Новости ИИ для бизнеса и автоматизации c Komanda.ai

Как TELUS решает обращения на 87% быстрее с помощью агентного ИИ

TELUS использует BigQuery, Gemini Enterprise Agent Platform и Gemini Enterprise for Customer Experience для объединения и анализа более 22 млн клиентских звонков в год. Система маскирует чувствительные данные, определяет темы и причины обращений, формирует динамические сценарии, помогает клиентам в голосовых и цифровых каналах и дает подсказки операторам. По данным кейса Google Cloud, TELUS перевела 30% обращений в AI-автоматизацию, сократила среднее время решения проблем на 87% и получила $53,9 млн ежегодной операционной экономии. Валюта и полная методика расчета экономии в источнике не раскрыты.
Кейс интересен не только масштабом. TELUS объединила аналитику разговоров, защиту персональных данных, генеративные сценарии, цифровых ассистентов для клиентов и подсказки сотрудникам в единый рабочий контур. Это пример того, как ИИ для бизнеса превращается из отдельного чат-бота в систему управления клиентским сервисом.

Коротко о кейсе

  • Компания: TELUS, канадская телекоммуникационная и цифровая группа.
  • Бизнес-функция: клиентский сервис, контакт-центр, аналитика, обучение сотрудников.
  • Задача: объединить разрозненные данные из звонков, чатов и видеообращений; быстрее находить причины проблем; автоматизировать типовые запросы без потери контекста.
  • Решение: BigQuery, Gemini Enterprise Agent Platform, Gemini Enterprise for Customer Experience и Sensitive Data Protection.
  • Масштаб: более 22 млн звонков в год и свыше 14 ПБ структурированных и неструктурированных данных.
  • Результат: 30% обращений переведены в AI-автоматизацию, среднее время решения проблем снижено на 87%, а заявленная ежегодная операционная экономия достигла $53,9 млн.
  • Ограничение данных: цифры опубликованы в партнерском кейсе Google Cloud и TELUS; независимая методика расчета показателей не раскрыта.

Почему обычного чат-бота оказалось недостаточно

Крупный контакт-центр работает сразу с несколькими каналами: телефонными звонками, чатами, видео и внутренними системами операторов. Если данные остаются в отдельных хранилищах, автоматизация видит только часть клиентского пути.

Из-за таких разрывов клиенту приходится повторно объяснять проблему при переходе из чата в звонок или видео. Оператор тратит время на поиск истории, создание заявки, конспектирование разговора и проверку справочных материалов. Руководители получают ограниченную выборку и не всегда видят системные причины обращений.

До модернизации TELUS могла анализировать около 1% звонков — примерно 200 тыс. из более чем 22 млн ежегодных взаимодействий. Такая выборка помогала контролировать отдельные разговоры, но не позволяла построить полную картину причин обращений, настроений клиентов и качества обслуживания.

Поэтому компании требовался не еще один интерфейс для ответов, а сквозная система, способная:

1. собирать данные из разных каналов;
2. защищать конфиденциальную информацию;
3. анализировать каждое взаимодействие;
4. находить причины повторяющихся проблем;
5. запускать подходящий сценарий решения;
6. передавать контекст между ИИ и человеком.

Как устроена система агентного ИИ TELUS

1. Единый слой данных в BigQuery

Основой решения стала централизованная среда BigQuery. В нее поступают разговорные данные из телефонных, текстовых и видеоканалов. По данным кейса, платформа объединяет более 14 ПБ структурированной и неструктурированной информации из подразделений TELUS.

Единый слой данных нужен не только для хранения. Он позволяет связать историю обращения, содержание разговора, результаты предыдущих действий и операционные показатели. Благодаря этому ИИ работает с контекстом, а не с отдельной репликой клиента.

2. Защита персональных данных

Перед анализом Sensitive Data Protection удаляет или маскирует конфиденциальные сведения. Это особенно важно для телекоммуникационной компании, где разговоры могут содержать контактные, платежные и технические данные клиента.

Обезличивание не заменяет корпоративные правила доступа, контроль хранения и аудит, но создает необходимый защитный слой между сырыми разговорами и моделями.

3. Анализ звонков и поиск первопричин

Gemini Enterprise Agent Platform анализирует взаимодействия, определяет темы, настроение клиента и возможные первопричины проблемы. Масштабирование с 200 тыс. до более чем 22 млн звонков означает, что в аналитический контур попадает практически весь годовой поток, а не ограниченная выборка.

Для бизнеса это меняет сам принцип управления контакт-центром. Решения можно принимать на основе полной картины:

  • какие вопросы чаще всего приводят к повторным обращениям;
  • на каком этапе клиентский путь прерывается;
  • какие формулировки и действия помогают решить проблему;
  • где оператору не хватает информации;
  • какие процессы можно автоматизировать следующими.

4. Динамические сценарии вместо статичных инструкций

Выводы из аналитики используются в Generative Playbooks — динамических сценариях, которые помогают выбрать ответ или действие для конкретной ситуации. В отличие от жесткого дерева IVR с меню «нажмите один, нажмите два», система понимает запрос на естественном языке и учитывает историю взаимодействия.

Успешные разговоры становятся материалом для создания специализированных AI-агентов. По данным Google Cloud, раньше разработка таких сценариев с ручным программированием занимала месяцы, а теперь инженеры TELUS могут создавать агентов за несколько дней.

5. Цифровой ассистент для клиента и сотрудника

Gemini Enterprise for Customer Experience поддерживает клиента в тексте, голосе и видео. Если человек начинает разговор в чате, а затем переходит на видеосессию, система сохраняет контекст — клиенту не требуется заново пересказывать проблему.

Когда запрос должен принять сотрудник, цифровой ассистент ищет сведения и показывает рекомендации в реальном времени. Оператор меньше времени тратит на переключение между окнами, поиск документов и подготовку резюме разговора.

Отдельная функция Quality AI анализирует акустические сигналы: длинные паузы, особенности интонации и другие признаки сложного разговора. На их основе Agent Assist может предложить сотруднику подсказку во время звонка.

Какие результаты получила TELUS

  • 30% обращений в AI-автоматизации

TELUS перевела 30% трафика контакт-центра в автоматизированный контур с ИИ. На странице кейса этот показатель также описан как доля звонков, которые AI-агенты решают проактивно.

Это не означает, что человек исключен из 30% всех возможных клиентских ситуаций. Корректнее говорить о заявленной доле обращений, обработанных или решенных в рамках AI-автоматизации. Для сложных и чувствительных случаев сохраняется возможность передачи сотруднику.

  • Решение проблем на 87% быстрее

По данным TELUS, среднее время решения клиентских проблем сократилось на 87%. Эффект складывается из нескольких изменений:

  • ИИ понимает запрос без длинного статичного меню;
  • сохраняется контекст между каналами;
  • оператор получает нужную информацию в реальном времени;
  • резюме и заявки создаются автоматически;
  • успешные сценарии быстрее превращаются в новых специализированных агентов.

Исходный кейс не раскрывает исходное и итоговое время в минутах, период измерения и состав выборки. Поэтому 87% следует использовать как заявленный относительный показатель, а не как универсальный ориентир для любого контакт-центра.

  • Более 22 млн звонков анализируются ежегодно

Раньше аналитика охватывала около 200 тыс. звонков, то есть примерно 1% годового объема. Теперь AI-платформа анализирует все 22 млн ежегодных взаимодействий, заявленных в кейсе. Охват увеличился более чем в 100 раз.

Для руководителей это означает переход от выборочного контроля качества к системной аналитике. Можно быстрее находить новые темы, отслеживать изменения в поведении клиентов и проверять, действительно ли обновленный сценарий помогает.

  • $53,9 млн ежегодной операционной экономии

TELUS связывает использование разговорных агентов и более глубокую аналитику с ежегодной экономией $53,9 млн. В исходной публикации не описана формула расчета: неизвестно, какие статьи затрат включены, какой период взят за базу и учтены ли затраты на внедрение.

Поэтому цифру стоит воспринимать как заявленный компанией операционный эффект. Для собственного бизнес-кейса необходимо отдельно считать стоимость облачной инфраструктуры, моделей, интеграций, защиты данных, контроля качества и сопровождения.

Как ИИ изменил работу сотрудников

Автоматизация затронула не только общение с клиентами. Сотрудники контакт-центра тратят меньше времени на создание тикетов, конспектирование звонков и ручной поиск информации. Их роль смещается к решению нестандартных задач, проверке рекомендаций и эмпатичному общению.

Руководители используют ИИ для анализа работы команд и подготовки более персонализированных планов развития. Это связывает кейс с направлением «ИИ в управлении персоналом», но требует осторожности: автоматическая оценка не должна становиться единственным основанием для кадрового решения.

Безопасная модель предполагает, что:

  • сотрудник понимает, какие данные анализируются;
  • рекомендации можно проверить и оспорить;
  • оценка учитывает контекст разговора;
  • чувствительные кадровые решения принимает человек;
  • система регулярно проверяется на систематические ошибки.

Что бизнес может взять из кейса TELUS

- Начинать с данных и процесса, а не с интерфейса

Ценность решения появилась после объединения каналов и данных. Чат-бот поверх разрозненной инфраструктуры не устранит повторный ввод информации и не даст полной аналитики.

- Маскировать чувствительную информацию до обращения к модели

Защиту данных нужно встраивать в архитектуру, а не добавлять после запуска. Для этого заранее определяют допустимые типы данных, права доступа, сроки хранения и правила журналирования.

- Превращать успешные разговоры в повторяемые сценарии

Качественные взаимодействия могут стать основой для инструкций, подсказок и специализированных агентов. Так контакт-центр создает цикл улучшения: разговоры дают данные, аналитика находит закономерности, а обновленные сценарии улучшают следующие разговоры.

- Считать не только долю автоматизации

Высокий процент автоматизированных обращений сам по себе не гарантирует хорошего сервиса. Нужен набор связанных метрик:

  • время до решения;
  • доля повторных обращений;
  • доля переводов на человека;
  • удовлетворенность клиентов;
  • точность определения намерения;
  • число нарушений и ошибочных действий;
  • стоимость одного решенного обращения;
  • нагрузка и удовлетворенность сотрудников.

- Оставлять человеку понятную точку контроля

Для спорных, эмоциональных и финансово значимых ситуаций должен существовать прозрачный путь к сотруднику. Оператору нужен полный контекст действий агента, а не только последняя реплика.

Вывод

Кейс TELUS показывает зрелую модель применения искусственного интеллекта для бизнеса. Компания связала данные, аналитику, генеративные сценарии и цифровых ассистентов в единую систему действий.

По заявленным результатам, 30% обращений вошли в AI-автоматизацию, проблемы стали решаться на 87% быстрее, анализ охватил все 22+ млн звонков в год, а ежегодная операционная экономия достигла $53,9 млн.

Главный урок — масштабный эффект дает не отдельная нейросеть, а перестройка всего процесса: от поступления данных и защиты конфиденциальной информации до измерения результата, помощи сотруднику и постоянного обновления сценариев.
— Евгений Сайкин, Генеральный директор Команды, Komanda.ai

Что дальше

Компаниям стоит отслеживать не число новых сценариев, а долю инициатив с зафиксированной базовой линией, владельцем, полной стоимостью и подтвержденным влиянием на операционный KPI. Для оценки прогноза Gartner потребуются последующие данные: раскрытая методика, динамика фактического ROI и сравнение организаций с разными стратегиями управления изменениями.
Источники:

Вопросы и ответы

Что автоматизировала TELUS с помощью ИИ?

TELUS автоматизировала часть клиентских обращений, анализ звонков, поиск причин проблем, подготовку тикетов и резюме, подбор рекомендаций для операторов и обновление сценариев обслуживания. По данным кейса, 30% трафика контакт-центра переведено в AI-автоматизацию.

Какой результат дал агентный ИИ в контакт-центре TELUS?

TELUS заявляет, что клиентские проблемы решаются в среднем на 87% быстрее, а ежегодная операционная экономия составляет $53,9 млн. Методика расчетов и валюта финансового показателя на странице кейса не уточнены.

Сколько звонков TELUS анализирует с помощью ИИ?

Платформа анализирует более 22 млн звонков в год. Раньше анализ охватывал около 200 тыс. звонков, или примерно 1% годового объема.

Какие технологии использует TELUS?

Архитектура включает BigQuery, Gemini Enterprise Agent Platform, Gemini Enterprise for Customer Experience и Sensitive Data Protection. BigQuery объединяет данные, защитный слой маскирует чувствительную информацию, а AI-платформа анализирует разговоры и поддерживает цифровых ассистентов.

Заменил ли ИИ операторов контакт-центра?

Источник не сообщает о полной замене операторов. ИИ самостоятельно обрабатывает часть обращений, а в других случаях помогает сотруднику искать информацию, сохранять контекст, создавать резюме и получать подсказки во время разговора.

Можно ли повторить результат TELUS в другой компании?

Архитектурные принципы можно использовать как ориентир, но показатели нельзя переносить напрямую. Результат зависит от объема и качества данных, типов обращений, готовности интеграций, требований безопасности, стоимости инфраструктуры и методики измерения.
2026-08-10 10:03 ИИ для бизнеса Искусственный интеллект для бизнеса Автоматизация бизнес-процессов