Автоматизация сортировки писем, обращений и заявок в 2026

Практическая схема для сортировки входящих сообщений, краткого резюме и приоритизации без потери человеческого контроля.

Поток писем и заявок редко состоит из одной задачи. В одном сообщении нужно определить тему, выделить факты, понять срочность, назначить ответственного и подготовить короткое резюме. Если оператор тратит на первичный разбор 2 минуты, очередь из 300 сообщений потребует 10 часов чистой работы. Нейросеть способна взять на себя черновую классификацию, но правила, контроль качества и обработка исключений всё равно проектирует человек.

Я предлагаю строить такой процесс вокруг четырёх решений: какие категории нужны, какие признаки влияют на приоритет, в каком виде возвращать результат и когда подключать сотрудника. Общие принципы внедрения разобраны в материале как внедрить нейросети в рабочие процессы, а ниже я сосредоточусь на входящих сообщениях и заявках.

Что именно автоматизировать в потоке входящих

Для старта достаточно автоматизировать 4 операции: классификацию, краткое резюме, оценку срочности и маршрутизацию. Такой набор закрывает первичный разбор, не превращая нейросеть в самостоятельного исполнителя рискованных действий.

Сначала система получает текст письма, обращения или заявки. Затем присваивает ему одну категорию из заранее заданного списка, например «оплата», «доставка», «техническая проблема», «документы» и «прочее». После этого она формирует резюме из 2 или 3 предложений, выделяет дату, номер заказа, требование клиента и признаки риска.

Приоритизацию лучше строить по наблюдаемым условиям. К ним относятся срок по договору, упоминание остановки работ, повторное обращение, финансовый ущерб и наличие слова, связанного с претензией. Само слово «срочно» не должно автоматически поднимать заявку на верхнюю позицию, если в тексте нет срока или последствий.

Модельный кейс: в очереди из 1 000 писем можно использовать четыре уровня обработки: «критично», «сегодня», «планово» и «прочее». Письмо о блокировке отгрузки с датой через 3 часа попадёт в первую категорию, а просьба прислать общий прайс без срока останется в плановой очереди.

Таблица помогает выбрать степень автоматизации до начала пилота:

Как устроить рабочий конвейер

Рабочий конвейер обычно состоит из 5 шагов: получение текста, очистка, извлечение полей, проверка результата и передача в очередь. Разделение по шагам упрощает поиск ошибки, потому что становится понятно, где именно возник сбой.

На первом шаге убираются подписи, повторяющиеся цепочки переписки, технические заголовки и рекламные вставки. Сохраняются тема, последнее сообщение, вложенные имена файлов и дата поступления. Удалять весь предыдущий контекст нельзя, если в нём находится номер заявки или обещанный срок ответа.

На втором шаге нейросеть получает инструкцию с форматом ответа. Я задаю обязательные поля: категория, резюме, срочность, причина приоритета, следующий шаг и уровень уверенности от 0 до 1. Если поле не найдено, модель должна вернуть значение «нет данных», а не додумывать факт.

На третьем шаге вводятся ограничения. Резюме должно содержать максимум 400 знаков, категория выбирается из 6 значений, а причина приоритета формулируется одной фразой. Ограничения уменьшают разброс ответов и делают результаты удобными для очереди.

На четвёртом шаге проверяются простые противоречия. Например, заявка не может иметь статус «срочно», если причина пустая, а уровень уверенности ниже 0,5. Сообщение с упоминанием персональных данных или юридической претензии лучше отправлять на ручную проверку независимо от оценки модели.

На пятом шаге результат попадает в рабочую очередь. До запуска автоматических действий я сохраняю исходный текст, версию инструкции, полученные поля и решение оператора. Четыре записи позволяют восстановить ход обработки и понять, почему конкретное письмо получило определённый приоритет.

Для общих обсуждений рабочих сценариев можно использовать веб-чат SoftChat. В каталоге продукта заявлены потоковые ответы через SSE и переключение моделей по разговору. Автоматический доступ к почтовому ящику, CRM или очереди обращений в этом перечне не заявлен, поэтому подключение таких источников нельзя приписывать самому сервису.

Какие поля и инструкции подготовить

Нейросети дают более стабильный результат, когда получают 6 конкретных полей и чёткие условия отказа от догадки. Свободная просьба «разбери письмо» часто приводит к разным форматам и усложняет последующую проверку.

Я использую такую структуру результата:

1. Категория. Одно значение из фиксированного списка, например «оплата», «доставка», «поддержка», «документы», «жалоба», «прочее».
2. Резюме. От 2 до 3 предложений, без повторения приветствия и подписи.
3. Приоритет. Значения «P1», «P2», «P3» или «P4», где P1 требует быстрой реакции, а P4 можно обработать в обычном порядке.
4. Основание. Факт из сообщения, который повлиял на приоритет: срок, остановка работы, сумма, повторное обращение.
5. Следующий шаг. Например, запросить документ, проверить статус платежа или передать обращение специалисту.
6. Уверенность. Число от 0 до 1 и короткое объяснение сомнения, если значение ниже 0,8.

Инструкцию лучше формулировать последовательно. Сначала описывается роль, затем словарь категорий, потом правила приоритета и формат ответа. В конце добавляется запрет на выдумывание номера заказа, суммы, даты и имени клиента.

Полезный шаблон выглядит так: «Определи одну категорию из списка. Составь резюме до 400 знаков. Найди срок, сумму, номер заявки и требование отправителя. Если данных нет, напиши “нет данных”. Присвой уровень P1, P2, P3 или P4. Объясни решение одной фразой и укажи уверенность от 0 до 1».

Разбор самих формулировок запроса можно дополнить материалом об искусстве промптинга для нейросетей. Для ежедневной работы пригодится и статья о том, как использовать нейросети для повседневных задач, там полезен принцип разбиения большой задачи на короткие операции.

Как измерять качество сортировки

Качество стоит проверять на размеченной выборке минимум из 100 сообщений, а для пяти и более категорий лучше подготовить 200 или 300 примеров. Без эталонной разметки впечатление от нескольких удачных ответов ничего не говорит о работе всей схемы.

Сначала я выбираю случайную выборку, затем вручную указываю правильную категорию, приоритет и обязательные поля. После этого сравниваю решение модели с эталоном. Для категорий считаются точность, полнота и F1. Точность отвечает на вопрос, сколько найденных моделью сообщений действительно относятся к категории. Полнота показывает, какую долю всех нужных сообщений удалось найти.

Модельный кейс: из 50 сообщений модель отнесла 20 писем к категории «оплата», но правильными оказались 16. Точность составит 80 процентов. Если в эталонной выборке было 25 писем об оплате, полнота составит 64 процента, потому что 9 сообщений система пропустила.

Средняя метрика может скрыть опасную ошибку. Если категория «прочее» занимает 70 процентов потока, высокая общая точность не означает, что модель хорошо видит претензии или угрозу остановки работ. Поэтому я смотрю отдельные показатели по P1 и по каждой категории с юридическими, финансовыми или договорными последствиями.

Отдельно проверяется резюме. Оно должно отвечать на 4 вопроса: кто обратился, по какому поводу, что уже произошло и какое действие ожидается. Если в 30 проверенных резюме 8 раз потеряна дата или сумма, автоматическую передачу в работу запускать рано.

Материал о нейросети для генерации текста и проверке результата полезен здесь как методическая основа: черновик ускоряет работу, но финальная проверка остаётся частью процесса.

Где должен оставаться человек

Человек должен подтверждать минимум 3 типа решений: юридически чувствительные обращения, финансовые требования и сообщения с низкой уверенностью. Эти случаи нельзя закрывать одной вероятностью модели.

Я бы установил ручную проверку при уверенности ниже 0,8, при конфликте двух признаков или при отсутствии обязательного поля. Порог не является законом природы, его подбирают на выборке. Для отдела с дорогой ошибкой разумно начать с 0,9, а для внутренней справочной очереди можно тестировать 0,7.

Есть смысл разделить права. Нейросеть может подготовить категорию и резюме, оператор подтверждает приоритет, а отправку ответа выполняет сотрудник после проверки. Такой порядок особенно полезен для писем о возвратах, штрафах, персональных данных и изменении договора.

Персональные данные нужно сокращать до минимума. В тестовой выборке можно заменить имя, телефон, адрес и номер договора на маркеры, сохранив тему и смысл обращения. В журнале должны оставаться дата, версия инструкции и решение проверяющего, но доступ к исходному тексту следует ограничить рабочей необходимостью.

Как посчитать экономический эффект

Экономический эффект можно оценить по 3 величинам: числу сообщений, времени первичного разбора и стоимости часа сотрудника. Формула проста: сэкономленные часы умножаются на внутреннюю стоимость часа, затем вычитаются расходы на контроль и поддержку процесса.

Модельный кейс: компания из сферы логистики, около 200 сотрудников, получает 1 000 обращений в месяц. Если ручная сортировка занимает 2 минуты на письмо, первичный разбор равен примерно 33 часам. При сокращении времени до 45 секунд экономия составит около 20,8 часа, но в расчёт нужно добавить ручную проверку спорных случаев и исправление ошибок.

Приоритет следует считать отдельно от экономии времени. Просрочка одного обращения со сроком 4 часа может стоить дороже, чем обработка десятков обычных вопросов. Поэтому в таблице эффекта я фиксирую число обработанных сообщений, долю ручных проверок, ошибки по P1 и среднее время до назначения ответственного.

Модельный кейс: при потоке 2 400 заявок за квартал и ручной проверке 15 процентов сообщений оператор увидит 360 спорных случаев. Если 90 процентов остальных заявок проходят без исправления, показатель автоматической обработки составит 2 160 сообщений, но его всё равно нужно сопоставить с числом пропущенных срочных обращений.

Как запустить пилот без резкой смены процесса

Пилот разумно ограничить одной очередью, 5 категориями и периодом от 7 до 14 дней. За это время можно собрать примеры, проверить инструкции и понять, какие ошибки повторяются чаще всего.

В первый день я фиксирую текущие показатели: объём входящих, среднее время сортировки, долю сообщений без назначенного ответственного и количество просрочек. На второй и третий день размечаю 100 или 200 сообщений. Затем готовлю инструкцию и прогоняю её в режиме черновика, когда сотрудник видит предложение модели, но очередь ещё не меняется автоматически.

В течение следующей недели сравниваю две группы: сообщения с подсказкой нейросети и сообщения, обработанные по старой схеме. Сравнение должно учитывать одинаковый тип очереди, день недели и уровень сложности. Иначе результат исказит сезонный всплеск или случайное изменение состава обращений.

После пилота принимается одно из трёх решений. Если качество по срочным категориям приемлемо, а доля ручной проверки снижается, расширяется словарь тем. Если ошибки связаны с плохими исходными данными, сначала меняется форма заявки. Если модель путает близкие категории, их объединяют или добавляют примеры границ между ними.

Заключение: какое решение принять

Если в очереди больше 100 сообщений в неделю, повторяются 4 или 5 типов запросов и есть понятные признаки срочности, я бы начинал с гибридной сортировки. Нейросеть готовит категорию, резюме и объяснение, сотрудник подтверждает рискованные решения.

Если поток меньше 30 сообщений в неделю, полноценный конвейер может не окупить разметку и контроль. В таком случае достаточно шаблона инструкции и ручной проверки результата. Если же очередь растёт, а пропущенные сроки уже создают расходы, сначала измеряйте P1, время до назначения и долю исправлений, затем расширяйте автоматизацию.

Моя практическая граница проста: автоматизировать стоит повторяемый первый разбор, а ответственность за спорный смысл, деньги и обязательства оставлять человеку. Такой подход даёт измеримый результат и позволяет остановить эксперимент на любом этапе без потери исходных данных.