Кейс: Экзоинтеллект TEХНOНИKOЛЬ — от прототипа в 2023 до финала CX World Awards 2026
Андрей Цымбалюк, руководитель направления цифровой маркетинг / руководитель проекта Экзоинтеллект TEХНOНИKOЛЬ для контакт-центров
Вводная
Мы создали «Экзоинтеллект TEХНOНИKOЛЬ» — нейросеть на базе GPT LLM с RAG-архитектурой, обученную на знаниях о материалах, сервисах, системах и продуктах компании. Она не заменяет оператора, а помогает ему консультировать клиентов в чате и по телефону. Проект дошёл до финала CX World Awards 2026. Ниже — как мы до этого дошли и какие цифры получили.
1. Зачем это было нужно
Ежегодно в контакт-центр TEХНOНИKOЛЬ поступает 22 тысячи диалогов. Большая часть — вопросы о стройматериалах, применении, наличии и ценах. Проблема в том, что операторы не всегда могут оперативно найти точный ответ в техлистах, а клиенты не должны получать ответ, который никто не проверил. Особенно в строительстве, где неверная консультация — это риск и для клиента, и для репутации.
Мы поставили задачу: дать оператору инструмент, который мгновенно находит нужную информацию и подсказывает точный ответ — без «галлюцинаций» и домыслов.
2. Первый прототип: проверяем гипотезу
Дата: 01.07.2023
Прежде чем вкладываться в продуктовую разработку, мы сделали прототип RAG (Retrieval-Augmented Generation) на наших собственных данных — PDF, техлисты, каталоги. Цель: снять два главных страха:
- Будет ли ИИ «врать» и фантазировать ответы?
- Поймёт ли модель наш специфический контент?
Результаты прототипа:
Галлюцинации - 0%
Скорость обучения на своих данных - дни, а не месяцы
Стоимость пилота - бесплатно
Точность на наших данных - высокая
Идея подтвердилась. Модель работала строго в рамках наших документов, не выдумывала и быстро обучалась. Мы пошли в продуктовую версию.
3. Собрали базу знаний с нуля: что на самом деле спрашивают клиенты
Планировали бота-консультанта для клиентов. Но столкнулись с проблемой: мы не знали, о чём клиенты вообще спрашивают — и системы, чтобы это выгрузить, не было.
Решение: проанализировали звонки и диалоги вручную, чтобы понять реальную картину.
Что выяснили:
Обращений с техническими вопросами - 37 % всех диалогов
Обращений по вопросам покупки/наличия/цен - 63 %
Топ-5 тематик обращений:
- Где купить / наличие / цены — 34 %
- Битумные материалы — 12 %
- Каменная вата — 10 %
- Мастики — 9 %
- Гибкая черепица — 5 %
В разрезе «Битумные материалы» клиенты спрашивали о:
- Техноэласт — 14 %
- Битум — 10 %
- Унифлекс — 8 %
- Линокром — 4 %
- Рубероид — (остальное)
Эти темы стали первой базой знаний для ИИ. Мы наконец знали, что именно нужно закладывать в систему.
4. Второй прототип: почему отказались от «бота вместо человека»
Дата: 01.09.2023
Мы разработали прототип цифрового консультанта — большую генеративную модель на знаниях о компании (RAG), которая отвечала на вопросы клиентов в чате на сайте. Дополнительно получили речевую аналитику всех обращений и дашборд.
Но после тестов пришли к важному выводу: бот не должен отвечать клиенту самостоятельно.
Почему:
- Модель может знать не всё, а в RAG-базе есть не весь контент.
- В консультации по стройматериалам неверный ответ — это риск.
- Клиент не должен получать ответ, который никто не проверил.
Решение: Специалист + ИИ = Экзоинтеллект.
ИИ не отвечает клиенту напрямую. Он даёт подсказку оператору, оператор проверяет и отправляет ответ. Так мы получаем скорость ИИ и ответственность человека.
5. Как работает Экзоинтеллект
Схема работы в три шага:
- Клиент задаёт вопрос в чате на сайте (или в Telegram, WhatsApp, email).
- ИИ анализирует вопрос, ищет ответ в базе знаний и даёт подсказку оператору.
- Оператор проверяет ответ на корректность и отправляет клиенту.
Источники данных для ИИ:
- Продуктовый каталог
- Сайты ТЕХНОНИКОЛЬ
- Инструкции операторов
Оператор видит не только текст ответа, но и ссылки на документы-источники — это позволяет быстро проверить корректность.
Технологическая платформа: AutoFAQ Xplain
Модуль роботизации
Интеграция с SD, CRM, BI, биллингом и другими системами
База знаний
Накопленные данные о продуктах, процессах, обращениях
AI-суфлер и Copilot
Подсказки оператору в реальном времени
6. Результаты внедрения
CSAT (удовлетворённость клиентов) - 88 %
FCR (решение с первого обращения) - 83 %
AHT со Экзоинтеллектом - 16 мин
AHT до внедрения - 73 мин
Эффект на операционную деятельность:
- Снижение числа обращений к инженерам — в 2,5 раза
- Рост продуктивности операторов чата — в 4 раза
7. Что важно понимать о проекте
Экзоинтеллект — это не замена человека. Это инструмент, который:
- снимает рутину поиска информации;
- снижает нагрузку на инженеров;
- ускоряет обучение новых операторов;
- растёт вместе с базой знаний.
Чем больше данных мы закладываем в систему, тем точнее становятся подсказки. Это не разовый запуск, а накапливающийся актив.
8. Итоги
Масштаб
22 000 диалогов ежегодно
Время обработки
с 73 до 16 минут
Удовлетворённость клиентов
88 % CSAT
Решение с первого обращения
83 % FCR
Снижение нагрузки на инженеров
в 2,5 раза
Рост продуктивности операторов
в 4 раза
Признание
Финалист CX World Awards 2026
Мы начали с вопроса «Не будет ли ИИ врать на наших данных?» и пришли к системе, которая ежедневно обрабатывает десятки технически сложных диалогов, повышает качество сервиса и снижает нагрузку на команду. Главное — не гнаться за «ботом, который всё делает сам», а найти баланс между скоростью машины и ответственностью человека.
