2026 customer service planning series: Vol. 02

Когда AI Agents решают большинство клиентских обращений, структура вашей команды поддержки неизбежно меняется.

Это вторая из пяти частей нашей серии о планировании клиентского сервиса на 2026 год. Все пять выпусков мы будем публиковать в нашем блоге и в LinkedIn. Если вам удобнее получать их прямо на почту по мере выхода, оставьте свои данные здесь.

Прежняя многоуровневая модель, построенная вокруг управления очередью, передач обращений и продуктивности по объёму, больше не подходит. ИИ теперь обрабатывает основную массу клиентских взаимодействий, и это полностью меняет роль вашей человеческой команды.

Меняются обязанности, и успех измеряется иначе. Речь идёт не просто о добавлении автоматизации к существующим способам работы. Вы выстраиваете совершенно новую операционную модель.

С чего начать: роли, которые раскрывают потенциал ИИ

Большинство команд не нанимают отдельную ИИ-функцию с первого дня. Они начинают с того, что распределяют несколько критически важных обязанностей между существующими сотрудниками, и формализуют эти обязанности по мере того, как ИИ становится центральным элементом работы поддержки.

Когда у вас есть поддержка руководства и чёткая стратегия, вот четыре базовые роли, которые, по нашему мнению, ключевы для того, чтобы запустить ИИ по-настоящему осмысленно:

1. AI operations lead

Обязанности: Отвечает за повседневную работу ИИ. Отслеживает качество. Настраивает поведение. Приоритизирует исправления. Двигает итерации. Навыки/бэкграунд: Часто вырастает из support ops. Глубокое понимание процессов, систем и инструментов. Сильные аналитические навыки и умение координировать работу между командами. Зачем это нужно: Без чёткой ответственности качество начинает «плыть». Эта роль обеспечивает постоянное улучшение AI Agent.

2. Knowledge manager

Обязанности: Отвечает за макросы, сниппеты и справочный контент. Поддерживает структурированные и точные данные, на которые опирается AI Agent. Навыки/бэкграунд: Часто вырастает из support ops. Глубокое понимание процессов, систем и инструментов. Сильные аналитические навыки и умение координировать работу между командами. Зачем это нужно: Без чёткой ответственности качество начинает «плыть». Эта роль обеспечивает постоянное улучшение AI Agent.

3. Conversation designer

Обязанности: Проектирует то, как AI Agent общается, фокусируясь на тоне голоса, структуре, логике передачи обращений и потоке взаимодействия. Настраивает то, как ощущаются ответы. Навыки/бэкграунд: Опыт в content design, UX writing или support enablement. Глубокое понимание политик, стандартов CX и нюансов диалога. Зачем это нужно: Эта роль обеспечивает, чтобы AI Agent говорил голосом вашего бренда — понятно, полезно и в соответствии с ожиданиями клиентов.

4. Support automation specialist

Обязанности: Создаёт рабочие процессы и бэкенд-действия, которые AI Agent может выполнять. Навыки/бэкграунд: Опыт в support engineering, системах или инструментах. Тесно работает с продуктовой и инженерной командами. Зачем это нужно: Позволяет AI Agent совершать действия, а не просто отвечать. Эта роль переводит намерения клиентов в действия в бизнес-системах.

Что происходит с остальными ролями?

Появление новых ролей с приоритетом на ИИ не означает, что ваши существующие функции исчезают. Но они должны эволюционировать. Чтобы ИИ масштабировался эффективно, каждая функция в вашей организации поддержки должна сместить фокус с управления активностью на уровне очереди на улучшение производительности системы:

Enablement обучает людей-агентов работать с AI Agent: управлять передачами обращений, настраивать ответы и понимать, как давать обратную связь, которая улучшает систему. QA переходит от проверки отдельных диалогов к оценке качества клиентского опыта и поведения AI Agent: где ИИ преуспевает, где не дотягивает и как работает система в целом. Workforce management планирует ёмкость исходя из покрытия автоматизацией, а не только из объёма входящих обращений.

Вам также понадобится новый тип лидерства, чтобы эта модель заработала. Традиционный руководитель поддержки плохо ложится на организацию с приоритетом на ИИ. Нужен новый слой: лидеры, которые отчасти стратеги, отчасти операционщики. Они засучивают рукава, чтобы анализировать работу AI Agent, дорабатывать контент и разбираться с передачами обращений, но при этом они и наставляют команду в новом способе работы.

Это «модель играющего тренера» (player-coach) — лидеры, которые активно формируют и систему, и людей внутри неё.

Эти лидеры воспринимают AI Agent как члена команды, которым нужно управлять, а не просто как инструмент, за которым нужно следить. Они не могут быть только руководителями людей или только системными мыслителями. Им нужно быть и тем, и другим — и именно они становятся критически важным наймом в поддержке прямо сейчас.

Некоторые команды перестраивают свои организации вокруг AI Agent как ключевого продукта, а не просто инструмента поддержки.

Вот несколько реальных примеров:

В Dotdigital была создана отдельная роль специалиста «Fin Ops» для доработки контента и улучшения работы ИИ. В Clay в составе ops-команды учредили отдельную роль GTM-инженера с фокусом на том, чтобы делать поддержку эффективнее при масштабировании с помощью Fin. Кроме того, функция support engineering была встроена напрямую в CX-организацию, чтобы помогать снижать объём обращений за счёт исправления багов и создания внутренних инструментов. Lightspeed создала отдельную команду Digital Engagement для управления оптимизацией Fin и формализовала треугольную модель, объединяющую технические команды, экспертов первой линии и специалистов по контенту.

Оргструктура нашей поддержки в Intercom

В Intercom наша команда поддержки теперь построена вокруг трёх опор: Human Support, AI Support и Support Operations and Optimization.

Каждая функция включает эволюционирующие роли и обязанности, но все они работают вместе как единая система — с чёткой зоной ответственности и общей подотчётностью за работу ИИ.

Собираем всё воедино

Когда AI Agents начинают обрабатывать большинство обращений, работа вашей команды смещается от «отвечать на вопросы» к «проектировать и улучшать систему, которая отвечает на вопросы». Они становятся силой, которая управляет качеством, а не той, что тащит объём.

Именно поэтому новые роли важны. Не потому, что они в тренде, а потому, что производительность вашей организации поддержки теперь зависит от производительности ИИ, а ни один AI Agent не добивается успеха без чёткой ответственности за контент, поведение, рабочие процессы и циклы улучшений.

Вот закономерность, которую мы видим, работая со множеством команд:

Они назначают ответственных рано. Они распределяют обязанности ещё до того, как формализуют их. Они выстраивают команды вокруг результатов ИИ, а не вокруг закрытых тикетов. И они нанимают лидеров, способных управлять и системой, и людьми.

Если вы вынесете из статьи этой недели одну мысль, пусть это будет вот что: если ИИ собирается обрабатывать большинство ваших клиентских обращений, ваша команда должна быть спроектирована так, чтобы помогать ему делать это хорошо.

Ваши роли, обязанности и подход к лидерству теперь являются частью архитектуры производительности ИИ.

На следующей неделе мы подробнее разберём, как эти роли работают на практике день за днём — рабочие процессы, обязанности, ритмы и модели взаимодействия, которые заставляют организацию поддержки с приоритетом на ИИ функционировать.

Чтобы следить за серией и получать каждый новый выпуск прямо на почту, оставьте свои данные здесь.