ИИ · Автоматизация
ИИ-ассистент поддержки
Агент, который закрывает 70% тикетов без человека. RAG по базе знаний.
Проект под NDA. Система автоматизированной поддержки на базе LLM и RAG: классификация, ответы на типовые вопросы, маршрутизация сложных.
Задача
Поддержку клиента заваливали рутинными вопросами - росли задержки ответов и падало качество обслуживания. Требовалось снять ручную нагрузку, не потеряв контроль над клиентским диалогом.
Как решали
- Связали LLM с базой знаний клиента через RAG для точных ответов на типовые запросы.
- Спроектировали воронку: классификация → поиск в БЗ → генерация ответа с оценкой уверенности → эскалация на человека.
- Сделали интерфейс агента: система предлагает ответ, оператор правит и отправляет - human-in-the-loop.
- Настроили разбор неудачных ответов, чтобы каждая пара «вопрос-ответ» улучшала систему.
Технологии
PythonFastAPILangChainLLM / RAGQdrantPostgreSQLTypeScript / ReactKubernetes
Результаты
- −70% вручную обработанных тикетов
- Ответ на типовые запросы - в разы быстрее
- Контроль сохранён: человек проверяет ответ перед отправкой
- Система самообучается на реальных диалогах
Результат: −70% нагрузки