ИИ-агент первой линии поддержки: как устроен и что умеет

Что делает агент на первой линии?

Агент читает обращение, определяет тему и отвечает по документам компании. Типовые темы первой линии знакомы любому отделу продаж: статус заказа, сроки доставки, условия возврата, список документов.

Чат-бот на сценариях ведет клиента по заранее нарисованным веткам. Агент на языковой модели понимает вопрос, заданный своими словами, и сам ищет ответ. Если ему открыт доступ к системам, он еще и проверяет данные: находит заказ по номеру или смотрит статус заявки.

Anthropic в руководстве по агенту поддержки делит работу на четыре группы задач. Это приветствие, ответы о продукте, удержание разговора в теме и расчет стоимости через внешний инструмент. Такое деление пригодится и вам: каждую группу задач можно описать в инструкции и проверить отдельным набором вопросов.

Anthropic перечисляет признаки, при которых часть поддержки разумно отдать модели: много однотипных вопросов, нужда в быстрой сводке по большой базе знаний, работа круглые сутки и резкие пики обращений.

Граница проходит по праву принимать решения. Агент сообщает факты из базы знаний и данные из систем. Скидку, исключение из условий или компенсацию он не обещает. В примере инструкций Anthropic это записано прямо: агент не дает обещаний и не заключает соглашений, на которые у него нет полномочий.

Подробнее о том, чем агент отличается от бота и что ему нужно для работы, я писал в статье о том, как устроен ИИ-агент для бизнеса.

Когда агент передает диалог менеджеру?

Агент передает диалог по правилам, которые вы записали в инструкцию. Обычно таких правил три.

Первое правило касается тем. Скидки, жалобы, возвраты денег, юридические и медицинские вопросы агент сразу отдает человеку. В справке Intercom о Fin сказано, что агент всегда передает диалог, если это безопаснее для клиента. Там же перечислены высокорисковые темы: медицина, право, финансы, попытки взлома инструкций.

Второе правило касается ответа. Если в базе знаний нет подходящего фрагмента, агент говорит об этом и зовет менеджера. Anthropic советует прямо разрешить модели сказать «не знаю»: так она реже придумывает ответ.

Третье правило касается клиента. Человек просит оператора, повторяет вопрос, пишет раздраженно. В этих случаях агент тоже передает диалог.

Технически передача выглядит как вызов метода в системе переписки. В Битрикс24 у чат-ботов открытых линий четыре метода работы с сессией. Метод imopenlines.bot.session.operator отдает диалог свободному оператору, а imopenlines.bot.session.transfer переводит его конкретному сотруднику или в очередь.

Перед передачей агент пишет короткую сводку: что спросил клиент, что уже ответил агент, на какие документы он опирался. Менеджер читает ее и не переспрашивает клиента.

Ошибка здесь бывает двух видов. Агент отдает менеджеру то, что мог закрыть сам, или отвечает там, где нужен человек. Вторая ошибка дороже, поэтому на старте порог передачи лучше держать низким.

Откуда агент берет ответы?

Агент берет ответы из двух источников: из базы знаний и из рабочих систем. Каждый источник подключается по-своему.

База знаний закрывает справочные вопросы. Это регламенты, условия доставки, прайс, ответы на частые вопросы. Модель не помнит ваших документов, поэтому перед ответом система ищет подходящие фрагменты и передает их модели. Такой подход называется RAG, его механику я разобрал в статье про ответы ИИ по документам компании.

В Yandex Cloud AI Studio для этого есть поисковые индексы. Файлы загружаются через интерфейс или Files API, система делит их на фрагменты. Длина одного фрагмента в документации ограничена 8000 символов. Инструмент File Search возвращает модели самые подходящие фрагменты.

Рабочие системы закрывают вопросы о конкретном клиенте. Статус заказа или остаток по счету в справочнике не найти. Anthropic в том же руководстве пишет, что для таких данных поиска по документам мало, нужны инструменты: запрос заказа, данных клиента, отмена заказа.

Качество ответов зависит от базы знаний сильнее, чем от модели. Устаревший прайс агент перескажет так же уверенно, как актуальный. Поэтому у каждого документа нужен ответственный и дата обновления.

Данные клиентов агент видит в объеме, который нужен для ответа. Номер заказа и статус ему нужны, паспорт и полная история платежей обычно нет. Если агент обрабатывает персональные данные граждан России, часть 5 статьи 18 закона 152-ФЗ требует записывать, хранить и извлекать их с помощью баз данных на территории России. Поэтому выбирайте модель и облако с серверами в России.

Как подключить агента к мессенджерам и CRM?

Агент подключается к каналу через API этого канала. Для каждого канала нужен свой коннектор, а логика ответов остается общей.

Telegram дает два способа получать сообщения: опрос через getUpdates или вебхук через setWebhook. Одновременно они не работают. На 22 октября 2026 года последней остается версия Bot API 10.3, она вышла 24 августа 2026 года.

В Битрикс24 агент регистрируется как чат-бот и встает в открытую линию. Открытая линия собирает обращения из чата на сайте, мессенджеров и соцсетей в один интерфейс. Менеджер видит переписку агента с клиентом и продолжает ее с того же места.

Для подключения рабочих систем есть открытый стандарт MCP (Model Context Protocol). Текущая версия спецификации датирована 25 ноября 2025 года. Сервер MCP открывает агенту данные, шаблоны запросов и инструменты, например поиск заказа в CRM, поэтому один и тот же сервер можно подключить к разным моделям и клиентским приложениям без переписывания интеграции.

Спецификация MCP требует согласия пользователя перед вызовом инструмента. Для поддержки из этого следует практическое правило. Чтение данных агенту можно открыть сразу, а запись в CRM включают отдельным решением после проверки.

Начинать лучше с одного канала и прав на чтение. Агент отвечает в чате, а менеджер видит его ответы и при необходимости поправляет. Когда качество устраивает, подключают следующий канал. Так устроена работа и на странице услуги ИИ-агент для отдела продаж и первой линии.

Как проверить качество ответов?

Качество проверяют на выборке реальных диалогов до запуска и после него. Для этого нужны критерии и ответственный со стороны компании.

Anthropic предлагает две группы метрик. Первая оценивает сами ответы, вторая оценивает пользу для бизнеса. Ориентиры из руководства такие:

• точность понимания вопроса от 95%;
• релевантность ответа от 90%;
• точность справочной информации о компании 100%;
• верная передача человеку от 95% случаев, когда она нужна;
• доля обращений без участия человека от 70 до 80%, в зависимости от сложности вопросов;
• оценка удовлетворенности клиента от 4 из 5.

Эти цифры служат ориентиром Anthropic. Ваши цели зависят от тематики и цены ошибки.

Проверку я бы начал с набора тестовых вопросов. В него входят частые вопросы, редкие вопросы и вопросы на запретные темы. Агент отвечает на весь набор, ответственный отмечает ошибки. После каждой правки инструкций или базы знаний набор прогоняют заново.

Ограничивать темы помогают защитные проверки. В OpenAI Agents SDK входная проверка запускает быстрый классификатор до основного агента. Если вопрос не по теме, проверка останавливает обработку. Выходная проверка оценивает готовый ответ перед отправкой.

После запуска ответственный смотрит выборку диалогов, например раз в неделю. Отдельно стоит читать диалоги, где клиент попросил оператора, и диалоги без передачи, где клиент ушел без ответа.

Когда ответственный находит ошибку, он записывает вопрос клиента, неверный ответ агента и правильный ответ, и по этой записи правят инструкцию или документ в базе знаний. Затем набор тестовых вопросов прогоняют снова.

Ошибки остаются и после всех этих мер. В руководстве Anthropic о снижении выдумок сказано, что техники уменьшают их число, а критичную информацию все равно нужно проверять. Поэтому решения с последствиями для клиента принимает человек. Статья 16 закона 152-ФЗ запрещает такие решения на основании одной лишь автоматизированной обработки персональных данных, кроме случаев из части 2.