AI-агент в саппорте сливает лиды не из-за LLM, а из-за плохой логики

AI-агент в саппорте сливает лиды не из-за LLM, а из-за плохой логики

Что бросилось в глаза за неделю: почти все провалы в AI-support идут не от модели, а от сценария.

Если агент отвечает быстро, но не умеет вести пользователя по ветке, он превращается в дорогой FAQ. Для арбитража это критично: задача не «поговорить», а дожать до следующего шага — квалифицировать, снять возражение, перевести на оффер, отдать в человека, если упёрся в тупик.

Рабочая схема обычно строится так:
— один входной триггер и одна цель на сессию;
— жёсткие ветки для денег, статуса заявки и техпроблем;
— короткий fallback с переводом в саппорт, а не в бесконечный диалог;
— логирование причин отказа, чтобы потом резать лишние вопросы.

Есть наблюдение которое стоит проверить: чем меньше агент «умничает», тем выше шанс, что юзер дойдёт до конверсии. Слишком много свободного текста размывает intent, особенно когда человек уже пришёл с конкретной болью.

Если хотите ROI, проектируйте AI-agent как воронку, а не как чат: одна задача, короткие ветки, понятный эскалейшн. Тогда он не заменяет саппорт — он освобождает его от мусорных обращений и помогает довести трафик до оффера.