ИИ для обработки претензий и возвратов: как автоматизировать работу с жалобами

ИИ в претензионной работе полезен в трёх местах: он распознаёт и классифицирует обращения из всех каналов, извлекает из них данные заказа и суть требования, считает законный срок ответа и готовит черновик решения по правилам компании. Решение о выплате, отказе или экспертизе остаётся за сотрудником, а сроки и суммы рассчитываются правилами, а не языковой моделью. Такая схема сокращает ручной разбор и снижает риск пропустить срок, за который по закону платится неустойка.

Материал подготовлен AIrassvet и проверен по открытым источникам 30 сентября 2026 года. Он адресован руководителям интернет-магазинов, розничных сетей, сервисных и дистрибьюторских компаний, службам клиентского сервиса и юристам. Нормы приведены по редакциям законов в КонсультантПлюс на дату проверки; это не юридическая консультация, и шаблоны решений по спорным случаям стоит согласовать с юристом. Раздел об AIrassvet в конце описывает услуги издателя.

Содержание

Почему претензии — хорошая задача для ИИ
Какие сроки задаёт закон
Путь претензии: от обращения до решения
Что делает ИИ на каждом этапе
Классификация обращений
Фото и документы: где полезно компьютерное зрение
Претензии в B2B: поставки и договоры
Правила решений и границы автоматизации
Аналитика причин возвратов
Пошаговое внедрение
Метрики претензионной работы
Типичные ошибки
Частые вопросы
Первоисточники и метод проверки

Почему претензии — хорошая задача для ИИ

Претензии и возвраты объединяют три свойства, которые делают их удобными для автоматизации:

Много неструктурированного текста. Клиенты пишут в почту, чат, мессенджеры, на маркетплейсе и звонят. Одна и та же проблема описывается десятками способов.
Жёсткие сроки. Для многих требований потребителей закон задаёт конкретный срок, а просрочка ведёт к неустойке.
Повторяющиеся решения. Большинство обращений укладывается в ограниченный набор сценариев: брак, пересорт, повреждение при доставке, не подошёл товар, задержка, некомплект.

При этом претензия — не просто вопрос в поддержку. Ошибка в ответе может стоить денег, а неудачный отказ — привести к суду. Поэтому ИИ здесь работает как ускоритель разбора и подготовки решения, а не как автономный судья. Общая логика ИИ в клиентском сервисе описана в статье ИИ для клиентской поддержки.

Какие сроки задаёт закон

Для розничной торговли основной документ — Закон РФ «О защите прав потребителей». Ниже — нормы, которые чаще всего определяют маршрут претензии.

Ситуация	Что говорит закон	Норма
Требование вернуть деньги, уменьшить цену или возместить расходы из-за недостатка	Удовлетворить в течение десяти дней со дня предъявления требования	Статья 22
Просрочка сроков по статьям 20–22	Неустойка 1% цены товара за каждый день просрочки	Статья 23
Требование не удовлетворено добровольно и взыскано судом	Штраф 50% от суммы, присуждённой судом потребителю	Статья 13, пункт 6
Обмен непродовольственного товара надлежащего качества	В течение 14 дней, не считая дня покупки, если товар не был в употреблении	Статья 25
Отказ от товара при дистанционной продаже	До передачи — в любое время, после — 7 дней; 3 месяца, если порядок возврата не был сообщён письменно при доставке; деньги вернуть не позднее 10 дней	Статья 26.1, пункт 4
Товар с недостатками	Права потребителя и порядок требований	Статья 18

Из этой таблицы вытекает главное требование к системе: для каждого обращения нужно зафиксировать дату предъявления требования, тип требования и цену товара, а затем автоматически считать срок и потенциальную неустойку. Это задача правил, а не модели: модель извлекает поля из текста, правила считают даты.

У закона есть исключения и особые случаи — например, технически сложные товары, товары с индивидуально-определёнными свойствами, отдельные перечни товаров. Поэтому сценарии и шаблоны нужно составлять вместе с юристом под ваш ассортимент.

Путь претензии: от обращения до решения

Типичный процесс состоит из шести этапов:

Приём. Обращение приходит по любому каналу.
Регистрация. Создаётся карточка с датой, клиентом, заказом и каналом.
Разбор. Определяется тип проблемы, требование клиента и нужные доказательства.
Проверка. Сверяются заказ, доставка, фото, гарантийные условия, при необходимости назначается проверка качества или экспертиза.
Решение. Возврат, обмен, ремонт, скидка, отказ с обоснованием или запрос дополнительных данных.
Исполнение и закрытие. Возврат денег, логистика товара, ответ клиенту, учёт причины.

Основные потери времени обычно возникают на этапах 2–4: сотрудник читает переписку, ищет заказ в учётной системе, запрашивает недостающие фото и переносит данные вручную. Именно здесь ИИ даёт наибольший эффект.

Что делает ИИ на каждом этапе

Этап	Задача ИИ	Инструмент	Контроль
Приём	Собрать обращения из почты, чатов, мессенджеров, маркетплейсов, расшифровать звонки	Интеграции, распознавание речи	Полнота каналов
Регистрация	Извлечь номер заказа, товар, дату покупки, требование, контакты	LLM с проверкой по базе заказов	Совпадение с заказом в учётной системе
Разбор	Классифицировать тип проблемы и требование, оценить тональность и срочность	LLM или классификатор	Выборочная проверка категорий
Проверка	Запросить недостающие фото и документы, проанализировать фото повреждений	LLM + компьютерное зрение	Решение сотрудника по спорным фото
Решение	Подобрать сценарий по правилам и подготовить черновик ответа	Правила + LLM	Утверждение сотрудником
Исполнение	Создать задачи на возврат денег, забор товара, запись в учёт	Интеграции с 1С, CRM, платёжной системой	Подтверждение операций

О приёме обращений из почты и их разборе — в статье автоматизация заявок из почты с ИИ, а об интеграции с CRM — в материале ИИ-агент для Битрикс24 и amoCRM.

Классификация обращений

Хорошая классификация — основа всей автоматизации. Она должна отвечать на два независимых вопроса: что случилось и чего хочет клиент.

Тип проблемы: брак или недостаток, повреждение при доставке, пересорт или некомплект, не подошёл товар надлежащего качества, задержка или недоставка, ошибка в цене или оплате, претензия к сервису или сотруднику.

Требование клиента: возврат денег, обмен, ремонт, уменьшение цены, возмещение расходов, доставка недостающего, только жалоба без требования.

Разделение важно, потому что сроки и маршрут зависят от комбинации. Например, «не подошёл размер» при покупке онлайн и «обнаружен брак» ведут к разным нормам и разным проверкам.

Практические рекомендации:

начните с 8–15 категорий, которые покрывают основной поток, и категории «другое» для ручного разбора;
соберите размеченную выборку реальных обращений и проверьте на ней качество классификации до запуска;
если модель не уверена в категории, обращение уходит сотруднику, а не в ближайшую категорию;
пересматривайте категории, когда в «другом» накапливается повторяющийся тип.

Фото и документы: где полезно компьютерное зрение

Многие претензии сопровождаются фотографиями: повреждённая упаковка, дефект ткани, разбитый экран, несоответствие артикула. Компьютерное зрение и мультимодальные модели помогают:

проверить, что фото вообще относится к заявленному товару: видна ли этикетка, артикул, серийный номер;
выделить область повреждения и описать её для сотрудника;
сопоставить фото с фотографиями товара при отгрузке, если компания их делает;
найти повторное использование одних и тех же изображений в разных претензиях.

Ограничения важны: по фото нельзя надёжно установить причину дефекта — производственный он или эксплуатационный. Это вопрос проверки качества или экспертизы. Модель лишь готовит материал для решения. Подробнее о подходах — в статье компьютерное зрение в ритейле, а о признаках злоупотреблений — в материале поиск мошенничества и аномалий с ИИ.

Претензии в B2B: поставки и договоры

Претензионная работа между компаниями устроена иначе. Сроки и порядок задаёт прежде всего договор, а для денежных споров действует общее правило части 5 статьи 4 АПК РФ: спор о взыскании денежных средств из договора можно передать в арбитражный суд после мер по досудебному урегулированию по истечении тридцати календарных дней со дня направления претензии, если иные срок или порядок не установлены законом или договором.

ИИ в B2B-претензиях помогает:

извлечь из договора условия о приёмке, сроках заявления о недостатках, претензионном порядке и неустойке;
сопоставить претензию с накладными, актами приёмки и перепиской;
рассчитать дату, после которой возможно обращение в суд, по условиям конкретного договора;
подготовить черновик ответа или встречной претензии для юриста.

Для этого нужен доступ к договорам и первичным документам, часто — в учётной системе. Юридическая оценка и подписание остаются за юристом; см. также статью ИИ для юридического отдела.

Правила решений и границы автоматизации

Чем выше цена ошибки, тем меньше автономии. Практичная схема — три режима решения, которые компания настраивает под свои суммы и риски.

Режим	Когда применять	Что делает система
Автоматическое решение	Типовые случаи в пределах политики: отказ от товара надлежащего качества в срок, мелкая сумма, чистая история клиента	Одобряет по правилам, сотрудник видит в журнале
Черновик на утверждение	Брак, повреждение при доставке, суммы выше порога, неполные данные	Готовит ответ и решение, сотрудник утверждает
Только ручной разбор	Спор о причине дефекта, признаки злоупотребления, угроза суда, требования о компенсации вреда	Собирает материалы и передаёт юристу или старшему специалисту

Два правила обязательны в любом режиме:

Отказ никогда не отправляется без человека. Необоснованный отказ повышает риск неустойки и штрафа по статье 13 закона.
Сроки считает правило, а не модель. Модель может неверно понять дату в тексте, поэтому дата предъявления требования фиксируется системой при регистрации и проверяется сотрудником.

Аналитика причин возвратов

Претензии — источник данных о качестве товаров, поставщиков и логистики. Когда каждое обращение классифицировано и связано с товаром, можно регулярно отвечать на вопросы:

какие товары и поставщики дают больше всего брака;
где повреждения возникают при доставке и у какого перевозчика;
какие карточки товаров вызывают возвраты «не подошёл» из-за неточного описания или размерной сетки;
как меняется поток претензий после изменений ассортимента или упаковки.

Языковая модель помогает сводить свободные комментарии клиентов в темы, но выводы о причинах стоит проверять на данных учёта. Для продавцов маркетплейсов смежные сценарии собраны в статье ИИ для селлеров Wildberries и Ozon.

Пошаговое внедрение

Шаг 1. Опишите текущий процесс и нормы

Составьте карту каналов, этапов и ответственных. Вместе с юристом зафиксируйте сценарии и применимые сроки для вашего ассортимента.

Шаг 2. Соберите и разметьте выборку

Возьмите несколько сотен реальных обращений за прошлые периоды, разметьте тип проблемы, требование и итоговое решение. Это основа для оценки качества.

Шаг 3. Настройте извлечение и классификацию

Подключите модель к выборке, сравните её разметку с человеческой, доработайте категории и инструкции. Обращения с низкой уверенностью направляйте людям.

Шаг 4. Реализуйте правила сроков и режимов

Расчёт сроков, неустойки и маршрута по режимам решений должен быть детерминированным и проверенным тестами.

Шаг 5. Интегрируйте с учётными системами

Связь с базой заказов, доставкой, 1С или CRM убирает ручной поиск. О подключении — в статье как подключить ИИ-агентов к 1С.

Шаг 6. Пилот в режиме черновиков

На первом этапе система только готовит карточки и черновики, а сотрудники утверждают все решения. Замерьте время обработки и качество черновиков.

Шаг 7. Постепенно расширяйте автоматические решения

Переводите в автоматический режим только те сценарии, где черновики стабильно утверждаются без правок, и сохраняйте журнал для выборочного контроля.

Метрики претензионной работы

Метрика	Как считать	Зачем
Доля ответов в законный срок	Претензии, решённые в срок / все претензии с законным сроком	Прямой риск неустойки
Время до первого ответа	От регистрации до первого содержательного ответа	Клиентский опыт
Время до решения	От регистрации до закрытия	Производительность
Точность классификации	Совпадение с проверкой сотрудника на выборке	Качество ИИ
Доля черновиков без правок	Утверждённые без изменений / все черновики	Готовность к автоматизации
Доля споров, дошедших до суда	Судебные дела / претензии	Качество решений
Причины возвратов по товарам и поставщикам	Распределение категорий	Управление качеством

Сравнивайте показатели с замером до пилота. Общие принципы измерения эффекта описаны в статье метрики эффективности ИИ-агентов.

Типичные ошибки

Бот, который спорит с клиентом. Автоматические отказы вызывают эскалации и повышают юридический риск.
Сроки «на глаз». Если дата предъявления требования не зафиксирована системой, пропуск срока невозможно ни предотвратить, ни доказать обратное.
Одна категория «жалоба». Без разделения проблемы и требования нельзя правильно применить нормы и получить полезную аналитику.
Закрытые данные в открытой модели. Претензии содержат персональные данные клиентов; схема обработки должна учитывать 152-ФЗ. Подробнее — в статье можно ли отправлять клиентские данные в ИИ.
Выводы по фото без проверки. Причину дефекта определяет проверка качества или экспертиза, а не модель.

Частые вопросы

Может ли ИИ сам принимать решения по претензиям?

Для типовых случаев в пределах утверждённой политики — да, по правилам и с журналом. Спорные случаи, отказы и крупные суммы должны утверждать сотрудники. Отказ без участия человека повышает риск неустойки и судебного штрафа.

Какой срок ответа на претензию потребителя?

Зависит от требования. По статье 22 Закона о защите прав потребителей требования о возврате денег, уменьшении цены или возмещении расходов из-за недостатка удовлетворяются в течение десяти дней. Для других требований и особых товаров действуют свои нормы, поэтому сценарии стоит согласовать с юристом.

Сколько дней есть у покупателя на возврат товара, купленного онлайн?

По статье 26.1 закона покупатель может отказаться от товара надлежащего качества до передачи в любое время, а после передачи — в течение семи дней. Если порядок и сроки возврата не были сообщены письменно при доставке, срок увеличивается до трёх месяцев. Деньги нужно вернуть не позднее десяти дней с требования.

Поможет ли ИИ отличить брак от повреждения по вине покупателя?

ИИ может подготовить материал: проверить относимость фото, выделить повреждение, сравнить с фото при отгрузке. Установить причину дефекта надёжно по фотографии нельзя — это задача проверки качества или экспертизы.

Какие данные нужны для запуска?

История обращений с итоговыми решениями, доступ к базе заказов и доставке, политика возвратов и перечень сценариев, согласованный с юристом. Для анализа фото полезны изображения товаров при отгрузке.

Подходит ли такая автоматизация для B2B?

Да, но основой служат договоры и первичные документы. ИИ извлекает условия о приёмке и претензионном порядке, сопоставляет претензию с накладными и готовит черновик для юриста, а сроки считаются по условиям договора и АПК РФ.

Первоисточники и метод проверки

Материал подготовлен по источникам, проверенным 30 сентября 2026 года:

Закон РФ «О защите прав потребителей» в редакции КонсультантПлюс: статья 13, статья 18, статья 22, статья 23, статья 25, статья 26.1.
Арбитражный процессуальный кодекс РФ, статья 4 — досудебный порядок для денежных требований.

Методика: сроки и санкции приведены по тексту статей; этапы процесса, распределение задач, режимы решений, категории и метрики — редакционный анализ AIrassvet, а не требования закона. Упомянутые в тексте рекомендации о размере выборки — ориентиры для планирования, а не измеренные значения.

Главное ограничение: в статье нет собственных измерений скорости или точности автоматизированной обработки претензий. Эффект нужно проверять на ваших обращениях и сравнивать с исходным замером.

Как AIrassvet помогает автоматизировать претензии и возвраты

Если претензии разбираются вручную и сроки контролируются по памяти, процесс можно перестроить вокруг единой карточки обращения и правил. На сайте AIrassvet, который также использует название «AI студия Владимира Ломтева», описаны направления, применимые к этой задаче:

ИИ-агент, который принимает обращения из мессенджеров, почты и телефонии, извлекает данные заказа и создаёт карточку в CRM.
Анализ фото и документов по претензии с помощью компьютерного зрения для подготовки решения сотрудником.
Автоматизация действий в 1С и других системах: поиск заказа, задачи на возврат и учёт причины.
Аудит процесса, интеграция, тестирование на исторических обращениях и обучение сотрудников.

Первый шаг — выбрать один поток обращений, например возвраты интернет-магазина, описать текущую обработку, источники данных, ограничения и критерий, по которому пилот будет признан успешным.

Обсудить задачу.

Итог: с чего начать автоматизацию претензий

Автоматизация претензий и возвратов с ИИ работает, когда модель ускоряет чтение и подготовку, правила отвечают за сроки и суммы, а люди — за спорные решения и отказы. Такое разделение одновременно сокращает ручную работу и снижает риск неустойки за просрочку.

Начните с карты процесса и согласованных с юристом сценариев, разметьте исторические обращения, настройте классификацию и расчёт сроков, затем запустите пилот в режиме черновиков. Автоматические решения добавляйте только там, где черновики стабильно принимаются без правок.