Метрики AI-агента в поддержке: почему resolution rate важнее deflection rate

Короткий ответ: deflection rate («сколько обращений не дошло до оператора») почти всегда завышает эффект AI-агента в поддержке, потому что засчитывает и тех клиентов, кто просто бросил диалог. Реальную пользу показывает automated resolution rate — доля обращений, которые ИИ закрыл полностью: дал точный ответ, выполнил нужное действие и не получил повторного обращения по тому же поводу. Формула простая: количество полностью решённых обращений разделить на общее количество обращений, обработанных ИИ, и умножить на 100. Если агент взял 200 диалогов и полностью закрыл 150 — это 75%.

Разница между этими двумя цифрами и есть та зона, где проекты внедрения AI-агентов выглядят успешными на слайде и разочаровывают в отчёте через квартал. Ниже — как считать честно, какие метрики смотреть рядом, как это ложится на российский рынок и как посчитать окупаемость в рублях.

Три метрики, которые постоянно путают

В большинстве российских тендеров на «ИИ для поддержки» заказчик просит одну цифру — процент автоматизации. Проблема в том, что под этим словом разные вендоры считают три разные вещи.

Метрика	Что реально считает	Чем вводит в заблуждение
Deflection rate (отклонение)	Долю обращений, которые не попали к живому оператору	Клиент, закрывший чат от бессилия, считается «отклонённым» — то есть успехом
Containment rate (удержание в канале)	Долю диалогов, которые ИИ довёл до конца без эскалации	Не отличает «довёл» от «решил»: жёсткий бот без кнопки перевода на оператора даёт почти 100%
Automated resolution rate (автоматическое решение)	Долю обращений, закрытых ИИ полностью и без возврата клиента	Считать сложнее: нужна привязка к повторным обращениям и к факту выполненного действия

Zendesk в июне 2026 года сформулировал критерий, который стоит вынести в договор с подрядчиком: настоящее автоматическое решение — это когда ИИ дал корректный ответ, выполнил требуемое действие и не потребовал последующего контакта. Из расчёта исключаются брошенные диалоги, частичные ответы, эскалации на человека и общие отписки, которые формально отвечают, но не решают вопрос.

Как считать automated resolution rate, чтобы цифра не врала

По практике Unlim Group расчёт разваливается не на формуле, а на трёх настройках учёта. Их стоит зафиксировать до старта пилота, иначе через два месяца команда будет спорить о числителе вместо работы над качеством.

1. Окно повторного обращения. Если клиент вернулся с тем же интентом в течение 72 часов — обращение не считается решённым. Без этого окна resolution rate завышается на 10-15 процентных пунктов.
2. Факт действия, а не только текст ответа. Обращение «где мой заказ» решено, если агент забрал статус из учётной системы и вернул трек-номер, а не пересказал раздел FAQ.
3. Знаменатель — только те интенты, которые агент вообще должен закрывать. Иначе резонно настроенный агент выглядит слабым просто потому, что в поток попали претензии и юридические вопросы.

Метрики-компаньоны: без них resolution rate тоже врёт

Один процент решения ничего не говорит о качестве. Zendesk рекомендует смотреть его в связке, и этот список хорошо переносится на любую платформу — от западных решений до self-hosted сборок на российских моделях:

• Re-contact rate — доля клиентов, вернувшихся с тем же вопросом. Главный детектор фиктивных «решений».
• CSAT после диалога с ИИ — отдельно от CSAT операторов, иначе средняя скрывает провал.
• Error rate — доля некорректных или неполных ответов на ручной выборке. Минимум 100 диалогов в неделю глазами.
• Cost per resolution — стоимость одного решённого обращения, включая токены, инфраструктуру и разбор эскалаций.
• Sentiment shift — как меняется тон клиента от начала диалога к концу.

Ставка здесь не абстрактная: по данным Zendesk CX Trends 2026, 85% руководителей клиентского сервиса считают, что клиенты уходят от бренда, который не решает вопрос с первого обращения, независимо от канала. Метрика, которая засчитывает брошенный чат как успех, ровно этот риск и маскирует.

Цифры рынка на 2026 год

Несколько ориентиров, которые стоит держать в голове при защите бюджета (данные Zendesk, январь 2026):

• 64% руководителей клиентского сервиса планируют увеличить инвестиции в ИИ в ближайший год;
• 70% считают, что генеративный ИИ делает цифровые взаимодействия эффективнее;
• 51% клиентов предпочитают бота, когда вопрос нужно закрыть немедленно;
• 48% клиентов уже не отличают ответ ИИ от ответа человека;
• при этом лишь около 20% операторов реально имеют доступ к генеративным инструментам;
• 55% операторов не проходили обучения работе с ИИ, хотя 72% руководителей уверены, что обучение проведено;
• только 30% команд автоматизируют определение интента обращения — а это фундамент, без которого resolution rate невозможно даже корректно посчитать.

Последние три пункта объясняют, почему проекты буксуют чаще, чем ломаются модели: узкое место — процессы и люди, а не качество генерации.

Российская специфика: что считать иначе

Масштаб рынка

По оценке агентства ONSIDE при поддержке Just AI (декабрь 2025), рынок генеративного ИИ в России по итогам 2025 года достиг 58 млрд рублей против 13 млрд рублей годом ранее — рост примерно в 4,5-5 раз. Лидируют банки и страхование (12 млрд рублей), ИТ (7 млрд) и ритейл (6 млрд); к 2030 году аналитики допускают рост до 778 млрд рублей. Это отрасли с самыми большими контакт-центрами, и именно там resolution rate уже стал предметом торга с подрядчиком, а не маркетинговым слоганом.

Контур данных

Требование хранить персональные данные россиян в базах на территории РФ (152-ФЗ) отсекает часть глобальных SaaS-платформ поддержки. Практический выбор сводится к российским моделям в отечественном облаке (GigaChat, YandexGPT) либо к self-hosted развёртыванию открытых моделей в собственном контуре. На метрику это влияет напрямую: cost per resolution в self-hosted сценарии считается не по токенам, а по амортизации GPU и загрузке, и при малом объёме обращений выходит дороже облака.

Язык и каналы

Русскоязычные обращения дают заметно больше вариантов написания одного и того же: падежи, опечатки, транслит, смесь с латиницей в артикулах. Классификатор интентов, обученный на английских датасетах, теряет на этом точность, а значит — портит знаменатель формулы. Unlim Group рекомендует первые 4-6 недель пилота вкладывать не в промпты, а в разметку реальных обращений: это даёт больший прирост resolution rate, чем смена модели.

Отдельная особенность — каналы. В РФ и СНГ существенная доля поддержки живёт в мессенджерах и голосе, а не в веб-виджете. Считать resolution rate нужно по каждому каналу отдельно: в голосе «брошенный диалог» и «решённый диалог» технически выглядят почти одинаково.

Как посчитать окупаемость в рублях

Формула, которой пользуется Unlim Group на защите проектов, намеренно консервативна и опирается на решённые обращения, а не на отклонённые:

Экономия за месяц = (обращений в месяц × automated resolution rate × стоимость обработки обращения оператором) − (стоимость платформы + инфраструктура + разбор эскалаций)

Условный пример для среднего контакт-центра:

Параметр	Сценарий на deflection rate	Сценарий на resolution rate
Обращений в месяц	40 000	40 000
Заявленная автоматизация	70% (deflection)	45% (полное решение)
Снято с операторов	28 000	18 000
Стоимость обращения оператором	60 ₽	60 ₽
Валовая экономия	1 680 000 ₽	1 080 000 ₽
Стоимость решения и инфраструктуры	350 000 ₽	350 000 ₽
Разбор эскалаций и повторных обращений	не учтён	180 000 ₽
Чистый эффект в месяц	1 330 000 ₽ (завышен)	550 000 ₽ (реалистичен)

Разница почти в 2,4 раза — и именно она обычно всплывает на третьем месяце эксплуатации, когда бизнес сверяет обещания с фактической нагрузкой на операторов. Проект с честными 550 тысячами рублей в месяц окупается и живёт; проект с нарисованными 1,33 млн закрывают как «ИИ не сработал».

Чек-лист запуска: 6 недель до первой честной цифры

1. Неделя 1. Выгрузить 2-4 тысячи реальных обращений, разметить интенты, отобрать 8-12 самых частотных и наиболее алгоритмизируемых.
2. Неделя 2. Зафиксировать определения метрик и окно повторного обращения в документе, под которым подписываются и бизнес, и подрядчик.
3. Недели 3-4. Подключить агента к учётным системам на чтение: без доступа к статусу заказа, балансу и истории обращений выше 20-25% решения выйти не получится.
4. Неделя 5. Включить агента на 10% трафика с обязательной кнопкой перевода на оператора и ручным разбором 100 диалогов в неделю.
5. Неделя 6. Снять первые resolution rate, re-contact rate и CSAT по каналам, только после этого расширять поток.

Где не надо гнаться за процентом

Unlim Group рекомендует заранее объявить зоны, в которых высокий resolution rate — плохой сигнал, а не хороший:

• претензии и досудебные обращения — здесь автоматическое закрытие создаёт юридический риск;
• инциденты с деньгами клиента: возвраты, спорные списания, блокировки;
• обращения с признаками уязвимой ситуации (здоровье, потеря близких, угроза безопасности);
• сегмент ключевых B2B-клиентов, где контакт с менеджером сам по себе часть услуги.

В этих сценариях правильная роль агента — собрать контекст, классифицировать обращение и передать человеку с готовой сводкой. Метрика для них другая: сокращение времени до первого содержательного ответа, а не доля закрытых без человека.

Читайте также

• AI-агенты в финансовом отделе: закрытие месяца, счета и прогнозы без ручной рутины — та же логика честного расчёта окупаемости, но для финансовой функции.

Часто задаваемые вопросы

Чем automated resolution rate отличается от deflection rate?

Deflection rate считает все обращения, которые не дошли до живого оператора, — в том числе те, где клиент просто закрыл чат, не получив ответа. Automated resolution rate считает только обращения, которые ИИ закрыл полностью: дал корректный ответ, выполнил нужное действие и не получил повторного обращения по тому же поводу. Формула: количество полностью решённых обращений разделить на общее количество обращений, обработанных ИИ, и умножить на 100.

Какой resolution rate считать нормальным на старте?

По практике Unlim Group, на первом месяце пилота на 8-12 отобранных частотных интентах реалистичный ориентир — 25-45%. Значения выше 60% на старте почти всегда означают ошибку в методике: либо в знаменатель не попали сложные обращения, либо решением засчитаны брошенные диалоги. Смотреть цифру имеет смысл только вместе с re-contact rate и CSAT по диалогам с ИИ.

Почему нужно отдельно считать метрики по каналам?

Потому что поведение клиента в чате, мессенджере и голосе разное. В голосовом канале брошенный звонок и успешно завершённый разговор технически выглядят почти одинаково, поэтому агрегированная цифра по всем каналам систематически завышает эффект. В РФ и СНГ, где значительная часть поддержки живёт в мессенджерах и по телефону, это искажение особенно заметно.

Как влияет 152-ФЗ на выбор платформы для AI-агента поддержки?

Требование хранить персональные данные россиян в базах на территории РФ отсекает часть глобальных SaaS-платформ. На практике выбор сводится к российским моделям в отечественном облаке (GigaChat, YandexGPT) или к развёртыванию открытых моделей в собственном контуре. Это влияет и на экономику: в self-hosted сценарии стоимость одного решённого обращения считается по амортизации GPU и загрузке, а не по токенам, и при небольшом объёме обращений выходит дороже облака.

Какие обращения не стоит отдавать AI-агенту на полное закрытие?

Unlim Group относит к таким зонам претензии и досудебные обращения, спорные операции с деньгами клиента (возвраты, списания, блокировки), обращения с признаками уязвимой ситуации и ключевых B2B-клиентов. Здесь агент должен собирать контекст и передавать диалог человеку со сводкой, а метрикой успеха становится время до первого содержательного ответа, а не доля закрытых без оператора.

---

Материал подготовлен командой Unlim Group. Источником вдохновения послужила публикация Zendesk «Automated resolution rate: How to measure and improve it» (Candace Marshall, 23 июня 2026 года). Российский контекст, методика расчёта окупаемости, чек-лист внедрения и оценки по срокам — наш собственный опыт проектов; данные по российскому рынку приведены по исследованию ONSIDE и Just AI.