76% у пресрелізі, 51% «з коробки»: справжня математика AI-агентів підтримки у 2026

15 червня 2026 року Salesforce оголосила, що купує Fin (колишній Intercom) приблизно за 3,6 мільярда доларів, і в пресрелізі навела головний аргумент: AI-агент Fin у середньому закриває 76% звернень підтримки без людини. Через тиждень той самий тиждень приніс реліз Agentforce Summer ’26 із оркестрацією мультиагентів, а Gartner уже прогнозує, що до 2029-го агентний AI автономно вирішуватиме 80% типових звернень.

Ми будуємо AI-агентів підтримки й продажів під конкретні процеси клієнтів, тож дивимось на ці цифри без захвату. І хочемо звернути увагу на іншу цифру, яку не друкують великим шрифтом: 51%. Саме стільки звернень Fin вирішував «з коробки» (для покоління Fin 2) за власними даними Intercom. Розрив між «76%» зі слайда й «51%» на старті — це і є місце, де більшість проєктів AI-підтримки або злітають, або тихо вмирають.

Гучні цифри — це стеля пресрелізів, а не ваш результат

Подивімося, звідки беруться «магічні» відсотки:

76% — Salesforce/Intercom. Цифра з пресрелізу про купівлю Fin: середнє по найкращих впровадженнях, маркетинговий показник, а не гарантія для нового акаунта.
80% — це прогноз, а не вимір. Gartner (березень 2025) передбачає 80% автономних вирішень до 2029 року і −30% операційних витрат. Це напрям, а не сьогоднішня реальність. Поточні виміряні показники лежать значно нижче.
60% — Gorgias. «60% звернень вирішуються миттєво» — це маркетингова обіцянка з продуктової сторінки, не незалежно проаудитована цифра.

Усі ці числа — стеля за ідеальних умов. Корисні як орієнтир напряму. Небезпечні, якщо закласти їх у бізнес-план як факт.

А тепер цифри, які тримаються під аудитом

Коли прибрати маркетинг, картина тверезіша — і теж цілком позитивна:

Intercom, власна статистика (квітень 2026). Fin у середньому по базі (7000+ клієнтів, 40+ млн розмов) вирішує 67% звернень — і це зросло від 51% «з коробки» для попереднього покоління Fin 2. Тобто 67% — це результат налаштування й даних, а стартова точка нового акаунта ближча до половини.
Реальний кейс (Vagaro, дані Zendesk). 44% вхідних звернень вирішено автономно, час вирішення −87%, CSAT піднявся до 92%. Нижче за «80%» — зате це виміряний результат однієї компанії, а не аспірація.
Дослідження на 5 179 агентах (NBER/QJE, Brynjolfsson, Li, Raymond). Доступ до GPT-асистента підняв продуктивність (вирішень за годину) на 14% у середньому — і на 34% для новачків, майже без ефекту для досвідчених. Тобто найбільша цінність AI — це підсилення людини, а не її заміна.
IBM (опитування 2000 CEO). Лише чверть (25%) AI-ініціатив дали обіцяний ROI, і лише 16% масштабували на всю компанію. Розрив між пілотом і прибутком — головна проблема, а не модель.

Урок Klarna — найдорожчий у галузі

Найгучніший кейс AI-підтримки досі цитують усі. У лютому 2024-го Klarna заявила: AI-асистент на базі OpenAI за перший місяць обробив 2,3 млн розмов — дві третини всього чату підтримки, скоротив середній час вирішення з 11 хвилин до менш ніж 2, виконав роботу 700 операторів і дав близько $40 млн покращення прибутку. Ідеальний слайд.

Продовження рідко цитують. До травня 2025-го Klarna розвернула стратегію «спершу AI» й почала повертати живих операторів. CEO Себастьян Сємятковський визнав: підхід, де головним був тільки коштовий зиск, дав «нижчу якість» сервісу. Висновок не «AI не працює», а «AI без запасного виходу до людини коштує дорожче, ніж економить».

Чому виникає розрив — і що зробили самі вендори

Корінь плутанини — два різні слова, які зливають в одне:

Дефлекшн — звернення не дійшло до людини (бот щось відповів, користувач пішов). Це не означає, що проблему вирішено.
Вирішення — питання реально закрите, і це можна підтвердити.

Багато гучних відсотків історично рахували саме дефлекшн. І найкраще це визнали не критики, а самі платформи — перейшовши на оплату за підтверджений результат:

Zendesk на Relate 2026 (травень) представив «Autonomous Service Workforce» і розширив модель оплати за результат: гроші береться лише за реально вирішені звернення, причому кожне вирішення верифікується двічі — спершу самим агентом, потім окремою AI-моделлю-оцінювачем.
Salesforce у Summer ’26 додав до Agentforce оркестрацію мультиагентів і спрощений Help Agent із оплатою за вирішення (pay-per-resolution).

Сигнал простий: якщо вендор готовий брати гроші лише за підтверджене вирішення — значить, попередні «80%» були не зовсім про вирішення.

Що реально працює у 2026

Перемагає не «100% автономії з коробки», а тверезо спроєктована система:

Проєктуйте під резолвабельний зріз. Той 50–67%, який агент реально й підтверджено закриває, — це актив. Решта — кандидати на ескалацію, а не на силоміць автоматизацію.
Міряйте підтверджене вирішення + CSAT, а не дефлекшн. Інакше оптимізуєте не те і повторюєте помилку Klarna.
Робіть ескалацію до людини нормою, а не аварією. Безшовний перехід до оператора з усім контекстом — це функція, а не поразка.
Підсилюйте людину, а не лише замінюйте. +34% продуктивності новачкам (NBER) — це теж результат, який часто дешевший і безпечніший за гонитву за повною автономією.
Інтегруйте дані. Агент, що бачить замовлення, політики й CRM, закриває набагато більше. Narvar NAVI автоматизує пост-продаж (повернення, обміни, рефанди) у межах політик і маржі ритейлера; Sierra з утилітною платформою Kraken вбудувала агентів просто в білінг (платформа охоплює 70+ млн акаунтів). Стеля агента — це насамперед його доступ до даних, а не модель.

І ще одне: цінність агентів — не тільки в економії на підтримці, а й у зростанні виручки. У Salesforce за Q3 2026 фінансового року половина (50%) бронювань Agentforce припала на розширення наявних клієнтів — тобто самі впровадження агентів тягнуть допродаж. А за звітом State of Sales 2026, 54% продавців уже користуються AI-агентами й очікують −34% часу на ресьорч і −36% на чернетки листів. Підтримка й продажі сходяться в одній агентній логіці.

Як на це дивимось ми (інтегратор, не коробка)

Ми не продаємо «80% автономії з коробки» — у 2026-му це антипродукт. Ми будуємо агента під ваш зріз звернень і на ваших даних (CRM, замовлення, політики), вмикаємо безшовну ескалацію до людини й міряємо підтверджене вирішення, а не відхилення. Це нудніше за пресреліз — зате цифри витримують аудит, а бренд не вчиться на власному «кейсі Klarna».

Граблі, на які варто не наступати

Закласти «80%» як факт. Це стеля або прогноз; ваша цифра рахується на ваших даних.
Сплутати дефлекшн із вирішенням. Відхилив ≠ допоміг.
Прибрати людину там, де потрібні люди. Урок Klarna коштував репутації; ескалація — обов’язкова.
Пілот без інтеграції даних. Агент без доступу до замовлень і політик упреться в низьку стелю — і вас переконають, що «AI не працює».
Міряти не те. Кількість відхилених звернень — марнославна метрика; рахуйте підтверджені вирішення й CSAT.

З чого почати

Не «AI-підтримка з коробки», а чотири тверезі кроки:

Порахуйте свою реальну стелю. Візьміть 90 днів історії звернень і позначте, який відсоток реально автоматизовний саме на ваших даних. Це ваша цифра, не вендорська.
Запустіть агента на цьому зрізі — з інтеграцією в CRM/замовлення й безшовною ескалацією до людини.
Міряйте підтверджене вирішення й CSAT, а не дефлекшн.
Розширюйте зріз, лише коли цифри тримаються; не нарощуйте автономію силоміць.

Чому це важливо вже зараз

2026-й — рік, коли галузь тихо перейшла від питання «скільки звернень ми відхилили» до «скільки реально вирішили — і чи готові за це платити». Вендори вже голосують гаманцем, переходячи на оплату за підтверджений результат. Виграє той, хто будує підтримку під цифру, що витримує аудит, а не під слайд. AI у підтримці — це важіль якості й швидкості людини, а не її повна заміна.

Чи замінить AI підтримку повністю?

Ні — і досвід 2025–2026 це підтвердив. Klarna після гучного «AI-first» розвернулася й повернула живих операторів, визнавши «нижчу якість» суто коштового підходу. Працює модель, де AI закриває резолвабельний зріз звернень, а складні чи чутливі випадки безшовно йдуть до людини. Дослідження на 5 179 агентах показало +34% продуктивності для новачків саме від підсилення, а не заміни.

76% чи 51% — кому вірити?

Обидві цифри від Intercom, але про різне. «76%» — пресрелізний показник (середнє по найкращих впровадженнях), «51%» — вирішення «з коробки» для Fin 2 до налаштування, а 67% — середнє по всій базі після налаштування. Жодна з них не є вашою цифрою: реальну стелю можна порахувати лише на ваших власних зверненнях і даних.

Яка різниця між дефлекшном і вирішенням?

Дефлекшн — звернення не дійшло до людини (бот відповів, користувач пішов), що не означає розв’язаної проблеми. Вирішення — питання реально закрите й це можна підтвердити. Багато гучних відсотків історично рахували дефлекшн; не випадково Zendesk і Salesforce у 2026-му перейшли на оплату за підтверджене вирішення з подвійною верифікацією.

З чого почати малому чи середньому бізнесу?

З аудиту 90 днів звернень, щоб порахувати власну стелю автоматизації, далі — запуск агента на цьому зрізі з інтеграцією в CRM/замовлення й ескалацією до людини, і вимірювання підтвердженого вирішення та CSAT. Розширювати автономію варто лише тоді, коли метрики тримаються. Саме під такий підхід ми в Aceverse будуємо агентів: під ваш процес, на ваших даних, з реальними цифрами.