Внедрение ИИ в ОЦО: чему можно научиться у ИТ-поддержки

Андрей Вишняков

SimpleOne

Директор по бизнес-продуктам

Штат общих центров обслуживания растет вслед за числом обращений, в основном повторяющихся — выполнение таких обращений следовало бы автоматизировать, но пилотные проекты по ИИ в ОЦО пока буксуют. В части компаний этот путь уже пройден: по данным исследования SimpleOne, ИИ работает в промышленной эксплуатации у 21% зрелых сервисных команд. Лучшие практики ИИ-автоматизации можно перенять у ИТ-службы, поэтому Андрей Вишняков, директор по бизнес-продуктам SimpleOne, рассмотрел, что из ИТ-поддержки успешно переносится в ОЦО, какие условия нужны для запуска ИИ и с чего начинать.

Почему ОЦО стоит присмотреться к ИТ-поддержке

Сложность и объем операций в ИТ-поддержке росли вместе с инфраструктурой: заявок становилось больше, а каждая требовала знаний о десятках систем. Формат услуг убирает для заказчика инфраструктурную сложность и дает ему ценность: он видит каталог, срок выполнения и статус заявки, а работу с системами выполняет исполнитель. Поэтому ИТ-поддержка раньше других подразделений описала свои услуги, завела каталог, определила сроки выполнения, собрала базу знаний и оцифровала эти сервисные сущности в единой системе управления ИТ-услугами (ITSM).

При этом услуги ОЦО на самом деле работают по той же механике — подразделения уже оказывают услуги, у них есть ожидаемый срок выполнения, и знания о повторяющихся обращениях где-то хранятся. В зависимости от уровня зрелости, эти сервисные сущности могут быть совсем не описаны, описаны частично, полностью оцифрованы.

Чтобы перенять практики ИТ-поддержки, нужно обращать внимание на принципы ITIL (библиотеки практик управления корпоративными услугами), которые применимы к любому сервисному подразделению: управление запросами, знаниями и уровнем услуг одинаково работает в ИТ, кадрах и бухгалтерии. Подход, при котором подразделения компании работают как поставщики услуг на общей платформе, называют ESM (Enterprise Service Management, управление корпоративными услугами). В такой модели услуги ОЦО остаются в ведении ОЦО и не зависят от правил и практик ИТ-службы (см. рис.1).

Цену нынешней модели можно посчитать по трем параметрам для каждого подразделения: число обращений в год, время ручной обработки одного обращения и стоимость часа специалиста. Рассмотрим пример, когда компания на 3000 сотрудников получает 200 тыс. внутренних обращений в год, из них 120 тыс. приходятся на HR, бухгалтерию, закупки, АХО и юристов. Время обработки в этих функциях различается: 30 минут на обращение в АХО, 50 минут в HR и бухгалтерии, 70 минут у юристов и в закупках. В сумме это более 100 тыс. часов ручной работы в год или около 61 млн рублей при нагруженной ставке 600 рублей в час. 

Часть этих часов снимают три рычага: самообслуживание сокращает число обращений, сервисные инструменты ускоряют обработку, а автоматизация выполняет часть обращений без ручного труда. По той же логике работает калькулятор SimpleOne: для своих подразделений и выбранного сценария (осторожного, нейтрального или позитивного) он показывает сэкономленные часы и потенциал оптимизации затрат.

Как ИИ работает в ИТ-поддержке и как может работать в ОЦО

Рассмотрим, как сервисные практики уже приносят пользу ИТ-службе и как они могут сработать в ОЦО.

1. Классификация и маршрутизация. В ИТ-поддержке обращение «Не работает принтер» уходит в нужную группу исполнителей без участия диспетчера. ИИ действует автономно или подсказывает заявителю услугу и группу. В ОЦО обращение «Не пришла справка о доходах» ИИ относит к кадровому администрированию и сразу направляет профильному специалисту.
2. Подсказка услуги и заполнение формы. Когда сотрудник просит доступ, ИИ предлагает нужную услугу и заполняет поля по описанию задачи. В ОЦО сотрудник пишет обращение свободным текстом: «Хочу в отпуск с 3 ноября на две недели», а ИИ выбирает услугу оформления отпуска, подставляет даты и определяет согласующего.
3. Ответы по базе знаний без специалиста. ИИ-агент отвечает по базе знаний со ссылками на статьи. Если запрос сформулирован неполно, ИИ-агент уточняет его за несколько итераций. В ОЦО такой агент отвечает на вопросы о порядке возмещения командировочных, сроках выплат и перечне документов для налогового вычета.
4. Автонаполнение базы знаний. ИИ-агенты анализируют, как специалисты закрывают обращения. Если несколько похожих запросов решили одинаково, система создает черновик статьи, а менеджер проверяет, редактирует и публикует ее. В ОЦО ответы бухгалтеров и кадровиков на повторяющиеся вопросы превращаются в черновики статей, которые утверждает владелец услуги.
5. Оперативная аналитика. ИИ-ассистент по запросу руководителя показывает загрузку линий и динамику обращений. История обращений позволяет заранее увидеть пики нагрузки. Для ОЦО это закрытие месяца, отпускной сезон и период выплаты премий.
6. Полная обработка обращения агентом. ИИ-агент ведет обращение от начала до конца: понимает запрос, уточняет недостающие данные, при настроенной интеграции выполняет действие в нужной системе и закрывает обращение без участия исполнителя. В ИТ-поддержке агент так выдает доступ к программе и сообщает результат сотруднику. В ОЦО агент оформляет справку о доходах: проверяет право сотрудника на заказ, формирует запрос в кадровую систему, получает документ и отправляет его на портал. Спорные случаи агент передает специалисту с готовым описанием ситуации. Сценарий опирается на все предыдущие: без каталога услуг и базы знаний агент не поймет запрос и не найдет порядок выполнения.

Экономику сценариев можно оценить на примере ИИ-помощника на портале самообслуживания ИТ-поддержки. В расчетной модели SimpleOne помощник предотвращает 30% обращений: сотрудник получает ответ по базе знаний, и обращение не создается. Это консервативная оценка: согласно прогнозу Gartner, к 2029 году агентный ИИ будет автономно решать до 80% типовых обращений в клиентском сервисе. При 70 тыс. обращений в год затраты на первую линию составляют 19,2 млн рублей, обращение обходится примерно в 274 рубля, а 21 тыс. предотвращенных обращений дает около 5,76 млн рублей экономии в год. Модели для 30 и 130 тыс. обращений приведены в том же материале.

В ОЦО обращения обрабатывает не первая линия, а бухгалтеры и кадровики, поэтому обращение в среднем обходится дороже: в расчетном примере выше — около 650 рублей (130 млн рублей на 200 тыс. обращений). Какую долю из них закроет ИИ-помощник, зависит от структуры обращений: справочные вопросы закрываются ответами по базе знаний, а заявки, которые требуют действий в учетных системах, ИИ ускоряет за счет предзаполнения и маршрутизации.

Что мешает ОЦО повторить это сейчас

В зрелых ИТ-службах процессы описывали и оцифровывали годами. В же ОЦО часто нет каталога услуг, базы знаний и спецификации не оцифрованы, данные разнесены по нескольким системам, владельцы услуг не назначены. Исследование SimpleOne показало, что 66,7% организаций остаются на нулевом уровне автоматизации корпоративных услуг, и обращения идут через почту, Excel и мессенджеры.

Из опыта ИТ-поддержки можно выделить условия, при которых ИИ действительно работает: процессы описаны, а данные собраны в единую модель, где сотрудники, услуги и знания лежат в одной базе. Идеальная классификация для старта не нужна, каждому сценарию нужен свой минимум: классификации требуется каталог услуг, ответам база знаний, прогнозу история обращений. Минимум можно собрать для одного сценария и не дожидаться готовности остальных.

Риски и безопасность

В ИТ-поддержке обращения редко содержат чувствительные данные: типичный запрос касается принтера или доступа к программе. В ОЦО в запросах встречаются зарплата, больничные, семейное положение и банковские реквизиты, поэтому те же ИИ-сценарии требуют дополнительных решений до запуска.

Начинать нужно с места обработки данных. Кадровые и зарплатные сведения относятся к персональным, а 152-ФЗ требует хранить персональные данные граждан России в базах на территории страны. Поэтому до запуска определяют, где работает языковая модель, внутри контура компании или во внешнем сервисе, и куда уходят тексты запросов. От ответа зависят выбор модели и схема интеграции.

Когда место обработки определено, возникает вопрос доступа, что именно ИИ-помощник вправе показать. Он должен отвечать только по данным, к которым у спросившего сотрудника есть доступ, иначе вопрос о размере премии раскроет чужую информацию. Для этого используют ролевую модель. Учет при этом остается в 1С и ERP-системе. Платформа получает из них данные через интеграцию и не заменяет учетные системы.

Остается ответственность за ошибку ИИ. Даже при верно настроенном доступе модель может ответить неточно, поэтому ответственность закрепляют за владельцем услуги, который отвечает за содержание статей и за ответы по своей услуге. Ответы, которые влияют на выплаты, проводки и сроки отчетности, проверяет человек до отправки, а по остальным услугам хватает выборочной проверки журнала ответов. Черновики статей базы знаний публикует менеджер, как в ИТ-поддержке. Такая схема тратит время сотрудников только на темы, где ошибка стоит денег.

С чего начать

Этапы повторяют путь ИТ-поддержки, но шаги не обязательно идут подряд:

1. Оцифровать сервисные сущности. ОЦО описывает услуги, сроки по соглашению об уровне услуг (SLA), типовые запросы и пишет статьи по самым частым вопросам. ИИ готовит черновики статей по закрытым обращениям. Как измерить: доля услуг с владельцем и сроком, доля повторяющихся запросов, закрытых статьей.
2. Стандартизировать вход. ОЦО вводит единый портал и каталог услуг с владельцами и сроками. ИИ классифицирует обращения и подсказывает услугу. Как измерить: доля обращений через портал, доля обращений, направленных в нужную группу с первого раза, время от обращения до назначения исполнителя.
3. Собрать данные в единую модель. ОЦО объединяет базу сотрудников, услуг и знаний, например, на ESM-платформе. ИИ отвечает на вопросы по базе знаний без специалиста. Как измерить: доля обращений, закрытых без исполнителя, доля верных ответов по выборочной проверке.
4. Связать процессы сквозь функции. ОЦО строит общие маршруты между кадрами, бухгалтерией и ИТ, например для приема и увольнения сотрудника. ИИ маршрутизирует запросы между функциями и подсказывает исполнителю следующий шаг. Как измерить: срок выполнения межфункциональной услуги от начала до конца, число передач между исполнителями.
5. Перейти к постоянному улучшению. ОЦО регулярно разбирает сроки и повторяющиеся запросы. ИИ прогнозирует пики нагрузки и создает новые статьи знаний. Как измерить: доля обращений, выполненных в срок, число повторяющихся запросов за квартал, точность прогноза нагрузки.

Финансовый итог этих метрик — число обращений на одного специалиста и стоимость обработки обращения. Если первое растет, а второе падает, ОЦО справляется с ростом без новых ставок. Перед началом изменений полезно посчитать стоимость текущей модели с помощью приведенного выше калькулятора.

Вывод

Для ИИ в ОЦО нужны описанные процессы и единая модель данных. Начать можно с одной функции, например с кадровых услуг, и с одного сценария, например с ответов по базе знаний. Сценарии, проверенные в ИТ-поддержке, доступны для услуг ОЦО на той же платформе без разработки с нуля: ESM-платформа SimpleOne позволяет автоматизировать услуги нового подразделения и не расширять штат.