Раньше звонок на горячую линию поддержки интернет-провайдера из-за сбоя выглядел примерно так. Роботизированный голос приветствовал вас как ценного клиента, а затем заставлял несколько минут блуждать по телефонному меню («нажмите 3 для технической поддержки, 2 для вопросов по интернету, затем 4 для всех остальных проблем»). Вас ставили на удержание, и вы чувствовали себя забытым, пока наконец не отвечал оператор, спрашивая ваше имя, номер счета и суть проблемы. Если перезагрузка роутера не помогала, вас снова ставили на удержание — только для того, чтобы пересказать всю историю с нуля уже другому специалисту перед тем, как назначить выезд мастера.
ИИ уже трансформирует подобные обращения в поддержку. Вместо того чтобы бороться с роботизированным голосом и чередой операторов, ИИ-агент может взять трубку сразу же. Он видит ваш аккаунт, проверяет, затронуты ли другие клиенты в вашем районе, и либо решает простые проблемы напрямую, либо оформляет вызов техника. Больше никаких «все наши специалисты сейчас заняты» и музыки на удержании. До недавнего времени это был технологический предел.
Но теперь новые возможности позволяют агентам вести длинные цепочки задач и выполнять их на более длительных горизонтах планирования. Мы считаем, что это позволит ИИ-компаниям выйти за рамки отдельных обращений клиентов и переосмыслить подход к сложным клиентским путям, растянутым на недели и месяцы. ИИ будет вести клиентов страховых компаний от первого звонка до выплаты, заемщиков по ипотеке — от предварительного одобрения до закрытия сделки, а корпоративных лидов — от первой демонстрации до подписания договора. Это не только улучшит результаты для клиентов, но и позволит вендору ИИ получать оплату за рост выручки, а не только за экономию затрат.
Ценность появляется только на финише эстафеты
Существует множество видов бизнеса, где создание ценности для клиента требует множества шагов, растянутых на недели и месяцы. Возьмем в качестве примера традиционный процесс подготовки дела в адвокатуре со стороны истца. Потенциальные дела часто поступают в виде лидов по телефону: специалисты по приему заявок собирают ключевые факты и передают их адвокату, который оценивает, стоит ли брать этого клиента. Как только фирма принимает дело, начинается расследование и сбор доказательств: помощники юристов запрашивают полицейские отчеты, пытаются связаться со свидетелями и отправляют ответчикам письма о сохранении доказательств (spoliation letters), параллельно информируя клиентов о ходе работы. Затем фирмы ждут завершения медицинского лечения клиента, прежде чем составить медицинскую хронологию и передать информацию адвокатам для финализации письма с требованиями.
Исторически этот процесс можно было бы назвать «эстафетой»: долгий путь с риском потери клиента или утечки ценности на каждом этапе передачи. Потенциальные клиенты обычно обзванивают несколько фирм по делам о причинении вреда здоровью и часто подписывают договор с той, которая отвечает быстрее всех. Поэтому дела могут выпадать из воронки, если клиент попадает на автоответчик или если решение о квалификации принимается слишком медленно. После подписания договора сбор доказательств включает множество параллельных процессов, и у фирм может просто не хватить настойчивости позвонить потенциальному свидетелю в пятый раз, если предыдущие четыре остались без ответа. Кроме того, нехватка кадров мешает фирмам детально изучать каждое доказательство, особенно в кажущихся рутинными делах с небольшой суммой иска. Фирма может согласиться на первое предложение, хотя внимательное изучение справки от врача выявило бы признаки черепно-мозговой травмы, что увеличило бы сумму урегулирования. Наконец, дела могут длиться месяцами, требовать участия множества людей и включать информацию, разбросанную по документам, участникам и системам. Из-за этого практически невозможно держать в голове полную картину по каждому клиенту. В результате важные счета могут не попасть в письмо с требованиями, а пробелы в лечении остаются необъясненными, что снижает итоговую сумму компенсации.
Возможности долгоживущих агентов
До недавнего времени ИИ-агенты в основном решали ограниченные задачи («Отправь это follow-up письмо», «Суммаризируй этот звонок», «Создай этот документ») и работали в узких рамках взаимодействий. Например, поддержка клиентов стала отличным ранним кейсом применения ИИ, поскольку пространство проблемы четко определено, что позволяет достичь высокой надежности, сохраняя при этом возможность адаптации под внутренние политики компании. Взаимодействия кратки, результаты легко проверить, а если ИИ-агенты сталкиваются с нестандартными ситуациями, которые не могут обработать, для эскалации по-прежнему существуют обычные команды поддержки.
Теперь же долгоживущие агенты способны достигать целей через десятки шагов, модальностей и более длительные промежутки времени, что позволяет им проводить «эстафету» от старта до финиша. В примере с адвокатурой долгоживущего агента можно назначить на дело с момента первого звонка с целью максимизировать компенсацию клиента. Агент будет сохранять и извлекать контекст по делу по мере необходимости. Он активируется на основе событий или дедлайнов, проактивно запускает суб-агентов для связи со свидетелями, информирования клиента и взаимодействия с адвокатами по телефону, email или в мессенджерах. Затем он консолидирует результаты, планирует следующие шаги, готовит документы на проверку и ведет дело к наилучшему возможному исходу. Работая с разными клиентами, он постоянно учится: каждое дело генерирует данные, которые помогают агенту обрабатывать следующее дело лучше, чем текущее.
Агент устраняет ключевые утечки ценности, наблюдаемые в сегодняшней «эстафете». В начале пути клиенты больше не теряются из-за медленной оценки дел, так как агент доступен в любое время суток и день недели и может оценить ситуацию почти мгновенно. Сбор доказательств больше не ограничен человеческими ресурсами: агент по делу может в любой момент запустить дополнительного суб-агента, чтобы сделать пятый, десятый или даже двадцатый звонок. Поскольку агенты масштабируются практически бесконечно, даже кажущиеся рутинными дела прорабатываются полностью, а каждое доказательство изучается детально, что позволяет выявить ту самую черепно-мозговую травму, которую иначе могли бы пропустить. И наконец, агент ведет полную запись по делу — от транскриптов звонков свидетелям до полицейских отчетов и медицинских карт, гарантируя, что ни одна информация не потеряется.
Оплата за результат
Помимо устранения этих утечек, полный контроль над клиентским путем может изменить экономику для вендора агентов. Поскольку агенты помогают достигать результатов качественнее и быстрее, они способны обеспечивать рост выручки, а не только снижение затрат для клиентов. Что еще важнее, так как влияние агентов измеримо и очевидно, вендоры могут участвовать в создаваемой ими добавленной стоимости, устанавливая цены на основе результатов работы или итоговых показателей. Например, в адвокатуре одно дело — это дискретная единица работы, а ценность результата (сумма урегулирования) четко определима. Кроме того, результаты проще привязать к агентам, поскольку они формируют все большую долю итогового продукта. Тогда вендоры смогут претендовать на часть роста выручки, достигая сумм контрактов, которые ранее были недостижимы при фокусе исключительно на сокращении издержек.
Признаем, переход к ценообразованию на основе результатов не происходит без трений. В адвокатуре большинство штатов запрещает людям без юридической лицензии участвовать в разделе гонораров, поэтому ценообразование должно быть привязано к сумме урегулирования без прямого получения ее доли. В других вертикалях вендоры могут столкнуться с возражениями отделов закупок, у которых еще нет прецедентов контрактов с оплатой за результат. И даже несмотря на то, что агенты все ближе к полному контролю над результатами, на начальном этапе неизбежно возникнут споры об атрибуции. Поэтому успешное внедрение долгоживущих агентов станет коммерческим вызовом в такой же степени, как и техническим.
Тем не менее, оплата за результаты на высокоценных клиентских путях — не новая идея.
Аргументы в пользу AI-native версии Red Ventures
Red Ventures (RV) — отличный исторический пример. Компания была основана Риком Элиасом и Дэном Фельдштейном и стала пионером цифровых комплексных аутсорсинговых продаж для долгосрочных потребительских контрактов. Например, в случае со страховыми полисами RV собирала данные о клиентах, когда те искали такие продукты (владея сайтами вроде homeinsurance.com), связывалась с ними, помогала разобраться в вариантах покрытия и закрывала сделку по полису. Полностью контролируя этот путь, RV получала выплату от страховой компании за каждый закрытый полис. Раньше это работало невероятно хорошо: по данным S&P Global, в 2022 году RV заработала ~$370 млн EBITDA при продажах около $1,4 млрд.
Сейчас эта модель находится под структурной угрозой. На верхнем уровне воронки потребители меняют подход к поиску продуктов. Вместо того чтобы полагаться на поиск Google или сайты сравнения цен для изучения и сопоставления товаров, они теперь могут напрямую просить рекомендации у персонального агента, такого как Muse или Instinct от Meta, что снижает ценность владения традиционными площадками для поиска. Далее по цепочке: вместо сотен людей, ведущих линейные воронки, долгоживущие агенты могут работать с гораздо более сложными клиентскими путями. Они будут делать это параллельно, для разных продуктов и каналов коммуникации, на любом языке, в любом масштабе и с бесконечной настойчивостью. Падение EBITDA RV до прогнозируемых ~$160 млн в 2025 году, вызванное оттоком клиентов и снижением рекламных бюджетов, служит ранним сигналом уязвимости модели, поскольку ИИ продолжит трансформировать индустрию.
Три пути на рынок
Существуют разные способы вывода долгоживущих агентов на рынок.
(1) Продажа платформы: В рамках этой стратегии вендор продает долгоживущего агента как программное обеспечение, поддерживая компанию в ее текущих операциях. Хороший пример — агент для ведения дел в адвокатуре, интегрирующийся в существующую команду и ее рабочие процессы. Продажа платформы открывает потенциал для роста выручки, так как часто отсутствуют сопоставимые контракты на ПО или аутсорсинговые услуги, которые служили бы ценовым якорем. Однако это удлиняет циклы продаж, поскольку нужно создавать новые статьи бюджета, и усложняет четкую атрибуцию результатов агенту, который взаимодействует с несколькими отделами компании.
(2) Продажа услуги: Здесь вендор берет на себя уже аутсорсированную услугу, чтобы эффективнее достигать нужного результата — точно так же, как Red Ventures взяла на себя весь путь привлечения клиентов для страховой компании. Этот подход сокращает циклы продаж, так как математика ROI для покупателей проста, а бюджеты на BPO (аутсорсинг бизнес-процессов) уже заложены. Однако существующие модели ценообразования, созданные до эпохи ИИ, могут не отражать реальной ценности, которую способен принести долгоживущий агент, а многие высокоценные процессы сегодня ведутся внутри компаний, что ограничивает охват этого подхода.
(3) Full-stack подход: Full-stack означает вертикальную интеграцию и превращение в AI-native игрока. Например, вместо того чтобы продавать долгоживущего агента коллекторскому агентству, вы можете сами выкупать портфели долгов и взыскивать их, что позволит вам полностью забрать себе созданную ИИ-добавленную стоимость и решить проблемы атрибуции. Но это также означает необходимость управлять такими частями сервиса, как лицензирование или комплаенс, которые находятся за рамками самого клиентского пути, добавляя отвлекающие факторы и операционную сложность.
Пока слишком рано говорить, какой из этих подходов победит, но мы убеждены, что долгоживущие агенты выиграют эту «эстафету» в масштабе и расширят доступный для ИИ рынок от доли бюджетов на оплату труда до доли выручки. Подготовка дел истцов — лишь один пример, и мы ожидаем, что агенты начнут определять результаты и в других высокоценных процессах: выдаче ипотеки, обработке страховых случаев, сложных корпоративных продажах и множестве других. Если вы работаете над тем, чтобы использовать эту возможность, мы будем рады услышать от вас!
