О клиенте
NDA-проект для компании из Центрального региона РФ, занимается дистрибуцией товаров для корпоративного сектора: поставки в офисы, кафе, небольшие торговые сети.
Задача
Создать ИИ-агента, который:
- автоматически определяет тип заявки (вопрос, рекламация, запрос счета и т.д.);
- извлекает ключевые данные (номер заказа, сумму, клиента);
- сверяет с внутренними базами и направляет в нужный отдел;
- оставляет комментарий, если данных не хватает.
Процесс создания
1. Изучили типовые сценарии обработки заявок
Провели интервью с менеджерами, просмотрели реальные обращения. Зафиксировали шаблоны: какие данные важны, куда и в каких случаях направляется заявка.
2. Собрали корпус исторических данных
Взяли экспорт из CRM и почты: >10 000 обращений. Разметили по типу заявки, ключевым полям, назначаемым отделам. Это легло в основу датасета.
3. Обучили модель на реальных обращениях
Модель научилась определять тематику заявки и извлекать нужные сущности (клиент, заказ, дата, суть проблемы). Даже при отсутствии темы письма или вложений.
4. Настроили маршрутизацию и проверки
Если заявка неполная — система отмечает, что не хватает, и ставит её в очередь на уточнение. Если всё в порядке — автоматически направляет по маршруту: техподдержка, финконтроль, продажи и т.д.
5. Подключили в боевые процессы и обучили сотрудников
Агент стал работать как первая линия фильтрации. Сотрудники видят его действия и могут вмешаться при необходимости. Плюс провели короткое обучение, чтобы не было страха и сопротивления.
Провели интервью с менеджерами, просмотрели реальные обращения. Зафиксировали шаблоны: какие данные важны, куда и в каких случаях направляется заявка.
2. Собрали корпус исторических данных
Взяли экспорт из CRM и почты: >10 000 обращений. Разметили по типу заявки, ключевым полям, назначаемым отделам. Это легло в основу датасета.
3. Обучили модель на реальных обращениях
Модель научилась определять тематику заявки и извлекать нужные сущности (клиент, заказ, дата, суть проблемы). Даже при отсутствии темы письма или вложений.
4. Настроили маршрутизацию и проверки
Если заявка неполная — система отмечает, что не хватает, и ставит её в очередь на уточнение. Если всё в порядке — автоматически направляет по маршруту: техподдержка, финконтроль, продажи и т.д.
5. Подключили в боевые процессы и обучили сотрудников
Агент стал работать как первая линия фильтрации. Сотрудники видят его действия и могут вмешаться при необходимости. Плюс провели короткое обучение, чтобы не было страха и сопротивления.
Результат
ИИ-агент стал полноценным помощником на первом этапе обработки входящих заявок. Он берёт на себя сортировку, извлечение данных и первичную проверку, снижая нагрузку на сотрудников и ускоряя процесс. Освободилось ~30% времени у менеджеров первой линии.
Решение легко масштабируется: можно добавлять новые типы заявок, правила маршрутизации и источники данных без переписывания логики.
Решение легко масштабируется: можно добавлять новые типы заявок, правила маршрутизации и источники данных без переписывания логики.