AI-мониторинг домовых чатов: классификация обращений и выявление рисков

Помочь сотрудникам управляющих компаний находить значимые обращения в потоке сообщений домовых чатов: аварии, повторяющиеся проблемы, массовое недовольство и репутационные риски. Снизить объём ручного первичного просмотра и сохранить проверку выводов человеком.

Исследовал процесс мониторинга, сформировал продуктовые и функциональные требования, определил категории сообщений и критические сценарии.

Спроектировал логику классификации и уведомлений: сочетание правил и ML/NLP, пороги уверенности и передача результата сотруднику для проверки. Участвовал в подготовке корпуса примерно из 6 000 сообщений, разметке и аудите противоречивых примеров. Короткие реплики без достаточного контекста требуют отдельной проверки.

Проект включает операторский контур работы с обращениями и развитие качества моделей. Моя роль — Product Owner и бизнес-аналитик: гипотезы, требования, анализ ошибок, критерии качества и координация развития решения.

Ориентировочный период описанного этапа — июль–октябрь 2026 года; восстановлен по портфолио и истории обсуждений.

Создана система первичного анализа сообщений домовых чатов: классификация по тематикам, выявление потенциально значимых обращений и передача сотруднику для проверки. Подготовлен размеченный корпус, организована работа с ошибками и качеством данных.

Базовый контур используется и развивается; новые модели и правила проходят отдельную проверку. Проект не предполагает, что любой высокий score модели автоматически означает подтверждённую проблему. Финальное решение остаётся за сотрудником.

В кейсе показан реализованный продуктовый и аналитический контур. Экономия времени и рост точности в процентах не заявляются без сопоставимого измерения.