Архив ИТ и интернет-сервисы · Облака и ЦОД
Cloud.ru: ИИ-подсказки сократили время обработки обращения на 25 минут
По данным Cloud.ru, генеративные подсказки для инженеров технической поддержки сократили среднее время обработки обращения (AHT) на 25 минут и покрыли 62% входящего потока. С ИИ-инструментами дано 47% ответов клиентам.
/01 · ключевые результаты
-
результат
25 мин
сокращение среднего времени обработки обращения (AHT)
Cloud.ru, блог компании, 12.07.2025
по данным на июль 2025 года · техническая поддержка Cloud.ru
данные компании
-
масштаб
62%
доля входящего потока обращений, покрытая генеративными подсказками
Cloud.ru, блог компании, 12.07.2025
по данным на июль 2025 года · техническая поддержка Cloud.ru
данные компании
-
масштаб
47%
доля ответов клиентам, подготовленных с помощью генеративного ИИ
Cloud.ru, блог компании, 12.07.2025
по данным на июль 2025 года · техническая поддержка Cloud.ru
данные компании
- 17 пунктов рост NPS клиентов Cloud.ru за год · результат Cloud.ru, блог компании, 12.07.2025
- 10% доля запросов клиентов, на которые отвечает ИИ-агент · масштаб Cloud.ru, блог компании, 12.07.2025
- до 70% планируемая доля запросов, которые будет обрабатывать ИИ-агент · прогноз компании Cloud.ru, блог компании, 12.07.2025
оценка strategai
Если бы высвобожденное время сократило найм или оплату часов, эффект на EBITDA составил бы
5,3–20 млн ₽ в год.
Стоимость времени инженеров поддержки, которое сокращают генеративные подсказки.
Масштаб оценён по отраслевой статистике и допущениям: компания его не раскрывает.
Без учёта затрат на систему: источники их не раскрывают.
Как посчитано
Минуты обработки обращений, покрытых подсказками: сокращение 25 мин на обращение на долю потока 62%, в часах и по средней часовой ставке с затратами работодателя.
| Шаг расчёта | Нижняя | Базовая | Верхняя |
|---|---|---|---|
| Стоимость сокращённого времени инженеров с затратами работодателя = Сокращение часов обработки обращений инженерами × Среднечасовая начисленная заработная плата, все виды деятельности × Коэффициент страховых взносов работодателя сверх заработной платы | ≈5,4 млн ₽ в год | ≈11,9 млн ₽ в год | ≈19,6 млн ₽ в год |
| Сокращение часов обработки обращений инженерами = Сокращение минут обработки обращений, покрытых подсказками ÷ Минут в часе | 7 750 ч в год | 15 500 ч в год | 23 250 ч в год |
| Сокращение минут обработки обращений, покрытых подсказками = Обращения во входящем потоке технической поддержки × Доля входящего потока, покрытая генеративными подсказками × Сокращение среднего времени обработки обращения | 465 000 мин в год | 930 000 мин в год | 1,395 млн мин в год |
Входные данные
- данные кейса Доля входящего потока, покрытая генеративными подсказками: 62% 62%, доля входящего потока обращений, покрытая генеративными подсказками Cloud.ru, блог компании, 12.07.2025
- данные кейса Сокращение среднего времени обработки обращения: 25 мин на обращение 25 мин, сокращение среднего времени обработки обращения (AHT) Cloud.ru, блог компании, 12.07.2025
- статистика Среднечасовая начисленная заработная плата, все виды деятельности: 647 ₽ за час Труд и занятость в России. 2025, 2024: Всего · Среднечасовая начисленная заработная плата, 2024 Федеральная служба государственной статистики (Росстат), 2024
- допущение Обращения во входящем потоке технической поддержки: 30 000–90 000 обращений в год база 60 000 обращений в год Компания не раскрывает число обращений. Нижняя граница 30 000 обращений в год отвечает потоку небольшой команды инженеров поддержки облачных платформ, верхняя 90 000 обращений в год задаёт предел разброса допущения масштаба.
- допущение Коэффициент страховых взносов работодателя сверх заработной платы: 1,076–1,302 база 1,19 Нижняя граница 1,076 отвечает пониженному тарифу страховых взносов аккредитованных ИТ-компаний, верхняя 1,302 — общему тарифу взносов с заработной платы.
- константа Минут в часе: 60
Допущения
- Сокращение 25 мин применяется только к доле потока 62%; если сокращение среднее по всему потоку, результат занижен.
- Ставка — средняя начисленная заработная плата по всем видам деятельности: ставки инженеров поддержки в источниках нет.
Базовое значение: 12 млн ₽ в год.
Метод afiina-pnl/1, оценка от 27.10.2026, цены 2024 года. Диапазон округлён до двух значащих цифр наружу. Методика
По данным Cloud.ru, генеративные подсказки для инженеров технической поддержки сократили среднее время обработки обращения (AHT) на 25 минут и покрыли 62% входящего потока. С ИИ-инструментами дано 47% ответов клиентам.
/02 · паспорт кейса
Бизнес
- Компания
- Cloud.ru
- Отрасль
- ИТ и интернет-сервисы · Облака и ЦОД
- Функция
- Клиентский сервис
- Задача
- Подсказки оператору, суммаризация, QA звонков
Технология
- Класс AI
- Генеративный ИИ: LLM, ассистенты, RAG
- Тип решения
- Собственная разработка
Внедрение
- Стадия
- Промышленная эксплуатация, на 12.07.2025
- География
- Россия
/03 · описание кейса
Зачем
Бизнес-задача
Cloud.ru развивает три облачные платформы, в каждой из которых десятки сервисов, поэтому вопросы клиентов в технической поддержке очень разнообразны: одни запускают виртуальную машину, другие разворачивают кластеры Kubernetes или обучают модель. На эти обращения отвечают опытные инженеры. Компания сочла, что классические сценарные чат-боты с правилами и классификатором здесь не подходят: сценарий и логику пришлось бы прописывать для каждого типа обращения. Задачу поставили так: дать каждому специалисту поддержки инструмент на базе ИИ, который помогает быстро разобраться в проблеме клиента и ответить, сохранив человечность и дружелюбие ответов.
Что
Решение
Cloud.ru внедрила генеративные подсказки: большая языковая модель определяет, с чем пришёл клиент, и предлагает инженеру готовый вариант ответа, который тот может скорректировать и отправить. Ответы опираются на собственную базу знаний в формате RAG, которую компания непрерывно пополняет. В рабочем месте инженера есть кнопки для подсказок, исправления орфографии и пунктуации, улучшения тона ответа и копирования текста. Голос бренда разложен на чек-лист из 10 вопросов «да/нет»; модель проверяет по нему каждый ответ, уходящий клиенту, и так компания измеряет дружелюбие ответов. Модели подбирались и настраивались в собственной среде Evolution AI Factory.
Как
Внедрение
Подготовка заняла несколько этапов: команда месяц вычитывала обращения, кластеризовала их методами машинного обучения, обучила модели классификации тематик и создала дополнительную базу знаний для тем, которые не закрывает обычная документация. Инженеров обучили по Tone of voice. По данным компании на июль 2025 года, подсказки сократили AHT на 25 минут и покрыли 62% входящего потока; с использованием генеративного ИИ дано 47% ответов, хотя KPI на это у инженеров нет. NPS компании за год вырос на 17 пунктов. Следующим шагом стал ИИ-агент: он отвечает на 10% запросов клиентов, к концу года компания планировала довести долю до 70%.
/04 · источники и проверка
Что подтверждено
- По данным Cloud.ru, генеративные подсказки сократили среднее время обработки обращения в технической поддержке на 25 минут.
- Подсказки покрывают 62% входящего потока обращений; 47% ответов клиентам подготовлены с использованием генеративного ИИ.
- ИИ-агент отвечает на 10% запросов клиентов; компания планировала довести эту долю до 70% к концу года.
Ограничения
- Сокращение на 25 минут приведено без исходного уровня AHT, поэтому относительный эффект неизвестен.
- Рост NPS на 17 пунктов относится к компании в целом; вклад ИИ-инструментов в этот рост не выделен.
- 70% — план на конец 2025 года; фактическое достижение в источнике не подтверждено.
-
[1] Cloud.ru
Как мы меняем клиентский сервис с помощью AI: часть 1
компания · 12.07.2025
Открыть источник
АрхИИВ /strategai · CB-000726 · Версия 1 · 11.10.2026 · /c/CB-000726/