Как сократить расчёт сложного тарифа с двух часов до пятнадцати минут. Кейс Oganov Digital и банка Точка

Эта задача возникла в момент, когда Oganov Digital начал продавать свои услуги через B2B-маркетплейс банка Точка.

Тарифы у агентства сложные. Много услуг, региональные различия, исключения, комбинации. Пока расчётом занимались свои сотрудники, система держалась. Когда расчёт перешёл к менеджерам банка, стало видно, где она ломается.

Проблема была в том, что менеджеры поддержки Точки просто не могли удерживать всю логику расчёта в голове. Один тариф требовал десятков условий. Приходилось все и постоянно согласовывать с сотрудниками агентства, и в конечном итоге это превращалось в пинг-понг. Ошибка на любом шаге означала пересчёт с начала. В среднем это занимало около двух часов.

Нужно было не ускорять людей, а убрать из их головы саму сложность. Так появился чат-бот, который ведёт менеджера по расчёту и сам держит всю логику тарифов.

ИИ здесь не "думал" и не принимал решений. Он просто не терял условия, не путался в ветках и не уставал. Но даже в таком виде решение не заработало сразу.

Было несколько итераций. Менялась логика вопросов, пересобирались сценарии, отбрасывались нерабочие гипотезы. Всего бот прошёл пять версий, прежде чем стал устойчивым инструментом.

В итоге расчёт тарифа сократился до пятнадцати минут. Процесс стал предсказуемым, управляемым и не зависящим от конкретного менеджера. Продажи перестали упираться в когнитивный потолок человека.

В полном кейсе я разбираю:

• почему первые версии бота не работали,
• какие решения оказались избыточными,
• где именно ИИ дал эффект, а где оказался бесполезен,
• и какие ограничения остались даже после автоматизации.

Ссылка на полный кейс - здесь: https://aistrata.tech/tpost/27bch3ri21-kak-mi-sozdali-ii-assistenta-dlya-podbor

Кейс с Oganov Digital и банком Точка - разбор того, как вынос сложной логики в систему меняет сам процесс продаж.