телеграм-бот саппорта с AI ответами (автоматизация первой линии)

К нас обратилась компания, наш старый заказчик для которого мы уже делали различные решения. Заказчик решил попробовать автоматизировать саппорт с применением AI инструментов.

Входные данные: первая линия мультиязычного саппорта, саппорт 24/7/365, три смены, общий состав 12 человек: руководитель команды, два супервайзера и линейный состав, приём тикетов через Email и телеграм бота, тикеты в облачном Jira HelpDesk.

Объём порядка 250-300 новых обращений в неделю, общая база - несколько десятков тысяч отвеченных тикетов. В наличии были документы по стилю общения, база горячих вопросов и пополняемый саппортовый FAQ с разметкой какого типа задачи должны уходить на вторую линию, а так же черновик KPI по ответам саппорта.

Для решения задачи мы решили использовать API OpenAI для нормализации и классификации текстов обращений плюс RAG.

Для начала была проведена работа по упорядочиванию базы обращений, выделения топиков, был доработан FAQ, уточнены и согласованны процедуры эскалации на вторую линию и по нарушению KPI по времени ответа клиенту.

Далее на основе базы тикетов был разработан пополняемый теговый классификатор обращений, а так же пополняемый опросник для выяснения деталей проблемы клиента. На основе этого тегового классификатора были написаны и отлажены пайплайны ведения диалога, разрешения и эскалации тикета.

Далее мы поэкспериментировали с нормализацией текстов: саппорт мультиязычный и была принята канонизация текста к английскому. После нормализации текст отправляется на классификацию - ему присваиваются теги в соответствии с тесами тикета, далее AI ведёт диалог уточняя параметры обращения и, либо находит решение в векторном хранилище, либо эскалирует тикет живому сотруднику первой линии, который подхватывает диалог.

Имея готовые пайплайны мы разработали новый телеграм бот по приёму тикетов, поддерживающий видео, картинки и голосовые сообщения, а так же коннектор к джире, создающий и пополняющий тикет обращения на основе введённой пользователем информацией.

Так же разработали простой web бэк-офис с рабочим местом линейного сотрудника саппорта и супервайзера где сотруднику просто показывается очередной тикет который не мог разрешить AI и по которому нужно было принять решение. Кабинет супервайзера так же позволяет просматривать разрешённые тикеты и помечать решения саппорта как эталонные.

По результатам внедрения так же была организована внутренняя ежемесячная процедура компании по ревью всех решений и пополнении классификатора и процедур эскалации.

Ощущение от проекта остались смешенные: с одной стороны мы быстро и дёшево (проект начинался как эксперимент и прошёл в рамках наших ежемесячных бюджетов поддержки продуктов) сделали эффективный инструмент работы саппорта, с другой стороны после двухмесячной эксплуатации продукта заказчик сократил команду саппорта до 4 человек, фактически оставив только супервайзеров.