Разрозненные данные — главный враг клиентского сервиса
Авиакомпании сталкиваются с парадоксом: о пассажире известно много, но эти знания разбросаны по десятку систем. История бронирования живёт в одной базе, переписка с поддержкой — в другой, предпочтения по питанию — в третьей, а активность на сайте и в приложении — вообще в отдельном хранилище. Сотруднику приходится вручную переключаться между окнами и собирать картину по крупицам. Результат — потерянный контекст, повторяющиеся вопросы и ощущение, что «умный» сервис на самом деле ничего о тебе не помнит.
Virgin Atlantic пошла другим путём: вместо того чтобы нанимать больше людей для ручного сведения данных, компания попробовала объединить сигналы о клиентах с помощью AI-ассистента.
Как ChatGPT Work превращает разрозненные данные в связную историю
В основе подхода — ChatGPT Work. Это корпоративная версия ассистента, которая позволяет подключать рабочие сервисы компании и работать с данными внутри защищённого контура. Вместо того чтобы давать алгоритму полный доступ ко всем системам сразу, в Virgin Atlantic настроили сценарии, в которых ассистент опрашивает нужные источники по запросу и собирает ответ в единое резюме.
Какие данные попадают в обработку
- История бронирований — прошлые и текущие рейсы, классы обслуживания, маршруты.
- Каналы обращений — письма, чаты, звонки в поддержку.
- Поведение на сайте — какие направления искал пассажир, чем интересовался.
- Особые пожелания — аллергии, любимые блюда, требования к перелёту с детьми или животными.
Раньше эти данные существовали отдельно друг от друга. Теперь ассистент подтягивает их по запросу и выстраивает хронологию: что произошло с пассажиром до обращения, какие проблемы уже решались и что важно учесть при следующем контакте.
Как это работает на практике
Когда пассажир пишет в поддержку, сотрудник вместо поиска по пяти базам просто передаёт ассистенту суть запроса. ChatGPT Work находит релевантные записи и предлагает готовую сводку: кто перед нами, какие у него статус и история, были ли похожие инциденты и какой вариант ответа уже сработал раньше.
Важный нюанс — ассистент не заменяет человека, а снимает с него рутину. Сотрудник получает черновик ответа или тезисы для разговора, но финальное решение всегда остаётся за ним. Это особенно критично в авиации, где речь идёт о пересадках, багаже и компенсациях — ошибки здесь дорого стоят.
Что это меняет для команды поддержки
Вместо десяти минут на поиск контекста уходит минута. Сотрудники перестают переспрашивать клиента о том, что уже известно, и могут сосредоточиться на решении проблемы, а не на её диагностике. Кроме того, меньше шансов, что пассажир услышит отговорку «к сожалению, мы не видим вашу бронь» — система действительно видит.
Результаты: что меняется для клиента и для авиакомпании
Главный выигрыш — связность опыта. Клиент не чувствует, что каждый раз начинает разговор с нуля. Он можеn написать в чат, позвонить, а затем вернуться в диалог в мессенджере — и вся история уже будет перед агентом. Это снижает фрустрацию и делает бренд более человечным в глазах пассажира.
Для авиакомпании польза тоже ощутимая: быстрее обрабатываются обращения, меньше повторных запросов и выше вероятность сохранить лояльность частых путешественников. Сигналы, которые раньше терялись, теперь работают на предсказуемый сервис.
Выводы
Кейс Virgin Atlantic — наглядный пример того, как большая корпорация использует генеративные модели не ради хайпа, а для решения давней проблемы. Объединение клиентских сигналов через ChatGPT Work позволяет получить персонализированный сервис без полной автоматизации: машина берёт на себя сбор и анализ информации, человек — ответственность и эмпатию.
Такой подход может работать и за пределами авиации: в банках, ритейле, телекоме. Везде, где о клиенте известно много, но разрозненно, AI-ассистент способен стать тем самым клеем, который превращает набор фактов в целостный образ человека.
