2026 customer service planning series: Vol. 03
Это третья часть из пяти в серии Intercom о планировании клиентского сервиса на 2026 год. Главный тезис: ИИ проваливается не из-за плохой модели, а из-за отсутствия владельца процесса. В статье подробно разбираются четыре роли, делающие ИИ-поддержку работоспособной: AI operations lead (ежедневно отвечает за качество, надёжность, guardrails и отчётность), knowledge manager (строит и поддерживает структурированные знания — этих специалистов уже нанимают Rocket Money и Anthropic), conversation designer (проектирует тон, диалоговые потоки и плавные передачи человеку) и support automation specialist (создаёт бэкенд-действия и интеграции, чтобы ИИ совершал реальные операции безопасно и предсказуемо). Роли образуют единый операционный цикл, где каждое улучшение усиливает остальные. Начинать можно поэтапно — от назначения частичного владения до найма выделенных специалистов, когда ИИ обрабатывает 50–70% объёма обращений.
AI doesn’t fail because the model is bad, it fails because ownership is missing.
ИИ проваливается не потому, что модель плоха, а потому, что нет владельца процесса.
Once someone owns it, everything changes. Your resolution and automation rates climb, the system becomes self-improving, and your customer experience transforms.
Как только у процесса появляется владелец, всё меняется. Растут показатели решения обращений и автоматизации, система становится самоулучшающейся, а клиентский опыт преображается.
This is part three of our five-part series on customer service planning for 2026. We’ll be sharing all five editions on our blog and on LinkedIn.
If you’d rather have them emailed to you directly as they’re published, drop your details here.
Это третья часть из пяти в нашей серии о планировании клиентского сервиса на 2026 год. Мы будем публиковать все пять выпусков в нашем блоге и в LinkedIn. Если вы предпочитаете получать их прямо на почту по мере выхода, оставьте свои данные здесь.
Last week, we introduced the four roles that make AI actually work in a support organization. These roles are already showing up inside the teams who are scaling AI the fastest, and this week, we get closer to the ground.
На прошлой неделе мы представили четыре роли, которые заставляют ИИ реально работать в команде поддержки. Эти роли уже появляются в командах, которые быстрее всех масштабируют ИИ, а на этой неделе мы спускаемся ближе к практике.
Here’s what these roles look like in practice – what they do, how they work, and why your AI performance will inevitably drift without them.
Вот как эти роли выглядят на практике — что они делают, как работают и почему без них производительность вашего ИИ неизбежно будет деградировать.
1. AI operations lead
1. AI operations lead
Owns AI performance, every day
Ежедневно отвечает за производительность ИИ
Think of this as the new “air-traffic controller” for your AI Agent. The AI operations lead treats the AI as a living system that needs constant supervision, evaluation, and tuning to stay in shape. They’re responsible for what every leader ultimately cares about: quality, reliability, and ongoing improvement.
Представьте это как нового «авиадиспетчера» для вашего ИИ-агента. AI operations lead относится к ИИ как к живой системе, которой нужны постоянный контроль, оценка и настройка, чтобы оставаться в форме. Он отвечает за то, что в конечном счёте волнует любого руководителя: качество, надёжность и непрерывное улучшение.
They see the whole picture: conversation quality, missing knowledge, flawed assumptions, unexpected failures, new opportunities for automation, and the subtle signals that the system is beginning to drift.
Он видит всю картину: качество диалогов, недостающие знания, ошибочные допущения, неожиданные сбои, новые возможности для автоматизации и едва уловимые сигналы того, что система начинает деградировать.
What this role does day to day
Чем эта роль занимается изо дня в день
1. Reviews AI conversations and surfaces performance patterns
1. Анализирует диалоги ИИ и выявляет закономерности в производительности
The AI ops lead monitors patterns in the AI Agent’s behaviour – the shift in tone that creeps in after a product launch; the sudden dip in resolution for a specific intent; the clusters of conversations that reveal a new customer behavior. They watch the system the way an air-traffic controller watches a radar, scanning for anomalies, trends, and early warnings.
AI ops lead отслеживает закономерности в поведении ИИ-агента — изменение тона, которое прокрадывается после запуска продукта; внезапное падение решения обращений по конкретному запросу; кластеры диалогов, которые вскрывают новое поведение клиентов. Он наблюдает за системой так, как авиадиспетчер следит за радаром, выискивая аномалии, тренды и ранние предупреждения.
Their job is to understand what the AI is doing right now, not what it was doing last week. I often say that AI performance plateaus without intentional ownership, and you can see this play out in teams that don’t have someone in this seat. What starts as a 2% dip becomes a 10% drop within days.
Его задача — понимать, что ИИ делает прямо сейчас, а не что он делал на прошлой неделе. Я часто говорю, что производительность ИИ выходит на плато без осознанного владения процессом, и это хорошо видно в командах, где такого человека нет. То, что начинается как 2%-ное снижение, за считаные дни превращается в 10%-ный провал.
2. Prioritizes fixes and improvements
2. Приоритизирует исправления и улучшения
Once patterns emerge, they triage the required fixes like a product team handling bugs.
Когда закономерности проявляются, он сортирует необходимые исправления так же, как продуктовая команда разбирается с багами.
Недостающий или некорректный контент? Он направляет это knowledge manager. Проблемы с поведением? Он корректирует инструкции и guardrails. Проблемы с действиями или системами? Он работает в связке с automation specialist.
They create the connective tissue that turns individual fixes into compounding improvements.
Он создаёт связующую ткань, которая превращает отдельные исправления в накапливающиеся улучшения.
3. Defines and maintains AI guardrails
3. Определяет и поддерживает guardrails для ИИ
Leaders everywhere worry about AI doing things it shouldn’t. This role is the answer to that fear. The AI ops lead establishes the clarification logic, escalation rules, “never answer” policies, and safety boundaries that define what the AI can (and cannot) do. They protect customer trust by ensuring the AI always behaves within safe, predictable limits.
Руководители повсюду переживают, что ИИ сделает то, чего не должен. Эта роль — ответ на такой страх. AI ops lead выстраивает логику уточняющих вопросов, правила эскалации, политики «никогда не отвечать» и границы безопасности, которые определяют, что ИИ может (и не может) делать. Он защищает доверие клиентов, гарантируя, что ИИ всегда действует в безопасных, предсказуемых рамках.
4. Aligns reporting with leadership
4. Согласует отчётность с руководством
The AI ops lead also shares clear reporting on how the system is performing. They track resolution rate, CX Score, CSAT, automation coverage, and hours saved. They make the economic impact of AI visible, which is something our Blueprint research identified as an essential early step in every successful implementation.
AI ops lead также предоставляет понятную отчётность о том, как работает система. Он отслеживает долю решённых обращений, CX Score, CSAT, покрытие автоматизацией и сэкономленные часы. Он делает экономический эффект ИИ наглядным — а это, как показало наше исследование Blueprint, обязательный ранний шаг в каждом успешном внедрении.
Why this role exists now
Почему эта роль появляется именно сейчас
AI systems are dynamic and they require constant tuning. A small dip in quality can quickly become a big operational issue. And no existing role – not support ops, not QA, not frontline managers – naturally owns this work. Someone has to. When they do, teams feel the benefit almost immediately.
ИИ-системы динамичны, и им нужна постоянная настройка. Небольшое падение качества может быстро перерасти в крупную операционную проблему. И ни одна из существующих ролей — ни support ops, ни QA, ни менеджеры на передовой — естественным образом не берёт эту работу на себя. Кто-то должен. Когда это происходит, команды ощущают пользу практически сразу.
2. Knowledge manager
2. Knowledge manager
Builds and maintains the structured knowledge AI depends on
Создаёт и поддерживает структурированные знания, на которые опирается ИИ
So many leaders I’ve spoken to have said some version of the same thing: AI is only as good as the content you give it.
Очень многие руководители, с которыми я общался, говорили один и тот же тезис разными словами: ИИ настолько хорош, насколько хорош контент, который вы ему даёте.
The knowledge manager (or AI knowledge manager, as we call this role in Intercom) is responsible for that content. The role is quickly becoming more about knowledge strategy than just knowledge management – it has evolved into a blend of content designer, systems thinker, and information architect. Their job is to build and maintain the knowledge scaffolding that allows the AI to answer accurately, consistently, and safely.
Knowledge manager (или AI knowledge manager, как мы называем эту роль в Intercom) отвечает за этот контент. Роль стремительно превращается из простого управления знаниями в стратегию знаний — она эволюционировала в сплав контент-дизайнера, системного мыслителя и информационного архитектора. Его задача — строить и поддерживать каркас знаний, который позволяет ИИ отвечать точно, последовательно и безопасно.
What this role does day to day
Чем эта роль занимается изо дня в день
1. Writes, maintains, and improves support knowledge – continuously
1. Пишет, поддерживает и улучшает базу знаний поддержки — непрерывно
The knowledge manager updates articles after every product change, removes duplication, resolves contradictions, and eliminates the “knowledge debt” that silently erodes AI accuracy.
Knowledge manager обновляет статьи после каждого изменения продукта, устраняет дублирование, разрешает противоречия и ликвидирует «долг знаний», который незаметно подрывает точность ИИ.
This is daily upkeep, shaped by how the AI performs. When the AI flags gaps through patterns or errors, the knowledge manager addresses them directly.
Это ежедневная работа по поддержанию, формируемая тем, как работает ИИ. Когда ИИ через закономерности или ошибки выявляет пробелы, knowledge manager устраняет их напрямую.
The goal is to design knowledge so well that the AI always has what it needs.
Цель — спроектировать знания настолько хорошо, чтобы у ИИ всегда было всё необходимое.
2. Structures knowledge for AI, not for browsing
2. Структурирует знания для ИИ, а не для чтения людьми
Traditional help centers are built for humans skimming pages. AI needs something different: clean intent signals, crisp formatting, and clearly structured language. A knowledge manager spends as much time designing structure as they do writing content.
Традиционные справочные центры строятся для людей, бегло просматривающих страницы. ИИ нужно другое: чистые сигналы о намерениях, чёткое форматирование и ясно структурированный язык. Knowledge manager тратит на проектирование структуры столько же времени, сколько на написание контента.
3. Works hand-in-hand with AI ops
3. Работает рука об руку с AI ops
Performance issues often stem from missing, outdated, or unclear knowledge. When the AI ops lead uncovers a pattern – recurring misunderstandings, escalating confusion, low-resolution categories – the knowledge manager resolves the underlying cause at the source.
Проблемы с производительностью часто проистекают из недостающих, устаревших или нечётких знаний. Когда AI ops lead обнаруживает закономерность — повторяющиеся недопонимания, нарастающую путаницу, категории с низким уровнем решения — knowledge manager устраняет первопричину в самом источнике.
4. Ensures accuracy and compliance at scale
4. Обеспечивает точность и соответствие требованиям в масштабе
The knowledge manager ensures every piece of content is correct, current, and compliant with policy and regulatory language, which becomes especially important as AI handles more sensitive or high-risk scenarios.
Knowledge manager следит за тем, чтобы каждый фрагмент контента был корректным, актуальным и соответствовал политикам и нормативным формулировкам — это становится особенно важно по мере того, как ИИ берёт на себя более чувствительные или рискованные сценарии.
5. Develops a cross-functional knowledge strategy
5. Разрабатывает кросс-функциональную стратегию знаний
This role is critical to creating strong cross-functional alignment around the content that will fuel your AI Agent’s success. Think of it as establishing a canonical version of truth of how you talk about any product or feature that can be used by engineering, product marketing, and go-to-market teams, as well as being used by support (AI and human).
Эта роль критически важна для создания прочного кросс-функционального согласования вокруг контента, который обеспечит успех вашего ИИ-агента. Представьте это как создание канонической версии истины о том, как вы говорите о любом продукте или функции, — её могут использовать команды инженерии, продуктового маркетинга и go-to-market, а также поддержка (как ИИ, так и люди).
Why this role exists now
Почему эта роль появляется именно сейчас
This is one of the highest-leverage roles in an AI-powered support org. Teams like Rocket Money and Anthropic are hiring knowledge managers because AI accuracy depends on the quality of knowledge feeding it. Without this role, resolution rate caps out early and never climbs.
Это одна из самых высокорычажных ролей в ИИ-ориентированной команде поддержки. Такие команды, как Rocket Money и Anthropic, нанимают knowledge manager, потому что точность ИИ зависит от качества питающих его знаний. Без этой роли доля решённых обращений рано упирается в потолок и больше не растёт.
3. Conversation designer
3. Conversation designer
Designs how the AI speaks, clarifies, and interacts
Проектирует, как ИИ говорит, уточняет и взаимодействует
AI is no longer a tool customers “use.” It’s a representative they interact with. Tone, clarity, pacing, and conversational structure matter more than ever, especially in voice. Every word shapes how customers perceive expertise, trustworthiness, and brand. The conversation designer (or AI conversation designer, as we call this role in Intercom) ensures the AI feels human-friendly without pretending to be human, which is a balance that builds trust without misleading customers.
ИИ больше не инструмент, которым клиенты «пользуются». Это представитель, с которым они взаимодействуют. Тон, ясность, темп и структура диалога важны как никогда, особенно в голосовом канале. Каждое слово формирует то, как клиенты воспринимают экспертность, надёжность и бренд. Conversation designer (или AI conversation designer, как мы называем эту роль в Intercom) следит за тем, чтобы ИИ ощущался дружелюбным к человеку, не притворяясь при этом человеком, — это баланс, который выстраивает доверие, не вводя клиентов в заблуждение.
Our own support team learned this early: conversation design was one of the first roles we staffed when adopting Fin internally. It changed not only how we tuned AI, but how we understood the customer experience end to end.
Наша собственная команда поддержки усвоила это рано: conversation design была одной из первых ролей, которые мы укомплектовали при внедрении Fin внутри компании. Это изменило не только то, как мы настраивали ИИ, но и то, как мы понимали клиентский опыт от начала до конца.
What this role does day to day
Чем эта роль занимается изо дня в день
1. Shapes the AI’s tone, voice, and communication style
1. Формирует тон, голос и стиль общения ИИ
A conversation designer ensures the AI’s language is consistent, clear, and human-like enough to feel trustworthy. They refine phrasing, tune politeness levels, adjust how the AI handles confusion, rethink how instructions are delivered, and shape the micro-interactions that define whether a customer feels cared for or dismissed. On channels like voice, this becomes even more important because natural cadence directly influences the customer experience.
Conversation designer следит за тем, чтобы язык ИИ был последовательным, ясным и достаточно человечным, чтобы вызывать доверие. Он шлифует формулировки, настраивает уровень вежливости, корректирует то, как ИИ справляется с путаницей, переосмысляет подачу инструкций и формирует микровзаимодействия, которые определяют, чувствует ли клиент заботу или пренебрежение. В таких каналах, как голос, это становится ещё важнее, потому что естественность ритма напрямую влияет на клиентский опыт.
Their work directly improves resolution, trust, and customer satisfaction.
Его работа напрямую улучшает долю решённых обращений, доверие и удовлетворённость клиентов.
2. Designs flows for high-value conversations
2. Проектирует потоки для ценных диалогов
This role thinks deeply about the moves a conversation can make: how the AI clarifies intent, how it handles branching logic, how it communicates uncertainty, how it verifies information, when it escalates, how it hands off, and how it returns to the main thread without feeling mechanical. Conversation designer is one of the core roles that really treats customer experience as a product – they design the logic behind conversations in the same way a UX designer shapes product flows, but with language rather than screens.
Эта роль глубоко продумывает, какие ходы может совершать диалог: как ИИ уточняет намерение, как обрабатывает ветвящуюся логику, как сообщает о неопределённости, как проверяет информацию, когда эскалирует, как передаёт обращение и как возвращается к основной нити так, чтобы это не выглядело механически. Conversation designer — одна из ключевых ролей, которая действительно относится к клиентскому опыту как к продукту: они проектируют логику диалогов так же, как UX-дизайнер формирует продуктовые потоки, но с помощью языка, а не экранов.
3. Translates procedures and complex workflows into natural language and logic
3. Переводит процедуры и сложные рабочие процессы в естественный язык и логику
As AI gains the ability to run structured procedures and actions, this role evolves into a kind of conversational system architect. They translate operational SOPs into natural-language instructions enriched with conditional logic, exceptions, fallback steps, and edge-case handling. This is where conversation design intersects with systems thinking; they ensure the AI can follow multi-step flows without creating confusion or risk.
По мере того как ИИ обретает способность выполнять структурированные процедуры и действия, эта роль эволюционирует в своего рода архитектора диалоговых систем. Они переводят операционные SOP в инструкции на естественном языке, обогащённые условной логикой, исключениями, запасными шагами и обработкой граничных случаев. Здесь conversation design пересекается с системным мышлением: они следят за тем, чтобы ИИ мог проходить многошаговые потоки, не создавая путаницы или риска.
They also repeatedly test these conversations. For example, in Intercom, our conversation designer uses Simulations to run simulated conversations to see where the AI Agent gets confused, over-confident, or awkward, and refine flows until the interaction feels effortless end-to-end.
Они также многократно тестируют эти диалоги. Например, в Intercom наш conversation designer использует Simulations, чтобы прогонять смоделированные диалоги и видеть, где ИИ-агент путается, излишне самоуверен или неуклюж, и дорабатывает потоки до тех пор, пока взаимодействие не станет безупречным от начала до конца.
4. Ensures transitions to humans feel smooth and respectful
4. Делает передачу обращений человеку плавной и уважительной
A conversation designer builds handoff sequences that feel seamless, providing the human agent with clear context, framing the situation with clarity, and maintaining continuity so the customer never feels dropped. These transitions carry significant emotional weight, and they must feel deliberate, not improvised.
Conversation designer выстраивает последовательности передачи, которые ощущаются бесшовными: предоставляет агенту-человеку чёткий контекст, ясно обрисовывает ситуацию и сохраняет непрерывность, чтобы клиент никогда не чувствовал себя брошенным. Эти переходы несут значительный эмоциональный вес и должны ощущаться продуманными, а не импровизированными.
They act as the customer’s advocate, noticing where a flow feels confusing or heavy, and redesigning it so customers never need to think about “how” to get help.
Они выступают адвокатом клиента, замечая, где поток ощущается запутанным или тяжёлым, и перепроектируя его так, чтобы клиентам никогда не приходилось думать о том, «как» получить помощь.
Why this role exists now
Почему эта роль появляется именно сейчас
When AI is the primary interface your customers interact with, conversation design becomes a critical part of the customer experience. The way the AI speaks directly influences customer trust, brand perception, and operational outcomes. It’s a core competency for any AI-first support organization.
Когда ИИ — основной интерфейс, с которым взаимодействуют ваши клиенты, conversation design становится критически важной частью клиентского опыта. То, как говорит ИИ, напрямую влияет на доверие клиентов, восприятие бренда и операционные результаты. Это базовая компетенция для любой ИИ-ориентированной команды поддержки.
4. Support automation specialist
4. Support automation specialist
Builds the backend actions that allow AI to do real work
Создаёт бэкенд-действия, позволяющие ИИ выполнять реальную работу
Where the conversation designer shapes the AI’s expression, the support automation specialist shapes its capability. This role turns AI from an answering machine into an outcome engine. They’re the bridge between the AI and the systems it must interact with, ensuring it can take action safely, reliably, and deterministically.
Если conversation designer формирует то, как ИИ выражается, то support automation specialist формирует его возможности. Эта роль превращает ИИ из автоответчика в движок результатов. Они — мост между ИИ и системами, с которыми ему нужно взаимодействовать, гарантируя, что он может совершать действия безопасно, надёжно и детерминированно.
Support teams increasingly expect AI to do what a human would do: refund a charge, adjust a subscription, verify an identity, update an account setting, or pull relevant data. That requires a new technical role at the edge of support, ops, and engineering.
Команды поддержки всё чаще ожидают, что ИИ будет делать то, что сделал бы человек: вернуть деньги по платежу, изменить подписку, подтвердить личность, обновить настройку аккаунта или подтянуть нужные данные. Это требует новой технической роли на стыке поддержки, операций и инженерии.
What this role does day to day
Чем эта роль занимается изо дня в день
1. Creates and maintains backend workflows the AI executes
1. Создаёт и поддерживает бэкенд-процессы, которые выполняет ИИ
This includes building and maintaining:
Сюда входит создание и поддержка:
Fin Tasks. Fin Procedures со встроенными шагами. Action flows, которые вызывают внутренние и внешние API. Автоматизации, охватывающие биллинговые системы, слои идентификации пользователей, объекты CRM, права по подпискам, инструменты возвратов и многое другое.
They ensure the AI can act compliantly and predictably. In practice, they write the playbooks that turn intent into action.
Они следят за тем, чтобы ИИ действовал в соответствии с политиками и предсказуемо. На практике они пишут плейбуки, которые превращают намерение в действие.
2. Owns the integrations required for advanced automation
2. Отвечает за интеграции, необходимые для продвинутой автоматизации
Many customer problems require data that lives elsewhere – billing platforms, internal databases, account systems of record. The automation specialist ensures the AI can retrieve, validate, and use that information safely. They create the interfaces that let the AI take the next step without asking a human to intervene.
Многие проблемы клиентов требуют данных, которые лежат где-то ещё, — биллинговые платформы, внутренние базы данных, системы учёта аккаунтов. Automation specialist следит за тем, чтобы ИИ мог безопасно извлекать, проверять и использовать эту информацию. Они создают интерфейсы, которые позволяют ИИ сделать следующий шаг, не прося человека вмешаться.
3. Partners closely with product and engineering
3. Тесно сотрудничает с продуктом и инженерией
Not every system is ready for AI-driven action. Some workflows require new endpoints, permission layers, safety gates, or deterministic fallbacks. This role works cross-functionally to get those changes built and deployed, ensuring the AI can operate safely across the full stack of internal tools.
Не каждая система готова к действиям, управляемым ИИ. Некоторым процессам нужны новые эндпоинты, слои прав доступа, защитные шлюзы или детерминированные запасные варианты. Эта роль работает кросс-функционально, чтобы такие изменения были построены и развёрнуты, гарантируя, что ИИ может безопасно работать со всем стеком внутренних инструментов.
4. Ensures reliability and safety at every step
4. Обеспечивает надёжность и безопасность на каждом шаге
When the AI takes real action, the automation specialist needs to implement guardrails, validation logic, exception handling, and safe execution paths.
Когда ИИ совершает реальное действие, automation specialist должен внедрить guardrails, логику валидации, обработку исключений и безопасные пути исполнения.
They confirm that:
Они подтверждают, что:
У ИИ есть доступ к правильным данным. Действие соответствует политике. Граничные случаи учтены. Рискованные потоки имеют детерминированные ограничения. Каждое действие поддаётся аудиту и обратимо.
This is how the system maintains both trust and operational integrity.
Именно так система сохраняет и доверие, и операционную целостность.
Why this role exists now
Почему эта роль появляется именно сейчас
Customers don’t want answers, they want outcomes.
Клиентам нужны не ответы, а результаты.
AI can now deliver those outcomes, but only with the right backend scaffolding. This role is how support teams modernize their operational architecture and unlock end-to-end automation.
ИИ теперь способен давать эти результаты, но только при правильном бэкенд-каркасе. Эта роль — то, как команды поддержки модернизируют свою операционную архитектуру и раскрывают сквозную автоматизацию.
How these roles work together: The new operating loop
Как эти роли работают вместе: новый операционный цикл
These roles don’t operate as silos. They are interdependent parts of the same system.
Эти роли не работают изолированно. Они — взаимозависимые части одной системы.
AI ops lead выявляет закономерности и пробелы в производительности. Knowledge manager устраняет неточности или недостающий контент. Conversation designer улучшает ясность, тон и поток. Automation specialist расширяет способность системы совершать действия.
Each role feeds the others, and each improvement compounds the next.
Каждая роль питает остальные, и каждое улучшение усиливает следующее.
This loop is how teams move from early automation, to meaningful coverage, to truly transformational resolution rates through continuous refinement.
Этот цикл — то, как команды переходят от ранней автоматизации к значимому покрытию и к по-настоящему трансформационным показателям решения обращений через непрерывную доработку.
This loop is the differentiator between teams that plateau early and teams that scale AI into a reliable, high-performing system.
Этот цикл — то, что отличает команды, рано выходящие на плато, от команд, которые масштабируют ИИ в надёжную, высокопроизводительную систему.
How to get started (even if you can’t hire all four roles today)
Как начать (даже если вы не можете нанять все четыре роли уже сегодня)
Most teams don’t start out with a fully built version of this model. They phase into it gradually, assigning partial ownership first, then formalizing responsibilities, and finally hiring specialists once AI is handling enough volume to justify dedicated roles.
Большинство команд не начинают с полностью выстроенной версии этой модели. Они входят в неё постепенно: сначала назначают частичное владение, затем формализуют обязанности и, наконец, нанимают специалистов, когда ИИ обрабатывает достаточный объём, чтобы оправдать выделенные роли.
Phase 1: Assign ownership
Этап 1: Назначьте владельца
Give each role’s core responsibilities to someone who can devote five to 10 hours weekly. Support ops, enablement, senior ICs, and technically inclined team members often take on this work in the early months.
Передайте ключевые обязанности каждой роли тому, кто может уделять им от пяти до 10 часов в неделю. Support ops, enablement, старшие специалисты и технически подкованные члены команды часто берут эту работу на себя в первые месяцы.
Phase 2: Formalize the responsibilities
Этап 2: Формализуйте обязанности
As AI resolves more queries, the need for maintaining and optimizing the system grows. What begins as “a few hours a week” quickly becomes core operational work – and needs to be recognized as such. Teams that formalize responsibilities avoid performance drift and knowledge debt.
По мере того как ИИ решает всё больше запросов, растёт потребность в поддержании и оптимизации системы. То, что начинается как «несколько часов в неделю», быстро становится ключевой операционной работой — и это нужно признать. Команды, которые формализуют обязанности, избегают деградации производительности и долга знаний.
Phase 3: Specialize and hire
Этап 3: Специализируйтесь и нанимайте
Once the AI is handling 50–70% of incoming volume, these responsibilities naturally become full-time roles. At that point, investing in specialization is essential infrastructure for the next stage of scale.
Как только ИИ обрабатывает 50–70% входящего объёма, эти обязанности естественным образом превращаются в полноценные роли. На этом этапе инвестиции в специализацию — это необходимая инфраструктура для следующей стадии масштабирования.
The bottom line
Итог
AI changes the shape of your support team.
ИИ меняет форму вашей команды поддержки.
These four roles – AI operations lead, knowledge manager, conversation designer, and support automation specialist – form the backbone of the AI-first support organization. They bring order to the system, create stability in a constantly changing environment, and enable AI to deliver the outcomes leaders (and customers) expect heading into 2026.
Эти четыре роли — AI operations lead, knowledge manager, conversation designer и support automation specialist — образуют костяк ИИ-ориентированной команды поддержки. Они вносят порядок в систему, создают стабильность в постоянно меняющейся среде и позволяют ИИ давать результаты, которых ожидают руководители (и клиенты) на пороге 2026 года.
Next week, we’ll continue the 2026 planning series with a deep dive into org design models for AI-first support teams – how to structure people, workflows, and accountability in a world where AI resolves most conversations before a human ever sees them.
На следующей неделе мы продолжим серию о планировании 2026 года, погрузившись в модели организационного дизайна для ИИ-ориентированных команд поддержки — как структурировать людей, процессы и зоны ответственности в мире, где ИИ решает большинство обращений ещё до того, как их увидит человек.