ym103487564

Агент GenAI-наставник

Срок начала реализации
Март 2025
Срок вывода в ПРОМ
Июнь 2025
Блок
Сеть продаж
Подразделение
Управление продаж и обслуживания в канале ВСП – Дивизион моделирования и исследования данных
01
Проблема
  • Неравномерная экспертиза и эффективность продаж продуктов среди сотрудников сети
  • Высокие затраты времени и ресурсов среди заместителей руководителей офисов на мониторинг работы сотрудников и проведение наставнических сессий, их ресурс ограничен и не покрывает всю потребность сети
02
Цель
  • Сокращение срока адаптации новых сотрудников продающих ролей и повышение скорости выхода на производительность
  • Снижение временных затрат руководителей и оптимизация ПШЕ
  • Рост кросс-продаж и CSI за счёт выявления зон роста сотрудников
03
Решение
AI-наставник анализирует более 200 показателей в рамках реальных консультаций клиентов, создаёт индивидуальное резюме эффективности сотрудника, формирует зоны роста для повышения навыков продаж. AI-наставник также позволяет тренировать навыки продаж по западающим зонам сотрудника с виртуальным персонажем в трёх интерактивных режимах:
  • «ЗНАНИЯ» — агент-ментор объясняет, как развивать западающие зоны сотрудника
  • «ПРИМЕР» — агент-сотрудник показывает эффективный подход к продаже продукта на своём примере
  • «ПРАКТИКА» — агент-клиент выступает в роли клиента, которому сотрудник продаёт продукт.
По итогам сессии агент формирует детальную оценку виртуальной консультации и даёт советы сотруднику, как повысить его эффективность
Функциональность
  • Захват и транскрибация диалога с клиентом
  • Аналитика отклонений в консультации клиентов
  • Работа агента в 3 разных ролях (ментор, сотрудник сети продаж, клиент) для проведения интерактивных наставнических сессий с учётом западающих зон сотрудника
  • Формирование резюме по итогам наставнической сессии с задачами, которые сотрудник отработал и зонами роста
Текущий эффект
100%
сотрудников - тираж решения продающих ролей (к 01.12)
+0,5%
рост конверсии по фокусным продуктам после наставнической сессии
600 ПШЕ
высвобождение времени руководства офисов на новые задачи за счёт автоматизации наставнических сессий
Целевой эффект
1,2 МЛРД рублей
финансовый эффект в 2026 году
TBD – оптимизация ПШЕ
Используемая фундументальная модель
Используемые инструменты разработки и улучшения GenAI-решений
RAG
AI Hub
Размер и роли команды реализации решения
7 ПШE
1 Владелец продукта (PO)
1 Техлид
1 Специалист по тестированию
1 Data Scientist
3 Разработчиков (2 Backend, 1 Frontend)
Контактное лицо
Шадров Алексей Игоревич
AIShadrov@sberbank.ru
Контактное лицо
Зурнаджян Сергей Карапетович
SKZurnadzhyan@sberbank.ru
Контактное лицо
Сергиенко Иван Александрович
Sergienko.I.Aleksa@sberbank.ru
Хештеги
#ПерсональныеРекомендации
Ещё кейсы
PMAgent (Process Mining от Сбера)
MVP использовалось для анализа процесса обработки социальных льгот в Липецкой области, где помогло выявить недостатки и предложить меры оптимизации, сократив срок рассмотрения заявок с 16 до 7 дней
Agentic BI в Навигаторе
Умный поиск позволяет найти любой дэшборд, экран или информацию из документа и презентации в АС Навигатор
Агент BackOffice (Банкротство ФЛ)
GigaChat
Мощный AI‑помощник
Playground
Площадка для создания и проверки промптов
Giga Agent Builder
Low-code платформа для создания AI‑агентов
GigaChat Labs
Площадка для тестирования и использования AI‑агентов
GigaChain
Решения для разработки LLM-приложений и мультиагентных систем
GigaAgent
AI-агент для решения задач, от анализа xlsx в 100 000 строк до генерации мемов