CX-автоматизация ломается не на LLM, а на плохих входах и безконтекстных правилах

CX-автоматизация ломается не на LLM, а на плохих входах и безконтекстных правилах

Если агент отвечает клиенту, у него должны быть 3 слоя данных: профиль, история обращений и текущий триггер. Без этого он начинает «угадывать» причину контакта и выбирает шаблон по слову, а не по намерению.

Проверьте пайплайн до запуска:
— есть ли нормализация сущностей: email, order_id, product, канал;
— отделены ли статусы «инфо», «саппорт», «эскалация», «возврат»;
— может ли агент передать диалог человеку без потери контекста;
— логируется ли причина выбора ответа, а не только финальный текст.

Второй частый сбой — память. Если агент ведёт длинный чат, он начинает терять ранние ограничения: тон бренда, SLA, запреты на обещания. Для этого нужен не просто чат-лог, а summary + pinned facts + retrieval по событиям.

И ещё: CX-автоматизация не должна решать всё через генерацию. Для статусов заказа, возвратов и FAQ часто лучше rule engine, а LLM оставить на классификацию, переформулировку и разбор сложных кейсов.

Если агент не умеет объяснить, почему он выбрал действие, его нельзя выпускать в клиентский контур.