Кейс: сеть химчисток автоматизировала заказы и сократила ошибки в 4 раза

Сеть химчисток АкваКлин — 12 точек в Москве и Санкт-Петербурге — за четыре месяца уменьшила ошибки в приёмке заказов с 8 до 2 процентов, потерянные заказы — с 5 до 0,8 процента, а скорость оформления одного обращения сократила с 12 минут до 3. Половину диспетчеров вывели из кол-центра: один человек ушёл в отдел продаж, ещё один — на собственное желание, и заменять его не стали. Ниже подробности: что было, что сделали и какие грабли встретили по дороге.

Контекст: чем жили до автоматизации

АкваКлин работает на B2C-сегмент: семьи, шубы, ковры, верхняя одежда, текстиль. Поток заказов идёт через три канала: телефон, мессенджеры и виджет на сайте. К моменту начала проекта 70 процентов обращений приходило по телефону, 20 — через WhatsApp, 10 — с сайта.

Кол-центр состоял из четырёх диспетчеров посменно. Каждый принимал заявку голосом или текстом, открывал RetailCRM, искал клиента по номеру, заводил карточку заказа, выбирал артикул услуги из справочника (около 180 позиций) и согласовывал курьера или самовывоз. По данным внутреннего аудита за февраль 2026:

• 8 процентов карточек уезжало в производство с ошибками: не тот артикул, неверный адрес, потерянная пометка о пятне.
• 5 процентов заказов терялись — либо клиент перезванивал, либо вещь приезжала «без записи».
• Средний разговор длился 12 минут: 4 на сам диалог, 8 на ввод данных в CRM.
• Жалобы из-за ошибок съедали 6 часов работы менеджера качества в неделю.

Владелец сети считал, что нанять пятого диспетчера будет дешевле, чем «городить AI». В итоге решил попробовать: подсчитал, что один диспетчер стоит компании 90 тысяч рублей в месяц со всеми налогами и сменами, и за полгода окупится практически любая автоматизация.

Что сделали: WhatsApp-бот на YandexGPT 5 плюс интеграция с RetailCRM

Архитектура получилась простая. Клиент пишет в WhatsApp на единый номер сети — попадает в чат с ботом. Бот ведёт диалог на YandexGPT 5 (модель в реестре российских AI-сервисов работает без VPN и не упирается в проблемы с оплатой) и параллельно дергает API RetailCRM.

Из чего состоит пайплайн

1. Распознавание намерения. YandexGPT 5 определяет, что хочет клиент: новый заказ, уточнить статус, отменить, пожаловаться. Если намерение не определилось — отдаёт диалог человеку.
2. Сбор данных. Бот задаёт вопросы по сценарию: «Какую вещь сдаём? Есть ли пятна? Когда удобно забрать?» — и параллельно подтягивает адрес из карточки клиента, если он уже есть в RetailCRM.
3. Выбор артикула. Это самое тонкое место. Бот сопоставляет описание клиента (например, «дублёнка с пятном от вина») с прайс-листом из 180 позиций и предлагает один-два варианта.
4. Согласование курьера. Через интеграцию с системой логистики бот предлагает три ближайших слота приёма.
5. Запись в CRM. Карточка заказа создаётся автоматически с тегом «оформлено ботом», чтобы можно было сравнивать качество с ручными заказами.

Звонки на телефон оставили: их принимают два оставшихся диспетчера. Цель была не убрать людей совсем, а снять с них рутину текстовых заказов.

Как тренировали бота

Промпт-инжиниринг занял три недели. Подход стандартный: брали реальные диалоги диспетчеров за предыдущий месяц, размечали корректные и ошибочные шаги, складывали в few-shot примеры в системном промпте. После запуска бота поток ошибок шёл через еженедельный разбор: 30–50 диалогов в неделю просматривал руководитель кол-центра, отмечал косяки, и команда правила промпт.

Цифры после четырёх месяцев

Метрика	До	После	Изменение
Ошибки в карточках заказа	8%	2%	−75%
Потерянные заказы	5%	0,8%	−84%
Среднее время оформления	12 мин	3 мин	−75%
Диспетчеров в смене	4	2	−50%
Жалоб по ошибкам в неделю	11–14	2–3	−80%
Доля заказов через WhatsApp	20%	47%	+27 п.п.

Доля WhatsApp выросла потому, что часть клиентов, раньше звонивших, перешли на текст: бот доступен круглосуточно, не нужно ждать ответа в очереди. Это, кстати, неожиданный побочный эффект — телефонная нагрузка снизилась почти вдвое сама собой.

Что не сработало с первого раза

Главный провал случился на старте: первая версия бота путала артикулы. Например, клиент писал «куртка на синтепоне», а бот выбирал артикул «куртка пуховая». Разница в цене — 1800 рублей. За первые две недели произошло 23 таких случая, треть клиентов узнали о расхождении только при выдаче и были недовольны.

Решение нашли простое, но не очевидное: вместо того чтобы давать модели свободно выбирать артикул из всего справочника, ей передавали короткий валидный список из 5–8 артикулов, отфильтрованных по категории вещи. То есть сначала бот определял категорию («верхняя одежда → куртка»), потом ему передавали только подходящие артикулы. Точность подбора артикула сразу выросла с 78 до 96 процентов.

Второй промах — слишком вежливый бот. Первая версия писала «Здравствуйте, очень рада вас слышать, расскажите, чем могу помочь…» и так далее. Клиенты жаловались, что «как с роботом». Сократили вступительные фразы вдвое, убрали смайлы, добавили живые формулировки вроде «Принимаю, сейчас оформлю». Стало читаться нормально.

Третья проблема — голосовые сообщения. Их пишут 12 процентов клиентов. Сначала бот их игнорировал, теперь распознаёт через YandexGPT voice (SpeechKit), но точность распознавания в шумной обстановке падает до 75 процентов. В таких случаях бот вежливо просит переписать текстом.

Стоимость и ROI

Разовые затраты: 90 тысяч рублей. Сюда вошли интеграция с RetailCRM (35 тыс.), настройка WhatsApp Business API через провайдера (15 тыс.), промпт-инжиниринг и обучение (40 тыс.).

Ежемесячные расходы: 25 тысяч рублей. Подписка на YandexGPT 5 API, оплата WhatsApp Business сообщений, поддержка от подрядчика.

Экономия в месяц: 180 тысяч рублей — это два уволенных диспетчера (90 × 2). Плюс уменьшение жалоб сэкономило 24 часа работы менеджера качества (около 18 тыс. рублей в месяц).

Чистая экономия: 173 тысячи рублей в месяц. Проект окупился за 3 месяца, с учётом разовых вложений. Это типичные сроки для таких внедрений в малом и среднем бизнесе — особенно когда автоматизируется рутина с явной трудозатратой.

Частые вопросы

Почему YandexGPT 5, а не ChatGPT через прокси

В реестре российских AI-сервисов YandexGPT работает напрямую, без вопросов с оплатой и геоблоком. Для химчисток с филиалами и юрлицом в РФ это критично: на безопасников проще объяснить, что данные клиентов идут в Яндекс, чем в OpenAI через прокси.

Можно ли так же сделать на Bitrix24 вместо RetailCRM

Да. Логика API похожа, только меняются эндпоинты. Если ваш бизнес уже сидит на AmoCRM или Bitrix24 — переделка займёт неделю-две, не больше. Подробнее про подобные интеграции — в материале о том, как автомастерская связала AI с записью клиентов и заказ-нарядами.

Сколько диалогов в день обрабатывает бот

В среднем — 280 текстовых обращений. Из них 92 процента закрываются ботом без передачи человеку. Остальные 8 — это сложные кейсы: реставрация, дорогие меха, конфликты по предыдущим заказам.

Что делать, если бот ошибся и клиент в чате злится

Триггеры эскалации настроены жёстко: слова «директор», «верните деньги», «жалоба», «суд» — мгновенно переключают на человека и уведомляют руководителя смены через Telegram-бот. Среднее время реакции — 90 секунд.

Окупится ли это для маленькой химчистки на 1–2 точки

Скорее нет. Если у вас один-два диспетчера и нет ночного потока — экономии на людях не будет. Имеет смысл смотреть на телефонию с AI-расшифровкой звонков, это дешевле. Об этом подробнее в обзоре голосовых AI-ассистентов для бизнеса.

Как реагируют клиенты, когда понимают, что общаются с ботом

По данным опроса (350 клиентов, март 2026): 64 процента — нейтрально, 22 — положительно («быстрее»), 14 — отрицательно («хочу человека»). Для последних работает простая команда «оператор» — переводит на живого диспетчера.

Параллельно с автоматизацией приёмки сеть развернула систему контроля качества: каждый десятый разговор бота автоматически проверяет тимлид через интерфейс с подсветкой возможных ошибок. Это близко к практикам автоматизации customer service, которые сейчас становятся стандартом. По данным исследования vc.ru про AI в сервисном бизнесе, такие проекты в РФ окупаются в среднем за 4–6 месяцев — АкваКлин уложился быстрее за счёт большого объёма однотипных обращений.

Что взять с собой

• Если ваш бизнес — сервис с приёмом заказов по телефону и текстом, начните с автоматизации текстового канала. Это в 3–5 раз дешевле, чем голосовая автоматизация.
• Не давайте модели свободу выбора из большого справочника. Сначала классифицируйте намерение, потом давайте короткий валидный список.
• Считайте экономику честно: сэкономленные часы менеджера качества и снижение жалоб — это тоже деньги.
• Готовьтесь к двум-трём итерациям после запуска. Первая версия бота всегда ошибается, и это нормально.
• Триггеры эскалации настройте до запуска, а не после первой жалобы.