От пилота до масштаба: Как Smarsh достигла 60% разрешения с Salesforce Agentforce

Когда лидер в области технологий соответствия требованиям Smarsh решил трансформировать клиентский опыт, он не просто развернул чат-бота. Он создал многолетнюю экосистему ИИ, которая теперь автономно решает 60% запросов клиентов, и сделал это, переосмыслив экономику поддержки. Для руководителей поддержки, наблюдающих со стороны, история Smarsh предлагает редкий, подкрепленный метриками план масштабирования ИИ без лишних затрат и отчуждения клиентов.

В этом глубоком погружении мы разберем партнерство Smarsh и Agentforce, проанализируем модель ценообразования $2 за разговор и извлечем фреймворки, необходимые вашей команде для повторения этого успеха. Независимо от того, управляете ли вы небольшой командой поддержки SaaS или контакт-центром B2B на 500 мест, эти уроки помогут вам создать бизнес-кейс, который понравится вашему финансовому директору.

История успеха Smarsh: Реальные результаты с поддержкой на базе ИИ

Smarsh, лидер в области соблюдения требований к цифровым коммуникациям, знает, что регуляторная сложность никогда не спит. Его клиенты — банки, брокеры-дилеры и государственные учреждения — требуют быстрых и точных ответов на вопросы об электронном обнаружении, политиках хранения и более 3000 источниках данных. Традиционные команды поддержки первого уровня тонули в объеме, а экспертиза, необходимая для проблем второго и третьего уровней, делала масштабирование штата непомерно дорогим.

Вступают Salesforce Agentforce, Einstein GPT и продуманное поэтапное развертывание. Smarsh не просто включил ИИ-копилотов; он вручную создал специализированных автономных агентов, которые отражают работу человеческих команд. Как объясняет Паттерсон, ключевой архитектор стратегии, ключом был не один универсальный бот, а набор специализированных агентов, способных понимать контекст, извлекать данные из баз знаний и даже передавать задачи друг другу без вмешательства человека.

"Мы выделили специализированных агентов из более широкой оркестровой платформы Salesforce. Fin — это агент, ориентированный на обслуживание клиентов, а Piper от Qualified — маркетинговый агент, предназначенный для квалификации посетителей сайта и записи на встречи с продажами. Каждый играет свою роль в нашем едином путешествии."

Результаты были немедленными и измеримыми. В течение трех месяцев Agentforce обрабатывал тысячи разговоров, отклонял рутинные тикеты и извлекал ответы из собственного графа знаний Smarsh. Удовлетворенность клиентов не упала, а выросла на 12 пунктов, потому что время ответа сократилось с часов до секунд, а ответы стали более последовательными.

Экономика ИИ-агентов: Понимание ценообразования $2 за разговор

Salesforce сделал ценообразование Agentforce освежающе прозрачным: $2 за завершенный автономный разговор. Но простая математика показывает, почему финансовым отделам нужно смотреть дальше цены за разговор.

Реальные расчеты затрат на поддержку ИИ

Давайте рассмотрим пример Smarsh: при 10 000 ежемесячных разговоров с уровнем разрешения 60% картина затрат выглядит следующим образом.

При $2 за разговор только уровень ИИ стоит $20 000 в месяц за 10 000 разговоров, до любых лицензионных сборов Salesforce. Но по сравнению с $60 000+, потраченными на полностью ручную обработку, чистая экономия превышает 40%. И это не учитывает улучшение клиентского опыта: более быстрые ответы, доступность 24/7 и отсутствие разочарования от очередей.

Для более детального взгляда посмотрите на стоимость за разрешенный разговор. Только 6 000 из 10 000 разговоров получают чистое разрешение ИИ, поэтому эффективная стоимость за взаимодействие, разрешенное ИИ, составляет $2. Между тем, 4 000, которые переходят к людям, все еще стоят $6–$8 каждый. Смешанная стоимость за разрешенное взаимодействие становится примерно $3,67, что все еще составляет долю от среднего до-ИИ значения $7.

Создание масштабируемого стека поддержки ИИ: Уроки для B2B SaaS компаний

Успех Smarsh — не магия. Он основан на продуманных дизайнерских решениях, которые может принять любой руководитель операций поддержки.

Специализация побеждает обобщение

Вместо обучения одной большой модели Smarsh развернул специализированных агентов: Fin для поддержки клиентов, Piper для маркетинговой квалификации. Это позволило каждому агенту освоить узкую область, уменьшая галлюцинации и повышая удержание.

• Finнаходится внутри консоли поддержки, читает тикеты, ищет статьи базы знаний и предлагает или автозаполняет ответы. Он знает терминологию соответствия и может даже ориентироваться в сложностях финансовых регуляций. -Piperживет на веб-сайте, идентифицирует посетителей с высоким намерением, отвечает на предпродажные вопросы и записывает встречи прямо в календари торговых представителей. Он говорит на языке сценариев использования и дифференциаторов продукта.

Тесная интеграция с вашей базой знаний обязательна

Agentforce не работает из коробки, если ваша база знаний не чистая, структурированная и всеобъемлющая. Smarsh потратил месяцы на отображение более 10 000 справочных статей, руководств по устранению неполадок и политик в графовую базу знаний. Результат? ИИ мог уверенно отвечать на 80% вопросов, которые ранее требовали инженера второго уровня.

Поэтапное развертывание с возвратом к человеку в цикле

Smarsh запустил Agentforce в «режиме предложений», где люди-агенты одобряли каждый ответ ИИ. После двух месяцев обучения под наблюдением и переобучения он перешел в автономный режим для тем с высокой уверенностью. Даже сегодня любой разговор, который опускается ниже порога уверенности в 90%, немедленно направляется человеку с полным контекстом — модель, которая сохраняет доверие клиентов.

"Мы не заменили нашу команду поддержки; мы дали им второго пилота, который берет на себя рутину, чтобы они могли сосредоточиться на сложном. Это будущее поддержки B2B.", руководитель операций поддержки Smarsh

Измерение влияния: Метрики, которые имеют значение для поддержки на базе ИИ

Если вы строите бизнес-кейс для ИИ-агентов, ваш финансовый директор задаст три вопроса: Сколько мы экономим? Насколько улучшается опыт? И как мы измеряем текущий успех?

Вот основа KPI, вдохновленная Smarsh, которую вам следует принять.

1.Коэффициент удержания(также называемый коэффициентом разрешения): процент разговоров, полностью разрешенных ИИ без участия человека. Smarsh стремится к >55%; начальные 60% превзошли ожидания. 2.Стоимость за тикет (CPT): До ИИ смешанный CPT Smarsh колебался около $7. После ИИ он упал до $3,67. Отслеживайте это ежемесячно, чтобы убедиться, что инвестиции в ИИ окупаются. 3. Среднее время до разрешения (MTTR): С 12+ минут до менее 2 минут для 60% разговоров — улучшение в 6 раз, которое напрямую повышает CSAT. 4. Продуктивность агентов: С ИИ, обрабатывающим первый уровень, агенты теперь решают на 40% больше сложных тикетов за смену, а уровень эскалации упал на 35%.

Мультипликативный эффект ROI

Финансовое влияние не линейно. Перенаправление 6 000 разговоров в месяц не просто экономит $36 000 на оплате труда, оно предотвращает необходимость найма дополнительных агентов по мере роста объема. Smarsh, например, поглотил 25% увеличение объема поддержки за шесть месяцев без добавления ни одной штатной единицы. Это масштабируемость, которая заставляет финансовых директоров SaaS насторожиться и слушать.

Модель сотрудничества человека и ИИ: Как Smarsh расширил возможности агентовОдин из самых больших мифов об ИИ в поддержке заключается в том, что он уничтожает рабочие места. История Smarsh доказывает обратное. Автоматизируя повторяющиеся задачи, такие как сброс паролей, вопросы «как мне найти мои отчеты?», базовое устранение неполадок, ИИ сделал оставшуюся человеческую работу более увлекательной.

От обработчиков заявок до решателей проблем

До Agentforce агенты первого уровня Smarsh тратили 70% своего времени на задачи, не требующие человеческого суждения. После того как ИИ взял на себя эти разговоры, те же агенты были обучены для работы со сложными интерпретациями соответствия, настройкой учетных записей и даже проактивным мониторингом здоровья клиентов. Показатели удовлетворенности агентов выросли, а текучесть кадров снизилась на 22%.

Межфункциональная оркестрация ИИ

Использование Smarsh как Fin, так и Piper демонстрирует силу межведомственного сотрудничества ИИ. Посетитель, начинающий чат на веб-сайте, может быть квалифицирован Piper, бесшовно передан Fin для вопроса поддержки о потенциальной интеграции, а затем направлен торговому представителю, и все это без повторения клиентом ни одной детали. Именно в такой оркестрации и заключается настоящая магия CX.

Для компаний, построенных на Salesforce, это естественное преимущество. Но даже если ваш стек отличается, принцип остается в силе: агенты ИИ должны обмениваться контекстом на протяжении всего пути клиента, а не существовать в изоляции.

За пределами Salesforce: Обеспечение будущего вашей поддержки с помощью уровня ИИ

Agentforce — мощный инструмент, но это не единственный путь. Многие SaaS-компании работают на Intercom, Zendesk или собственных платформах поддержки, и им нужен ИИ, который подключается без замены существующей системы. Именно здесь выделенный уровень автоматизации поддержки на основе ИИ может стать революционным решением.

Платформенно-независимые решения, такие как Successly, позволяют создавать собственных агентов ИИ, которые работают поверх вашей существующей системы тикетов, базы знаний и CRM. Вы можете воспроизвести модель специализированных агентов Smarsh с возможностями, подобными Fin, но без привязки к экосистеме одного поставщика. И вы можете начать с ценообразования в стиле $2, которое масштабируется в зависимости от фактического объема разговоров.

Successly, например, обеспечивает отклонение 43% тикетов в течение первых 30 дней после внедрения, обучаясь на ваших существующих документах справки и прошлых разговорах — результат, который напрямую повторяет траекторию Smarsh без многомесячного цикла внедрения Salesforce.

Контрольный список для выбора партнера по ИИ-поддержке

• Гарантия уровня разрешения: Обязуется ли поставщик достичь определенного процента сдерживания в течение 90 дней?
• Глубина интеграции: Может ли ИИ видеть ваши контакты CRM, историю тикетов и базу знаний?
• Передача человеку: Является ли путь эскалации бесшовным с полной передачей контекста разговора агенту?
• Безопасность и соответствие: Для регулируемых отраслей, таких как Smarsh, может ли ИИ соответствовать требованиям SOC 2, HIPAA или GDPR?
• Прозрачность ценообразования: Действительно ли это цена за разговор, или есть скрытые платформенные сборы?

Начало работы: 90-дневная структура для автоматизации поддержки с помощью ИИ

Вдохновленные опытом Smarsh, вот поэтапный план, который вы можете адаптировать под свою среду.

Дни 1–30: Оценка и подготовка

• Проведите аудит наиболее распространенных типов тикетов. Стремитесь к 20–30 категориям, которые составляют 60% объема.
• Очистите и структурируйте свою базу знаний. Заполните пробелы, где ИИ может споткнуться.
• Запустите пилотный проект одного специализированного агента для одной темы с высоким объемом (например, запросы по выставлению счетов).

Дни 31–60: Запуск под наблюдением

• Разверните агента в режиме предложений с обязательным одобрением человеком.
• Установите пороги уверенности на уровне 95% для автономных ответов; наметьте пути эскалации.
• Ежедневно отслеживайте уровень сдерживания, CSAT и отклонение. Еженедельно переобучайте.

Дни 61–90: Масштабирование и расширение

• Переведите на автономный режим для первоначальной темы, когда сдерживание превысит 50%.
• Добавьте второго агента для смежной области (например, помощь в онбординге).
• Интегрируйте с CRM и маркетинговой автоматизацией, чтобы обеспечить межфункциональные передачи, как у Piper.

Заключение: Дивиденды от ИИ в поддержке реальны

Путь Smarsh с Agentforce — не исключение, это новый ориентир. Уровень разрешения 60%, снижение эскалаций на 35% и значительное сокращение стоимости за разговор сигнализируют о том, что мы пересекли порог: агенты поддержки на основе ИИ — это не просто эксперимент; это инвестиции, одобренные финансовыми директорами.

Ваша команда может достичь того же. Начните с одного специализированного агента, уделите пристальное внимание своей базе знаний и посчитайте, сколько будут стоить вам 10 000 разговоров по $2 за штуку. Математика, вероятно, окажется более убедительной, чем вы думаете.

И если вы хотите ускорить этот путь без привязки к одной CRM, Successly предлагает уровень поддержки на основе ИИ, который разворачивается за дни, учится на вашем существующем контенте и обеспечивает отклонение 43% тикетов с первого месяца. Будущее поддержки — не в замене людей, а в оснащении их ИИ, который работает так же усердно, как и они.