Mercari сначала классифицировала обращение — и только потом дала ИИ писать ответ

Это рыночный кейс, а не внедрение AES и не свежее продуктовое объявление. Zapier описал процесс поддержки Mercari US 14 июля 2026 года и подтвердил актуальность кейса 23 сентября, присудив Эрику Макналти из Mercari награду Customer Support AI Builder of the Year. Все результаты и детали процесса относятся к Mercari и изложены в клиентском материале Zapier; это не независимый аудит.

Главный вывод не в том, что службе поддержки нужен один ИИ-помощник, которому разрешено искать ответ везде. В описанной схеме Mercari сначала решается более узкий вопрос: к какому типу относится обращение? Лишь затем процесс получает политику, промпт и материалы справочного центра, относящиеся к этой категории. ИИ формулирует ответ внутри выбранного контура; люди определяют сами контуры, разбирают исключения и решают, когда необходимо вмешательство.

Проблема поддержки была слишком разнородной для одного общего маршрута ответа

По данным Zapier, Mercari US обрабатывает около 120 000 обращений в месяц. Среди них — возвраты, споры, проблемы доступа к аккаунту, платежи и средства клиентов. Это не одинаковые вопросы. Обычный бот по базе знаний часто справляется с простым FAQ, но ответ по спору или средствам клиента требует применимой политики, верного условия эскалации и чёткой границы обещаний клиенту.

Поэтому условием автоматизации стал не просто удачный промпт для модели. Нужна была операционная структура, способная различать категории и подкатегории, связывать их с поддерживаемыми материалами и не продолжать работу при неуверенном совпадении. Без такой структуры широкий поиск может превратить вопрос, зависящий от конкретной политики, в правдоподобный, но неуместный ответ.

Изменение: классифицировать, сузить контекст, затем выбрать маршрут ответа

В описании Zapier производственный паттерн построен вокруг обращений в Dixa, Google Sheets, AI by Zapier и специализированных подпроцессов для категорий. Публичный шаблон Zapier воспроизводит эту общую схему, но Zapier прямо указывает: это не точный производственный процесс Mercari, а чувствительные подпроцессы в него не включены. Это существенное различие: шаблон показывает устройство системы, но не раскрывает все правила, обработку данных и исключения живой операции.

1. Новое обращение поступает из Dixa. Прежде чем передать текст клиента ИИ, описанный паттерн маскирует выбранные персональные данные. Публичный шаблон маскирует типовые адреса электронной почты и номера телефонов, но прямо требует дополнить эту логику для других чувствительных полей.
2. Процесс относит обращение к категории и подкатегории. Определения категорий, логика политик, промпты и материалы для ответа поддерживаются в Google Sheets, а не остаются неявной инструкцией для универсального помощника.
3. Процесс извлекает узкий пакет релевантных материалов справочного центра и политик, после чего направляет обращение в специализированную ветку. Zapier описывает отдельные подпроцессы для FAQ-ответов, маршрутизации, генерации ответа и анализа.
4. Если классификация и условия позволяют автоматизацию, выбранная ветка может закрыть определённый тип обращения. Классификация и исход записываются обратно в карточку обращения — это создаёт данные для отчётности и последующей проверки.
5. При низкой уверенности или сбое процесс возвращает обращение в обычный человеческий контур поддержки Mercari. Сбой не становится основанием для импровизации ответа.

Такая последовательность меняет роль поиска знаний. Систему не просят для каждого сообщения выводить всю политику поддержки из неразмеченной базы знаний. Классификация ограничивает доступный ей контекст и определяет, в какой процесс ответа она может войти. Для команд, где правила заметно различаются между типами обращений, это практическое архитектурное решение.

Человеческая граница — часть конструкции пропускной способности

Команда CX Mercari сохраняет ответственность за политики, пограничные случаи и условия, при которых должен подключаться человек. Агенты разбирают исключения, ситуации, требующие деликатного суждения, а также обращения, для которых процесс завершился сбоем или не достиг порога уверенности. Это не просто страховочная мера. Такая граница не даёт проталкивать необычные случаи через маршрут, созданный для повторяемых, и создаёт конкретную точку улучшения определений, когда обращения регулярно неверно классифицируются или эскалируются.

Для руководителя поддержки это также делает работу проверяемой. Для каждой категории можно сопоставить исходные материалы, исключения из очереди, порог уверенности, автоматический исход и объём эскалаций. Универсальный чат-бот, отвечающий по любым темам, может быть проще запустить, но сложнее понять, где сосредоточены ошибки: в политике, неоднозначном входящем сигнале или отсутствии маршрута к человеку.

Что сообщила Mercari — и чего эти цифры не доказывают

Для месячного потока примерно в 120 000 обращений Zapier сообщает, что Mercari полностью закрывает автоматизацией около 47 000 обращений в месяц без ответа агента, отправляет первые ответы примерно по 97% обращений и высвобождает более 3 000 часов работы агентов в месяц. В июльском материале Zapier также указан рост CSAT на один пункт по пятибалльной шкале.

Это результаты Mercari в изложении Zapier, а не результаты AES и не прогноз для другой службы поддержки. Источник не раскрывает период наблюдения, подробный расчёт 3 000 высвобожденных часов, исходный уровень CSAT, ошибки по категориям и объём исключений. В частности, 97% — это охват первыми ответами, а не доля обращений, закрытых автоматизацией. Высвобождённое время агентов нельзя называть экономией фонда оплаты труда или сокращёнными ролями.

Тем не менее сами результаты делают логику процесса достойной изучения. Указанный объём автоматических решений относится к определённому подмножеству обращений, тогда как остальной процесс сохраняет человеческую очередь. Это более убедительная отправная точка, чем обещание автоматизировать поддержку целиком.

Что подготовить до выбора ИИ-инструмента для поддержки

• Поддерживаемую таксономию категорий и подкатегорий обращений, включая категории, которые никогда не должны попадать в автоматический маршрут ответа.
• Утверждённые политики и материалы справочного центра, сопоставленные с каждой допустимой категорией, а также назначенного владельца изменений.
• Поля в тикет-системе для записи категории, выбранного маршрута, состояния уверенности, результата и причины эскалации.
• Проверку конфиденциальности каждого поля, передаваемого ИИ-сервису. Маскирование типовых адресов электронной почты и телефонов не является полной защитой чувствительной информации.
• Пороги уверенности, явные исключения из очереди и обычный человеческий маршрут для неуверенных, сбойных и чувствительных случаев.
• Регулярную проверку классификаций, качества ответов, эскалаций и изменений политик, а не только подсчёт отправленных сообщений.

Цель не в том, чтобы сделать машинно разрешимым каждое входящее сообщение. Цель — выделить категории со стабильными правилами, утверждённым исходным содержанием и понятным выходом к человеку. Их можно автоматизировать как ограниченные процессы ответа; всё остальное остаётся видимым в очереди, где необходимо суждение человека.

Практический вывод

Описанный процесс Mercari формулирует простой архитектурный принцип: классификация обращения должна предшествовать генеративному ответу. Модель полезнее, когда получает контекст политики для известного типа случая, а не когда её просят искать по всему массиву поддержки и самостоятельно определять границы своей работы. Процесс не отменяет человеческую поддержку. Он делает явной границу между повторяемым сервисом и человеческим суждением.

Если ваша служба поддержки рассматривает ИИ-помощь, начните с проверки категорий, у которых есть стабильные правила, пригодные исходные материалы и однозначный путь возврата к человеку. Такой реестр ценнее демонстрации универсального чат-бота и служит правильной основой для разговора о реализуемом процессе поддержки.

Источники

Zapier, «How Mercari automated customer support with AI»: https://zapier.com/customer-stories/mercari Zapier, шаблон «Resolve support tickets with guarded AI orchestration»: https://zapier.com/templates/details/resolve-support-tickets-guarded-ai-orchestration Zapier, Zappy Award monthly winners, June 2026: https://zapier.com/blog/zappy-award-monthly-winners-june-2026/ Zapier, Zappy Awards winners 2026: https://zapier.com/blog/zappy-awards-winners-2026/