Служба поддержки стоит перед выбором: оставить классический конвейер «заявка → очередь → первая линия → вторая» или добавить ИИ-слой, который отвечает на типовые обращения сам, маршрутизирует остальные по смыслу и подсказывает инженерам готовые решения. Страх перед переменами обоснован: поддержка — это SLA и обязательства, и ошибочный ответ ИИ клиенту стоит дороже, чем день очереди. Но и статус-кво дорог: типовые вопросы отнимают у первой линии большую часть смены.
Ниже — сравнение по бизнес-критериям. Сначала стоит смежный вопрос упорядочивания знаний — его разбирает наше сравнение «ИИ-ассистент или база знаний»; здесь — выбор архитектуры самой службы поддержки.
Кратко: когда что выбирать
Прямой ответ — в таблице: слева ситуация, справа разумное решение по состоянию на сентябрь 2026 года. Если узнали свою компанию в одной из строк — дальше достаточно проверить решение по чек-листу в конце страницы, а не перечитывать весь интернет.
| Ситуация | Что выбрать | Почему |
|---|---|---|
| Поток типовых обращений: доступы, пароли, «как сделать» | сервис-деск с ИИ | типовые закрываются мгновенно, без очереди |
| Сложные инциденты с жёсткими SLA и эскалациями | классический процесс плюс ИИ-подсказки | решение принимает инженер, ИИ ускоряет |
| Аудитируемые процессы, трассировка каждого шага | классический сервис-деск | формализованные статусы и маршрут заявки |
| Ночная и пиковая нагрузка | сервис-деск с ИИ | ответы без ночных смен и сверхурочных |
| Знания о решениях живут только в головах инженеров | сначала база решений, затем ИИ | ИИ отвечает только тем, что организация знает и записала |
| Несколько линий и аутсорс-подрядчики | гибрид с ИИ-триажем | маршрутизация по смыслу вместо ключевых слов |
Критерии сравнения
Развёрнутая матрица по критериям, которые заказчики проверяют перед решением: стоимость, сроки, риски, поддержка, комплаенс и режим данных. Каждая строка матрицы ниже раскрыта отдельным разбором — с пояснениями, откуда берутся цифры и на что смотреть в вашей ситуации.
| Критерий | Классический сервис-деск | Сервис-деск с ИИ |
|---|---|---|
| Стоимость | лицензии и ФОТ линий поддержки | надстройка: пилот от 480 000 ₽, сопровождение — от 50 000 ₽/мес |
| Сроки | процесс уже настроен и работает | пилот 4–6 недель поверх существующей системы |
| Риски | очереди, выгорание первой линии | галлюцинации в ответах, ошибочный триаж |
| Поддержка | привычные SLA и регламенты | плюс сопровождение ИИ-контура и базы решений |
| 243-ФЗ и комплаенс | обычная ИТ-система | ИИ-актив: реестр, регламент, журнал рекомендаций |
| Данные | обращения в контуре системы | обращения уходят в модель — режим передачи данных |
| Скорость ответа | в пределах SLA линии | типовые вопросы — сразу, в любое время |
Матрицу читайте через строку рисков: ошибка ИИ видна сразу, очередь классики — накапливается тихо. Строка «данные» подсказывает гибрид: типовые вопросы в облако, чувствительные — в контурную модель.
Разбор критериев
Стоимость линии поддержки
Классический сервис-деск оплачивается людьми: каждая новая волна обращений — это нанимать или выжигать первую линию. ИИ-надстройка — пилот от 480 000 ₽ и сопровождение от 50 000 ₽/мес — покупает не «увольнение людей», а elastic capacity: пики закрывает ИИ, инженеры занимаются сложным. Эффект считается тремя метриками: доля обращений, закрытых без инженера; время первого ответа; стоимость одного закрытого обращения — до и после.
Сроки внедрения
ИИ-слой не требует менять систему: он подключается поверх существующего тикет-трекера за пилот 4–6 недель — интеграция, база решений, обучение на исторических обращениях. Классический редизайн процесса — это месяцы согласований и переобучения. Поэтому практически всегда вопрос стоит не «заменить или нет», а «какой участок отдать ИИ первым» — и это участок с самым большим потоком типовых обращений.
Риски и доверие
Риск ИИ в поддержке — неверный ответ клиенту: галлюцинация или устаревшая инструкция, выданная за актуальную. Управление: ИИ отвечает только по базе решений с источником, неуверенные случаи эскалируются человеку, каждое рекомендованное решение журналируется. Роль человека в контуре принципиальна — её разбирает ответ на вопрос «зачем нужен человек в контуре». Риск классики скромнее на вид, но реален: очередь и выгорание — это тоже инциденты, просто растянутые во времени.
Поддержка и база решений
ИИ в поддержке силён ровно настолько, насколько полна база решений: ответы собираются из накопленных тикетов и инструкций, и сопровождение от 50 000 ₽/мес включает пополнение базы и разбор неудачных диалогов. Классический сервис-деск тоже деградирует без базы — просто тише: знания уходят вместе с сотрудниками. Так что «сначала база решений, затем ИИ» — не перестраховка, а порядок запуска.
243-ФЗ и комплаенс
Для участника эксперимента по 243-ФЗ ИИ-слой поддержки — ИИ-актив: реестр, регламент использования, журнал рекомендаций. Классическая система в реестр не попадает. Отдельно фиксируется режим обращений: содержат ли они персональные данные пользователей и в каком виде уходят в модель. Пошаговую методику внедрения ИИ именно в поддержку разбирает гайд «как внедрить ИИ в службу поддержки» в разделе гидов.
Данные обращений
Обращения — это ПДн вперемешку с коммерческими деталями: логи, суммы, внутренние идентификаторы. Отдавая их в облачную модель, вы передаёте всё это провайдеру — для внутренней поддержки допустимо, для клиентских данных часто нет. Решения: обезличивание на входе, локальная модель в контуре или разделение — типовые вопросы через облачную, чувствительные — через контурную модель. Оба класса журналируются одинаково подробно.
Вердикты по трём сценариям
Сценарий 1. ИТ-поддержка компании 1000+ сотрудников
ИИ-надстройка над существующим сервис-деском: пилот от 480 000 ₽ на трёх самых массовых категориях обращений, метрика — доля закрытых без инженера. Типовые запросы доступа и «как сделать» уходят с первой линии полностью; инженеры переключаются на сложное. База решений пополняется из каждого закрытого тикета.
Сценарий 2. Аутсорс с жёсткими SLA и аудируемыми процессами
Классический процесс как основа — статусы, трассировка, ответственность, — ИИ как подсказчик инженерам: по похожим обращениям система предлагает релевантные решения из базы, но ответ клиенту готовит человек. ИИ-триаж допустим только как рекомендация исполнителю, не как решение.
Сценарий 3. Клиентская поддержка онлайн-сервиса
ИИ на типовых вопросах круглосуточно, бесшовная эскалация человеку на сложных, контекст диалога сохраняется полностью. Для чувствительных тем — контурная модель. Как считать экономику, разбирает ответ на вопрос «как ИИ сокращает расходы на поддержку».
Типичные ошибки выбора
Ошибки внедрения ИИ в поддержку, после которых откатываются к «как было».
- ИИ запущен без базы решений: отвечает общими словами и злит пользователей.
- Нет эскалации человеку: сложный запрос умирает в диалоге с ботом.
- Эффект не измерен до запуска: сравнивать «после» не с чем.
- Чувствительные обращения уходят в облачную модель без обезличивания.
- ИИ-слой не учтён в реестре ИИ-активов — комплаенс-долг на будущее.
Итог
Сервис-деск с ИИ — это надстройка над процессом, а не его замена: типовые закрывает автоматика, сложное — люди, и всё это измеряется долей обращений, закрытых без инженера. Решение стоит перепроверить на своих цифрах: разбор задачи бесплатный, ответ — за 1 рабочий день.
Чек-лист решения
Семь пунктов, которые стоит закрыть до выбора: они одинаково полезны обоим вариантам и закрывают большинство ошибок из списка выше. Пройдите список с командой — обычно это один рабочий час, который экономит недели переделок.
- Какие категории обращений самые массовые и самые типовые — это первый фронт для ИИ.
- Есть ли база решений и исторические тикеты, из которых ИИ будет отвечать.
- Как устроена эскалация: в каких случаях диалог обязательно передаётся человеку.
- Отвечает ли ИИ только по базе решений и показывает ли источник ответа.
- Куда и как уходят тексты обращений: обезличивание, контурная модель, журналирование.
- Учтён ли ИИ-слой в реестре ИИ-активов по 243-ФЗ, есть ли регламент рекомендаций.
- Какие метрики фиксируются до запуска, чтобы эффект был доказуем, а не «ощутим».
Смежные материалы
Смежные сравнения: «ИИ-ассистент или база знаний» и «RPA или ИИ-агенты». Практика: услуга «ИТ-поддержка и аутсорсинг»; технология «guardrails для LLM». Вопросы: «как ИИ сокращает расходы на поддержку». Пошагово: гайд «как внедрить ИИ в службу поддержки».
Полный каталог разборов «или — или» — в разделе Сравнения; форматы работ, сроки и цены «от» — в каталоге услуг.