О компании

«Алгоритмика» — детская онлайн-школа программирования, которая обучает детей от 6 до 17 лет программированию, математике и цифровым навыкам.

Курсы распределены по возрастам: от общей компьютерной грамотности и визуального программирования на Scratch для самых младших до создания игр на Unity и Roblox, а также Python и frontend-разработки для старших. Есть также графический дизайн, математика и блогинг. Ребенок может начать с первого блочного редактора в семь лет и дойти до текстовых языков программирования к выпускному классу.

Как устроена поддержка

В службе поддержки работает пять человек.

Команда поддержки работает семь дней в неделю, без выходных и праздников, с 9:00 до 21:00 по Москве. Ночные часы закрывает ИИ-агент. До его появления ночные обращения получали автоматическую отбивку со ссылкой на базу знаний и ждали утра.

Обращения приходят через Telegram, Max, почту и внутренний чат в одном из сервисов Алгоритмики. ИИ-агент работает во всех каналах без исключения.

Поток у Алгоритмики выраженно сезонный. С сентября по ноябрь нагрузка почти вдвое выше, чем летом. Внутри одного дня распределение тоже неровное — на пиковые часы может приходиться до половины всех обращений за день, что сильно перегружает команду в моменте.

База знаний для пользователей публичная и работает в формате отдельного сайта. Для ИИ-агента это удобно, потому что он может парсить ее напрямую.

Среди метрик, на которые оказывает влияние ИИ-агент, основные — это время первого ответа, время решения и CSAT. По самому ИИ-агенту основной показатель — доля обращений, которые он закрывает полностью сам. Целевой коридор показателя 20–25%.

Почему решили автоматизировать поддержку

До внедрения ИИ-агента все обращения обрабатывались вручную. Днем — только силами операторов, без автоответов. Ночью пользователям уходила автоматическая отбивка с предложением заглянуть в базу знаний. Ручной подход давал команде гибкость, но с ростом числа пользователей стал с трудом выдерживать нагрузку.

Друг на друга наложилось сразу несколько вещей. Запросов становилось больше, а доля технически сложных среди них не снижалась. Поток шел неровно: в пиковые часы могла прийти половина дневного объема. При этом даже типовое обращение требовало времени на то, чтобы его прочитать, проанализировать и написать персонализированный ответ.

Результат был предсказуемый: ответы становились короче и шаблоннее, время первой реакции росло, что сказывалось на удовлетворенности пользователей. Растущая нагрузка била и по самим сотрудникам.

Команде нужно было масштабировать поддержку, снять с операторов рутину, чтобы выделить больше времени на технически сложные обращения, и обеспечить работу ИИ-агента круглосуточно — особенно для пользователей из других часовых поясов, которые раньше просто ждали утра.

Почему выбрали Wikibot

Первый фильтр был простым: команде нужна была готовая интеграция с тикетной системой. Важно было, чтобы для подключения не требовалось ни участия разработчиков, ни специальных знаний со стороны Алгоритмики.

Дальше выбор в пользу Wikibot сложился из четырех вещей:

• Готовая инфраструктура: личный кабинет с полным набором инструментов — от настройки сценариев до аналитики ответов.
• Гибкое обучение: агент учится на базе знаний в любых форматах — сайты, документы, таблицы, текстовые файлы. Для Алгоритмики это критично: инструкции постоянно обновляются и дополняются, а не все подходят для публичной базы знаний.
• Гибко настраиваемая логика распределения тикетов от бота к агентам.
• Команда сервиса помогала с настройкой, отвечала на вопросы и была готова дорабатывать продукт по запросу.

Команда рассматривала собственное решение по типу сценарного бота с кнопочной навигацией и отказалась от него по двум причинам. Запросы слишком разнообразны для фиксированной логики, а кнопки часть пользователей просто раздражают. Рассматривали и несколько других сервисов с готовой интеграцией, но по функционалу они уступали.

Что изменилось после запуска

Отношение пользователей к боту нейтральное и спокойное — это важный результат, учитывая устойчивое предубеждение против ИИ-агентов в клиентском сервисе. Агент не пытается притворяться человеком: он сразу сообщает, что он бот и что оператора можно позвать в любой момент.

Оператора зовут примерно в 7% случаев из всех, что проходят через агента. Чаще пользователи общаются с ним как с живым оператором — даже зная, что перед ними бот.

Примеры из диалогов

• В Алгоритмике любят историю почти двухлетней давности, когда агент только начал полноценно работать в тикетной системе. Родитель ученика никак не мог настроить камеру на ноутбуке. Агент сам провел его через полный цикл диагностики: разобрал все присланные в чат изображения, определил причину — проблема оказалась в драйвере камеры — и подсказал, как обновить драйвер. На все ушло чуть больше пятнадцати минут.

• Еще один любимый пример — разговоры с учениками. Иногда в Алгоритмику пишут ученики, недовольные строгими правилами поведения в детском сообществе. Агент терпеливо и подробно объясняет, зачем эти правила нужны и почему они устроены именно так. Каждый раз. Снова и снова.

• Он или она? Агент до сих пор пишет о себе то в мужском, то в женском роде. Причину команда пока не выяснила.

• На первых порах агент периодически советовал пользователям написать в техническую поддержку — тем, кто уже в нее написал. Результаты

С появлением ИИ-агента в Алгоритмике фактически перестали отслеживать время первого ответа: теперь пользователи стабильно получают его в течение 30 секунд, и это сразу полноценный осмысленный ответ, а не шаблонное приветствие. Раньше пользователям приходилось ждать как минимум 2–4 минуты, иногда дольше, если нагрузка была повышенной.

Благодаря скорости ответов агента сократилось общее время решения у всей команды.

Сейчас агент полностью сам закрывает около 20% обращений. Еще около 25% обращений он не закрывает, но существенно облегчает работу оператору: собирает контекст, уточняет детали, маршрутизирует, дает первичные рекомендации, которые помогают в диагностике.

Команда достигла устойчивых 20% самозакрытий, но пока не вышла на устойчивые 25%.

Где агент справляется, а где нужны люди

У Алгоритмики несколько типов пользователей, и каждый говорит на своем языке. Родитель, ученик, франчайзи и преподаватель описывают одну и ту же проблему по-разному. Умножьте это на то, что люди вообще пишут так, как думают, — вариативность формулировок становится практически неисчерпаемой. К тому же внутреннюю базу знаний для сотрудников ИИ-агенту сознательно не отдавали: один и тот же агент отвечает и родителю, и ученику, и франчайзи, и преподавателю, а права доступа к информации у них принципиально разные. Надежно развести эти уровни доступа невозможно — всегда остается риск, что агент сочтет служебный фрагмент подходящим ответом.

Простой пример нежелательного сценария: агент «по доброте душевной» может поделиться с родителем служебной инструкцией по выставлению счетов ученикам. Поэтому команда сознательно пожертвовала частью автоматизации и оставила агенту только ту базу знаний, которая и так публична.

Сейчас картина такая: агент хорошо справляется с запросами

• где важна скорость, в том числе вне рабочего времени команды
• с параллельной работой во всем потоке, фильтрацией и маршрутизацией
• с типовыми запросами по стандартной инструкции
• с четко сформулированными вопросами, на которые есть ответ в его сценариях, базе знаний или инструкциях
• с эмоционально сложными обращениями и разговорными сценариями

Хуже справляется с вопросами

• по специфическим нюансам внутреннего ПО, где нужна повышенная внутренняя экспертиза
• с неясно или неполно сформулированными запросами
• с массовыми инцидентами, которые выглядят как локальные неполадки
• и со сложными случаями, где нужен выход за рамки стандартных инструкций и индивидуальный подход.

Что нравится в Wikibot

Удобный интерфейс и обширный функционал, но главное — прозрачность. Можно посмотреть, почему агент дал именно такой ответ, как он рассуждал и какой именно сценарий сработал. При обучении это критично: без понимания, почему бот ответил именно так, обучать его пришлось бы наугад.

Отдельно команда отмечает функцию Ассистента: ее используют для разбора ответов, улучшения сценариев и тестирования новых. Обновления и доработки выходят регулярно и закрывают реальные потребности.

Что еще нужно улучшить

Это скорее технические ограничения инструмента, чем недостатки, но в ежедневной работе они мешают.

Агент работает с каждым обращением по отдельности и не видит картину целиком. Если начинается массовый инцидент, который по всем признакам похож на локальную неполадку, агент этого не понимает и может продолжать водить пользователей по инструкциям для локальных неполадок вместо того, чтобы сразу передать обращение оператору.

Длительность буферного окна, в котором агент накапливает сообщения от пользователя перед ответом, нельзя настраивать самостоятельно. Пользователи часто пишут по одному слову в сообщении, и было бы удобно тестировать разные длительности окна, чтобы найти оптимальную.

Дальнейшие планы

Следующая цель команды — выйти на устойчивые 25% самозакрытий и научить агента самостоятельно оформлять и закрывать решенные обращения в тикетной системе. Сейчас это делают операторы вручную.