CX-автоматизация ломается не на LLM, а на плохих триггерах и пустом контексте

CX-автоматизация ломается не на LLM, а на плохих триггерах и пустом контексте

Если агент должен отвечать в support, он обязан получать не только текст обращения, но и статус клиента, историю тикетов, последний action и правило эскалации. Без этого он начинает «вежливо» додумывать. В CRM это выглядит как хорошие ответы, которые потом приходится откатывать руками.

Практика для пайплайна:
— разделяйте lookup и генерацию: сначала вытянуть факты, потом писать ответ;
— держите memory короткой: последние N событий, а не весь чат;
— вводите guardrails на темы, где агент не имеет права импровизировать;
— логируйте reason code: почему ответ ушёл в human handoff.

Для lead-scoring и retention-автоматизации похожая проблема: модель часто переоценивает «активность», если не знает контекст сегмента. Сообщение про открытие письма и ответ в чате — разные сигналы, пока вы не нормализовали их в одну схему событий.

Если в процессе есть три шага и больше двух источников данных, не пытайтесь делать всё одной цепочкой. Разбейте на small agents с явными контрактами: вход, выход, timeout, fallback. Так проще ловить ошибки и не терять контекст на середине маршрута.

Начинайте не с «умного» агента, а с карты данных и правил эскалации. Если они пустые, автоматизация в CX быстро превращается в генератор аккуратных, но бесполезных ответов.