--- title: "Кейс Acolyte Wear: ИИ-агент закрыл 55% из 11 000 диалогов | Найми ИИ (NaimiAI)" description: "Как из пилота на базе знаний выросла мультиагентная система: остатки из «МоегоСклада», заказы из RetailCRM и общение на «ты»." url: https://naimiai.ru/blog/keys-acolyte-wear-ii-agent-podderzhki published: 2026-08-02T00:00:00.000Z --- 1. [Главная](https://naimiai.ru/) 2. [Блог](https://naimiai.ru/blog) 3. Кейс Acolyte Wear: ИИ-агент закрыл 55% из 11 000 диалогов кейс # Кейс Acolyte Wear: ИИ-агент закрыл 55% из 11 000 диалогов Как из пилота на базе знаний выросла мультиагентная система: остатки из «МоегоСклада», заказы из RetailCRM и общение на «ты». Naimi.ai Team 2 августа 2026 • 6 мин на чтение Клиент пишет в Telegram: «я сделал заказ, когда оформите его, мне никто так и не ответил». Через три минуты он знает номер заказа, статус, дату обработки и то, что посылка уедет СДЭКом. Менеджер в этот разговор не заходил. (изображение: Диалог клиента с ИИ-агентом Acolyte: внутренний запрос к субагенту по базе знаний и параллельный поиск заказа в RetailCRM) Фиолетовым выделено то, чего клиент не видит: главный агент сходил к субагенту за правилами обработки заказов и параллельно нашёл заказ в CRM. Так это работает сейчас. Начинали с агента, который умел отвечать только по базе знаний. [Acolyte Wear](https://acolytewear.ru) — интернет-магазин молодёжной одежды. После удачных рекламных кампаний и сезонного пика заказов стало заметно больше, обращений — тоже. Нанимать людей ради пика команда не хотела. ## Пилот вместо технического задания К нам клиент пришёл, уже обсуждая кастомную разработку с другим подрядчиком. У того варианта была своя цена: ТЗ, согласования, разработка, отдельное тестирование — и только потом первый живой диалог. У нас разработки не было, был готовый продукт. Поэтому договорились просто: клиент запускает пилот параллельно с альтернативой и смотрит, что быстрее доедет до реальных клиентов. Пилот доехал первым, и его оставили рабочим контуром. ## В первый день агент научился говорить «не знаю» Базу знаний взяли у клиента в том виде, в каком она была, обработали за день и подключили. Агент начал отвечать на сервисные вопросы: как работает магазин, куда доставляют, чем платить, до скольки на связи поддержка. Покрыть все вопросы сразу мы не пытались, и это было главное решение первого этапа. Если надёжного ответа нет, агент передаёт диалог менеджеру. Такой помощник выходит в работу за день и не портит поддержку, пока учится. ## Каталог: два подхода мимо, третий рабочий Дальше товары. Тут мы честно потратили время на два тупика. Сначала думали парсить сайт. Качество плавает: каждый сайт устроен по-своему, и универсальный сбор редко даёт аккуратный каталог. Потом попробовали YML/XML-выгрузку. Сайт собран на Tilda, и в выгрузку сыпались позиции, которых в продаже давно нет. Рабочий вариант оказался скучнее: брать данные оттуда, где товар появляется впервые. У Acolyte это «МойСклад». Ссылок на часть товаров там не хватало, клиент доработал карточки — и новые позиции поехали в каталог агента уже с нужными полями. ## Остатки превратили справочную в продавца Потом ограничили список категорий. У клиента остались позиции, которые больше не производятся и не должны попадать в рекомендации. И подключили остатки. Интеграция с API «МоегоСклада» заняла несколько часов, и после неё агент перестал быть справочной. Спрашивают «есть куртка M57?» — он смотрит каталог и остатки. Куртка последняя — аккуратно подсветит, что размер заканчивается. Куртки нет — предложит другой размер, другой цвет или близкую модель. ## Дропы и комплекты собираются вручную У бренда регулярно выходят дропы, новые коллекции и обновлённые линейки. Внутри бывают капсулы и комплекты: куртка и штаны продаются по отдельности, а вместе идут со скидкой. На сайте комплект видно, в «МоёмСкладе» это две разные позиции. Автоматически разложить такое мы на тот момент не придумали и изобретать не стали. Когда выходит дроп, команда клиента руками добавляет описание коллекции или комплекта. Остатки, идентификаторы, ссылки и товарные поля подтягиваются сами. ## «Где мой заказ» — самый частый вопрос Через месяц тестирования клиент вернулся с вопросом, что ещё умеет агент. Так появился поиск заказов в RetailCRM. Инструмент ищет клиента и его заказы по email, телефону, фамилии и имени. Всю историю агенту не отдаём: хватает последних трёх-пяти заказов, отфильтрованных по статусу — оплачен, готовится к отправке. Сначала работал обычный коннектор: клиент пишет с известного номера, система сопоставляет номер с карточкой. Быстро выяснилось, что этого мало. Человек обращается впервые, и номера в CRM ещё нет. Или пишет из Telegram, где телефон в диалог не передаётся. Тогда добавили MCP-сервер. Если идентификатора не видно, агент спрашивает телефон прямо в переписке, получает его и идёт с ним в RetailCRM. Тот же приём работает с любой другой CRM или внешней системой: через MCP-сервер агент получает ровно те данные, которые нужны для ответа, и ничего сверх. ## Как это устроено внутри Главный агент общается с клиентом, понимает задачу, дёргает нужный инструмент или субагента и собирает ответ. Сервисный субагент отвечает за базу знаний: доставка, оплата, возвраты, обмены, правила магазина. Каталожный ищет товары, категории, остатки, размеры, ссылки и альтернативы. Поиск заказов в RetailCRM висит прямо на главном агенте, без отдельного субагента. Так решили осознанно: при текущей нагрузке главный справляется сам, а лишний вызов — это лишние деньги на каждом диалоге. Смысл схемы простой. Не держать весь каталог, всю базу знаний и все правила в одном огромном контексте. Субагент получает узкую задачу, находит нужный кусок и возвращает только его. Главный видит сообщение клиента, результат поиска и правила ответа — и пишет человеческий текст. Скриншот в начале статьи — как раз этот механизм в работе. А через сутки тот же клиент возвращается с вопросом о заказе: телефон и ФИО агент не переспрашивает, он их уже знает, поэтому сразу идёт в CRM за свежим статусом. (изображение: Продолжение диалога: агент проверяет состав заказа в CRM и обновляет статус, не переспрашивая известные данные) ## Что мы поняли про промпты Большие промпты работают хуже. Модель технически переварит и пять страниц, но файл из частных оговорок засоряет логику и добавляет ошибок. - Промпт должен быть сухим и коротким: только нужные правила, без воды и повторов. - Разделы помогают: tone of voice, вызов инструментов, перевод на оператора, запреты, примеры диалогов. - Ошибку нельзя закрывать костылём. Агент вернул не ту почту — причина где-то в базе знаний, структуре данных, модели, маршрутизации или качестве источника. Приписка «а вот эту почту не пиши» лечит симптом. Так промпт и остался регламентом поведения, а не свалкой исключений под каждый найденный баг. ## На «ты», но без «йоу, бро» Аудитория у Acolyte молодая, и формальная служба поддержки звучала бы тут чужеродно. Агента настроили на «ты», дружелюбный тон и умеренный сленг. Сначала он перестарался. В ответы пошли «йоу», «бро», «сорян» — примерно всё, что взрослый человек представляет себе под словом «молодёжный». Чинили не микроправилами, а одним принципом и примерами фраз: агент разговаривает с собеседником как с близким другом, пишет на «ты», может позволить себе молодёжный язык, но остаётся полезным и спокойным. Этого хватило. Каждый ответ при этом заканчивается строкой «Вам ответил наш ИИ-помощник». Притворяться человеком клиент не стал. ## Цифры Агент обработал больше 11 000 диалогов. 55% из них он закрыл полностью сам, остальные передал оператору. Загрузка скачет от месяца к месяцу: влияют сезонность и выход коллекций. Тарификация в «Найми ИИ» считается по реально обработанным диалогам, поэтому в тихий месяц счёт меньше, а не «как в договоре». Данные — на 4 июня 2026 года. ## Что происходит после запуска Проект не закончился выкаткой. В рабочем чате разбираем ошибки, которые всплывают в живых диалогах, клиент присылает идеи, отдельно созваниваемся по роудмапу платформы и будущим сценариям. На Новый год клиент прислал ведущему аналитику проекта лучший костюм из своей коллекции. ## Собрать похожее Первый контур этого кейса — агент по базе знаний с передачей менеджеру — собирается самостоятельно за день. [Заведите агента на триале](https://app-ru.naimi.ai/registration), загрузите материалы и погоняйте ответы до подключения боевого канала. Условия подписки — на странице [«Тарифы»](https://naimiai.ru/pricing), сценарий для магазина разобран в [решении для e-commerce](https://naimiai.ru/solutions/internet-magazin), а как подключается CRM — на странице [интеграции с RetailCRM](https://naimiai.ru/integrations/retailcrm). ## Теги #кейс #e-commerce #ии-агенты #crm #клиентский-сервис ## Готовы нанять первого ИИ-сотрудника? Добавьте информацию о бизнесе или ссылку на сайт и проверьте агента на своих данных. На триале доступны 7 дней и 150 кредитов. [Найми-ИИ](https://app-ru.naimi.ai/registration) ## Читайте также (изображение: Стенд Найми ИИ на ECOM Expo'26) #мероприятия #e-commerce #маркетплейсы #ии-агенты ### [Найми ИИ на ECOM Expo'26](https://naimiai.ru/blog/naimi-ai-na-ecom-expo-26) 24–25 июня команда Найми ИИ участвовала в ECOM Expo'26 и показывала готовую платформу ИИ-агентов для интернет-магазинов, маркетплейсов и клиентского сервиса. 24 июня 2026 · 1 мин на чтение (изображение: Команда Naimi.ai на Upgrade Retail 2026) #мероприятия #ритейл #e-commerce #ии-агенты ### [Naimi.ai на Upgrade Retail 2026: как это было](https://naimiai.ru/blog/naimi-ai-na-upgrade-retail-2026-itogi) Naimi.ai принял участие в Upgrade Retail 2026: пообщались с представителями ритейла, e-commerce и сервисных компаний о практическом применении ИИ-агентов. 5 мая 2026 · 2 мин на чтение (изображение: ИИ‑помощник Naimi.ai консультирует клиента и назначает встречу) #кейс #продажи #недвижимость #crm ### [Кейс: ИИ‑помощник отдела продаж строительной компании](https://naimiai.ru/blog/ai-assistant-construction-sales-case) ИИ‑помощник NaimiAI отвечает 24/7, знает всё о ЖК, акциях и ипотеке и переводит на менеджера, когда нужно. Результат — 90% экономии времени и нулевая потеря обращений. 18 марта 2026 · 3 мин на чтение