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

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

Есть наблюдение которое стоит проверить: почти все провалы в чатботах для арбитража связаны не с LLM, а с тем, что агенту дали слишком много свободы. Если он отвечает «умно», но не ведёт юзера к нужному действию, ROI уходит в минус.

Что нужно зафиксировать до запуска:
— один главный outcome: ответить, собрать лид, дожать до клика, вернуть в оффер;
— жёсткие границы: что бот не обсуждает и когда отдаёт диалог человеку;
— короткая память: контекст нужен только для текущей сессии, а не на всю переписку.

В хорошей схеме агент не сочиняет путь сам. Он выбирает из заранее заданных веток: уточнить намерение, снять возражение, предложить следующий шаг, перевести в форму или в саппорт. Тогда LLM работает как слой языка, а не как импровизатор, который размывает конверсию.

Отдельно проверьте fallback: если бот не понял запрос, он должен не «извиняться в пустоту», а задавать один конкретный вопрос. Иначе вы теряете трафик на самых тёплых пользователях.

Сильный AI-агент — это не разговорчивый бот, а маршрут с контролем точки выхода: чем меньше свободы в критических местах, тем выше шанс, что саппорт начнёт приносить деньги.