Тикет на завтрак, тикет на обед, тикет на ужин
В 2026 году каждый второй тикет в сервисдеске - это вопрос, на который ответ есть в документации. Каждый третий - простая операция, которую можно автоматизировать. Каждый четвертый - повтор прошлой недели. Команды поддержки тонут в однотипных запросах, а бизнес платит за часы, которые тратятся на рутину.
Стартап Risotto посмотрел на эту картину и сказал: "Хватит". Они не стали строить очередного чат-бота с сомнительной логикой. Вместо этого они взяли кейс с Gusto - платформой для управления HR и платежами - и показали, как можно откусить 60% тикетов, не превратив поддержку в ад для пользователей.
Цифра 60% - не маркетинговая вода. Это результат A/B теста в реальном продакшене Gusto за последний квартал 2025 года. Рискованно? Да. Но когда тикетов меньше на две трети, риски кажутся мелочью.
Чем Risotto не похож на вашего первого чат-бота
Помните тех первых AI-помощников? Тех, что отвечали "Я еще учусь" на простейшие вопросы? Risotto построили на другой философии.
Они не пытаются создать универсального гения. Вместо этого они разбивают сценарии поддержки на детерминированные цепочки - предсказуемые, тестируемые, контролируемые. Каждая цепочка решает конкретную задачу: сброс пароля, изменение налоговых вычетов, перенос отпуска.
В Gusto это выглядело так: вместо одного большого AI-ассистента появилась сеть маленьких специалистов. Один знает все про W-2 формы. Другой - про прямые депозиты. Третий - про onboarding новых сотрудников.
Каждый специалист - это промпт-библиотека с сотнями вариаций вопросов и ответов, связанных с конкретной темой. Не "общая база знаний", а узкоспециализированные экспертные системы.
Eval suites: тесты, которые не дают AI сойти с ума
Самое слабое место в любой AI-системе - непредсказуемость. Сегодня она работает идеально, завтра начинает рекомендовать увольнять сотрудников вместо изменения графика отпусков.
Risotto встроили в свою платформу eval suites - наборы тестов для каждого агента. Это не просто "проверка точности". Это стресс-тесты на граничных случаях:
- Что будет, если пользователь задаст вопрос на испанском, хотя система настроена на английский?
- Как агент отреагирует на опечатки в терминах HR?
- Что произойдет при запросе информации, которой нет в базе знаний?
- Как система обрабатывает конфликтующие инструкции?
Каждый агент в Gusto проходит через 500+ таких тестов перед выпуском в продакшен. И продолжает проходить их ежедневно. Если результаты падают ниже порога - система автоматически откатывает изменения и оповещает инженеров.
Эта методология чем-то напоминает подход Bot Factory от AutoScout24, но с акцентом на детерминированность. Там стандартизировали разработку, здесь - гарантируют предсказуемость.
Промпт-библиотеки, которые не стыдно показать маме
Большинство компаний хранят промпты в Google Docs или, что хуже, в головах инженеров. Risotto построили version-controlled prompt libraries с Git-подобным workflow.
Каждый промпт:
- Имеет историю изменений
- Связан с тестовыми сьютами
- Помечен метаданными (сложность, тема, связанные агентом)
- Проходит code review перед мержем
Звучит как overengineering? Пока не попробуешь откатить промпт, который "немного улучшили" и который сломал обработку 30% запросов.
В Gusto это позволило команде из 3 инженеров управлять 47 агентами, которые обрабатывают тысячи тикетов ежедневно. Без этой инфраструктуры потребовалась бы команда в 10 раз больше.
Что происходит с оставшимися 40% тикетов?
Вот здесь начинается самое интересное. Risotto не пытается достичь 100% автоматизации. Это утопия, которая всегда заканчивается плохо для пользователей.
Вместо этого они построили систему эскалации, которая умнее, чем просто "перевести на оператора".
| Тип тикета | Доля | Что делает Risotto |
|---|---|---|
| Простые (ответ в документации) | 35% | Полностью автономно, мгновенно |
| Средней сложности (нужны данные из системы) | 25% | Автономно с доступом к API |
| Сложные (требуют человеческого суждения) | 30% | Подготовка контекста для оператора |
| Критические (юридические, финансовые риски) | 10% | Немедленная передача специалисту |
Для тех 40%, что идут к людям, система готовит досье: история взаимодействий пользователя, похожие решенные кейсы, потенциальные решения, оценка сложности. Оператор получает не голый тикет, а готовый кейс с рекомендациями.
Результат? Время решения сложных тикетов в Gusto упало на 40%. Не потому что операторы стали работать быстрее, а потому что им перестали присылать мусор.
Инфраструктура для детерминированных агентов: следующий шаг
Кейс с Gusto - только начало. Risotto сейчас строят платформу, которая позволит любой компании развернуть такую же систему за недели, а не месяцы.
Ключевые компоненты:
- Библиотека готовых агентов для common use cases (HR, финансы, IT-поддержка)
- No-code конструктор для создания новых промпт-цепочек
- Система мониторинга, которая отслеживает не только метрики, но и "качество" ответов
- Интеграции со всеми популярными тикет-системами (Zendesk, Freshdesk, Jira Service Desk)
Это похоже на эволюцию Agent Engineering как дисциплины: от кустарных скриптов к промышленной разработке.
Главный вызов в 2026 году - не создать умного агента, а создать предсказуемого. Пользователи прощают отсутствие интеллекта, но не прощают ошибки в критических операциях.
Что это значит для рынка?
До конца 2025 года автоматизация сервисдеска была уделом гигантов вроде Google или Microsoft. У них были команды по 50 человек, которые могли кастомизировать решения под себя.
Risotto меняет правила. Теперь компания из 100 человек может позволить себе систему уровня enterprise. Цена ошибки снижается, скорость внедрения растет.
Но есть и обратная сторона: рынок наводнят "быстрые" решения, которые обещают 80% автоматизации за 24 часа. Большинство из них будут давать сомнительные результаты, дискредитируя саму идею.
Разница между Risotto и очередным wrapper over GPT-4 в подходе. Они не продают магию. Они продают инженерную дисциплину: тесты, версионирование, мониторинг, контроль качества.
Как и в случае с production-ready агентами, секрет не в модели, а в инфраструктуре вокруг нее.
Стоит ли бежать внедрять?
Если у вас меньше 100 тикетов в день - вероятно, нет. Вы потратите больше времени на настройку, чем сэкономите.
Если больше 500 - присмотритесь. Но начинайте не с покупки платформы, а с аудита тикетов. Разбейте их на категории по сложности, как это сделали в Gusto. Посчитайте, сколько действительно можно автоматизировать без риска.
Самый опасный сценарий - попытаться автоматизировать все сразу. Начните с самых простых, самых частых запросов. Докажите ценность на малом масштабе, затем расширяйтесь.
И помните: 60% автоматизации - это не конец пути. Это точка, после которой каждый дополнительный процент стоит в десять раз дороже. Иногда лучше оставить сложные кейсы людям, а не пытаться запихнуть в AI то, что ему не по зубам.
Как показывает практика AI для бизнеса, самые успешные внедрения - те, где технологии дополняют людей, а не заменяют их полностью.
Risotto не убивает сервисдеск. Они просто убирают из него скучную работу, оставляя людям то, что у них получается лучше всего: сложные переговоры, эмпатию, креативное решение нестандартных проблем.
В этом, пожалуй, и есть главный урок: лучшая автоматизация - та, которую пользователи не замечают. Она просто работает, тихо и эффективно, как ризотто на медленном огне. Главное - не пересолить.
