Почему ИИ-боты в службах поддержки не нравятся людям и что с этим делать

Вы пишете в поддержку. Бот отвечает за секунду — вежливо, уверенно и совершенно мимо. Приходится переспрашивать, объяснять снова, в итоге все равно ждать оператора.

Звучит как частный случай. На самом деле — закономерность. По данным НАФИ (всероссийский опрос, август 2025 года, 6213 человек), 88% россиян за последний год сталкивались с чат-ботами или ИИ-ассистентами. Положительно оценивают этот опыт лишь 33%, каждый третий недоволен. Компании при этом внедряют ботов все быстрее (рынок растет на 30% в год), а удовлетворенность за этим не успевает.

Боты бесят не тем, что они боты, а тем, как настроены: что знают и как говорят.

В поддержке ИИ проваливается чаще, чем где-либо еще

Это не только российская специфика, такая картина наблюдается по всему миру. Международное исследование 2026 года (20 000+ потребителей в 14 странах) показало: почти каждый пятый, кто использовал ИИ для клиентского сервиса, не получил от этого никакой пользы. Частота провалов в четыре раза выше, чем у ИИ в любой другой задаче.

Поддержка оказалась единственной сферой, где ИИ работает заметно хуже. Технология та же, просто в поддержке ставки другие: человек пришел с конкретной проблемой и ждет конкретного ответа. Не примерно верного — точного. По данным ежегодного опроса руководителей клиентского сервиса по всему миру, одного нерешенного вопроса достаточно, чтобы потерять клиента.

Две причины, по которым боты раздражают

1. Бот отвечает уверенно, но неправильно

В банковском секторе каждые 8 из 10 клиентов в итоге все равно обращаются к живому оператору — тема оказывается вполне разрешимой, просто бот дал неверный ответ или завис в петле.

Это называется галлюцинациями: модель не знает ответа, но не говорит «не знаю», а строит что-то правдоподобно звучащее. Виновата не сама модель, а пустая или устаревшая база знаний. Модель не умнее того, что в неё загружено.

2. Бот старается казаться человеком — и злит еще больше

Чем тщательнее бот имитирует живого человека — тем сильнее раздражение.

Данные исследования подтверждают: когда раздраженный клиент попадает к человекоподобному боту, удовлетворенность падает, и вместе с ней оценка компании и желание вернуться. Механика простая: человекоподобный бот создает завышенные ожидания, которые потом не оправдывает. Злой клиент ждет эмпатии и получает «Понимаю вашу ситуацию! Позвольте уточнить детали.»

Шаблонные фразы — «рады помочь», «ваш запрос принят в работу», «мы ценим ваше обращение» — это не нейтральные слова. Они сигнализируют: тебя не слышат, тебя обрабатывают.

Внутрикорпоративный саппорт — та же ситуация, но еще острее

Всё написанное выше — про внешних клиентов. Они могут уйти к конкуренту, написать отзыв, позвонить в обход бота.

Сотрудники внутренней поддержки так не могут.

Мария Лукашина, руководитель интеграций во Фланге, в 2024 году выстраивала внутреннюю техподдержку с нуля. Вот что она заметила:

“

Внутренние пользователи — другие. Они гораздо глубже в контексте продукта, чем ваша соседка, которая звонит в поддержку интернет-провайдера раз в год. Они умеют формулировать проблему точнее. И за ними часто стоит клиент компании, который ждет, пока проблема будет исправлена — поэтому вопросы, которые в b2c могут подождать пару дней, здесь нередко критичны в течение минуты.

При этом во внутреннем саппорте бывают личные знакомства или хотя бы общий корпоративный контекст, который позволяет вести чуть более неформальные переписки и снимать напряжение. Но именно поэтому шаблонный ответ бьет сильнее: ты ждешь человека, а получаешь скрипт.

Во внешнем саппорте клиент обращается раз-другой за всю жизнь, он не замечает, что ответы одинаковые. Но во внутреннем один и тот же сотрудник пишет в поддержку раз в неделю.

“

Если будет каждый раз получать в ответ одни и те же шаблонные формулировки — однажды обязательно психанет.

А дальше начинается цикл:

“

Если сотрудника однажды выбесила поддержка, то в следующий раз он придет с предвзятым недоверием, будет вредничать, а потом вообще пойдет жаловаться руководителю вместо того, чтобы писать в саппорт.

Самая дорогая проблема автоматизации поддержки — не сами ошибки бота. После нескольких промахов люди перестают ему доверять, и нагрузка на живых специалистов возвращается, даже если инструмент к тому времени уже работает лучше.

Что реально меняет картину

База знаний. LLM не умнее того, что в неё загружено. Галлюцинации — почти всегда симптом дыры в базе. Современные системы строятся по принципу RAG: перед каждым ответом бот сначала ищет нужное в актуальной базе документов, а потом формулирует ответ на основе найденного — не по памяти модели, а по источнику. Обновление базы — не разовая настройка при запуске, а постоянная работа.

Голос и стиль. Между скриптом и имитацией живого человека есть третий вариант: бот с прописанным характером — конкретными правилами, что говорить, что запрещено и когда честно сказать «не знаю» и передать живому специалисту. Эмпатия — это скорость и точность ответа, а не фраза перед ним.

57% россиян, по данным НАФИ, не всегда могут отличить бота от человека. Разочарование приходит позже, когда понимаешь, что говорил с ботом, а вопрос так и не решился. Прозрачность с самого начала снимает этот эффект.

Бот, который честно говорит «не знаю» и быстро передает дальше, вызывает меньше раздражения, чем бот, который уверенно отвечает невпопад.

Раздражение от бота почти всегда лечится одинаково: обновить базу, убрать шаблоны, прописать нормальный тон.