Как ИИ классифицирует обращения: приоритеты и маршрутизация
Кратко: нейросеть превращает поток сообщений в структурированные карточки с темой, сутью, срочностью и следующим действием.
Отдел продаж, поддержки или операционный менеджер редко получает обращения в одном формате. В одной очереди оказываются вопрос о цене, просьба изменить данные, жалоба на задержку, техническая ошибка и сообщение без ясной цели. Если в потоке 100 писем, ручная сортировка каждого по 4 признакам быстро превращается в отдельную смену. Нейросеть помогает провести первичную обработку, но качество зависит от схемы категорий, примеров и правил проверки.
Я рассматриваю такую автоматизацию как слой перед специалистом. Система не должна самостоятельно принимать спорное решение, менять условия договора или обещать клиенту срок. Её задача уже на первом проходе выделить смысл, показать риск и подготовить понятную карточку для человека.
Что именно классифицирует ИИ в обращении
Классификация обычно раскладывает каждое сообщение минимум по 4 полям: намерение, тема, приоритет и рекомендуемый следующий шаг. Эти поля превращают свободный текст в запись, которую проще проверить, передать сотруднику или использовать в отчёте.
Первое поле, намерение, отвечает на вопрос «зачем человек написал». Подходящие значения лучше формулировать глаголами: узнать стоимость, отменить заказ, сообщить об ошибке, запросить документ, пожаловаться на срок. Список из 8–15 намерений обычно легче контролировать, чем каталог из 50 похожих формулировок.
Второе поле, тема, описывает предмет обращения. Для сервиса доставки это может быть заказ, оплата, возврат, адрес или курьер. Для отдела продаж, тариф, внедрение, условия договора или демонстрация продукта. Намерение и тема не должны смешиваться: «узнать стоимость» является действием, а «тариф» обозначает предмет.
Третье поле, приоритет, показывает, насколько быстро требуется реакция. Я советую начинать с уровней «обычный», «повышенный» и «критический». Четвёртое поле, следующий шаг, переводит классификацию в работу: ответить по базе знаний, запросить номер заказа, передать специалисту или остановить автоматический ответ.
Для контроля добавьте ещё 2 атрибута: уверенность классификатора и причину выбора категории. Причина должна быть короткой, например: «упомянут двойной платёж и просьба о возврате». Такой комментарий позволяет увидеть ошибку без повторного чтения всего сообщения.
Полезная схема категорий выглядит так:
- Намерение: что хочет получить отправитель.
- Тема: о каком продукте, заказе или процессе речь.
- Приоритет: как быстро нужен человек.
- Следующий шаг: что делать с обращением.
- Уверенность: можно ли доверить результат автоматическому маршруту.
Перед запуском проверьте 30–50 реальных сообщений, уберите дубли и объедините категории, которые невозможно различить по тексту. Разбор нейросети для генерации текста и проверки результата помогает выстроить такую проверку без иллюзии, что любой ответ модели автоматически пригоден для работы.
Как нейросеть извлекает суть сообщения
Суть лучше хранить в 3 слоях: краткое резюме, факты и незаполненные данные. Такой формат отделяет содержание обращения от догадок и показывает сотруднику, что нужно уточнить.
Резюме должно занимать 1–2 предложения и отвечать на вопрос, что произошло и чего хочет человек. Факты нужно собирать отдельно: номер заказа, дата, сумма, канал связи, название услуги, упомянутый срок. Если значения нет, модель должна писать «не указано», а не заполнять пробел предположением.
Пример формата карточки:
| Поле | Что получить | Пример результата |
|---|---|---|
| Намерение | Цель сообщения | Запрос на возврат |
| Тема | Предмет обращения | Оплата |
| Суть | Краткое описание | С клиента списали сумму дважды |
| Факты | Проверяемые сведения | Дата указана, номер заказа отсутствует |
| Риск | Что может ухудшить ситуацию | Возможный финансовый спор |
| Следующий шаг | Действие сотрудника | Запросить выписку и номер заказа |
Промпт должен запрещать выдумывать отсутствующие сведения. Я задаю допустимые значения категорий, требую вернуть пустое поле при нехватке данных и прошу отделять цитату клиента от вывода модели. Подробный разбор формулировки запросов для нейросетей пригодится, если классификатор смешивает тему, факт и рекомендацию.
Есть полезный приём, который я называю двойным чтением. Сначала нейросеть формулирует суть, затем отдельно проверяет, не добавила ли она дату, сумму, обещание или причину, которых не было в исходном тексте. Для финансовых, юридических и претензионных обращений второй проход лучше сделать обязательным.
Как назначать приоритет без субъективных оценок
Для первого рабочего варианта достаточно 3 уровней приоритета и набора явных условий для каждого уровня. Чем меньше скрытых правил, тем проще объяснить сотруднику, почему письмо оказалось в срочной очереди.
Критический уровень можно назначать при угрозе безопасности, блокировке оплаченной услуги, массовом сбое или явном юридическом риске. Повышенный подходит для повторной жалобы, приближающегося срока, финансового расхождения или ситуации, где предыдущий ответ не помог. Обычный уровень остаётся для справочных вопросов и запросов без признаков ущерба.
Не поручайте модели решать приоритет по одному эмоциональному слову. Фраза «срочно» сама по себе слабее, чем сочетание «платёж списан дважды», «доступ закрыт» и «срок подачи завтра». В правилах полезно указывать признаки, которые повышают уровень, и признаки, которые требуют проверки человеком.
Гипотетический пример: компания из сферы сервисного обслуживания, около 80 сотрудников, получает 240 обращений за рабочий день. Для пилота она задаёт 3 уровня срочности, передаёт специалисту все сообщения с финансовым риском и вручную проверяет 40 случайных карточек в конце смены. Это не обещание конкретной экономии, а безопасная конструкция эксперимента, в которой можно сравнить долю ошибок до расширения потока.
В спорной ситуации лучше использовать статус «нужна проверка», а не заставлять модель выбирать между «обычным» и «критическим». В реальной очереди 5–10 процентов неясных сообщений могут быть полезнее, чем искусственная уверенность по каждому тексту. Точную долю подбирают по цене ошибки: пропущенная блокировка сервиса обычно опаснее лишней ручной проверки.
Какой подход выбрать: правила, нейросеть или связка
Для большинства потоков подходит связка из правил и нейросети: правила фиксируют жёсткие ограничения, а модель разбирает свободные формулировки. Выбор зависит от повторяемости сообщений, цены ошибки и объёма ручной проверки.
| Подход | Когда применять | Сильная сторона | Ограничение |
|---|---|---|---|
| Ручная сортировка | Малый поток и редкие обращения | Человек видит контекст и исключения | Результат зависит от смены и устаёт вместе с очередью |
| Жёсткие правила | Есть устойчивые признаки, коды и номера | Легко объяснить решение | Плохо работает с разговорными формулировками |
| Нейросеть | Много свободного текста и разных способов описать проблему | Извлекает смысл из вариативных сообщений | Может ошибиться и уверенно заполнить пробел |
| Гибридная схема | Нужны скорость и контроль риска | Правила ограничивают опасные действия, модель обрабатывает язык | Требует тестовой выборки и регулярного аудита |
Например, правило может отправлять в ручную проверку любое сообщение с признаками списания денег, а нейросеть в безопасной зоне определяет тему и готовит краткое резюме. Такое разделение снижает требования к идеальной точности. Система не обязана угадывать всё, ей нужно надёжно распознавать типовые случаи и вовремя отказываться от сомнительных.
Как построить рабочий процесс для отдела
Рабочий процесс удобно разделить на 5 этапов: приём текста, очистка, извлечение полей, проверка условий и передача сотруднику. На каждом этапе должен быть понятный результат, иначе ошибка растворяется внутри общей автоматизации.
На приёме сохраняйте исходное сообщение и дату поступления. При очистке убирайте подписи, повторяющиеся служебные строки и вложенные цепочки переписки, но не удаляйте факты, связанные с заказом или обещанным сроком. При извлечении формируйте карточку с 5–7 полями, а не длинный пересказ.
Проверка условий должна остановить автоматическую передачу, если отсутствуют обязательные сведения, найден финансовый риск или уверенность ниже заданного порога. После этого сотрудник видит исходный текст, карточку и причину флага. Возможность исправить категорию нужна с первого дня, иначе команда не соберёт материал для улучшения схемы.
Для продаж полезны признаки готовности к следующему контакту: запрос цены, вопрос о сроках, просьба показать варианты, сравнение условий. Для поддержки важнее тип проблемы, повторность обращения и наличие ущерба. Для операционного менеджера на первом месте могут быть задержка, дефицит ресурса, сбой процесса и зависимость от другого отдела.
Сценарии нужно описывать языком конкретных действий. Вместо «обработай клиента» используйте «определи намерение, выдели номер заказа, поставь уровень срочности, предложи следующий шаг без обещания результата». Такой подход соответствует принципам внедрения нейросетей в рабочие процессы, где автоматизация связывается с понятной операцией, а не с абстрактной целью.
Как проверить качество классификации
Минимальный контроль включает 4 показателя: точность категории, долю пропущенных срочных случаев, долю лишних флагов и процент карточек, отправленных на ручную проверку. Одной общей оценки недостаточно, потому что ошибка в теме и пропуск критического обращения имеют разную цену.
Соберите проверочную выборку из 100–200 сообщений, распределив её по темам и уровням срочности. Для каждого текста заранее задайте эталон, затем сравните результат модели с решением редактора выборки. Отдельно посчитайте ошибки по каждой категории: при общей точности 90 процентов одна редкая тема может давать 40 процентов неверных решений.
Проверяйте 4 типа дефектов:
- перепутано намерение, например возврат принят за вопрос о цене;
- потерян факт, например дата или номер заказа;
- придуман факт, которого нет в сообщении;
- неправильно назначен приоритет.
Первые 2 типа портят маршрут, третий создаёт риск недостоверного ответа, четвёртый влияет на скорость реакции. В журнале проверки храните исходный текст, результат модели, эталон, причину ошибки и решение редактора. Через 2–4 недели такой журнал покажет, какие категории нужно объединить, переименовать или снабдить дополнительными примерами.
Конфиденциальность проверяется до передачи текста в любой внешний сервис. Уберите номера карт, пароли, коды доступа и лишние персональные сведения. Для внутренних инструкций задайте правило: модель готовит черновую классификацию, а сотрудник отвечает за финальное решение. Материал о нейросетях для повседневных задач полезен как отправная точка для разграничения автоматической рутины и действий, где нужен человек.
Как использовать SoftChat для подготовки сценария
В веб-чате SoftChat можно переключать модели в рамках разговора и получать потоковый вывод, поэтому я использовал бы его для сравнения формулировок запроса и быстрой проверки структуры карточки. Это соответствует возможностям самого чата, а не означает наличие встроенного модуля классификации обращений.
Практический сценарий выглядит так: вставьте обезличенные 10–20 сообщений, задайте список категорий, попросите вернуть таблицу с намерением, темой, сутью, приоритетом и причиной решения. Затем переключите модель в рамках диалога, повторите тот же запрос и сравните расхождения. Потоковый вывод помогает увидеть, на каком этапе появляется лишняя догадка или нарушается заданный формат.
Я бы не передавал в такой тест реальные пароли, платёжные реквизиты и полные персональные данные. Сначала замените их маркерами вроде «номер заказа» или «сумма платежа», сохраните 5–10 спорных примеров и проверьте их вручную. После этого можно уточнить инструкции и повторить тест на той же выборке, чтобы отличить реальное улучшение от случайного изменения ответа.
Что делать после пилота
Практический выбор сводится к 2 вопросам: где ошибка стоит дорого и какую часть решений человек готов проверять каждый день. Если риск высок, оставьте автоматике извлечение фактов и черновую тему, а приоритет и ответ передавайте сотруднику. Если поток состоит из повторяющихся справочных вопросов, расширяйте набор автоматических маршрутов постепенно.
На вашем месте я бы начал с одной очереди и 8–15 категорий, собрал выборку из 100–200 сообщений и заранее определил признаки остановки. Через 2 недели сравнил бы долю ручной сортировки, пропущенных срочных случаев и исправлений сотрудников. Только после этого имеет смысл добавлять новые отделы, каналы или уровни приоритета.
Хорошая классификация обращений измеряется не длиной ответа нейросети, а тем, насколько быстро сотрудник понимает ситуацию и принимает решение. Если карточка сокращает чтение с нескольких абзацев до 5 проверяемых полей, а сомнительные случаи сразу видны, автоматизация приносит пользу без передачи ответственности модели.