Swisscom высвободил тысячи часов: как ИИ-агенты изменили телеком-продажи и поддержку

Swisscom, ведущий телеком-провайдер Швейцарии с оборотом около $19 млрд, столкнулся с проблемой масштабирования ИИ-решений: традиционные подходы к автоматизации уже не справлялись с растущими запросами бизнеса. Внедрение ИИ-агентов позволило им не только сократить время на разработку новых решений до 3-4 недель, но и обеспечить беспрецедентную масштабируемость для обработки тысяч запросов в месяц в отделах продаж и клиентской поддержки, при этом сохранив строжайшие стандарты конфиденциальности данных.

В крупном телекоме рутина, это тысячи часов, которые сотрудники тратят на поиск информации, составление однотипных предложений и ответы на стандартные вопросы. Это не просто потерянное время, это упущенные возможности для повышения качества обслуживания и развития бизнеса. Каждый час, потраченный на рутину, это прямые издержки, которые можно и нужно сокращать. ИИ-агенты, это не просто инструмент для автоматизации, это способ вернуть бизнесу время и фокус на стратегические задачи.

«Потолок автоматизации» и строгие правила Swisscom

Swisscom, как и многие крупные компании, давно и успешно автоматизировал множество процессов. Однако, с ростом объёмов данных и усложнением клиентских запросов, традиционные методы автоматизации достигли своего «потолка». У компании возникли критические вызовы, которые требовали нового подхода:

• Масштабирование. Как координировать работу десятков и сотен ИИ-агентов между различными департаментами, сохраняя при этом высокий уровень безопасности и производительности?
• Безопасность и аутентификация. Необходим был безопасный, транзитивный доступ с минимальными привилегиями, учитывающий пересекающиеся разрешения для клиентов, агентов и отделов. Конфиденциальность данных в Швейцарии, это не просто требование, это основа доверия.
• Интеграция. Как централизовать и обеспечить совместимость новых ИИ-решений с уже существующей сложной инфраструктурой и многочисленными внутренними системами?
• Аналитика и кросс-департаментное взаимодействие. Эффективный сбор и использование данных о клиентах из множества взаимодействий были крайне затруднены. Например, если у клиента сбоил роутер, проблема могла быть связана с биллингом, сетью или конфигурацией, и каждая из них относилась к разным отделам. Это требовало бесшовной кросс-департаментной координации, которая в ручном режиме отнимала массу времени.

Все эти факторы приводили к тому, что даже при высоком уровне автоматизации, сотрудники тратили слишком много времени на рутинные операции, вместо того чтобы сосредоточиться на стратегических задачах и улучшении клиентского опыта.

Путь к ИИ-агентам: почему традиционные решения не подходили

Swisscom уже использовал различные скрипты и автоматизированные системы, но они были эффективны только для строго формализованных и предсказуемых процессов. Как только запрос выходил за рамки шаблона, например, нестандартный документ, сложный вопрос клиента или необходимость получить информацию из трёх разных систем одновременно, процесс замедлялся и переходил в ручной режим.

Компания поняла, что ей нужен не просто инструмент для автоматизации отдельных задач, а интеллектуальная система, способная понимать контекст, самостоятельно принимать решения в рамках заданных правил и координировать действия между различными источниками данных и сервисами. Так возникла потребность в ИИ-агентах – системах, которые могут работать автономно, взаимодействуя с другими системами и людьми, и при этом быть интегрированными в существующую ИТ-инфраструктуру.

Как проектировали ИИ-агента: архитектура и функционал

Swisscom выбрал гибкую и масштабируемую платформу для создания своих ИИ-агентов, которая позволила разработчикам сосредоточиться непосредственно на логике агентов, а не на инфраструктурных задачах. Ключевые компоненты архитектуры включали:

• Среда выполнения агентов. Система, которая обеспечивает безопасный хостинг, автоматическое масштабирование и изоляцию сессий для каждого агента. Это позволило разработчикам быстро развёртывать новые агенты без необходимости глубокого погружения в DevOps.
• Управление идентификацией. Интеграция с существующей системой аутентификации Swisscom, что обеспечило безопасное и бесшовное взаимодействие между агентами, инструментами и источниками данных, соблюдая принцип минимальных привилегий.
• Механизм памяти. Надёжное хранение как краткосрочной (сессионной), так и долгосрочной памяти агента. Это особенно важно для B2C операций, где понимание контекста клиента между взаимодействиями имеет решающее значение для персонализации услуг.
• Фреймворк для разработки агентов. Был выбран фреймворк, который упрощал создание агентов, ускорял циклы разработки и имел встроенные возможности для трассировки, оценки и логирования, что значительно упростило отладку и оптимизацию.

От агентов требовалось несколько ключевых функций: генерировать персонализированные коммерческие предложения, обрабатывать технические запросы клиентов и собирать информацию из различных систем для предоставления полных ответов, при этом сохраняя контекст беседы и историю взаимодействий.

Внедрение: от пилота до широкого применения

Внедрение ИИ-агентов началось с двух ключевых B2C сценариев: генерация персонализированных коммерческих предложений и автоматизированная клиентская поддержка по техническим вопросам. Оба агента были интегрированы в существующий чат-бот Swisscom SAM, что предъявляло высокие требования к производительности и низким задержкам.

Процесс внедрения был итеративным и включал следующие этапы:

• Пилотные проекты. Разработка первых агентов для конкретных задач. Команды разработчиков, даже не имевшие предыдущего опыта работы с выбранным фреймворком, смогли представить первые рабочие прототипы для бизнеса всего за 3-4 недели.
• Обучение и адаптация. Сотрудники клиентской поддержки и продаж обучались работе с новыми агентами. Важно было показать им, что агенты — это помощники, которые освобождают от рутины, а не заменяют их.
• Масштабирование. Постепенное расширение функционала агентов и их применение в других отделах. Благодаря выбранной архитектуре, система могла эффективно обрабатывать тысячи запросов в месяц для каждого агента, поддерживая низкую задержку и оптимизируя затраты.
• Обратная связь и улучшение. Постоянный сбор обратной связи от пользователей и аналитика производительности агентов позволяли непрерывно улучшать их функционал и точность.

Одна из команд, которая ранее использовала более сложный фреймворк для графовых вычислений, мигрировала на новую платформу и отметила значительное снижение сложности разработки и ускорение циклов выпуска новых функций. Это подтвердило правильность выбора архитектуры.

Результаты: количественные и качественные изменения

Благодаря внедрению ИИ-агентов Swisscom добился значительных улучшений:

• Ускорение разработки. Время, необходимое для создания и развёртывания новых ИИ-решений, сократилось с нескольких месяцев до 3-4 недель. Это позволяет компании быстрее реагировать на рыночные изменения и запускать новые услуги.
• Эффективность продаж и поддержки. Агенты взяли на себя рутинные задачи, что позволило сотрудникам сосредоточиться на более сложных случаях и персонализированном взаимодействии с клиентами. Это привело к повышению качества обслуживания и росту удовлетворённости клиентов.
• Масштабируемость. Система с лёгкостью обрабатывает тысячи запросов в месяц, обеспечивая низкую задержку и оптимизируя затраты на инфраструктуру.
• Соответствие нормативам. Встроенные механизмы обеспечения суверенитета данных и конфиденциальности пользователей гарантируют соблюдение строгих швейцарских регуляторных требований.

В целом, Swisscom смог значительно ускорить внедрение ИИ, повысить операционную эффективность и укрепить свои позиции на рынке, сохраняя при этом высокий уровень безопасности и доверия клиентов.

Как это внедрить у вас: шаги к ИИ-трансформации

Кейс Swisscom показывает, что ИИ-агенты, это не просто модное направление, а мощный инструмент для решения реальных бизнес-задач, особенно в условиях строгих требований к безопасности и масштабируемости. Если ваша компания сталкивается с похожими вызовами, вот с чего можно начать:

• Идентифицируйте узкие места. Найдите процессы, где сотрудники тратят много времени на рутину, поиск информации или повторяющиеся запросы. Это идеальные кандидаты для автоматизации с помощью ИИ-агентов.
• Начните с пилота. Выберите одну-две некритичные, но объёмные задачи, где эффект от внедрения будет заметен сразу. Это позволит вам получить опыт, собрать обратную связь и продемонстрировать ценность ИИ-агентов руководству и команде.
• Уделите внимание безопасности и интеграции. Выберите платформу, которая обеспечивает надёжную аутентификацию, управление доступом и бесшовную интеграцию с вашей существующей ИТ-инфраструктурой. Это критично для масштабирования и соблюдения регуляторных требований.
• Обучите команды. Убедитесь, что сотрудники понимают, как работать с ИИ-агентами, и видят в них помощников, а не угрозу. Вовлечение команды, это ключ к успешному внедрению.
• Используйте фреймворки. Использование готовых фреймворков для разработки агентов значительно ускорит процесс и снизит сложность, позволяя сосредоточиться на бизнес-логике.

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