ИИ-агенты взялись за счета и поддержку клиентов: примеры Orange и Rivian
ИИ-агенты взялись за счета и поддержку клиентов: примеры Orange и Rivian
Крупные компании переходят от экспериментов с ИИ к реальной работе: телеком-оператор Orange поручил нейросетям отвечать на вопросы по счетам, а производитель электромобилей Rivian — разбираться с финансовыми операциями. Оба кейса показывают, как ИИ-агенты встраиваются в повседневные процессы, где ошибка стоит денег и репутации.
Orange: агенты отвечают на вопросы о счетах
Orange Group запустила ИИ-агентов для обработки обращений по биллингу и поддержке аккаунтов. Система уже работает в нескольких странах, а используется она в бизнес- и потребительском сегментах более чем в 26 странах. Агенты построены на платформе Algolia Agent Studio и берут ответы не из общих знаний модели, а из реальных записей о счетах, тарифах, политиках компании и внутренних данных. У каждого агента есть ограничения: какие темы он может затрагивать и сколько стоит его работа.
Компания уже использовала поисковые технологии Algolia в 24 странах — в онлайн-магазинах, на сайтах поддержки и в ТВ-приложениях. По данным Orange, эти внедрения дали рост оформления заказов на 63%, снижение доли запросов без результатов на 53% и рост показателя лояльности NPS в поддержке на семь пунктов. Теперь та же инфраструктура лежит в основе разговорной поддержки, рекомендаций и поиска — компания может тестировать новые функции в одной стране, а потом расширять их.
Rivian: ИИ разбирается с финансовыми операциями
Производитель электромобилей Rivian построил ИИ-агента для ERP-системы на базе Amazon Bedrock AgentCore. Задача — автоматизировать ручные операции в финансовом отделе: подготовку отчётности, прогнозирование ресурсов, онбординг поставщиков. Агент сократил более 15 дней ручной работы за цикл. Сложность была в том, что обычные скрипты не справлялись: правила учёта зависят от суммы, характера заказа, сроков поставки и требований GAAP, а их пришлось бы описывать тысячами строк условий. Агент читает инструкции на естественном языке и принимает решения с учётом контекста, адаптируясь к изменениям без перепрограммирования.
Один из примеров — учёт заказов на покупку custom-оснастки для производства. Такие инструменты разрабатываются 12–24 месяца, а счёт может прийти спустя 18 месяцев после заказа. По правилам GAAP расходы нужно распределять по периоду разработки, а не списывать разом при получении счёта. Финансовой команде приходится вести полный аудиторский след для внешних проверяющих — и именно эту рутину теперь берёт на себя ИИ.
Что это значит
Оба примера объединяет одно: ИИ-агенты внедряют не вместо человека, а на участках, где много повторяющихся действий и строгие правила. В случае Orange важна прослеживаемость — каждый ответ привязан к конкретной записи о счёте или тарифу. В случае Rivian — способность работать с инструкциями на человеческом языке. Для обычного пользователя это означает, что ответы в поддержке становятся быстрее, а компании получают возможность обрабатывать больше запросов без пропорционального роста штата.
Если хотите разобраться, чем агенты отличаются от привычных чат-ботов и как они принимают решения, узнайте больше в наших разборах.
📌 Чтобы не пропустить новые публикации, подписывайтесь там, где вам удобнее: Дзен или MAX.
💛 Если статья оказалась полезной, поддержите автора донатом.
Материал подготовлен на основе информации из открытых источников. Все права на исходные материалы принадлежат их авторам. Если вы являетесь правообладателем и возражаете против использования, свяжитесь с нами по адресу info@11st.press.
