Bank of America показала измеримый эффект AI-помощника в реальном разговоре с клиентом

· Обновлено · 6 минут чтения · Любовь Черемисина · AI-агенты Маркетинг и аналитика · КейсОбновлено

21 июля 2026 Bank of America усилила EricaAssist генеративным AI: более 18 000 операторов получают контекстные подсказки менее чем за три секунды, а средняя длительность звонка сократилась почти на минуту. Для вас это редкий публичный кейс модели AI-copilot — система собирает контекст и предлагает шаг, но решение остаётся за сотрудником.

Механический телефонный аппарат с шестерёнками собирает карточки контекста клиента и передаёт их оператору с красным рычагом финального решения — метафора AI-copilot EricaAssist в звонке

Что изменилось

21 июля 2026 Bank of America объявила об усилении EricaAssist — AI-помощника, который работает рядом с сотрудником во время разговора с клиентом, а не вместо него. По данным банка:

  • EricaAssist используют более 18 000 операторов клиентского сервиса;
  • новые возможности генеративного AI выдают контекстную подсказку менее чем за три секунды;
  • система определяет причину обращения, собирает релевантные сведения о клиенте и предлагает следующий шаг с учётом роли сотрудника и истории отношений с банком;
  • средняя продолжительность звонка сократилась почти на одну минуту на одно обращение;
  • сотрудник сохраняет контроль: AI не прерывает разговор и не подменяет финальное решение.

Банк описывает EricaAssist как «human-assisted AI agent» — AI-агента с человеком в контуре принятия решения. Позже в 2026 году планируется расширить сценарии обслуживания и подключить другие бизнес-линии.

Почему это важно для бизнеса

Это сильный аргумент в пользу модели AI-copilot, а не тотальной автономии. В сложных продажах и сервисе агент ценен не тогда, когда заменяет сотрудника, а когда:

  • мгновенно собирает контекст из разрозненных систем;
  • предлагает релевантный следующий шаг, а не общий скрипт;
  • снижает когнитивную нагрузку в пиковые минуты разговора;
  • оставляет человеку ответственность за итог и отношения с клиентом.

Bank of America публично связывает эффект с операционной экономикой: минус минута на звонок при тысячах операторов — это измеримый выигрыш без риска «бота, который отвечает клиенту сам». Для руководителя это другой KPI, чем «сколько диалогов закрыл AI»: здесь считают скорость доведения живого разговора до результата при сохранении качества.

Что меняется для маркетинга

  1. Реклама, CRM, история клиента и текущий разговор сходятся в одной точке — в момент, когда менеджер или оператор принимает решение, что предложить дальше.
  2. Подсказка становится продуктом данных: без чистой CRM, статусов сделки и истории касаний copilot превращается в красивый чат без бизнес-смысла.
  3. Маркетинговые кампании можно оценивать не только по клику, но и по тому, доходит ли контекст кампании до экрана сотрудника в первые секунды звонка или чата.
  4. Пилот copilot проще защитить перед руководством, чем «полностью автономного агента»: человек остаётся владельцем исхода, AI снимает рутину по сбору фактов.

Мой вывод

Bank of America показывает зрелую схему: AI не спорит с клиентом и не отправляет ответы сам — он укорачивает путь от «понял запрос» до «предложил решение».

Если у вас длинный цикл сделки или дорогой звонок менеджера, имеет смысл начать с copilot на одной линии — продажи или сервис — и мерить не «удобство интерфейса», а минуты разговора и долю подсказок, которые сотрудник реально использовал.

Copilot помогает во время разговора; контроль качества звонков закрывает контур после него: каждый диалог расшифровывается, оценивается по вашему регламенту и попадает в CRM — вы видите, где подсказку приняли, где проигнорировали и где нужно вмешательство руководителя, без выборочного прослушивания 5–10% записей.

Команда, которая через MCP Panel подключает CRM и телефонию к AI, быстрее соберёт оба слоя: подсказку в момент звонка и аудит качества после него.

Что проверить сейчас

  1. Двухнедельный пилот для менеджеров продаж. Контрольная группа работает как обычно; тестовая получает резюме клиента, вероятную задачу и следующий лучший шаг. AI ничего не отправляет клиенту самостоятельно — только подсказывает сотруднику на экране или в наушнике.
  2. Метрики пилота: время обработки обращения; конверсия в следующий этап воронки; число случаев, когда сотрудник исправил или отклонил рекомендацию; доля разговоров, где подсказка реально использовалась. Последний показатель удобнее считать не «на глаз», а через контроль качества звонков — AI расшифровывает каждый диалог и сверяет его с регламентом.
  3. Карта данных для подсказки. Перечислите, какие поля должны попасть в контекст за три секунды: кто клиент, откуда пришёл, что уже предлагали, какой следующий шаг по регламенту. Если данных нет в CRM — copilot не спасёт сценарий, его нужно чинить до запуска AI.

Источники

← Все новости AI и MCP