← Все AI-концепции
AI-концепция AI-01 не является завершённым внедрением

Клиент позвонил в ломбард, но не пришёл. Где он потерялся?

AI-агент расследует неприезд клиента в ломбард

Теоретическая концепция для ломбарда: контроль пути от звонка и лида до фактического визита или операции — с проверкой данных, гипотезами и задачей на возврат клиента.

Запустить сценарий в Lab Разобрать архитектуру

Проблема

Что остаётся невидимым

В теоретическом контуре ломбарда звонок создаёт лид, а визит фиксируется только при появлении клиента в учётной системе. Если человек не пришёл, отдельного события не возникает: CRM не знает, что именно нужно искать, и потеря остаётся невидимой.

Зачем агентный слой

Почему одного правила недостаточно

Таймер способен создать задачу через три дня, но не умеет сопоставить разрозненные события, оценить качество связи между системами, отделить реальный no-show от ошибки идентификации и объяснить, какие данные ещё нужны для подтверждения причины.

Proposed architecture

Как мог бы работать агент

Это предполагаемый контур. Конкретные инструменты, права и автоматические действия определяются только после аудита реальной системы.

  1. 01

    Фиксирует ожидание

    После звонка и создания лида формирует контрольную точку ожидаемого визита.

  2. 02

    Собирает контекст

    Сверяет телефон, источник, активности CRM, клиента и операции в 1С.

  3. 03

    Разделяет сценарии

    Отличает неприезд, задержку, отсутствие follow-up и неоднозначное сопоставление.

  4. 04

    Предлагает действие

    Создаёт план возврата клиента и просит подтверждение ответственного.

  5. 05

    Фиксирует причину

    После прозвона классифицирует только подтверждённый результат, не подменяя его гипотезой.

Inputs

Какие данные потребуются

  • входящий звонок, рекламный источник и нормализованный номер;
  • лид, ответственный, активности и задачи в Битрикс24;
  • клиент, визит или операция в 1С;
  • результат повторного звонка или расшифровка разговора.

Outputs

Что агент должен вернуть

  • список обращений, требующих проверки;
  • доказательства по каждому найденному разрыву;
  • задача на повторный контакт с приоритетом;
  • подтверждённая карта причин по каналам, точкам и этапам.
RoistatБитрикс241СТелефония

Human control

Где остаётся человек

  • порог ожидания и правила сопоставления задаёт бизнес;
  • сомнительные совпадения подтверждает сотрудник;
  • контакт с клиентом не выполняется без разрешённого сценария;
  • гипотеза всегда отделена от установленного факта.

Limits

Чего агент не знает

  • агент не может узнать реальную причину неприезда без нового события или ответа клиента;
  • совпадение по телефону и времени не гарантирует тождество записей;
  • качество анализа зависит от полноты телефонии, CRM и 1С.

Expected effect

Предполагаемый эффект — не фактический результат

До пилота это гипотезы ценности. На реальном внедрении их пришлось бы превратить в измеримые критерии и проверить в shadow-режиме.

  • сделать «тихие» потери наблюдаемыми;
  • возвращать обращения в работу по понятному правилу;
  • накапливать подтверждённые причины вместо догадок;
  • видеть системные разрывы в рекламе, CRM и работе точек.

Safe pilot

Как проверять концепцию без ранней автономности

01

Аудит данных

Источники истины, качество событий, права и ограничения.

02

Историческая проверка

Синтетика и обезличенные примеры с заранее известным ответом.

03

Shadow-режим

Агент предлагает решения, но ничего не изменяет.

04

Контролируемые действия

Только обратимые операции и подтверждение человека.

Related Lab

Интерактивный прототип этого сценария

Lab использует синтетические события и моделируемый ответ AI. Реальные API, клиентские данные и автоматические действия отсутствуют.

Открыть сценарий