки заранее определённых веток, бот оказывался бесполезен, и запрос всё равно переходил к человеку. Это создавало эффект «бутылочного горлышка» и не решало проблему перегрузки операторов.

Банку был нужен не просто бот, а интеллектуальный агент, способный понимать намерение клиента, контекст запроса и динамически направлять его к наиболее подходящему решению, будь то другая ИИ-система или живой специалист. Так и пришли к идее создания центрального ИИ-агента-оркестратора.

Как проектировали ИИ-агента-оркестратора

ИИ-агента задумали как центральный узел, который интерпретирует намерение клиента и динамически маршрутизирует запрос. Его основная задача — понять, что именно нужно клиенту, и направить его к оптимальному решению. Это может быть:

• Разговорный ИИ. Для простых и часто задаваемых вопросов, информация для которых доступна публично или в базах знаний.
• Человек-специалист. Для сложных, чувствительных или нестандартных ситуаций, требующих эмпатии и глубокого понимания контекста. В этом случае ИИ-агент остаётся в фоновом режиме, предоставляя специалисту сводку разговора и предлагая возможные варианты ответов.
• Другая ИИ-система. Например, для автоматического выполнения транзакций или предоставления персонализированной информации.

Ключевым стало интеллектуальное, контекстно-ориентированное маршрутизирование, которое позволяет системе постоянно обучаться и улучшать качество обслуживания.

Внедрение и масштабирование

Разработка ИИ-агента заняла два года и началась с фокуса на розничном банкинге, как наиболее массовом и критичном направлении. После успешного пилотного запуска и демонстрации эффективности, банк начал масштабировать решение. Сегодня система показала себя настолько хорошо, что Commonwealth Bank планирует расширить её применение на другие области своей деятельности, за пределы розничного банкинга. Это включает в себя поддержку голосовых ботов, многоагентные рабочие процессы и, в конечном итоге, создание общебанковской разговорной платформы.

Результаты

Генеральный менеджер по поддержке клиентов Рэйчел Раунд отметила, что система обеспечила «качественный скачок в эффективности разрешения клиентских запросов через цифровые и мессенджерные каналы банка». 84,6% самообслуживаемых взаимодействий в мессенджерах, это не только колоссальная экономия ресурсов, но и значительное улучшение клиентского опыта, так как клиенты получают быстрые и точные ответы без необходимости ждать оператора.

Как это внедрить у вас

Кейс Commonwealth Bank показывает, что ИИ-агенты могут радикально изменить подход к клиентской поддержке в крупных организациях. Если в вашей компании есть схожие проблемы с обработкой клиентских запросов, вот с чего можно начать:

• Определите «горячие точки». Выявите наиболее частые и рутинные запросы, которые отнимают много времени у операторов и могут быть автоматизированы.
• Начните с оркестратора. Вместо создания множества отдельных ботов, сосредоточьтесь на ИИ-агенте, который будет маршрутизировать запросы к нужным ресурсам — будь то другой ИИ или человек.
• Интегрируйте с существующими системами. Для эффективной работы ИИ-агенту нужен доступ к базам знаний, CRM и другим внутренним системам для сбора контекста и предоставления точных ответов.
• Обучайте и масштабируйте постепенно. Начните с одного направления, соберите обратную связь, обучите агента на реальных данных и только потом масштабируйте на другие области бизнеса.

Если этот кейс похож на то, что происходит у вас, наш менеджер поможет разобраться: бесплатно проанализирует ваш бизнес и нишу и подскажет, где ИИ-агент даст реальный результат именно в вашем случае. Написать менеджеру