Transformation in action: Why AI deployment depth makes the difference

It’s clear that AI adoption is widespread. More and more businesses are using and investing in the technology.

Очевидно, что внедрение ИИ носит массовый характер. Всё больше компаний используют эту технологию и инвестируют в неё.

However, in our latest Customer Service Transformation Report, it emerged that this usage is not equal. There’s a deployment gap opening up between teams that are just scratching the surface with AI and those that are going deep with it. In other words, it’s becoming clear that launching AI is easy, but transforming with it is not.

Однако в нашем последнем Customer Service Transformation Report выяснилось, что это использование неравномерно. Между командами, которые лишь поверхностно касаются ИИ, и теми, кто погружается в него глубоко, образуется разрыв по глубине внедрения. Иными словами, становится ясно: запустить ИИ легко, а вот трансформироваться с его помощью — нет.

So, how do you transform with AI? Over the next five weeks, we’ll dig into the key findings from the report to identify what leading teams are doing differently. We’ll show you how to make the most of the opportunity that’s on the table and close the gap before it gets too wide.

Итак, как же трансформироваться с помощью ИИ? В течение следующих пяти недель мы будем разбирать ключевые выводы отчёта, чтобы понять, что ведущие команды делают иначе. Мы покажем вам, как максимально использовать открывающуюся возможность и закрыть разрыв, пока он не стал слишком большим.

This is part one of our five-part deep dive into our new research: “The 2026 Customer Service Transformation Report.” We’ll be sharing all five editions on our blog and on LinkedIn.

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

Это первая из пяти частей нашего подробного разбора нового исследования: «The 2026 Customer Service Transformation Report». Мы будем публиковать все пять выпусков в нашем блоге и в LinkedIn. Если хотите сразу перейти к отчёту, скачайте его здесь.

AI adoption is the norm, depth makes the difference

Внедрение ИИ — это норма, разницу делает глубина

We surveyed 2,470 global support professionals across a range of industries to understand how teams are currently using AI for customer service, their challenges and pain points, and the opportunities they’re going after in 2026.

Мы опросили 2 470 специалистов поддержки по всему миру из самых разных отраслей, чтобы понять, как команды сейчас используют ИИ в клиентском сервисе, с какими трудностями и болевыми точками сталкиваются и какие возможности рассчитывают реализовать в 2026 году.

Overall, we found that organizations have recognized the value of investing in AI for customer service. Eighty-two percent of senior leaders say their teams invested in AI in the past year and 87% say they plan to invest in 2026.

В целом мы обнаружили, что организации осознали ценность инвестиций в ИИ для клиентского сервиса. Восемьдесят два процента руководителей высшего звена говорят, что их команды инвестировали в ИИ за прошлый год, а 87% планируют инвестировать в 2026-м.

These initial investments are paying off. Over three-quarters of CS teams (77%) say AI is meeting or exceeding their expectations, delivering faster response and resolution times, always-on coverage, cost savings, increased capacity, and the ability to serve more customers around the globe with multilingual support.

Эти первоначальные инвестиции окупаются. Более трёх четвертей команд клиентского сервиса (77%) говорят, что ИИ оправдывает или превосходит их ожидания, обеспечивая более быстрое время ответа и решения вопросов, круглосуточную доступность, экономию затрат, рост пропускной способности и возможность обслуживать больше клиентов по всему миру благодаря многоязычной поддержке.

However, only 10% of organizations say they have reached a “mature” level of deployment, where AI is fully integrated into operations and working at scale.

Однако лишь 10% организаций говорят, что достигли «зрелого» уровня внедрения, при котором ИИ полностью интегрирован в операции и работает в масштабе.

That tells us that most teams are only scratching the surface of what’s possible and are leaving significant improvement opportunities on the table.

Это говорит нам о том, что большинство команд лишь поверхностно касаются того, что возможно, и упускают значительные возможности для улучшения.

The maturity difference shows up in the results

Разница в зрелости проявляется в результатах

Teams that have reached mature deployment report a more sophisticated use of the technology. They’ve put AI at the core of their service operation, integrating it into critical workflows, giving it more responsibility, and continuously improving it.

Команды, достигшие зрелого внедрения, сообщают о более продвинутом использовании технологии. Они поставили ИИ в центр своих сервисных операций, интегрировав его в критически важные рабочие процессы, доверив ему больше ответственности и непрерывно его совершенствуя.

Beyond automating the bulk of their manual work, they’re using AI to proactively engage with their customers and perform tasks on their behalf.

Помимо автоматизации основной массы ручной работы, они используют ИИ, чтобы проактивно взаимодействовать с клиентами и выполнять задачи от их имени.

This gap between basic adoption and deep integration helps explain the variance in outcomes. Of the teams that have reached mature deployment, 43% report higher quality and consistency across support – nearly double the rate of those still in the initial deployment stage.

Этот разрыв между базовым внедрением и глубокой интеграцией помогает объяснить различие в результатах. Среди команд, достигших зрелого внедрения, 43% сообщают о более высоком качестве и согласованности поддержки — почти вдвое больше, чем у тех, кто всё ещё находится на начальной стадии внедрения.

High-quality support is essential for transforming support from a cost center to a value driver. Great experiences don’t just get customers to stay, they encourage them to advocate. Great support becomes a reason to choose you and that’s what teams with mature deployment are building towards.

Высокое качество поддержки необходимо для того, чтобы превратить поддержку из центра затрат в источник ценности. Отличный опыт не просто удерживает клиентов — он побуждает их рекомендовать вас. Отличная поддержка становится причиной выбрать именно вас, и именно к этому стремятся команды со зрелым внедрением.

The more you trust your AI Agent with meaningful work, the more it creates the conditions for higher-quality, more consistent support.

Чем больше значимой работы вы доверяете своему AI Agent, тем больше он создаёт условия для более качественной и согласованной поддержки.

What mature deployment looks like in practice

Как зрелое внедрение выглядит на практике

One of my favorite examples of a team that’s seen results from committing to going deep with AI is Lightspeed.

Один из моих любимых примеров команды, добившейся результатов благодаря решительному погружению в ИИ, — это Lightspeed.

They’re a big organization with a complex product, operating across multiple regions and languages. When they adopted Fin in early 2023, they were handling tens of thousands of monthly support requests and they needed a solution that could scale with that complexity.

Это крупная организация со сложным продуктом, работающая в нескольких регионах и на нескольких языках. Когда в начале 2023 года они внедрили Fin, они обрабатывали десятки тысяч обращений в поддержку ежемесячно, и им нужно было решение, способное масштабироваться вместе с этой сложностью.

What stands out to me about their approach is how deliberately they handled the change management piece. They leveraged the Intercom Academy for foundational training, but also developed in-house training modules specifically tailored to their own processes and provided ongoing support for team members following launch.

Что выделяется для меня в их подходе — это то, насколько продуманно они отнеслись к управлению изменениями. Они использовали Intercom Academy для базового обучения, но также разработали внутренние обучающие модули, специально адаптированные под собственные процессы, и обеспечили постоянную поддержку сотрудников после запуска.

Critically, they also worked closely with their leadership team to ensure everyone was aligned on the goals and benefits of implementing AI. In a large, geographically dispersed team like theirs, that coordinated effort fostered a sense of ownership across the organization.

Что особенно важно, они также тесно работали со своей командой руководителей, чтобы все были согласованы относительно целей и преимуществ внедрения ИИ. В такой большой, географически распределённой команде, как у них, эти скоординированные усилия сформировали чувство сопричастности во всей организации.

Their VP of Information Systems, Yamine Gluchow, summed it up well: “It’s not magic. If you invest in understanding, adoption, and great content, AI performance takes off.”

Их VP по информационным системам, Yamine Gluchow, хорошо это подытожил: «Это не магия. Если вы инвестируете в понимание, освоение и отличный контент, производительность ИИ резко возрастает».

With this foundation in place, Lightspeed has gone on to achieve:

Заложив этот фундамент, Lightspeed сумела достичь следующего:

Уровень вовлечённости 88%. 72% разговоров Fin решены без участия человека. Более 43 000 обращений клиентов решаются Fin ежемесячно. Обслуживание на 12+ языках в 100+ странах. Стабильный CSAT — и даже улучшение на некоторых рынках.

And Fin is not just handling simple queries, it’s increasingly resolving complex, multi-step requests. Yamine shared one striking example: a merchant in France reached out with questions about their tax invoices. Normally, this would have required a lengthy phone call with an agent, checking the back-end data and explaining the rules step by step. Instead, Fin handled the entire interaction in French, providing an accurate explanation end-to-end, and earned a positive CSAT response.

И Fin не просто обрабатывает простые запросы — он всё чаще решает сложные, многошаговые обращения. Yamine поделился одним ярким примером: продавец из Франции обратился с вопросами о своих налоговых счетах-фактурах. Обычно это потребовало бы длительного телефонного разговора с агентом, проверки данных в бэкенде и пошагового объяснения правил. Вместо этого Fin провёл всё взаимодействие на французском, дал точное объяснение от начала до конца и заработал положительный отклик по CSAT.

By reaching mature deployment, Lightspeed could create a system to handle this intricacy and deliver a correct and efficient result for its customers. By going deep, it unlocked real value.

Достигнув зрелого внедрения, Lightspeed смогла создать систему, способную справляться с этой сложностью и выдавать клиентам корректный и эффективный результат. Погрузившись глубоко, компания раскрыла реальную ценность.

Building towards mature deployment

Путь к зрелому внедрению

Reaching maturity isn’t something that just happens. It requires deliberate investment – not just in the technology, but in a completely new way of working.

Достижение зрелости не происходит само собой. Оно требует осознанных инвестиций — не только в технологию, но и в совершенно новый способ работы.

Here’s where to focus your efforts:

Вот на чём стоит сосредоточить усилия:

Rethink how you approach support

Переосмыслите свой подход к поддержке

If you were building support from scratch today, you’d design around AI from day one. That’s the mindset shift required here. As Grant Lee, CEO of Gamma, puts it: “If you want to unlock the real value of AI, you have to design for it, not retrofit around it.”

Если бы вы создавали поддержку с нуля сегодня, вы бы проектировали её вокруг ИИ с первого дня. Именно такой сдвиг в мышлении здесь требуется. Как говорит Grant Lee, CEO Gamma: «Если вы хотите раскрыть реальную ценность ИИ, нужно проектировать под него, а не пристраивать его задним числом».

The teams that have scaled AI successfully treat it as infrastructure, not as a feature they’ve added on. It fundamentally changes the nature of support work, and you need to evolve your systems and ways of working around it.

Команды, успешно масштабировавшие ИИ, относятся к нему как к инфраструктуре, а не как к функции, которую они добавили. Он фундаментально меняет характер работы поддержки, и вам нужно развивать свои системы и способы работы вокруг него.

Secure executive sponsorship early

Заручитесь поддержкой руководства на раннем этапе

You can’t scale AI deployment without C-suite backing. AI reshapes how support works, how teams are structured, how performance is measured, and how cost and value flow through the organization.

Вы не сможете масштабировать внедрение ИИ без поддержки топ-менеджмента. ИИ перестраивает то, как работает поддержка, как устроены команды, как измеряется результативность и как затраты и ценность распределяются по организации.

That means aligning your CFO around ROI, your CCO around journey design, and your CEO around customer experience as a strategic advantage. Even if you’ve seen early wins, the bigger opportunity won’t materialize without leadership who understand that AI is infrastructure, not just a cost-saving tool.

Это означает согласование с вашим CFO по поводу ROI, с CCO — по поводу проектирования клиентского пути, а с CEO — по поводу клиентского опыта как стратегического преимущества. Даже если вы уже добились первых успехов, более крупная возможность не реализуется без руководителей, понимающих, что ИИ — это инфраструктура, а не просто инструмент экономии затрат.

Assign clear ownership for AI performance

Назначьте чёткую ответственность за работу ИИ

One of the most common reasons AI performance plateaus is that no one owns it. You need someone responsible for monitoring how your AI Agent performs, identifying where it’s struggling, and driving continuous improvement.

Одна из самых распространённых причин, по которым производительность ИИ выходит на плато, — это то, что за неё никто не отвечает. Вам нужен человек, отвечающий за мониторинг работы вашего AI Agent, выявление мест, где он испытывает трудности, и обеспечение непрерывного улучшения.

This often looks like an AI operations lead or a support ops specialist who:

Часто это выглядит как руководитель по AI-операциям или специалист по операциям поддержки, который:

Анализирует тренды по решению вопросов и паттерны передачи обращений человеку. Вносит точечные изменения в контент и конфигурацию. Координирует работу с другими командами по системным проблемам. Определяет приоритеты и сроки улучшений.

Without this role, feedback gets lost and performance stalls.

Без такой роли обратная связь теряется, а производительность буксует.

Treat your content as critical infrastructure

Относитесь к своему контенту как к критически важной инфраструктуре

Your AI Agent is only as good as the knowledge it can access. High-performing teams recognize that content is what determines whether AI can resolve queries or not.

Ваш AI Agent настолько хорош, насколько хороши знания, к которым у него есть доступ. Высокоэффективные команды понимают, что именно контент определяет, сможет ли ИИ решить запрос или нет.

This means:

Это означает:

Обеспечение охвата тем, которые должен обрабатывать ваш ИИ. Поддержание информации в точном и актуальном состоянии. Структурирование контента так, чтобы его было легко усваивать ИИ. Превращение поддержки контента в часть регулярного рабочего процесса, а не во второстепенную задачу.

Build a continuous improvement system

Постройте систему непрерывного улучшения

AI performance isn’t static. The most successful organizations create feedback loops that make improvement routine:

Производительность ИИ не статична. Самые успешные организации создают петли обратной связи, которые делают улучшение рутинной практикой:

Обучайте свой AI Agent, расширяя его знания, уточняя его поведение и подключая новые источники данных, чтобы он автономно справлялся с большим числом сценариев. Проверяйте изменения на реальных сценариях до того, как они дойдут до клиентов, чтобы выявлять проблемы на ранней стадии. Внедряйте обновления контролируемо — по конкретным каналам и сегментам клиентов. Используйте данные о производительности, чтобы выявлять закономерности, такие как частые передачи человеку или темы с низким уровнем решения, и определять, что улучшать дальше.

At Intercom, we use a framework called the Fin Flywheel (Train → Test → Deploy → Analyze) to systematize this, but the key principle is universal: create a repeatable process that turns performance data into action.

В Intercom мы используем фреймворк под названием Fin Flywheel (Train → Test → Deploy → Analyze), чтобы систематизировать это, но ключевой принцип универсален: создайте повторяемый процесс, превращающий данные о производительности в действия.

Lead the charge

Возглавьте движение

The 2026 Customer Service Transformation Report clearly demonstrates the widespread investment in AI for customer service. This adoption is great to see, and it opens the door to something bigger. The opportunity ahead is for teams to move from initial wins to complete transformation – and the teams investing in that shift are already seeing the difference.

The 2026 Customer Service Transformation Report наглядно демонстрирует повсеместные инвестиции в ИИ для клиентского сервиса. Это внедрение приятно видеть, и оно открывает дверь к чему-то большему. Возможность, которая впереди, — для команд перейти от первых успехов к полной трансформации, и команды, инвестирующие в этот сдвиг, уже видят разницу.

We’re in a defining moment for customer service, teams leaning in are leading the way and reaping the benefits. Next week, we’ll look at how these teams are measuring their success. Beyond simple cost savings, customer service teams in mature deployment are focused on clear return on investment and strategic impact, driving towards value-adding and revenue-generating work.

Мы находимся в определяющий момент для клиентского сервиса: команды, активно вовлекающиеся, задают темп и пожинают плоды. На следующей неделе мы рассмотрим, как эти команды измеряют свой успех. Помимо простой экономии затрат, команды клиентского сервиса со зрелым внедрением сосредоточены на чётком возврате инвестиций и стратегическом влиянии, двигаясь к работе, добавляющей ценность и приносящей доход.

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

Вы можете следить за еженедельной серией здесь, в нашем блоге, или подписаться в LinkedIn, чтобы видеть её в своей ленте.