AI-агент в саппорте ломается не на LLM, а на плохом сценарии

AI-агент в саппорте ломается не на LLM, а на плохом сценарии

Если агент отвечает на FAQ, собирает лид и переводит на оффер, его нужно проектировать как воронку, а не как «умный чат». Самая частая ошибка — дать модели слишком много свободы и ждать стабильного результата. В реальности нужен жёсткий каркас: вход, развилка, эскалация, фиксация события.

Что проверять до запуска:
— один агент = одна задача; не смешивайте саппорт, квалификацию и продажи в одном потоке
— у каждой ветки должен быть стоп-сигнал: непонятный запрос, токсичный пользователь, потеря контекста
— все ключевые ответы лучше задавать шаблонами, а не генерацией «с нуля»
— логируйте, где бот не дожал: там обычно лежит ROI, а не в красивом промпте

Отдельно смотрите на передачу диалога человеку. Если эскалация приходит слишком поздно, агент выглядит тупым. Если слишком рано — вы не окупаете автоматизацию. Оптимально, когда бот закрывает рутину, а оператор получает только то, где нужен ручной разбор.

И главное: не оценивайте агента по «умности» ответа. Считайте, сколько диалогов он довёл до целевого действия без вмешательства оператора — именно там видно, полезен ли сценарий или это просто дорогой чат.