За последние годы финансовый сектор совершил заметный сдвиг от точечных экспериментов с ИИ к системному внедрению голосовых ассистентов в клиентский сервис. По данным отчета Financial Services State of the Nation 2026, только 2% финансовых организаций в мире не используют ИИ. Почти половина организаций (43%) называют ИИ главным инновационным рычагом, а 69% называют среди наиболее активно внедряемых сценариев решения для поддержки клиентов.
Одна из ключевых задач клиентского сервиса сегодня — эффективная работа с входящей линией. Одним из решений этой задачи становятся LLM-голосовые ассистенты, которые понимают контекст запроса клиента, отвечают на типовые и уточняющие вопросы и самостоятельно закрывают значительную часть обращений. Как работают LLM-ассистенты объясняем на примере кейса финтех-маркетплейса Boostra и разработчика Fromtech.
Точка А: рост входящих обращений и ограничение масштабирования
Финтех-маркетплейс Boostra ежедневно обрабатывает тысячи обращений клиентов по кредитным и страховым продуктам. По мере роста бизнеса нагрузка на входящую линию увеличивалась, а классическая модель масштабирования — через расширение штата операторов — перестала быть эффективной. Компания столкнулась с типичными для рынка ограничениями:
- рост очередей на линии в пиковые часы;
- высокая доля типовых консультационных запросов;
- увеличение операционных затрат без пропорционального роста качества сервиса;
- риск потери лояльности клиентов из-за ожидания ответа.
Задача была не просто в автоматизации, а в сохранении качества диалога при росте нагрузки.
Движение к точке Б: ставка на LLM-ассистента
Boostra изначально рассматривала для входящей линии решение на базе LLM и искала технологического партнера, способного реализовать такой проект с учетом требований к качеству сервиса и скорости внедрения. Команда Fromtech предложила подход, который соответствовал этим ожиданиям, и приступила к внедрению голосового ассистента для входящей линии поддержки.
«Мы долго искали вендора для автоматизации входящей линии, но не находили решение, которое отвечало бы нашим требованиям. Мы понимаем, что LLM-технологии пока далеки от идеала — и на российском, и на мировом рынке. Поэтому к выбору подрядчика подходили очень серьезно: оценивали технологии, опыт, экспертизу в финтехе и готовность команды к совместной сплоченной работе. В итоге выбор Fromtech себя оправдал: несмотря на все сложности проекта, нам удалось реализовать голосового робота на входящую линию и снять часть нагрузки с сотрудников КЦ. Сейчас мы масштабируем данное решение на другие наши бренды», — отмечает Максим Лагуткин, руководитель клиентского сервиса Boostra.
Работа с кредитными и страховыми продуктами предполагает масштабный объем информации — клиенты задают вопросы по условиям договора, статусу заявки, начислениям, задолженности, срокам и способам оплаты, отключению дополнительных услуг. Реализация классического сценарного робота практически невозможна с учетом такого объема информации, а также сжатых сроков разработки и внедрения продукта.
LLM-модель позволяет работать с большим объемом продуктовой информации иначе. Ассистент понимает формулировки клиента, обращается к условиям по договору, выполняет задачи во время диалога и при необходимости переводит обращение на оператора. Для удобства операторов при переводе на них передается краткое описание обращения клиента, чтобы сотрудник мог быстрее включиться в запрос.
Что делает LLM-ассистент на входящей линии
В рамках проекта голосовой агент был обучен ключевым сценариям клиентского сервиса:
- Консультации по кредитным и страховым продуктам. Ассистент предоставляет информацию по действующему договору, объясняет условия и обязательства.
- Проверка статусов заявок. Клиент может без ожидания оператора узнать, на каком этапе рассмотрения находится его заявка, а также какое решение по ней принято.
- Подключение и отключение дополнительных услуг. Ассистент самостоятельно выполняет операции в CRM, экономя время клиента и сотрудников.
- Отправка SMS с реквизитами. После разговора клиент получает необходимую информацию в удобном формате.
- Обработка частых вопросов клиентов. Типовые запросы закрываются полностью в рамках диалога с ассистентом.
- Отключение звонков с целью взыскания задолженности. После погашения задолженности ассистент автоматически отключает такие звонки.
- Смена голоса и имени. Для разных звонков ассистент использует разные имена и голоса для большего сходства с колл-центром.
- Возможность перевода на оператора. В случае сложных или нестандартных вопросов робот переводит диалог на оператора вместе с кратким описанием запроса клиента.
- Анализ разговора и приоритизация тем. Сразу после звонка голосовой ассистент направляет в CRM список затронутых тем в диалоге и подсвечивает приоритетные.
Архитектура решения позволила обеспечить контроль качества диалогов и соответствие внутренним требованиям компании.
Точка Б: измеримый результат за 4 месяца
Спустя четыре месяца с момента запуска LLM-агента компания зафиксировала следующие операционные результаты:
- ассистент обрабатывает 100% входящих звонков;
- 63% запросов закрывает без участия оператора;
- отсутствие пропущенных звонков и ожидания на линии;
- снизилась нагрузка на операторов, что позволило направить их ресурс на оперативное решение сложных и нестандартных вопросов.
В настоящее время компания масштабирует данное решение на другие бренды.
Важно, что решение показало стабильность даже при высоком трафике. Голосовой ассистент стал не вспомогательным инструментом, а важным элементом клиентского сервиса.
Почему LLM-ассистенты становятся будущим входящей линии
Опыт Boostra отражает общий тренд финансового рынка: генеративный ИИ уже используют не для экспериментов, а для решения ключевых сервисных задач.
LLM-голосовой ассистент для входящей линии — это не замена операторов, а инструмент для оптимизации контактного центра с целью перераспределения нагрузки и повышения устойчивости клиентского сервиса без увеличения численного состава КЦ.
Именно такие решения сегодня выбирают компании, которые развиваются и инвестируют в масштабируемую модель обслуживания клиентов.