AI не замінить CSM. Але змінить його назавжди

💡 Усі статті, обговорення, новини про AI — в одному місці. Приєднуйтесь до AI спільноти!

Колись ми боялися, що автоматизація «забере живе спілкування». А зараз головна задача CSM — зробити так, щоб у всьому цьому AI-космосі людина все ще відчувалася людиною. Але про це трохи згодом. Спершу — кілька фактів про мене.

За фахом я вчитель, але свого часу знайшла себе в IT. Спочатку — sales, потім Account Management і Customer Success. Далі все як у хорошому серіалі про айтішників: клієнти, дедлайни, онбординги, кризові дзвінки, Jira, CRM, Excel і вічне «давайте швиденько сінканемось».

За плечима — роки роботи з клієнтами, десятки проєктів, запусків і ситуацій, де потрібно було одночасно бути і комунікатором, і кризовим менеджером, і людиною, яка просто не дає всім панікувати.

Останнім часом, щоправда, моя основна роль — 24/7 support manager для маленького стейкхолдера з дуже мінливими вимогами та критично низькою толерантністю до downtime 😄 Скажу чесно: саме цей досвід прокачав мою стресостійкість, multitasking і вміння реагувати на зміни швидше, аніж би мене навчив будь-який корпоративний тренінг.

Паралельно я пишу статті для DOU про Customer Success, комунікацію з клієнтами та кар’єру в IT і все більше занурююсь у тему AI в роботі CSM — від автоматизації процесів до аналізу дзвінків і client communication.

Ця стаття, якщо чесно, чекала свого часу вже кілька місяців. Писалась ночами. Редагувалась теж ночами. І до відправки готувалась... правильно, знову ж таки вночі 😄

Мені постійно хотілося ще щось дописати, ще щось перевірити, прочитати чергову статтю, пройти ще один модуль курсу або протестувати новий AI-інструмент. Але проблема в тому, що тема AI змінюється швидше, ніж я встигаю натискати «Save draft».

Тож ні, це не спроба встигнути написати її до того, як AI захопить світ 😄 Це просто реальність, у якій технології змінюються настільки швидко, що ідеального моменту для публікації, здається, вже не існує. Поки дописуєш один абзац, уже з’являється новий тул, нова модель або нова гучна новина. Здається, якби я відклала публікацію ще на місяць, довелось би переписувати половину статті.

А коли ти ще й молода мама, то вільний час вимірюється не годинами, а тривалістю дитячого сну. І за цей час дуже хочеться встигнути все: побути мамою, не випадати з професії, повчитись, не переписувати з нуля статтю 😄 і ще хоча б раз випити каву гарячою.

Customer Success до того, як стало модно автоматизувати все

Мій шлях у Customer Success починався точно не з AI. Він починався з людей, хаосу і постійного відчуття, що всі навколо одночасно щось будують і самі намагаються зрозуміти, як воно має працювати.

Це був той період, коли ти вчишся буквально весь час. Бо ніхто до кінця не знає, «як правильно». Після кожного клієнтського дзвінка — рефлексія. Після складного кейсу — обговорення з командою. Ретроспективи тоді були не модним agile-ритуалом, а способом виживання.

Процеси поступово ставали дорослішими. Разом із ними росли таблиці, документація і кількість правил.

Спочатку з’являється CRM нашої мрії. Звісно ж, власної розробки.
Потім — інша CRM. Звісно, ми її купили.
Потім ще одна, бо «ця вже, звісно, не закриває наші потреби».

Автоматизації комунікації з клієнтами майже не було. Ми вручну писали листи, пересилали величезні email threads і намагалися зрозуміти, хто що мав на увазі десь між «Reply all» номер 17 і номер 28.

Подекуди були й маленькі корпоративні драми. Бо коли в треді 40 листів — хтось обов’язково щось та й не дочитає, не добачить 😄 або додумає такого, чого автор листа і в найстрашнішому сні не міг собі уявити.

Саме тоді починають народжуватись правила як правильно називати subject line, як оформлювати листи, як називати епіки в Jira. Щоб потім хоча б була надія знайти потрібну інформацію без археологічних розкопок.

А далі починається найцікавіше — поступова автоматизація. З’являються внутрішні knowledge-sharing платформи, інтеграції з Jira та Wrike, і комунікація починає переїжджати з пошти в більш просунуті системи.

А потім AI перестав бути чимось «десь там у майбутньому»

З часом мені захотілося нового досвіду. Не тому, що десь було «не так», а радше через дуже знайоме для багатьох в IT відчуття: коли ти вже добре розумієш одну систему координат, то автоматично починаєш дивитись, як це працює в інших компаніях, командах і процесах.

До того моменту я вже пройшла шлях від холодних продажів до Customer Success та Account Management, встигла пожити серед Jira, CRM, онбордингів, клієнтських ескалацій і нескінченних тредів із листуванням, де на двадцятому «Reply all» уже ніхто не розуміє, що відбувається і хто взагалі створив цей мітинг 😄

Новий досвід співпав ще й з дуже цікавим періодом для самого Customer Success. Індустрія швидко змінювалась. Те, що ще кілька років тому виглядало як «вау, яка технологія», поступово ставало нормою.

Внутрішні процеси ставали все більш продуманими. З’являлось більше автоматизації, інтеграцій, knowledge-sharing практик. Команди вже думали не лише про те, як «закрити задачі», а і як зробити так, щоб люди не витрачали половину робочого дня на механічні речі.

З’являються регулярні курси, робота з американськими advisers, фідбек-сесії, внутрішні обговорення. Команда щомісяця збирається на хакатони — і це були не «хакатони заради галочки», а реальні спроби покращити щоденну роботу людей.

Пам’ятаю, як тоді мене дуже вразило, наскільки багато дрібних процесів уже могли відбуватись майже без твоєї прямої участі. Ти відкриваєш Slack зранку — а там уже: десь автоматично створилась задача, десь оновився статус, десь підтягнулись дані, десь система сама нагадала команді про дедлайн, а після мітингу вже прилетів summary.

І це не виглядало як «о ні! Роботи захоплюють світ!».

Навпаки — швидше як момент, коли технології нарешті починають працювати не заради красивої презентації для менеджменту, а реально поліпшують життя командам.

Саме тоді в робочих процесах починає все активніше з’являтись AI. Ще не в тому масштабі, який ми бачимо зараз, але вже достатньо помітно, щоб стало зрозуміло: назад дороги не буде.

Одним із таких моментів для мене стало знайомство з Gemini — AI-ноуттейкером для дзвінків.

Спочатку реакція була доволі стандартна — окей, ще один AI-тул.

А потім починається реальна робота — і ти помічаєш, що після кількох мітингів поспіль твій мозок уже не намагається гарячково згадати: «так, а ми це точно погодили?», «а хто мав оновити статус?», «а скиньте нотатки, бо я не встигла все записати».

Бо AI уже зібрав summary, зафіксував action items, next steps, питання клієнта, які залишились відкритими, і навіть підсвітив певні патерни в комунікації.

І от це вже було справді цікаво.

Бо Customer Success — це постійний multitasking у режимі «виживемо якось». Ти слухаєш клієнта, думаєш про ризики, тримаєш у голові контекст проєкту, паралельно модеруєш розмову, слідкуєш, щоб нічого не забути і ще намагаєшся вести нормальні нотатки.

Тому коли AI забирає хоча б частину цієї механічної рутини — ти раптом починаєш більше бути в самій розмові, а не в документі з нотатками.

Що мені особливо подобалось — Gemini не існував окремо від команди. Він ставав членом команди з яким ти не конкуруєш, який тобі простягає руку, та стає частиною корабля, природно стає частиною твоєї подальшої роботи.

Отже, AI уже був частиною наших процесів. Автоматизація теж. Але найцінніше ми автоматизувати так і не змогли — живі розмови між людьми.

Ми розбирали записи дзвінків від Gemini на хакатонах, сперечалися, аналізували, брейнстормили, шукали кращі рішення. Обговорювали не лише помилки людей, а й помилки AI-summary. І саме тоді я зрозуміла: AI у Customer Success — це не про «замінити людину».

Це про те, щоб люди перестали витрачати величезну кількість енергії на механічну рутину й нарешті могли більше концентруватись на речах, де AI поки все ще дуже далекий від людини: відчувати емоції, будувати довіру, ловити контекст між рядків і нормально по-людськи комунікувати.

Excel і наші токсично-прекрасні стосунки

Був у мене й окремий професійний етап під назвою: «я, Excel і ще 47 вкладок, які не можна закривати».

І, якщо чесно, у якийсь момент я реально втягнулась.

Формули, зведені таблиці, conditional formatting, логіка, структура — усе це раптом перестає виглядати як хаос і починає приносити якесь дуже дивне професійне задоволення.

Ти вже не просто «відкрив Excel».

Ти сидиш і ловиш себе на думці: «о, а тут же також можна автоматично підтягнути дані» або «зараз я це красиво структурую».

І найнебезпечніше — тобі це подобається 😄

Особливо коли працюєш із великою кількістю клієнтів, статусів, апдейтів і різних шматків інформації, які треба якось тримати докупи. Excel тоді стає і трекером, і аналітикою, і маленькою персональною CRM, і місцем, де живе твоя тривожність.

Але паралельно в голові вже постійно крутилась інша думка.

Не в стилі «Excel поганий» — ні, він рятував мене величезну кількість разів.

Швидше навпаки: «уявляю, наскільки менше ручної роботи можна було б робити, якби частина цього автоматизувалась». Особливо після моменту, коли ти випадково видалив одну формулу — і в тебе «поїхала» половина таблиці 😄

Бо коли ти вже встиг побачити більш інтегровані процеси, AI-summary, автоматичні тригери, синхронізації між системами — повернутись до повністю ручного менеджменту даних стає психологічно дуже складно.

І от ми тут: 2026. Нове правило гри: AI більше не опція

Останнім часом я все більше занурююсь не просто в AI-тули, а саме в те, як вони працюють на рівні логіки взаємодії з людиною. Бо після першого захвату в стилі «ого, AI написав лист» дуже швидко приходить інше усвідомлення: якість відповіді напряму залежить від того, як ти формулюєш запит. Тож у якийсь момент prompt engineering почав мені нагадувати дуже прокачану версію Customer Success 😄

Ти так само: збираєш контекст, уточнюєш потребу, правильно формулюєш задачу, прибираєш неоднозначність і намагаєшся отримати максимально релевантний результат.

Саме тому зараз, навіть перебуваючи в декретній відпустці, я намагаюсь не випадати з цієї теми. Читаю все, до чого можу дотягнутись: статті, вебінари, нові AI-інструменти й різні курси. Один із них — Prompt Engineering: ChatGPT and AI Prompts for Work Success на Udemy. Після нього я почала глибше розбиратися не лише в тому, що може AI, а й чому він відповідає саме так. Це вже дуже давно не про «напиши мені красивий текст». Там починається значно цікавіша частина.

Наприклад, persona prompt patterns — коли ти задаєш AI конкретну роль або контекст:
не просто «напиши відповідь клієнту», а «відповідай як Senior Customer Success Manager для enterprise SaaS-клієнтів».

Або flipped interaction patterns — коли AI спочатку не дає відповідь, а ставить уточнюючі питання, щоб краще зрозуміти задачу. Це дуже нагадує хорошого CSM на discovery call 😄

Є ще cognitive verifier pattern — підхід, де AI не просто генерує відповідь, а додатково «перевіряє» власну логіку, ризики або суперечності у відповіді. Особливо корисно для складних client-facing текстів, де важливі нюанси формулювань.

Окремо мене зачепив question refinement pattern — коли замість відповіді AI допомагає тобі переформулювати сам запит. І це дуже добре показує, наскільки часто проблема не у відповіді, а в нечітко поставленому питанні.

Є й більш структурні підходи:

• task-action-object pattern;
• attribute-object-action;
• description-attribute-object;

Вони допомагають будувати запити не «в потоці думок», а більш системно. Особливо це помітно в автоматизації рутинних задач, створенні summary, client communication або роботі з великими обсягами інформації.

Дуже цікаво працюють і prompt templates для перекладу — translate vs translate creatively.

Бо AI може перекласти текст буквально, а може адаптувати тон, стиль і навіть культурний контекст під конкретну аудиторію. І для Customer Success це суперважливо, коли ти працюєш із міжнародними клієнтами.

Ще одна тема, яка мене реально зачепила — chain of thought prompting. Коли AI не просто «видає відповідь», а показує логіку мислення крок за кроком. І тут дуже видно різницю між випадковою генерацією тексту та більш структурованим reasoning.

AI не замінить CSM. Але роботу CSM він уже добряче перетрусив.

Найцікавіше для мене в усьому цьому — усвідомлення, що AI поступово стає не просто «чатиком для текстів», а окремим робочим інтерфейсом. А значить, уміння правильно взаємодіяти з ним стає майже таким самим важливим навиком, як колись писати нормальні emails, вести переговори або вміти не загубитись у Jira 😄

І чим більше занурюєшся в prompt engineering, тим смішніше стає від фрази: «та що там той ChatGPT, просто пиши запит». Бо на практиці дуже швидко виявляється, що AI — це не магічна кнопка «зробити красиво». Навіть така штука як temperature у моделі вже сильно впливає на результат.

Умовно, низька temperature — і AI відповідає більш стримано, передбачувано та структуровано. Це класно для summary, документації, client-facing communication або задач, де важлива точність формулювань.

Вища temperature — і відповіді стають значно більш «креативними». Інколи це допомагає для brainstorm-сесій, генерації ідей чи нестандартних підходів. А інколи ти отримуєш дуже впевнений текст про речі, яких ніколи не існувало 😄

Майбутнє роботи з AI — це не просто «вміти користуватись ChatGPT». Це розуміти, як він мислить, де помиляється, як поводиться в різних сценаріях і чому одна й та сама модель сьогодні може бути геніальною, а завтра дуже впевнено вигадати тобі неіснуючий факт 🙂

І, здається, це лише початок. AI ще не раз змінить нашу роботу. Але поки що він точно не забрав найважливіше — людей по інший бік екрана.

Ну і наостанок: як вам градус цього мема? 😄 Яку temperature ви б виставили, спілкуючись із цим чатом?