Swisscom сэкономил время и бюджет: как ИИ-агенты оптимизировали поддержку клиентов и продажи

Swisscom, один из крупнейших телекоммуникационных провайдеров Швейцарии, столкнулся с вызовом масштабирования ИИ-решений в условиях постоянно меняющейся экосистемы и строгих регуляторных требований. Внедрение ИИ-агентов для поддержки клиентов и продаж позволило компании не только оптимизировать операционные процессы, но и значительно сократить время на разработку новых ИИ-инициатив, достигая первых демо-версий для стейкхолдеров всего за 3-4 недели.

В крупном телекоме с миллиардными оборотами и тысячами клиентов постоянно возникают проблемы, которые кажутся мелкими: сброс роутера, смена тарифа, вопрос по биллингу. Каждая такая задача, это ручной труд сотрудника, который должен ходить по десяткам систем, собирать информацию и отдавать её клиенту. Умножьте это на миллионы обращений, и вы получите колоссальные затраты времени и денег, которые можно было бы направить на развитие. Сегодня есть решение, которое позволяет автоматизировать эти процессы, сохраняя при этом безопасность и соответствие всем стандартам.

Реальность проблемы: «потолок автоматизации»

Swisscom, как лидер инноваций и устойчивого развития, постоянно стремится к совершенству. Однако, как и многие крупные предприятия, компания столкнулась с так называемым «потолком автоматизации». Традиционные подходы к автоматизации уже не могли удовлетворить растущие потребности бизнеса, особенно в таких чувствительных областях, как поддержка клиентов и продажи. Проблема заключалась в следующем: клиентский запрос, например, о неработающем интернете, мог быть вызван тремя причинами — проблемами с биллингом, сбоем сети или некорректной настройкой роутера. Каждая из этих причин относится к разным отделам, а это требовало кросс-департаментной координации и доступа к разным системам. Все это отнимало время у сотрудников и замедляло решение вопросов.

Путь к ИИ-агентам: от изолированных решений к единой архитектуре

Ранее Swisscom уже использовал различные ИИ-решения, включая разговорный ИИ на базе Rasa и тонко настроенные большие языковые модели. Однако эти решения были разрозненными и плохо масштабировались для решения комплексных задач, требующих взаимодействия между несколькими системами и отделами. Компания осознала, что для преодоления «потолка автоматизации» необходим принципиально новый подход — единая архитектура для создания и управления ИИ-агентами, способная к бесшовной коммуникации между собой.

Так появилась идея создания ИИ-агентов, которые могли бы не просто выполнять отдельные задачи, но и координировать свои действия, обмениваться информацией и работать как единая команда, решая сложные запросы клиентов от начала до конца, при этом соблюдая строгие стандарты защиты данных Швейцарии.

Как проектировали многоагентную архитектуру

Swisscom разработал многоагентную архитектуру, ориентированную на решение ключевых проблем масштабирования ИИ-решений. Основными принципами стали:

• Бесшовная коммуникация между агентами. Для этого были разработаны протоколы Model Context Protocol (MCP) и Agent2Agent (A2A), позволяющие агентам обмениваться информацией и координировать действия между различными доменами и отделами.
• Безопасность и аутентификация. В условиях строгих законов о защите данных требовалось внедрить надёжную систему аутентификации и авторизации, гарантирующую доступ с наименьшими привилегиями. Каждый запрос требовал использования временных токенов доступа, которые проверяли как агент, так и контекст клиента.
• Интеграция и совместимость. Агенты должны были легко интегрироваться с существующими системами Swisscom, такими как центральная система API SAIL (Service and Interface Library) и корпоративная сеть через AWS Direct Connect.
• Сбор и использование данных о клиентах. Для долгосрочного улучшения клиентского опыта требовалась возможность эффективно собирать и анализировать информацию из всех взаимодействий с агентами.

В рамках этой архитектуры, клиентский ИИ-агент, развёрнутый в контейнерной среде, мог обращаться к другим агентам и MCP-серверам, которые также работали как контейнерные приложения в общей виртуальной частной сети (VPC) Swisscom. Это обеспечивало гибкость, масштабируемость и безопасность.

Внедрение и преодоление вызовов

Для реализации своей амбициозной многоагентной архитектуры Swisscom столкнулся с рядом критических вызовов, особенно в части безопасности, интеграции и обеспечения общих стандартов. Компания решила использовать специализированную платформу для ИИ-агентов, которая позволила:

• Обеспечить безопасную и транзитивную аутентификацию. Встроенные механизмы интеграции с существующим провайдером идентификации Swisscom позволили управлять как входящей, так и исходящей аутентификацией, устраняя необходимость в создании пользовательских серверов обмена токенами.
• Управлять памятью агентов. Система позволила хранить как сеансовую, так и долгосрочную память, что критически важно для понимания контекста клиента в течение нескольких взаимодействий. Это также обеспечивало разделение данных пользователей, поддерживая безопасность и соответствие нормативным требованиям.
• Оптимизировать развёртывание и масштабирование. Платформа предоставила среду выполнения, которая позволяла разработчикам сосредоточиться на создании агентов, в то время как система автоматически обрабатывала безопасное, экономичное размещение и масштабирование через развёртывание контейнеров Docker.

Внедрение началось с двух B2C-сценариев: генерация персонализированных предложений по продажам и автоматизированная поддержка клиентов по техническим вопросам (например, устранение неполадок с роутером). Эти агенты были интегрированы в существующую чат-бот-систему Swisscom SAM, что требовало высокопроизводительных протоколов связи между агентами из-за большого объёма клиентов и строгих требований к задержке. Команды разработчиков достигали первых демонстраций для заинтересованных сторон всего за 3-4 недели, даже без предварительного опыта работы с выбранным фреймворком.

Результаты и преимущества

Использование ИИ-агентов принесло Swisscom значительные преимущества:

• Ускорение разработки. Команды разработчиков смогли достичь первых демонстраций для бизнес-стейкхолдеров всего за 3-4 недели, что значительно сократило время вывода новых решений на рынок.
• Снижение сложности. Некоторые проектные команды мигрировали с других реализаций на используемый фреймворк, ссылаясь на снижение сложности и ускорение циклов разработки.
• Улучшенная безопасность и соответствие. Встроенные механизмы безопасности и управления идентификацией обеспечили строгое соблюдение швейцарских законов о защите данных, что критически важно для финансового сектора.
• Масштабируемость и производительность. Среда выполнения агентов позволила эффективно обрабатывать тысячи запросов в месяц с низкой задержкой при оптимизации затрат.
• Долгосрочные инсайты о клиентах. Возможность отслеживать и анализировать взаимодействия с клиентами по различным каналам позволяет постоянно улучшать клиентский опыт.

Как это внедрить у вас

Опыт Swisscom показывает, что успешное внедрение ИИ-агентов требует не только инновационных технологий, но и комплексного подхода к инфраструктуре и операциям. Если ваша компания сталкивается с аналогичными проблемами, вот с чего стоит начать:

• Постройте надёжный архитектурный фундамент. Решите базовые задачи безопасной кросс-организационной аутентификации, стандартизированной оркестровки агентов и комплексной наблюдаемости. Это ускорит развёртывание, а не будет его ограничивать.
• Выбирайте правильный фреймворк. Инструменты разработки, которые упрощают создание агентов и интегрируются с существующей инфраструктурой, могут значительно сократить время до получения ценности.
• Превратите соответствие нормативным требованиям в преимущество. Разработайте решения, которые не только соблюдают правила, но и используют их как основу для инноваций, обеспечивая суверенитет данных и конфиденциальность пользователей.

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