Zendesk представила на своём саммите по искусственному интеллекту 8 октября 2025 года ряд продуктов, основанных на больших языковых моделях (LLM), которые, как утверждается, снизят зависимость от человеческих специалистов технической поддержки. Однако эти заявления требуют тщательной проверки, учитывая амбициозность целей и ограниченные данные об их реальной эффективности.Ключевой новинкой является автономный агент поддержки, который, по словам Zendesk, способен решать 80% запросов без участия человека.
Его дополняют агент-копилот для помощи техникам с оставшимися 20% случаев, а также административный, голосовой и аналитический агенты. Шаши Упадхьяй, президент Zendesk по продуктам, инженерии и ИИ, в интервью TechCrunch заявил, что эти решения отражают переход индустрии к системам, где ИИ выполняет основную работу. Однако без публичных данных о производительности или независимых тестов таких систем эти утверждения остаются спекулятивными. Бенчмарк TAU-bench, измеряющий способность моделей использовать инструменты, показывает, что Claude Sonnet 4.5 решает 85% задач, подобных обработке возвратов, что близко к заявленным 80%.
Но TAU-bench ограничен контролируемыми сценариями, и его результаты могут не отражать сложных реальных запросов, таких как устранение нестандартных технических проблем.После конфликта с инвесторами в 2022 году Zendesk приобрела ряд ИИ-компаний, включая Hyperarc (июль 2025 года), Klaus (февраль 2024 года) и Ultimate (март 2024 года), которые легли в основу новых агентов.
Тем не менее, эффективность интеграции этих технологий остаётся неподтверждённой. Например, аналитический агент построен на базе Hyperarc, но Zendesk не предоставила метрик, демонстрирующих его превосходство над существующими решениями. Упадхьяй утверждает, что предварительное тестирование с клиентами показало рост удовлетворённости на 5–10 пунктов, но эти данные основаны на внутренних отчётах, и отсутствие независимых исследований снижает их достоверность. Для сравнения, отчёты Gartner за 2024 год показывают, что автоматизированные системы поддержки в среднем повышают удовлетворённость лишь на 3–5% в реальных условиях из-за ошибок в сложных сценариях.
Большие языковые модели уже применяются в поддержке клиентов, но в меньших масштабах. Например, Airbnb и Regal Theaters используют чат-ботов для информационных запросов, но их системы редко справляются с задачами, требующими сложного анализа или автономных действий. Платформа Zendesk Resolution обрабатывает 4,6 миллиарда запросов в год для 20 000 клиентов, что делает её амбиции по автоматизации значительными, но и рискованными. В США в клиентской поддержке занято 2,4 миллиона человек (по данным Бюро статистики труда за 2024 год), и масштабная замена людей ИИ может столкнуться с проблемами, включая потенциальные ошибки, этические вопросы и необходимость переобучения персонала.
Успех инициативы будет зависеть от способности Zendesk масштабировать систему без потери качества. Без прозрачных данных о производительности, независимых тестов и чёткой стратегии управления рисками заявления компании следует оценивать с осторожностью. Аналитикам и клиентам стоит запросить более детализированные метрики, чтобы подтвердить, оправдывает ли новая система обещания Zendesk.
Оригинал
Уникальность
