Transformation in action: What it takes to automate 81% of your customer service while improving CX

Leading the Support function for a company that builds a leading Agent and AI-forward customer service platform is a unique, exciting, and daunting experience all at the same time.

Руководить функцией поддержки в компании, которая создаёт ведущую AI-ориентированную платформу клиентского сервиса с собственным Агентом, — одновременно уникальный, увлекательный и пугающий опыт.

Unique, because we get to use the same technology as our customers. We have the exact same experience as them. Not many support teams can say that, and it places us in a special position to be the voice of the customer to the rest of the organization.

Уникальный — потому что мы используем ту же технологию, что и наши клиенты. У нас тот же опыт, что и у них. Немногие команды поддержки могут так сказать, и это ставит нас в особое положение — быть голосом клиента для всей остальной организации.

Exciting, because we get to try all of the new features and capabilities of Fin and the Intercom helpdesk. Given the company’s focus on AI innovation, that means access to some remarkable tools to help us deliver an incredible customer experience.

Увлекательный — потому что мы первыми пробуем все новые функции и возможности Fin и хелпдеска Intercom. Учитывая фокус компании на инновациях в области AI, это означает доступ к замечательным инструментам, которые помогают нам обеспечивать исключительный клиентский опыт.

And daunting, because the expectations of Intercom’s own Customer Support (CS) team are very high. If we can’t deliver incredible support using our own technology, we undermine its value proposition.

И пугающий — потому что ожидания от собственной команды Customer Support (CS) в Intercom очень высоки. Если мы не сможем обеспечить выдающуюся поддержку, используя нашу же технологию, мы подорвём её ценностное предложение.

This is final part of our deep dive into our new research: “The 2026 Customer Service Transformation Report.” We’ve shared all the editions of this series on our blog and on LinkedIn.

If you’d like to get straight to the report, download it here.

Это финальная часть нашего глубокого разбора нового исследования: «The 2026 Customer Service Transformation Report». Все выпуски этой серии мы публиковали в нашем блоге и в LinkedIn. Если хотите перейти сразу к отчёту, скачайте его здесь.

When Intercom changed its focus in late 2022 to prioritize the customer service use case, we undertook a critical review of the support experience we were delivering and committed to driving meaningful change under an AI-first framework.

Когда в конце 2022 года Intercom сменил фокус и сделал ставку на сценарий клиентского сервиса, мы провели критический анализ опыта поддержки, который тогда предоставляли, и взяли на себя обязательство добиться значимых изменений в рамках AI-first подхода.

Three years on, Fin now resolves over 81% of all our customer support volume, delivering immediate and high-quality resolutions. We have absorbed a 300%+ increase in customer demand since 2022 without proportional headcount growth. Without Fin, we would have needed at least 100 additional CS team members to meet that demand and our improved service levels – a net saving to Intercom of between $7.5M–$9M annually.

Спустя три года Fin теперь решает более 81% всего объёма обращений в нашу поддержку, обеспечивая мгновенные и качественные ответы. Мы выдержали рост клиентского спроса более чем на 300% с 2022 года без пропорционального увеличения штата. Без Fin нам понадобилось бы как минимум 100 дополнительных сотрудников CS, чтобы справиться с этим спросом и нашими новыми уровнями сервиса — чистая экономия для Intercom составляет $7,5–9 млн в год.

Throughout this series, we have shared research from our 2026 Customer Service Transformation Report and explored how forward-looking teams are transforming their customer service with AI.

На протяжении этой серии мы делились исследованием из нашего 2026 Customer Service Transformation Report и рассматривали, как передовые команды трансформируют свой клиентский сервис с помощью AI.

This final article is our story of transformation and how we have achieved a mature deployment of Fin.

Эта заключительная статья — наша собственная история трансформации и то, как мы пришли к зрелому развёртыванию Fin.

The problems we set out to solve

Проблемы, которые мы хотели решить

In 2022, our challenges looked familiar to any modern support organization:

В 2022 году наши вызовы выглядели знакомо любой современной организации поддержки:

Мы столкнулись с ростом спроса на поддержку со стороны новых и существующих клиентов: Intercom быстро выпускал крупные функции и изменения, что увеличивало общий объём клиентских разговоров и требовало дополнительного штата для команды CS. Наша политика поддержки (определённая через service level objectives) не задавала высокую планку: в большинстве случаев мы обязывались поддерживать клиентов только «в рабочие часы», что влияло на время первого ответа. Даже с такими SLO, которые не считались лучшими в индустрии, мы с трудом выполняли свои обязательства. Мы хотели делать больше: по мере смены стратегии мы хотели открыть новые маршруты к нашей команде поддержки — например, помогать посетителям сайта с техническими вопросами и пробным клиентам.

What we did

Что мы сделали

We made a very conscious decision to become our own best reference customer. As Intercom embraced the opportunity that generative AI presented to transform customer service, we intentionally moved to an AI-first strategy for our Customer Support team.

Мы приняли вполне осознанное решение стать собственным лучшим референсным клиентом. Когда Intercom воспользовался возможностью, которую открыл генеративный AI для трансформации клиентского сервиса, мы намеренно перешли на AI-first стратегию для нашей команды Customer Support.

We started with the highest-volume, informational queries and saw our resolution rates climb quickly. With that foundation in place, we pushed Fin further, training it on deeper documentation and internal procedures, and eventually giving it the ability to take actions on behalf of customers. As Fin took on more complex work, our results started to compound.

Мы начали с самых объёмных, информационных запросов и быстро увидели, как растёт уровень их разрешения. Заложив этот фундамент, мы продвинули Fin дальше: обучили его на более глубокой документации и внутренних процедурах, а затем дали ему возможность совершать действия от имени клиентов. По мере того как Fin брал на себя более сложную работу, наши результаты начали накапливаться.

The key focus areas were:

Ключевые направления работы были такими:

1. Early adoption and building trust

1. Раннее внедрение и формирование доверия

When “AI Assist” features came to the Intercom Inbox, the CS team got early exposure to AI and were empowered to provide feedback directly to our product teams. This built awareness and trust across the team about what we were trying to achieve with AI, and helped shape the product roadmap.

Когда в Intercom Inbox появились функции «AI Assist», команда CS получила ранний доступ к AI и возможность давать обратную связь напрямую нашим продуктовым командам. Это сформировало у команды понимание и доверие к тому, чего мы пытались добиться с AI, и помогло сформировать продуктовый roadmap.

Our CS team was also the first beta customer for Fin. We started by rolling it out to a subset of customers to assess the impact on the customer experience carefully. With no adverse reaction and an initial resolution rate of over 25%, we made the decision to deploy Fin to most of our customer segments within a matter of weeks.

Наша команда CS также стала первым бета-клиентом Fin. Мы начали с раскатки на часть клиентов, чтобы аккуратно оценить влияние на клиентский опыт. Не получив негативной реакции и достигнув начального уровня разрешения более 25%, мы приняли решение развернуть Fin для большинства наших клиентских сегментов в течение нескольких недель.

2. Knowledge management

2. Управление знаниями

It was recognized quickly that time and effort spent tuning our help center and other knowledge assets for Fin would pay dividends. We transitioned our Help Center Manager into a new role of “Knowledge Manager,” with a dedicated remit to optimize content for Fin.

Быстро стало понятно, что время и усилия, потраченные на тюнинг нашего хелп-центра и других информационных активов под Fin, окупятся сторицей. Мы перевели нашего Help Center Manager на новую позицию «Knowledge Manager» с выделенной задачей оптимизировать контент под Fin.

We also embedded knowledge creation into our “New Product Introduction” (NPI) process, setting a target that Fin would be able to resolve at least 50% of customer issues at every new product and feature launch. Over time, we introduced new knowledge sources to Fin, including our “Developer Documents,” to help it handle increasingly complex issues.

Мы также встроили создание знаний в наш процесс «New Product Introduction» (NPI), задав цель: Fin должен быть способен закрыть не менее 50% клиентских обращений при каждом запуске нового продукта или функции. Со временем мы подключили к Fin новые источники знаний, включая нашу «Developer Documents», чтобы он мог справляться со всё более сложными вопросами.

We also built a culture of continuous improvement across the team, encouraging support teammates to identify content gaps and improvements that would further enhance Fin’s ability to answer questions. We continue to allocate dedicated “out of the inbox” time for this work.

Мы также выстроили в команде культуру непрерывного улучшения, поощряя сотрудников поддержки находить пробелы в контенте и предлагать улучшения, которые ещё больше расширяли бы возможности Fin отвечать на вопросы. Мы по-прежнему выделяем сотрудникам специальное «вне инбокса» время на эту работу.

3. Conversation design

3. Дизайн диалогов

To ensure a consistent, high-quality customer experience as we introduced Fin into the customer journey, we established a brand new role of “Conversation Designer.” This role considers the end-to-end customer journey – not just with Fin, but also what customers experience when conversations are handed over to a human. It’s focused on removing friction and making the experience seamless across channels.

Чтобы обеспечить стабильный, качественный клиентский опыт по мере встраивания Fin в путь клиента, мы создали совершенно новую роль «Conversation Designer». Эта роль рассматривает сквозной путь клиента — не только взаимодействие с Fin, но и то, что происходит, когда диалог передаётся человеку. Её фокус — устранять трение и делать опыт бесшовным между каналами.

The conversation design role has been central to optimizing the customer experience as we have driven Fin’s resolution rate higher. We used Intercom’s Workflows to introduce “skills-based routing,” ensuring that when a customer asks to speak to a human, the conversation is quickly passed to a team member with the relevant skills to resolve it. This is now handled by Fin directly using a feature called “Attributes.”

Роль conversation designer стала центральной в оптимизации клиентского опыта по мере того, как мы поднимали показатель разрешения у Fin. Мы использовали Intercom Workflows, чтобы внедрить «skills-based routing»: когда клиент просит поговорить с человеком, диалог быстро передаётся сотруднику с нужными навыками для его решения. Теперь это напрямую делает сам Fin с помощью функции «Attributes».

4. Organization changes

4. Изменения в организации

As we scaled our use of Fin, we needed to rethink the structure of the team itself. We established a dedicated AI Support team under a senior CS leader, focused on continuously optimizing Fin and defining our AI adoption strategy for other parts of the customer journey.

По мере того как мы масштабировали использование Fin, нам потребовалось переосмыслить структуру самой команды. Мы создали отдельную команду AI Support под руководством старшего лидера CS, сфокусированную на непрерывной оптимизации Fin и определении нашей стратегии внедрения AI в других точках клиентского пути.

We restructured our human support roles into two new job families (“Technical Support Specialist” and “Technical Support Engineer”) to better reflect the increasingly complex work coming through to the team. And we expanded our Support Operations team to include a focus on optimization, with a goal of using AI to better support Enablement, Workforce Management, QA, Process Management, and Data Insights.

Мы реструктурировали наши роли «человеческой» поддержки в две новые группы должностей («Technical Support Specialist» и «Technical Support Engineer»), чтобы лучше отражать всё более сложную работу, поступающую в команду. И мы расширили команду Support Operations, добавив фокус на оптимизацию, с целью использовать AI для лучшей поддержки Enablement, Workforce Management, QA, управления процессами и Data Insights.

Alongside these structural changes, we reset expectations about the balance of time spent directly supporting customers versus improving AI. That shift in mindset was as important as any of the structural changes we made.

Параллельно со структурными изменениями мы пересмотрели ожидания о балансе времени, уделяемого прямой поддержке клиентов и улучшению AI. Этот сдвиг в мышлении оказался не менее важным, чем любые структурные изменения, которые мы провели.

5. Pushing Fin further

5. Развитие возможностей Fin

As new capabilities came on stream, we were early adopters:

По мере появления новых возможностей мы становились их ранними пользователями:

Fin Guidance: множественные правила Guidance обеспечивают дополнительный контроль и более персонализированный, целевой опыт для клиентов. Fin Tasks и Procedures: позволяют Fin выполнять такие активности, как информирование клиентов о статусе инцидентов и глубокое разрешение технических проблем. Insights: AI-дашборды дают глубокое понимание производительности Fin и предлагают рекомендации для дальнейшей оптимизации. Insights также формирует Customer Experience (CX) Score для каждого взаимодействия с клиентом, что позволяет точнее направлять усилия по улучшению и открывает новые способы замкнуть петлю обратной связи с клиентами, которые получили негативный опыт.

What we achieved

Чего мы добились

What started as a concentrated effort to improve our customer support experience has turned into the strongest case study for what Fin can achieve when it is fully embraced by an organization.

То, что начиналось как сосредоточенные усилия по улучшению нашего опыта клиентской поддержки, превратилось в самый сильный кейс того, чего может достичь Fin, когда организация принимает его в полной мере.

Fin now resolves over 81% of all our customer support volume, and has allowed us to absorb a 300%+ increase in demand without proportional headcount growth. Over 90% of our customers now benefit from improved first response performance, 24/7 coverage, and outbound phone support.

Fin теперь закрывает более 81% всего объёма наших обращений в поддержку и позволил нам выдержать рост спроса более чем на 300% без пропорционального увеличения штата. Более 90% наших клиентов сейчас получают улучшенное время первого ответа, круглосуточное покрытие и исходящую телефонную поддержку.

What the numbers don’t fully capture is what Fin’s involvement has made possible for the team. With volume absorbed by Fin, our CS team has pivoted to consultative support activities – working with customers on their next best actions, deepening their use of Intercom, and contributing directly to retention and expansion. Customers that receive these consultative engagements adopt Fin at a much deeper level and achieve greater support success.

Чего цифры не передают полностью — так это того, что подключение Fin сделало возможным для команды. С учётом того, что объём поглощает Fin, наша команда CS переключилась на консультативную поддержку: работает с клиентами над их next best actions, углубляет использование Intercom и напрямую вносит вклад в удержание и расширение. Клиенты, получающие эти консультативные взаимодействия, гораздо глубже внедряют Fin и добиваются большего успеха в поддержке.

What was once a reactive, volume-driven team is now a function that generates significant revenue.

То, что когда-то было реактивной командой, движимой объёмом, теперь превратилось в функцию, которая приносит значительный доход.

What’s next

Что дальше

Customer expectations are constantly increasing, and it is important that we do not stand still. We are building on the progress we have made by embracing the Fin Flywheel – an actionable framework for Fin’s ongoing improvement and optimization.

Ожидания клиентов постоянно растут, и для нас важно не стоять на месте. Мы развиваем достигнутый прогресс, опираясь на Fin Flywheel — практический фреймворк для непрерывного улучшения и оптимизации Fin.

The Fin Flywheel has four stages:

У Fin Flywheel четыре стадии:

Train: научить Fin решать даже самые сложные запросы с помощью Procedures, знаний и политик. Test: прогнать полностью симулированные клиентские диалоги от начала до конца, чтобы увидеть, как Fin поведёт себя ещё до запуска. Deploy: запустить Fin во всех каналах — голос, e-mail, чат и соцсети — для единообразной поддержки везде, где клиент к нам обращается. Analyze: использовать AI-powered Insights для анализа и улучшения производительности Fin и обеспечения лучшего клиентского опыта.

We are also investing in our support teammates so they can adjust to the new world of AI – taking on more complex work and being valued for the subject matter expertise, consultative engagement, and empathy they bring to the role.

Мы также инвестируем в сотрудников поддержки, чтобы они могли адаптироваться к новому миру AI — браться за более сложную работу и быть ценимыми за экспертизу в предметной области, консультативное взаимодействие и эмпатию, которые они привносят в роль.

We will continue to develop and share best practices for deploying an Agent, based on our own experience with Fin and the lessons learned from our most forward-looking customers. These are captured and continually evolving in The Agent Blueprint.

Мы продолжим разрабатывать и делиться лучшими практиками развёртывания Агента, основываясь на нашем собственном опыте с Fin и уроках, извлечённых из работы с самыми передовыми клиентами. Они зафиксированы и постоянно обновляются в The Agent Blueprint.

Transformation takes commitment

Трансформация требует приверженности

What we’ve described here is our own experience, but across this series we’ve seen the same patterns emerge in teams that are genuinely transforming with AI.

То, что мы описали здесь, — наш собственный опыт, но на протяжении всей серии мы видели одни и те же закономерности у команд, которые по-настоящему трансформируются с помощью AI.

The ones achieving the most aren’t treating AI as a tool bolted onto existing processes, they’re rebuilding how support works around it, investing in knowledge and people alongside technology, and treating it as a continuous discipline rather than a one-time deployment.

Те, кто достигает большего, не относятся к AI как к инструменту, прикрученному поверх существующих процессов: они перестраивают вокруг него саму работу поддержки, инвестируют в знания и людей наравне с технологией и относятся к этому как к непрерывной дисциплине, а не к одноразовому развёртыванию.

That’s the real change that’s required. And for support teams willing to make it, there’s a very real opportunity to redefine what customer service is capable of delivering.

Вот настоящая перемена, которая требуется. И для команд поддержки, готовых её совершить, есть вполне реальная возможность переопределить то, на что способен клиентский сервис.

You can find the full series here on our blog, or subscribe on LinkedIn to see it on your feed.

Всю серию вы можете найти у нас в блоге или подписаться в LinkedIn, чтобы видеть её в ленте.