На Reddit разгорелась дискуссия о том, насколько честно агенты ИИ сокращают Average Handle Time (AHT) в контакт-центрах. Вопрос звучит просто, но за ним стоит практическая боль владельцев операций: метрику AHT давно используют как универсальный индикатор эффективности, и когда появляются новые инструменты, первый вопрос — действительно ли они улучшают результат или только создают иллюзию оптимизации.

Суть спора в том, что агент ИИ может сократить время первого контакта, но неправильно отклассифицировав проблему или дав неполный ответ, переложить более сложную работу на человеческого оператора. Итог: общее время по кейсу растёт, просто его распределение выглядит иначе в отчётах. Это похоже на известный эффект в системах с очередями, когда оптимизация одного узла создаёт узкое место в другом — классический случай, когда локальная метрика врёт о глобальной эффективности.

Проблема актуальна потому, что контакт-центры часто внедряют ИИ-агентов в спешке, опираясь на обещания вендоров о снижении AHT на 30-50%, но не проводят честный аудит того, что на самом деле происходит с качеством и общей нагрузкой на операции. Если агент неправильно понимает запрос или отправляет клиента туда, куда не надо, экономия в несколько минут теряется на переводах и повторных обращениях.

В России эта тема особенно актуальна для финтеха, страховки и e-commerce, где мощные контакт-центры — элемент конкурентоспособности. Внедрение агентов ИИ здесь имеет смысл, но только если считать не AHT в изоляции, а комбинацию метрик: первая резолюция (FCR), CSAT и полное время до окончательного решения проблемы. Платформы автоматизации вроде Signum/SIGNA позволяют отследить весь путь заявки, включая переводы между агентом и оператором, что даёт реалистичную картину, а не переиграние одной метрики.

Обсуждение важно ещё и потому, что ставит под вопрос правильность выбора KPI при внедрении ИИ. Если менеджер будет стимулировать команду только на снижение AHT через агентов, получит систему, которая эконом на первом звонке, но теряет на повторах и качестве. Это классический пример, как технология сама по себе нейтральна — результат зависит от честной постановки целей.