Еще недавно анализ клиентских обращений напоминал бухгалтерию эмоций: сколько жалоб, сколько похвал, какой средний балл. Сегодня этот подход стремительно устаревает. Компании сталкиваются с новой реальностью, где ключевые проблемы продукта скрыты не в прямых претензиях, а в полутонах, иронии и разочарованиях между строк. Именно здесь на сцену выходит искусственный интеллект — не как модный инструмент, а как способ переосмыслить саму логику работы с клиентским опытом.
Может ли он стать тем помощником, который научит бизнес слышать клиента по-настоящему, заведующий лабораторией доверенного искусственного интеллекта РТУ МИРЭА Юрий Силаев рассказал изданию «О финансах и не только».
— В чем заключается ключевое изменение, которое принес современный ИИ в анализ клиентских обращений?
— Современный искусственный интеллект совершил революцию в анализе клиентских обращений, превратив его из рутинного подсчета «плюсов» и «минусов» в интеллектуальный процесс понимания потребителя. Задача ИИ сегодня – выявлять не просто явные жалобы, а системные проблемы, которые часто остаются за рамками стандартных отчетов.
— Как ИИ учится понимать скрытые проблемы и неоднозначные формулировки в отзывах клиентов?
— Фундаментом такого анализа являются методы обработки естественного языка. Алгоритмы учатся понимать контекст, иронию и сложные формулировки. Например, отзыв «Прекрасный дизайн, вот только к вечеру он превращается в грелку» человек может трактовать неоднозначно, но ИИ уверенно классифицирует его как серьезную проблему с перегревом, выделяя противоречие внутри высказывания.
«Это позволяет улавливать те самые «скрытые» боли, которые клиенты часто выражают не напрямую, а через разочарование в сопутствующих характеристиках», — Юрий Силаев.
— Какие аналитические подходы ИИ использует для выявления глубинных проблем продукта?
— Для выявления глубинных проблем ИИ применяет тематическое моделирование, которое автоматически группирует тысячи разрозненных отзывов в смысловые кластеры. Так компания может неожиданно обнаружить, что пользователи массово сталкиваются с неочевидной проблемой, например, с трудностями при первой настройке устройства, что не является техническим дефектом, но серьезно портит опыт. При этом проводится анализ тональности, когда система определяет эмоциональную окраску не ко всему отзыву целиком, а к каждому его аспекту: дизайну, батарее, интерфейсу. Это дает точную карту уязвимых мест продукта.
— Как ИИ помогает компаниям оперативно выявлять критические сбои и закономерности?
— Важнейшую роль играет обнаружение аномалий. ИИ в режиме реального времени отслеживает резкий всплеск упоминаний конкретных слов или проблем после обновления, сигнализируя о потенциально «сломанной» функции. Более того, системы способны находить корреляции между текстовыми жалобами и техническими метаданными, выявляя, что проблемы с подключением характерны для определенного региона или модели устройства.
Искусственный интеллект превращает неструктурированный поток эмоций и мнений в систему. Он позволяет компаниям перейти от реактивного устранения недостатков к совершенствованию продукта. Эффективность такого анализа напрямую зависит от качества данных и способности моделей адаптироваться к живому, постоянно меняющемуся языку потребителей.
Юрий Силаев, заведующий лабораторией доверенного искусственного интеллекта РТУ МИРЭА.
Беседовала Дарья Лаврентьева