Не просто сервис, а вау-сервис. Такой, чтобы людям захотелось рассказать о нем своим родным и друзьям.

К этой цели движется Магнит – рассказала руководитель управления по клиентскому сервису Магнита Лариса Гервиц в новом выпуске нашей программы «Интеллектуальный сервис».

Чтобы этого добиться, недостаточно быстро обрабатывать обратную связь – нужно понимать, что происходит с сервисом в каждой точке продаж и по-настоящему персонализировать взаимодействие с клиентами. 

Василий Жилов, заместитель генерального директора BSS и бессменный ведущий «Интеллектуального сервиса» узнал у эксперта:
какие технологии помогают строить сервис будущего (спойлер: одного чат-бота недостаточно)
на какие метрики смотреть: поведение, удовлетворенность или LTV?
из чего состоит CX-индекс, и как его использовать
как построить мотивацию для сотрудников, которые повышают удовлетворенность клиентов, и выручку компании.

Приятного просмотра!

Rutube
VK Видео


BSS теперь и в MAX!

День знаний – самое время заглянуть в наш блог о технологиях 📚 Собрали для вас подборку полезных материалов.

Начнем с острого вопроса: 

Как замечать проблемы клиентов до того, как они станут жалобами. В большой статье пошагово разбираем работу CX-платформы: как она помогает превратить данные в согласованные действия команды, как меняются роли сотрудников и как внедрять такую технологию – все на примерах.

Дальше – больше практики: 

ИИ в клиентском сервисе

Что даст замена обычных чат-ботов на ИИ-агентов в банках 

Что ИИ понимает по голосу клиентов

За счет чего ИИ-аналитика угадывает проблемы клиентов

Как ИИ справляется с пиковыми нагрузками в контакт-центре

Гайды

Как измерить эффекты от цифровой трансформации: 5 шагов, 4 группы показателей, 4 типичные ошибки 

Как выбрать ИИ для бизнеса – и почему выбор самой модели не так важен, как другой вопрос

Снова гайды – только для банков:

Как региональным банкам конкурировать с гигантами: пошаговая стратегия цифровизации и 2 источника преимущества 

Как банку выстроить цифровой сервис для малого бизнеса в эпоху кризиса 


На этом урок не заканчивается: в блоге еще много полезного для тех, кто хочет разобраться в практическом применении технологий. Заглядывайте! 


BSS теперь и в MAX!

Три ИИ-инструмента для клиентского сервиса уже перешли от экспериментов к полноценному использованию:
 1. текстовые боты для общения с клиентами
 2. ИИ-поиск по базе знаний
 3. суфлер оператора в текстовом канале. 

У ботов легко посчитать экономию: достаточно умножить процент автоматизации на ФОТ операторов. ИИ-поиск и суфлер выигрывают за счет низкой цены ошибки – ведь ответ модели не уходит к клиенту, а подтверждается сотрудником.

Об этом рассказал для ICT Online наш директор департамента голосовых цифровых технологий Александр Крушинский.

В новом интервью нашего эксперта также узнаете: 
какие ИИ-модели предпочитает бизнес и что на это влияет
где легко посчитать эффективность ИИ
сколько еще времени нужно крупному бизнесу, чтоб внедрить ИИ
какие результаты ИИ дал в нашей внутренней разработке
и многое другое! 

Приятного чтения!

Большая ошибка при внедрении ИИ в клиентский сервис – по-прежнему считать успех в количестве автоматизированных обращений. 

Конечно, это важно. Но еще важнее: может ли ИИ довести сложную клиентскую задачу до быстрого и ожидаемого результата?

А вот здесь уже одного виртуального помощника может оказаться недостаточно. 

В новой статье на VC разбираемся, как устроена мультиагентная система для клиентского сервиса – и как она снимает важные ограничения одиночных ботов. Например: 

Вероятность накопления ошибок снижается за счет того, что каждый агент отвечает за свою узкую задачу, а его результат проверяет отдельный агент качества. При этом ошибки проще локализовать: понятна зона ответственности каждого участника, а след каждого шага позволяет восстановить, что произошло и почему. «Черный ящик» стал прозрачным.

Но и с такой системой все не так просто:
как сохранить единую память и контроль? 
что делать с проблемой бесконечного зацикливания? 
как не терять контекст при передаче от агента человеку и обратно? 
как сократить ожидание ответа от системы? 
наконец, как не превратить мультиагентную систему в очень дорогой эксперимент?

В статье затрагиваем и эти проблемы: показываем, какие архитектурные решения помогут их избежать. Приятного чтения!


BSS теперь и в MAX!

До 1 марта 2027 года банки должны подключиться к ГИС Антифрод – государственной системе обмена данными о киберпреступности

Мы уже подготовили решение: интеграция с ГИС Антифрод доступна в обновленной системе противодействия мошенничеству для банков от BSS.

Новый модуль системы настраивает обработку сигналов из ГИС с учетом внутренних процессов банка, чтобы тот мог оперативно учитывать поступающие сведения при проверке операций.

Теперь банки-клиенты могут: 
автоматически получать данные о подозрительных лицах, номерах и любых признаках цифрового мошенничества от операторов связи, ЦБ, госорганов и других участников рынка
дополнять общую базу сведениями о самостоятельно выявленных признаках мошенничества 
снизить риски финансовых потерь и ответственности за переводы, совершенные с участием кибермошенников

Меньше ручной работы и рисков для банка – больше сигналов для принятия решений по безопасности клиентов 💙

BSS теперь и в MAX!

Самостоятельный инсайт-агент, который управляет качеством клиентского сервиса – такая опция появилась в инструменте речевой аналитики BSS! 

Теперь ИИ не требует постоянного контроля со стороны человека: он сам анализирует новые коллекции записей и рассылает выводы, гипотезы и варианты действий всем, кто принимает решения. 

Кроме этого, с новым релизом появились возможности:
исследовать вопросы аналитики прямо в диалоге с ИИ и получать глубокие выводы по данным 
настраивать и оценивать уроки в тренажере операторов с помощью RAG-поиска по регламентам, скриптам и другим документам 
автоматически давать операторам детальную обратную связь по их тренировкам
равномерно распределять задачи контроля качества между сотрудниками
и многое другое!

Как выглядят все новинки релиза – показали в карточках! Подробнее читайте здесь!


BSS теперь и в MAX!

Как государственные сервисы становятся более человечными благодаря голосовым ИИ-помощникам – рассказал наш руководитель проектов Михаил Гончарук.

Михаил и его команда стоят за внедрением помощников для линии 122 в Тульской области, Пермском крае и еще десятках регионов, а также в МФЦ Санкт-Петербурга, едином колл-центре Камчатки и других структурах.

Когда гражданин теряет паспорт, он не думает о государственной услуге по замене документа, а просто говорит: «Я потерял паспорт». Если нужно попасть к врачу, скажет: «Мне нужен кардиолог». Если заканчивается срок действия водительских прав, так и объяснит: «Права заканчиваются». Этого достаточно.

Такой легкий формат общения стал возможным благодаря тому, что голосовые помощники теперь понимают смысл обращений, а не ищут точное совпадение с заранее заданной фразой. Поэтому человеку больше не нужно подстраиваться под систему – система сама подстраивается под человека.

В статье для Hi-Tech Mail эксперт рассказывает, к каким результатам для госведомств это привело. А также:
почему главная задача – не сделать робота похожим на человека, и в чем она заключается на самом деле
какая проблема раздражает пользователей сильнее любых ошибок распознавания
какой подход сокращает время решения вопросов примерно на треть
какая цель сейчас еще важнее, чем просто быстрая обработка обращений

Приятного чтения!

Опрос К2Тех показал: российские компании до сих пор используют Confluence для ведения корпоративной базы знаний. Но уже через полтора года они не смогут расширять лицензии, а в 2029 году поддержка on-premise версий прекратится полностью.

Поэтому вопрос о необходимости мигрировать больше не стоит. На горизонте следующий: мигрировать куда? 

В статье на VC рассказываем, на что нужно обращать внимание при выборе новой базы знаний, и бонусом – как отнестись к миграции не как к лишней головной боли, но как к возможности прокачаться.

Спойлер: искать «российский Confluence» смысла нет. 

Это популярное решение, но оно не закрывает потребности всех компаний одинаково хорошо. Поэтому эффективнее отталкиваться от своих бизнес-задач – тогда можно найти решения, которые будут удобны именно вашей команде. Пример:

Хорошо, если новая платформа сможет предложить не только привычную древовидную структуру Confluence, но и, например, структурирование материалов в иерархическом порядке и создание выделенных пространств для отдельных подразделений.

В статье даем пошаговую инструкцию для миграции и рассказываем:
на какие еще критерии смотреть при выборе базы знаний
что важно сделать в пилотном проекте
как подойти к внедрению ИИ-возможностей.

Приятного чтения!

RAEX уже более 10 лет включает BSS в число крупнейших ИТ-компаний России!

В этом году мы сохранили позиции в топ-25, а также заняли: 

🔹 22 место по предоставлению ИТ-услуг – наша команда сопровождает сложнейшие технологические проекты: от прохождения испытаний АУСН-модуля до масштабирования голосового бота в крупных госструктурах

🔹 12 место по разработке программного обеспечения – результат многолетней работы над собственными технологическими решениями: будь то речевая аналитика, дистанционный банкинг нового поколения или объединяющая инструменты клиентского опыта CX-платформа

🔹 4 место по дистрибуции – все благодаря выстроенной работе с партнерами и эффективным процессам поставки технологий.

Для нас это не просто красивые цифры, но отражение устойчивого развития компании.

И это особенно важно сегодня, когда темпы роста ИТ-отрасли достигают исторического минимума, заказчики пересматривают бюджеты и многие крупные проекты переносятся.

Спасибо нашим клиентам, партнерам и, конечно, команде. Это – общая победа!

Всем привет

На TAdviser вышла наша статья про ИИ-порталы для крупного бизнеса. В ней рассказываем, какой должна быть информационная ИИ-платформа, чтобы приносить бизнесу реальную пользу, а не просто быть данью моде.

В статье разбираем:

Почему без подготовленной базы знаний ИИ остается неработоспособным
Как добиться синергии между классическим подходом к работе со знаниями и использованием генеративного ИИ
Почему эффективное решение должно быть гибким и в чем именно заключается эта гибкость

Бежим читать

ИИ против ИИ: как мы научили LLM быть строгим аудитором для ваших RAG-систем 🤖⚖️

Собрать RAG-систему — это полдела. Главная боль начинается потом: как понять, что бот не «галлюцинирует», опирается на базу знаний и отвечает по факту? Ручной аудит сотен диалогов — это настоящий ад для дата-инженеров и аналитиков.

Мы в BSS знаем эту боль не понаслышке, поэтому в новом релизе NLU-Suite 3.8 сделали то, что сэкономит вам сотни часов: запустили автоматизированный LLM-аудит для генеративных ИИ.

Теперь большая языковая модель выступает в роли строгого QA-контролера для других моделей.

Что нового в модуле «Метрики» и «Оценка»? 🛠
Три формата проверки:

• Рубрики — с гибкими весами и настраиваемыми шкалами.
• Категории — для четкой классификации ответов по заданным параметрам.
• Попарное сравнение — мастхэв для A/B-тестирования разных LLM на одном датасете.

📦 Готовые RAG-метрики «из коробки»:

• Faithfulness — ловим «галлюцинации» и противоречия документам.
• Context_Relevancy — проверяем, насколько точно ИИ подобрал нужные чанки из базы знаний.
• Answer_Correctness (с эталоном и без) — оцениваем финальную фактологическую точность.

💡 Зачем это бизнесу?
Главный вызов сегодня — не просто внедрить GenAI, а обеспечить его предсказуемость и безопасность, особенно в клиентском сервисе.

LLM-аудитор позволяет оценивать тысячи кейсов по множеству критериев одновременно. Никакого ручного разбора: вы настраиваете контрольные точки и в разы ускоряете вывод голосовых помощников и чат-ботов в промышленную эксплуатацию. 🚀

Коллеги, а как вы сейчас боретесь с галлюцинациями в своих RAG-проектах?

Автоматизируете - ставьте ❤️ или все еще проверяете руками - ставьте

Если допустить эти три ошибки при интеграции виртуальных помощников с медицинскими информационными системами, такая автоматизация не принесет никакой пользы. Скорее, наоборот, создаст проблем как на стадии внедрения, так и во время эксплуатации.

В новой статье на VC наша команда разобрала, с какими сложностями чаще всего сталкиваются при внедрении и как их избежать – чтобы голосовой помощник успешно записывал людей на прием или выполнял другие сценарии без сбоев.

Рассказываем:
🔹как должен работать «умный» фильтр, если данных не хватает
🔹как настроить запросы к информационной системе, чтобы бот отвечал быстро
🔹в каком формате передавать данные роботу
🔹как передавать статусы из системы, чтобы голосовой помощник понимал, что делать дальше

Все рекомендации основаны на нашем опыте внедрения голосовых медицинских помощников на линию 122 более чем в 35 регионах. Приятного чтения!