Нейросети Обновлено

Как запустить первый пилот ИИ-помощника в поддержке

Какой сценарий отдать ИИ-помощнику в первом пилоте, как собрать базу знаний с источниками, проверять черновики операторами и по каким показателям оценивать результат.

«Курьер уже выехал, могу поменять адрес?» — спрашивает покупатель в чате магазина. В справке описана смена адреса до передачи заказа, а про заказ в пути ничего нет. Ассистент может написать вполне убедительное «да». Для покупателя это уже обещание, которое придётся выполнять оператору. На первом пилоте полезнее проверить, куда помощник отправит такой вопрос и на какой источник сошлётся, чем сравнивать, какая модель пишет вежливее.

Оператор сверяет черновик ответа с инструкцией за рабочим столом

Что поручить ИИ в первом пилоте

Для первого пилота ИИ-помощника с командой Habab достаточно одного канала, например чата на сайте, и одной частой темы. Для пункта выдачи это может быть вопрос о том, что взять с собой. Статус конкретного заказа, возврат средств и изменение адреса пока оставьте оператору. В таких запросах нужны актуальные данные или действие в учётной системе.

На первом этапе помощник готовит ответ для сотрудника. Вместе с черновиком он показывает, откуда взял правило. Сотрудник может принять текст, поправить его или ответить сам. Так команда увидит, где можно сократить ручной поиск, а где сначала нужно обновить инструкции.

Запрос клиентаЧто делает помощникЧто проверяет оператор
«Что нужно взять для самовывоза?»Находит действующую инструкцию и готовит ответОтносится ли инструкция к нужному пункту выдачи
«Можно перенести доставку на завтра?»Уточняет, идёт ли речь о существующем заказе, и передаёт вопрос операторуДоступен ли перенос по этому заказу
«Мне обещали скидку, а в чеке её нет»Передаёт запрос оператору с кратким описанием ситуацииУсловия акции и фактические данные заказа

Как собрать базу, которой можно доверять

Для старта хватит справки по одной теме и нескольких утверждённых шаблонов операторов. Назначьте для каждого материала человека, который следит за актуальностью условий и обновляет их при необходимости. Если разные филиалы работают по разным правилам, храните их отдельно и просите уточнить филиал. Иначе помощник может достать правильный текст для другого города.

В таких системах часто используют RAG — поиск по базе перед генерацией ответа. На запрос о самовывозе система сначала ищет подходящий фрагмент инструкции, затем передаёт его модели. Оператор видит черновик и ссылку на нужный раздел. Если подходящего фрагмента нет или две инструкции расходятся, вопрос уходит сотруднику. При поиске по внутренним материалам важно учитывать права доступа ещё до передачи фрагментов модели. Например, шаблон для руководителя смены может быть недоступен стажёру.

Две ветки обработки запроса: черновик с источником и передача оператору
В первом пилоте готовый ответ уходит клиенту после проверки оператором. Вопросы без источника также остаются у оператора.

Как выглядит ответ, который можно проверить

Возьмём условный магазин. По инструкции для самовывоза на стойке нужно назвать номер заказа. Раздел ничего не говорит о выдаче другому человеку.

Клиент спрашивает. «Что нужно взять, чтобы забрать заказ?»

Черновик для оператора. «На стойке выдачи назовите номер заказа».

Источник. «Самовывоз», раздел «Получение заказа» (условная инструкция).

Если следующей репликой клиент спросит «А забрать может друг?», система передаст вопрос оператору и покажет, что в базе нет правила выдачи третьему лицу. У оператора уже есть исходный вопрос и нужный раздел справки, поэтому ему проще уточнить ответ и заметить пробел в базе.

Похожий принцип используется в корпоративной базе знаний Habab. Сотрудник задаёт вопрос и получает ответ по доступным ему документам с названием источника и номером страницы. Этот пример из внутренней базы знаний. Для поддержки тот же способ проверки источника можно встроить в интерфейс оператора.

Как понять, что оператору стало проще

Отложите 20–30 обезличенных обращений для проверки. Возьмите и простые вопросы, и те, на которые справка не отвечает. Полезны случаи с противоречащими друг другу инструкциями, отсутствующим филиалом и обещаниями, требующими подтверждения.

Что считатьКак получить сравнимый результат
Время до готового ответаСравнить медиану по сопоставимым вопросам до и после пилота, включая время проверки
Доля черновиков без правок по смыслуОтдельно отмечать исправления условий, сроков или обещаний и правки тона
Передача сложных вопросов операторуДля каждого контрольного вопроса заранее отметить, должна ли система дать черновик или передать обращение
Ошибки в ответахСчитать неподтверждённые обещания, ссылки на устаревшие правила и раскрытие недоступных сведений отдельно
Шпаргалка для проверки пилота: время ответа, правки, передача оператору и ошибки
Измеряйте весь путь до ответа, включая проверку. Быстрый черновик мало помогает, если оператор тратит столько же времени на его исправление.

Когда подключать CRM

Добавляйте CRM, когда проверили работу на базе знаний и поняли, какого факта чаще всего не хватает оператору. Хороший следующий шаг — чтение статуса заказа после проверки доступа клиента к нему. Изменение адреса, перевод обращения в другой статус и возврат денег потребуют собственных правил, разрешений и подтверждений. Сравнить подходы к нескольким системам можно в обзоре интеграций Quezo.

Если пилот дошёл до подключения к чату, базе или CRM, команда Habab разрабатывает ИИ-ассистентов и интеграции под рабочий процесс. Для первого обсуждения достаточно одного канала, нескольких обезличенных обращений и критерия, по которому вы поймёте, что оператору стало проще.