Автоматическая сортировка обращений и черновики ответов в 2026
Схема помогает быстрее разбирать входящие письма, выделять рискованные обращения и передавать сотруднику подготовленный черновик без автоматической отправки.
Почта поддержки и продаж редко приходит в удобном виде. В одной цепочке могут смешаться вопрос клиента, история переписки, подпись, цитата предыдущего сообщения и сведения о заказе. Если сотрудник вручную читает каждое письмо от начала до конца, время уходит на поиск сути, а не на решение задачи. Нейросеть способна разобрать такой поток по заданным признакам, но качество зависит от правил, примеров и проверки человеком. Общую логику подготовки текстов я разбираю в материале о нейросети для генерации текста и проверке результата.
Что делает автоматическая сортировка обращений?
Автоматическая сортировка распределяет письмо по 4–6 рабочим признакам: теме, типу клиента, срочности, ответственному отделу и следующему действию. Сначала система извлекает факты из сообщения, затем присваивает категорию и формирует краткую карточку для сотрудника.
Для поддержки обычно хватает 4 базовых категорий: техническая проблема, вопрос по оплате, запрос о статусе заказа и претензия. Отдел продаж может добавить ещё 2 класса, например «новый интерес» и «действующий клиент». Границы категорий лучше описывать через наблюдаемые признаки. Формулировка «сложный вопрос» слишком расплывчата, а «ошибка при оплате после списания средств» подходит для проверки.
Я рекомендую сохранять рядом с категорией короткое объяснение. Например: «Оплата, клиент сообщает о списании и отсутствии подтверждения». Такая строка позволяет быстро обнаружить ошибку классификации. Если нейросеть указала «техническая проблема», а в пояснении есть слова «счёт» и «возврат», сотрудник заметит несоответствие до ответа клиенту.
Рабочая карточка обращения может содержать 6 полей:
- тема письма;
- категория;
- срочность;
- краткое описание проблемы;
- извлечённые факты, например номер заказа и дату;
- рекомендуемое следующее действие.
Пустое поле лучше обозначать явно, например «номер заказа не найден», а не просить модель догадаться о значении. Иначе сотрудник рискует принять предположение за сведения из письма.
Как выделять срочные запросы?
Срочность лучше определять по формальным условиям, а не по эмоциональности письма: рабочая шкала из 3 уровней уже снижает число спорных решений. Для примера, уровень 1 получает обращение с угрозой остановки операции в течение 15 минут, уровень 2 связан с риском в течение 4 часов, уровень 3 допускает ответ в пределах 24 часов.
Эти интервалы не являются универсальным стандартом. Их нужно связать с вашим SLA, графиком сотрудников и стоимостью задержки. Для интернет-магазина пропущенная доставка может быть срочной, а для консультационной услуги тот же срок иногда допустим. В правилах стоит разделить признаки на прямые и косвенные.
Прямые признаки легко проверить: «счёт заблокирован», «деньги списали дважды», «до отправки осталось 2 часа». Косвенные требуют контекста: повторное письмо без ответа, несколько обращений по одному заказу, упоминание договора или даты закрытия периода. Эмоциональная лексика сама по себе не должна повышать приоритет. Резкое письмо может описывать обычный вопрос, а спокойное сообщение о недоступности сервиса требует реакции за 15 минут.
Я использую простую оценку от 0 до 3 баллов:
- 0, обычный вопрос без срока;
- 1, есть неудобство или повторное обращение;
- 2, обозначен финансовый, договорный или операционный риск;
- 3, работа клиента остановлена либо указан близкий срок.
Порог для ручной проверки можно поставить на уровне 2 баллов. Для примера: если в письме найдено «повторное списание» и «сегодня до 18:00», обращение попадает в очередь контроля даже при вежливом тоне. Источник решения нужно хранить в карточке, иначе через неделю трудно понять, почему письмо оказалось первым.
Как готовить черновик ответа?
Черновик ответа должен состоять из 5 блоков: приветствие, подтверждение сути, известные факты, следующий шаг и срок обратной связи. Такой каркас удерживает текст в пределах проверенной информации и оставляет сотруднику место для решения спорных вопросов.
Нейросети хорошо справляются с преобразованием длинного письма в короткий черновик, если им задать границы. В инструкции нужно перечислить разрешённые источники, запретить выдумывать статус заказа и попросить отмечать пропущенные данные. Полезная формула выглядит так: «Используй только сведения из обращения и переданных правил. Если факта нет, напиши, что его нужно уточнить».
В черновике желательно разделять факт и действие. «Клиент указал оплату 12 мая» является фактом из письма. «Проверить транзакцию в биллинге» является задачей сотрудника. Смешивать эти уровни опасно: предположение может попасть в письмо как готовое обещание.
Я проверяю четыре свойства текста:
- совпадает ли тема с исходным обращением;
- не появились ли придуманные сумма, дата или статус;
- назван ли конкретный следующий шаг;
- соответствует ли срок внутреннему правилу.
Полезные приёмы формулировки запросов собраны в статье об искусстве промптинга и точных запросах. Там же удобно взять структуру для инструкций с ролями, ограничениями и форматом результата.
Для ручного сравнения инструкций я могу использовать веб-чат SoftChat: каталог продукта предусматривает текстовый чат с потоковыми ответами и переключением моделей в разговоре. Один и тот же набор из 10–20 обезличенных сообщений можно обработать по двум версиям запроса, а затем сравнить категории, объяснения и черновики. Это проверка формулировки, а не готовая интеграция с почтой или CRM, таких возможностей каталог не заявляет.
Как внедрить процесс без потери контроля?
Безопасная схема состоит из 2 контуров: автоматическая подготовка и обязательное решение сотрудника. Нейросеть предлагает категорию, приоритет и черновик, а человек подтверждает отправку, меняет формулировку или возвращает письмо на уточнение.
Начать можно с одной очереди и периода в 7 дней. В первый день собирают 30–50 обезличенных сообщений, размечают их вручную и фиксируют спорные случаи. На второй и третий день составляют правила категорий. Затем прогоняют тестовую выборку и сравнивают результат с ручной разметкой.
Модельный кейс: компания из сферы логистики, около 200 сотрудников, может начать с писем о задержках доставки. В тестовой выборке из 40 сообщений проверяют три признака: наличие номера отправления, обещанный срок и факт остановки операции. Если 8 писем из 40 требуют исправления категории, причину фиксируют отдельно: ошибка в словаре, неполный контекст или неверный порог срочности.
В первые дни полезно запретить автоматическую отправку любых текстов. Сотрудник должен видеть исходное письмо рядом с карточкой и черновиком. Если в сообщении отсутствует номер заказа, система должна вывести запрос на уточнение, а не подставить случайное значение.
Для рабочих процессов полезен разбор внедрения нейросетей в рабочие задачи. Его логика применима к поддержке: сценарий закрепляют за конкретным этапом, назначают ответственного и заранее определяют показатель, по которому оценивают пользу.
Что выбрать: правила, нейросеть или связку?
Для потока от 3 типов обращений обычно хватает правил, а при свободном языке и длинной истории переписки полезна связка правил с нейросетью. Выбор зависит от повторяемости формулировок, цены ошибки и объёма ручной проверки.
| Подход | Подходящая задача | Преимущество | Ограничение |
|---|---|---|---|
| Жёсткие правила | Поиск номера заказа, слова «возврат», даты и статуса | Результат легко объяснить | Плохо работает с разными формулировками |
| Нейросеть | Краткое резюме, определение смысла, черновик | Обрабатывает свободный язык и контекст | Может ошибиться или добавить предположение |
| Связка правил и нейросети | Приоритет, проверка фактов и подготовка ответа | Правила ограничивают риск, модель сокращает ручной разбор | Требует тестовой выборки и регулярной проверки |
Я бы отдал правилам поля, где ошибка дорого стоит: сумма, номер договора, дата, статус оплаты. Нейросети можно поручить классификацию смысла и сжатие текста. Для обращения с финансовым риском нужен отдельный маршрут, даже если общий балл срочности невысокий.
Не стоит оценивать подход по одному удачному ответу. Возьмите 20–50 сообщений разных типов, включая короткие письма, длинные цепочки и неполные заявки. Затем проверьте не среднюю красоту текста, а долю правильно найденных фактов и количество ручных исправлений.
Как измерять результат сортировки?
Результат удобно оценивать по 4 метрикам: время до первого просмотра, доля верной категории, число исправлений черновика и количество пропущенных срочных обращений. Время ответа без этих показателей может скрыть рост ошибок.
Для начала зафиксируйте базовую линию за 5 рабочих дней. Запишите медианное время до первого просмотра, число перераспределений и количество писем, которые сотрудник вернул на доработку. Через неделю теста сравните те же значения на сопоставимом потоке. Среднее значение полезно, но медиана лучше показывает обычный рабочий день без влияния одного длинного сбоя.
У каждой метрики должна быть граница тревоги. Для примера, если доля исправленных черновиков превышает 30%, сначала пересмотрите инструкцию и набор примеров. Если пропущено хотя бы одно обращение с остановкой операции, проверьте правила срочности независимо от экономии времени.
Отдельно измеряйте долю писем, где нейросеть честно указала нехватку данных. Высокое число таких отметок не всегда означает плохую работу. Иногда это признак аккуратного поведения: система не придумала номер заказа и передала вопрос человеку. Оценка должна учитывать цену ошибки, а не только скорость.
Для бытовых и повторяющихся задач полезен материал о применении нейросетей и чат-ботов в повседневных сценариях. Там хорошо виден общий принцип: сначала описывают повторяемую операцию, затем задают проверяемый результат.
Что бы я сделал на вашем месте?
Я бы начал с одной очереди, 4 категорий и ручного подтверждения каждого черновика в течение 7 дней. После этого сравнил бы 4 метрики с базовой линией, убрал спорные правила и лишь затем расширил поток на продажи или претензии.
Если письма короткие и построены по шаблону, первыми автоматизировал бы извлечение номера заказа и типа запроса. Если сообщения длинные, сначала настроил бы резюме из 2–3 предложений, а классификацию оставил сотруднику. При высокой цене ошибки разумнее сохранить ручной приоритет и использовать нейросеть для подготовки фактов.
Такой порядок даёт понятный ответ на главный вопрос: где автоматизация экономит минуты, а где она добавляет риск. Процесс считается готовым к расширению, когда сотрудники понимают причину каждой метки, исправления записываются, а срочные письма не теряются в общей очереди.