Про AI-поддержку клиентов в сети ходит хрестоматийный пример: магазин «Acme Retail», чат-бот которого якобы заставил клиента отправить три устройства на автозаправку по выдуманному адресу. История разошлась по десяткам статей. При проверке источника, на который ссылались как на первоисточник, этого примера там просто не оказалось. Разбираемся, что реально задокументировано, а что — красивая, но непроверенная иллюстрация.
Реальные провалы — не там, где их чаще всего цитируют
В источнике, который якобы содержит историю про «Acme Retail», на самом деле описаны два других, реальных и задокументированных случая: чат-бот Air Canada в 2024 году придумал несуществующую политику скидки на авиабилеты в связи с тяжёлой утратой — авиакомпанию обязали её соблюдать через суд. AI-агент поддержки Cursor в 2025 году выдумал политику ограничения одновременных входов в аккаунт, которой не существовало, и сообщил её пользователю как факт.
Масштаб проблемы не абстрактный: по открытому Vectara Hallucination Leaderboard (публичный бенчмарк на GitHub), частота галлюцинаций языковых моделей в задачах суммаризации — от 1% до почти 30% в зависимости от модели и сложности запроса.
Что реально работает: гибридная модель, не полная замена
Российский разбор (vc.ru) формулирует то же самое иначе: провалы автоматизации чаще случаются не из-за слабости технологии, а из-за попытки автоматизировать неорганизованный процесс без подготовки. Рабочая модель — гибридная: AI закрывает типовые вопросы, первичную квалификацию и передачу лидов, сложные случаи уходят к человеку с полным контекстом диалога. В одном задокументированном кейсе (юридическая компания) обученная на данных компании система снизила нагрузку на операторов на 70%, а автоматическое закрытие типовых обращений достигло 85–90%.
Реальный потолок: кейс Bank of America Erica (проверено официально)
По официальной статистике Bank of America (пресс-релиз, 20.08.2025): виртуальный ассистент Erica обработал более 3 миллиардов обращений клиентов, в среднем свыше 58 миллионов взаимодействий в месяц, у почти 50 миллионов пользователей. Более 98% пользователей находят нужную информацию без обращения к человеку. Это результат системы, которая обучалась и дорабатывалась с 2018 года (75 000+ обновлений) — верхняя планка зрелой системы, а не типичный результат для нового внедрения за несколько месяцев.
Реальная экономика: цена за обращение по вендорам
| Решение | Цена за обращение |
|---|---|
| Human-агент (для сравнения) | 6–12 $ |
| Freshdesk Freddy AI | 0,10 $ |
| Ada | 0,15–0,45 $ |
| Gorgias | 0,60–1,27 $ |
| Fin AI Agent | 0,99 $ (оплата по результату) |
| Zendesk Advanced AI | 2,00 $ (за превышение лимита) |
| Salesforce Agentforce | 2,00 $ за диалог |
Разброс в 20 раз между самым дешёвым и самым дорогим решением объясняется разной моделью тарификации: часть вендоров берёт плату за каждое взаимодействие независимо от результата, часть — только за подтверждённо успешное решение. Сравнивать цифры напрямую без понимания модели оплаты — ошибка.
Гибридная модель — не абстракция, а ровно то, вокруг чего строится email-модуль «Перо» в AXIOM: автоматические сценарии для типовых ситуаций (брошенная корзина, реактивация), решения на основе реальных данных о клиенте — а не универсальный AI-ответчик без контекста конкретного покупателя.
Как устроено Перо →Вопросы про AI в клиентском сервисе
Насколько часто AI-агенты поддержки галлюцинируют?
По открытому Vectara Hallucination Leaderboard — от 1% до почти 30% в зависимости от сложности задачи и модели. Задокументированы реальные случаи: чат-бот Air Canada придумал несуществующую политику скидок на похороны (2024), AI-агент Cursor выдумал политику ограничения устройств (2025).
Сколько стоит AI-агент поддержки в пересчёте на обращение?
По ценам разных вендоров: от 0,10 $ (Freshdesk Freddy AI) до 2 $ (Zendesk Advanced AI, Salesforce Agentforce) за обращение. Методология различается — часть вендоров берёт плату за каждое взаимодействие, часть — только за успешное решение.
Какой реальный процент обращений закрывает AI без участия человека?
У виртуального ассистента Bank of America Erica (официальная статистика, 3+ млрд обращений) — более 98% пользователей находят нужную информацию без обращения к человеку. Это верхняя планка для зрелой системы с многолетним обучением, а не типичный результат для нового внедрения.
Правда ли пример про магазин Acme Retail и посылки на автозаправку?
Нет — при прямой проверке источника, на который ссылались как на первоисточник этого примера, такого случая там не оказалось вообще. Реальные задокументированные провалы — другие: Air Canada (2024) и Cursor (2025).
Что реально работает для интернет-магазина при внедрении AI-поддержки?
Гибридная модель: AI закрывает типовые вопросы и первичную квалификацию, сложные случаи передаются человеку с полным контекстом диалога. По одному задокументированному кейсу обученная система снизила нагрузку на операторов на 70% при закрытии 85-90% обращений.
Продукт по теме
Похожие материалы
Источники
- Atlan — «AI Agents for Customer Support: Why Most Fail in 2026» — 08.05.2026 — atlan.com
- vc.ru (Lily Fox) — «Автоматизация поддержки клиентов в 2026 году» — 13.05.2026 — vc.ru
- Fin.ai — «ROI of AI Customer Service: 2026 Benchmarks» — fin.ai
- Zendesk — «59 AI customer service statistics for 2026» — 12.01.2026 — zendesk.com
- Bank of America Newsroom — «A Decade of AI Innovation: Erica Surpasses 3 Billion Client Interactions» (официальный пресс-релиз) — 20.08.2025 — newsroom.bankofamerica.com