Разработка AI CSM: интеллектуальный менеджер работы с клиентами

Проблема: когда клиентов в 10 раз больше, чем CSM

У вас 800 B2B клиентов, а в команде всего 6 CSM. Enterprise-сегмент получает премиум-внимание, а mid-market — реактивное обслуживание. Health score не считается системно, риски оттока выявляются постфактум, QBR проводятся лишь для 40% клиентов. Результат: NRR падает, churn растёт, а CSM выгорают от рутины. Мы знаем это — внедрили AI CSM для SaaS-платформы с похожей ситуацией и получили измеримый эффект.

AI CSM: автоматизация Customer Success с ML

В основе — ансамбль моделей: для анализа числовых метрик используется кастомная ML-модель на PyTorch, для генерации рекомендаций — OpenAI GPT-4o, для ранжирования клиентов — XGBoost. Векторные эмбеддинги (text-embedding-3-small, 1536-dim) хранятся в pgvector для быстрого поиска похожих клиентов. Система непрерывно рассчитывает health score, выявляет сигналы оттока и запускает проактивные действия.

Health Score и Churn Risk Detection

Модуль расчёта health score с взвешенными компонентами. Веса подбираются эмпирически через логистическую регрессию на исторических данных:

from pydantic import BaseModel
from typing import Literal, Optional
from openai import AsyncOpenAI
import pandas as pd

client = AsyncOpenAI()

class CustomerHealthScore(BaseModel):
    customer_id: str
    overall_score: int        # 0-100
    health_tier: Literal["healthy", "at_risk", "critical"]
    score_components: dict    # Разбивка по компонентам
    churn_probability: float  # 0-1
    churn_signals: list[str]  # Конкретные сигналы
    recommended_actions: list[str]
    priority_contact: bool
    urgency: Literal["immediate", "this_week", "this_month", "monitoring"]

class HealthScoreCalculator:

    WEIGHTS = {
        "product_usage": 0.30,       # Частота и глубина использования продукта
        "feature_adoption": 0.20,    # Освоение ключевых фич
        "support_health": 0.15,      # Количество/тип тикетов
        "engagement": 0.15,          # Открытие emails, участие в вебинарах
        "nps_csat": 0.10,            # NPS / CSAT оценки
        "contract_health": 0.10,     # Своевременность оплат, risk of downgrade
    }

    def calculate_product_usage_score(self, customer: dict) -> float:
        """MAU, DAU, session duration vs baseline для тарифа"""
        dau_ratio = customer.get("dau_30d_avg", 0) / customer.get("licensed_seats", 1)
        sessions_per_user = customer.get("sessions_per_user_30d", 0)

        # Нормализуем к 0-100
        dau_score = min(dau_ratio * 100, 100)
        session_score = min(sessions_per_user * 10, 100)

        return (dau_score * 0.6 + session_score * 0.4)

    def calculate_churn_signals(self, customer: dict) -> list[str]:
        signals = []

        if customer.get("logins_30d", 0) < customer.get("logins_prev_30d", 0) * 0.5:
            signals.append(f"Резкое снижение активности: -{int((1 - customer['logins_30d']/max(customer['logins_prev_30d'], 1)) * 100)}%")

        if customer.get("open_critical_tickets", 0) >= 2:
            signals.append(f"Открытых критических тикетов: {customer['open_critical_tickets']}")

        if customer.get("last_login_days_ago", 0) > 14:
            signals.append(f"Последний вход: {customer['last_login_days_ago']} дней назад")

        if customer.get("nps_score") and customer["nps_score"] <= 6:
            signals.append(f"Низкий NPS: {customer['nps_score']}/10")

        if customer.get("payment_overdue_days", 0) > 0:
            signals.append(f"Просрочка оплаты: {customer['payment_overdue_days']} дней")

        if customer.get("contract_renewal_days", 365) < 90:
            signals.append(f"До продления: {customer['contract_renewal_days']} дней")

        return signals

    async def compute_health_score(self, customer: dict) -> CustomerHealthScore:
        # Расчёт числовых компонентов
        components = {
            "product_usage": self.calculate_product_usage_score(customer),
            "feature_adoption": customer.get("feature_adoption_pct", 0),
            "support_health": max(0, 100 - customer.get("open_tickets", 0) * 15),
            "engagement": customer.get("email_engagement_score", 50),
            "nps_csat": (customer.get("nps_score", 7) - 1) / 9 * 100,
            "contract_health": 100 - customer.get("payment_overdue_days", 0) * 2,
        }

        overall = sum(
            components[k] * self.WEIGHTS[k] for k in self.WEIGHTS
        )

        signals = self.calculate_churn_signals(customer)
        tier = "healthy" if overall >= 70 else ("at_risk" if overall >= 40 else "critical")

        # LLM для рекомендаций действий
        actions_response = await client.chat.completions.create(
            model="gpt-4o-mini",
            messages=[{
                "role": "user",
                "content": f"""Клиент: {customer['name']}, тариф: {customer['plan']},
score: {overall:.0f}/100, сигналы: {signals}
Предложи 3 конкретных действия CSM. Верни JSON: [{{"action": "...", "timeline": "..."}}]"""
            }],
        )

        actions = json.loads(actions_response.choices[0].message.content)

        return CustomerHealthScore(
            customer_id=customer["id"],
            overall_score=int(overall),
            health_tier=tier,
            score_components=components,
            churn_probability=max(0, min(1, (100 - overall) / 100)),
            churn_signals=signals,
            recommended_actions=[a["action"] for a in actions],
            priority_contact=tier == "critical" or len(signals) >= 3,
            urgency="immediate" if tier == "critical" else "this_week" if tier == "at_risk" else "monitoring",
        )

Proactive CSM-агент на LangGraph

После расчёта health score запускается proactive engagement engine — граф состояний на LangChain:

from langgraph.graph import StateGraph, END

class CSMAgentState(TypedDict):
    customer_id: str
    health_score: CustomerHealthScore
    customer_profile: dict
    recent_interactions: list[dict]
    action_plan: list[dict]
    messages_sent: list[dict]
    escalated: bool

async def analyze_and_plan(state: CSMAgentState) -> CSMAgentState:
    """Составляет план действий для клиента"""

    plan_response = await client.chat.completions.create(
        model="gpt-4o",
        messages=[{
            "role": "system",
            "content": """Ты — опытный CSM. Создай план работы с клиентом на ближайшие 2 недели.
Учитывай: health score, сигналы оттока, историю взаимодействий.
Будь конкретен: что именно сказать/написать, когда, через какой канал."""
        }, {
            "role": "user",
            "content": f"""
Клиент: {state['customer_profile']['name']}, план: {state['customer_profile']['plan']}
Health score: {state['health_score'].overall_score}/100
Сигналы: {state['health_score'].churn_signals}
Последние взаимодействия: {state['recent_interactions'][-3:]}
Использование продукта: {state['customer_profile'].get('usage_summary')}
"""
        }],
    )

    # Парсим план действий
    action_plan = parse_action_plan(plan_response.choices[0].message.content)
    return {**state, "action_plan": action_plan}

async def execute_automated_actions(state: CSMAgentState) -> CSMAgentState:
    """Выполняет автоматизируемые действия"""

    messages_sent = []
    for action in state["action_plan"]:
        if action["type"] == "send_email":
            email = await generate_personalized_email(action, state)
            await email_service.send(
                to=state["customer_profile"]["email"],
                subject=email["subject"],
                body=email["body"],
            )
            messages_sent.append({"type": "email", "action": action["description"]})

        elif action["type"] == "in_app_notification":
            await notification_service.send_in_app(
                customer_id=state["customer_id"],
                message=action["message"],
            )

        elif action["type"] == "schedule_checkin":
            await calendar.create_event(
                title=f"Check-in: {state['customer_profile']['name']}",
                date=action["date"],
                description=action["context"],
            )

    return {**state, "messages_sent": messages_sent}

QBR-подготовка за 1 клик

async def generate_qbr_preparation(customer_id: str) -> dict:
    """Автоматическая подготовка к квартальному бизнес-обзору"""

    customer_data = await fetch_customer_quarterly_data(customer_id)

    qbr_content = await client.chat.completions.create(
        model="gpt-4o",
        messages=[{
            "role": "system",
            "content": """Ты — CSM, готовишь материалы к QBR. Создай:
1. Executive Summary (3-4 предложения о ценности за квартал)
2. Ключевые достижения (измеримые результаты)
3. Метрики использования (в динамике)
4. Решённые проблемы
5. Цели на следующий квартал
6. Рекомендации по расширению (не агрессивные продажи)"""
        }, {
            "role": "user",
            "content": json.dumps(customer_data, ensure_ascii=False),
        }],
    )

    return {
        "qbr_deck_draft": qbr_content.choices[0].message.content,
        "metrics_summary": customer_data["metrics"],
        "renewal_signals": analyze_renewal_readiness(customer_data),
    }

Результаты кейса: 800 B2B клиентов

Ситуация: 6 CSM на 800 клиентов = 133 клиента/CSM. Высокоприоритетные (enterprise) получали достаточно внимания, mid-market клиенты — реактивное обслуживание. Из нашей практики: мы внедрили AI CSM для mid-market сегмента (300 клиентов) со следующими параметрами:

• Ежедневный расчёт health score для всех
• Автоматические письма при снижении активности
• Еженедельный дайджест CSM: топ-10 клиентов требующих внимания
• Автоматическая подготовка QBR для всех
• Мониторинг сигналов upsell (рост использования, приближение к лимитам)

Результаты за 6 месяцев:

Компоненты Health Score и их вес

Сравнение: AI CSM vs традиционный подход

Процесс внедрения

1. Анализ текущих процессов CS — аудит скоринга, воронок, каналов коммуникации.
2. Проектирование Health Score модели — подбор весов компонентов под ваш продукт и сегменты клиентов.
3. Разработка ML-пайплайна — обучение моделей на исторических данных с оценкой метрик precision/recall.
4. Интеграция с CRM и email-сервисами — настройка двусторонней синхронизации через REST API или webhook.
5. Создание агента для Automation Playbook — конфигурация сценариев на LangGraph (email, in-app, Slack).
6. Тестирование и калибровка — A/B тестирование на pilot-группе клиентов.
7. Обучение команды CS — workshop по работе с дашбордами и интерпретации рекомендаций.
8. Документация и сопровождение — model card, API-спецификации, SLA на поддержку.

Сроки ориентировочно

Окончательная стоимость рассчитывается индивидуально после аудита вашей инфраструктуры и объёмов данных. Пишите — оценим проект бесплатно.

Почему тимлиды выбирают AI CSM?

Потому что это даёт измеримый бизнес-эффект без пропорционального роста FTE. Health score в 100 раз быстрее, QBR — в 10 раз дешевле, а churn снижается на 30-40% уже в первый квартал. Мы гарантируем прозрачность: вы видите каждый сигнал, каждое действие агента, каждую метрику. Закажите пилот на 50 клиентах — оцените результат лично. Для понимания терминологии: Net Revenue Retention (NRR) — ключевой показатель эффективности CS. Подробнее о Customer Success можно прочитать в Википедии.

Практический разбор LLM: fine-tuning, RAG, агенты, деплой

Модель GPT‑4 или Claude 3.5 Sonnet через публичное API — не решение, а просто инструмент. Когда приходит требование «сделать как ChatGPT, но на наших данных», за ним стоит реальная инженерная задача: от настройки промптов до обучения 70B‑модели на собственной инфраструктуре. Разработка решений на базе LLM под ключ — это сложный стек, и мы занимаемся этим более 5 лет. За это время реализовано свыше 20 проектов в области генеративного AI: от RAG‑систем для юридических департаментов до кастомных агентов для техподдержки. Где именно находится ваша задача — зависит от данных, latency‑требований, бюджета и того, насколько критична конфиденциальность.

Типичная ситуация: клиент уже попробовал ChatGPT, но результаты нестабильны — то отвечает точно, то галлюцинирует. Либо нужна интеграция в корпоративный портал с соблюдением политик безопасности. Разберём каждый слой стека в деталях — от RAG до production‑деплоя.

Почему RAG‑системы ломаются и как это исправить?

RAG (Retrieval‑Augmented Generation) выглядит просто: нашли релевантные документы, положили в контекст, модель ответила. На практике сбоит в нескольких местах.

Chunking без перекрытия. Классическая ошибка: chunk_size=512, overlap=0. Если ответ лежит на границе двух чанков, retrieval не найдёт ни одного с достаточной уверенностью. Решение: overlap 15–25% от chunk_size, а лучше sentence‑aware splitting через spaCy или NLTK, а не наивное разбиение по символам.

Плохой embedder. Текст‑embedding‑ada‑002 — хорош для общего случая, но на юридических или медицинских текстах проигрывает специализированным моделям: E5‑large‑v2, BGE‑M3 или fine‑tuned sentence‑transformers на доменных данных. Разница в Recall@5 может составлять 15–25%.

Отсутствие re‑ranking. Векторный поиск оптимизирован по скорости, не по релевантности. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) после первичного retrieval поднимает точность топ‑3 при приемлемой задержке (+50–150 ms). Это часто важнее улучшения embedding‑модели.

Гибридный поиск. Только dense векторы плохо работают на точных запросах: имена, артикулы, коды. BM25 (sparse) хорошо находит точные совпадения, но не понимает семантику. Гибрид через RRF (Reciprocal Rank Fusion) — оптимальный компромисс. Qdrant, Weaviate и pgvector 0.7+ поддерживают гибридный поиск нативно.

Когда стоит fine‑tune, а не промпт‑инжиниринг?

Промпт‑инжиниринг решает ~70% задач адаптации LLM под домен. Оставшиеся 30% требуют дообучения. Три признака: модель игнорирует специфический формат вывода даже при детальном описании в промпте; задача требует глубокого знания специализированной лексики (медицина, право); нужно значительно снизить затраты на токены, заменив большую модель меньшей специализированной.

LoRA и QLoRA — стандарт для SFT. LoRA добавляет trainable low‑rank матрицы к attention‑слоям. Типичная конфигурация для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — обучаемых параметров ~0.8%, обучение на одной A100 40GB. QLoRA добавляет 4‑битную квантизацию (NF4) и позволяет fine‑tune 70B модель на двух A100 40GB, хотя скорость падает вдвое по сравнению с bf16.

DPO вместо RLHF. Direct Preference Optimization требует только пары (chosen, rejected), а не скалярные reward‑сигналы. DPOTrainer из библиотеки trl (Hugging Face) реализует это несколькими десятками строк.

Типичная ошибка. Датасет из 500 примеров, 5 эпох, validation loss 0.8 — кажется норм. Но на тесте модель деградировала на общих инструкциях. Причина: catastrophic forgetting. Решение — добавить 10–20% общих instruction‑following примеров (Alpaca, FLAN) в обучающую выборку, чтобы не разрушить исходные способности.

Как выбрать базовую модель: 8B или 70B?

Для большинства задач fine‑tuning 8B модели достаточно. 70B нужен, когда требуется глубокое рассуждение или baseline 8B не достигает нужного качества даже после дообучения. Стоимость инференса Llama‑3 8B через vLLM на A100 — около $0.001/1K токенов, что в 15 раз дешевле GPT‑4.

Что даёт PagedAttention в production?

vLLM — первый выбор для serving open‑source моделей. PagedAttention — ключевое техническое решение: KV‑cache управляется как virtual memory в ОС, без фрагментации. Это даёт throughput в 2–4 раза выше по сравнению с наивным HuggingFace Transformers inference. Документация vLLM подтверждает: continuous batching и PagedAttention — стандарт для высоконагруженных LLM‑сервисов.

Типичные числа на A100 80GB для Llama‑3 8B (bf16): 400–600 req/s, P50 latency 200–400ms, P99 latency 600–900ms при concurrency 64. Для 70B на двух A100 с tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизация AWQ или GPTQ снижает потребление памяти в 2 раза при потере качества в пределах 1–3%.

Мультиагентные системы

Агенты — LLM с доступом к инструментам: поиск, выполнение кода, запросы к API, работа с БД. Основные паттерны:

• ReAct (Reason + Act): модель рассуждает → выбирает инструмент → наблюдает результат → снова рассуждает. LangChain и LlamaIndex реализуют из коробки.
• Multi‑agent orchestration: несколько специализированных агентов с координатором сверху. Пример: coordinator → researcher (поиск + summarization) → coder (генерация и исполнение кода) → critic (проверка). Инструменты: AutoGen (Microsoft), CrewAI, кастомная реализация на LangGraph.

В продакшене агентные системы недетерминированы. Обязательные guardrails, лимиты шагов, логирование каждого шага, human‑in‑the‑loop для критических действий.

Как мы работаем: этапы, сроки, результат

Что входит в работу

Мы передаём:

• Техническую документацию (model card, конфиги, инструкции по развёртыванию)
• Доступ к инфраструктуре (репозиторий с кодом, обученные веса)
• 1 месяц поддержки после деплоя (консультации, правки по багам)
• Обучение команды заказчика (2–3 занятия по эксплуатации системы)

Сроки: базовый RAG‑прототип — 1–2 недели. Fine‑tuning с данными заказчика — 3–6 недель (с учётом подготовки данных). Production‑система с мониторингом и переобучением — 2–4 месяца. Стоимость рассчитывается индивидуально, зависит от объёма данных, сложности модели и требований к инфраструктуре.

Хотите оценить свой проект? Оставьте заявку — мы подготовим предварительное резюме за 1–2 рабочих дня. Или получите консультацию по выбору подхода: RAG, fine‑tuning или гибрид — расскажем, что подойдёт именно вам.