AI-чат поддержки по трекингу 24/7

01Бизнес-задача

В 3PL и крупных экспедициях 70–85% входящих обращений клиентов — это однотипные запросы статуса: «где мой груз», «когда привезут», «изменился адрес доставки», «нужны документы». Диспетчер тратит 60–70% времени на эти вопросы вместо разруливания реальных проблем (задержки, повреждения, претензии, нестандартные маршруты). При большом потоке клиенты ждут ответа часами, NPS падает.

AI-чат подключается к WMS/TMS, видит статус каждого груза в реальном времени, отвечает на запрос мгновенно с конкретикой («ваш груз №12345 сейчас на терминале в Екатеринбурге, отправлен сегодня в 14:30, прибытие в Челябинск завтра до 18:00»). Сложные кейсы — претензии, многоплечевые маршруты, ВЭД — эскалирует на живого диспетчера с уже собранным контекстом (кто клиент, что груз, какой статус, в чём вопрос).

02Типовой ROI

Параметры расчёта:

• Поток обращений по трекингу — от 100 в день для значимой экономики
• Среднее время диспетчера на типовое обращение — 4–7 минут
• Доля типовых запросов, которые AI закрывает полностью — 60–80%
• Доля эскалаций со собранным контекстом — 20–35%
• Среднее время ответа клиенту — секунды против минут/часов

Второй эффект — рост NPS клиентов и снижение оттока. В B2B-логистике скорость ответа на «где мой груз» в час пик — это разница между «работаем» и «перевозчик нас бросил».

03Стек — обсуждается под клиента

Конкретный набор моделей, фреймворков и интеграций — закрытая часть проекта, под клиента. На уровне принципа: использую проверенные российские и зарубежные LLM, под compliance требованиям — приватные/on-premise варианты. AI работает в режиме «жёсткого RAG»: ответы только из данных WMS/TMS, никакой «свободной генерации» о статусах — всё привязано к реальным записям системы.

Что фиксированно для всех проектов: данные клиента (грузы, маршруты, ПДн водителей) остаются в инфраструктуре заказчика, я — подрядчик; SLA и метрики (доля закрытых без эскалации, точность статусов, время ответа) прописаны в договоре; аудит-лог диалогов ведётся в системе клиента.

04Что нужно на старте

• API-доступ к WMS/TMS — главное и единственное обязательное условие. Без актуальных статусов AI бесполезен
• 500–1000 архивных диалогов диспетчеров с клиентами — для калибровки промптов и подбора границ эскалации
• Каналы коммуникации: сайт-виджет, Telegram-бот, WhatsApp Business (минимум один, лучше связка из 2–3)
• Регламент эскалаций — какие запросы AI обрабатывает сам, какие отправляет диспетчеру (претензии, опасные грузы, ВЭД)
• Контакты ЛПР клиента в карточках сделок — чтобы AI знал, к кому обращаться по эскалации
• Дежурный диспетчер для сложных случаев — даже круглосуточный AI должен иметь человека за плечом

05Точки риска

1. Устаревшие данные в WMS/TMS. Водитель доставил, но не отметил — AI отвечает «в пути». Защита: метрика свежести данных, явный disclaimer при последнем обновлении статуса более чем X часов назад, авто-эскалация при подозрении на устаревание.
2. Конфликтный клиент в пиковый сезон. «Мой груз должны были привезти вчера, где он?!» — на эмоциональный запрос AI должен отвечать тоном «передаю диспетчеру», а не «по нашим данным…». Защита: детектор эмоций, мгновенная эскалация на любом сигнале конфликта.
3. WhatsApp Business блокировка за «массовую рассылку» при попытке делать proactive-уведомления. Защита: только utility-сообщения с одобренными шаблонами Meta, никаких маркетинговых пушей через канал поддержки.
4. Галлюцинации со ставками и сроками. «По нашему опыту обычно везут 3 дня». Защита: жёсткий промпт — отвечать только на основе данных WMS/TMS, никаких прогнозов «из контекста». Любая оценка ETA — только из явных моделей доставки, не из LLM.
5. ПД водителей и грузополучателей. Чат не должен раскрывать телефоны и адреса водителей клиенту. Защита: явные правила фильтрации полей, маскирование, доступ только к ролям с правом видеть.

06Анти-сценарий

• Меньше 50 обращений в день. Внедрение не окупается. Один диспетчер справится.
• Нет API у WMS/TMS или закрытая самописная система без поддержки. Сначала обвязка API (это сам по себе ценный проект), потом AI поверх.
• Уникальные грузы с нестандартным жизненным циклом (нефть наливом, негабарит с эскортом, фарма с температурным режимом). Слишком высокая цена ошибки на «типовых» вопросах, лучше живой диспетчер.
• Клиентская база ожидает «человеческий контакт». Если клиенты привыкли звонить и говорить с конкретным менеджером по именам, AI-чат вызовет негатив. Лучше делать «помощника диспетчеру», а не «замену».
• Регуляторные ограничения на автоматизацию коммуникаций (например, обязательная подпись лица в ответе по опасным грузам).

07Связанные сценарии

• Распознавание накладных, ТТН, УПД — естественная пара: чистые данные после OCR дают AI-чату надёжный источник статусов.
• Приём первичных звонков в стоматологии — другая отрасль, та же архитектура: голос/чат → RAG → CRM → эскалация.