Проблема перегруженной поддержки
Представьте: 150 тикетов в день, агенты тратят по 10 минут на каждый однотипный запрос. Клиенты уходят к конкурентам из-за долгого ожидания. Freddy AI от Freshworks решает эту проблему, автоматизируя до 50% обращений. Без такой системы либо теряешь клиентов, либо расширяешь штат.
Отметим: когда объём тикетов превышает сотню в день, агенты тонут в однотипных вопросах: «Где мой заказ?», «Как сбросить пароль?», «Когда почините?». Среднее время ответа (FRT) растёт, а удовлетворённость (CSAT) падает. Мы часто видим такую картину у клиентов, которые приходят за автоматизацией. Freddy AI решает это не шаблонными ответами, а обученной моделью, которая понимает контекст и использует эмбеддинги для поиска релевантных статей.
Почему Freddy AI — не просто чат-бот?
Freddy AI — это три связанных модуля: самообслуживание (Freddy Self Service), ассистент агента (Freddy Copilot) и аналитика (Freddy Insights). Self Service обрабатывает до 50% запросов без участия человека, подбирая ответы из Knowledge Base с помощью LLM и векторного поиска. Copilot подсвечивает релевантные статьи и предлагает готовые ответы прямо в интерфейсе тикета. Insights предсказывает пики нагрузки и выявляет узкие места — без дашбордов с задержкой в сутки. Подробнее — см. Freshworks Freddy AI.
Сравним с Zendesk AI: оба продукта используют LLM и классификацию, но Freddy AI выгоднее для команд до 50 агентов (лицензия включена в тарифные планы Freshdesk). При этом точность авто-триажа в Freddy сопоставима: 85–95% при хорошо размеченной базе знаний. Оптимизация службы поддержки на базе Freddy AI сокращает время ответа на 50% и снижает стоимость обслуживания до 40%.
Как Freddy Copilot ускоряет работу агента?
Copilot анализирует текст обращения, извлекает ключевые сущности (номер заказа, продукт, проблема) и сразу показывает три варианта ответа. Агент выбирает, редактирует — и среднее время обработки тикета падает на 40–60%. Кроме того, Copilot умеет делать суммаризацию длинных диалогов в пару строк (summary mode) и корректировать тон ответа: от формального до дружеского. Интеграция AI в Freshdesk происходит через REST API, что позволяет связать систему с CRM и ERP. Для кастомизации можно использовать серверную логику Freshdesk и внешние вызовы.
Сравнение Freddy AI и Zendesk AI
| Параметр | Freddy AI | Zendesk AI |
|---|---|---|
| Стоимость для 10 агентов | Входит в базовый тариф Freshdesk | Требует дополнительной лицензии AI |
| Самообучение на основе KB | Да, встроенное | Требуется настройка NLU |
| Точность авто-триажа | 85–95% | 80–90% |
| Интеграции | REST API, более 1000 приложений | REST API, Marketplace |
| Аналитика | Freddy Insights (встроенная) | Explore (отдельная лицензия) |
Для малого и среднего бизнеса Freddy AI выгоднее: меньше лицензий, быстрее запуск. Zendesk AI сильнее в enterprise-сценариях с кастомными моделями, но Freddy предоставляет достаточную гибкость для большинства задач.
Процесс внедрения: этапы и сроки
| Этап | Длительность | Результат |
|---|---|---|
| Анализ тикетов | 1–2 дня | Выделены 10 ключевых категорий |
| Настройка Knowledge Base | 2–3 дня | Структурированные статьи с метаданными |
| Обучение модели Self Service | 1–2 итерации | Точность авто-ответов >80% |
| Конфигурация Copilot и триаж | 3–5 дней | Suggested replies, правила назначения |
| Запуск и мониторинг | 1 неделя | Дашборды Freddy Insights, корректировка |
Полный цикл внедрения занимает от 1 до 3 недель в зависимости от объёмов тикетов и глубины кастомизации. Мы рекомендуем начинать с пилотного проекта на 20–30% трафика.
Этапы детально
- Анализ тикетов — собираем 500–2000 исторических обращений, выделяем топ-10 категорий. Для обучения модели нужны размеченные данные с ответами из Knowledge Base.
- Настройка Knowledge Base — создаём/дорабатываем статьи, добавляем метаданные (keywords, теги). Качество KB критически влияет на точность.
- Обучение Self Service — загружаем данные, запускаем тренировку модели (1–2 итерации). Используются эмбеддинги (1536-dim) и классификатор на основе LLM.
- Конфигурация Copilot — настраиваем suggested replies, tone adjustment, summary. Агенты получают готовые ответы с возможностью редактирования.
- Триаж и приоритизация — правила назначения тикетов по категориям, SLA-часы. Freddy автоматически классифицирует и назначает ответственного.
- Тестирование — A/B-тест: 20–30% трафика на AI, контрольная группа. Метрики: resolution rate, FRT, CSAT.
- Запуск и мониторинг — дашборды Freddy Insights, корректировка правил. Мы поддерживаем систему 30 дней после внедрения.
Один из наших проектов — интернет-магазин с 15 агентами. После внедрения Freddy AI резолв без агента вырос с 18% до 47% за три недели. Время первого ответа сократилось с 8 минут до 2. Мы использовали стандартную модель — без даунстрим-запросов к OpenAI, что обеспечило низкую задержку (p99 < 500 мс).
Технические требования к данным для обучения: минимум 500 исторических тикетов в формате CSV или JSON. Рекомендуется 1000+ для стабильной точности. Данные должны быть размечены по категориям и содержать ответы из Knowledge Base. Модель настраивается на вашем экземпляре Freshdesk, без передачи данных третьим лицам.
Что входит в результаты работы
- Функционирующий Freddy Self Service, обученный на ваших тикетах
- Настроенный Copilot с suggested replies и суммаризацией
- Правила авто-триажа и приоритизации
- Дашборды Freddy Insights с ключевыми метриками
- Документация по конфигурации и обучение команды (2 часа)
- Поддержка в течение 30 дней после внедрения
Типичные ошибки при внедрении
- Плохо структурированная Knowledge Base — ответы дублируются, категории размыты. Решение: провести аудит KB до обучения.
- Отсутствие исторических данных — модель не обучится. Нужно минимум 500 тикетов с качественной разметкой.
- Не настроен fallback — если AI не уверен, тикет должен идти агенту. Иначе — рост недовольства и увеличение FRT.
Рассчитайте экономию для вашего бизнеса — напишите нам для аудита. Закажите внедрение Freddy AI в вашу поддержку — получите консультацию нашего инженера Freshworks. Опыт внедрения — более 5 лет, свыше 30 успешных интеграций с Freshdesk.