Как ИИ сортирует письма и помогает не терять заявки

Стендфирст: Практическая схема для разбора входящих сообщений, подготовки черновиков и контроля заявок без передачи решения нейросети целиком.

Почта и мессенджеры часто превращаются в очередь без понятного порядка: в одном сообщении клиент просит цену, в другом уточняет статус заказа, в третьем присылает файл с реквизитами. Ручной разбор каждой строки отнимает время и создаёт риск пропустить срок ответа. Нейросеть может взять на себя повторяемую часть работы, если заранее задать категории, обязательные поля и правила эскалации.

Я рассматриваю такой сценарий как связку из четырёх операций: определить тип обращения, извлечь суть, предложить следующий шаг и передать человеку сообщения с низкой уверенностью. Эта схема подходит для электронной почты, чатов поддержки и входящих заявок из мессенджеров. Автоматизировать нужно разбор, а окончательное решение по спорным, финансовым и юридически значимым вопросам оставлять сотруднику.

Что именно делает ИИ во входящих сообщениях

ИИ может выполнить 4 последовательных действия: классифицировать сообщение, выделить факты, оценить срочность и подготовить черновик ответа. Человек после этого проверяет результат и решает, отправлять ли текст клиенту.

Сначала модель смотрит на отправителя, тему, дату, текст и вложения, если они доступны в переданном контексте. Затем она присваивает обращению одну из заранее заданных категорий. Для отдела продаж это могут быть «запрос цены», «условия поставки», «повторный контакт» и «прочее». Для поддержки набор будет иным: «ошибка», «вопрос по оплате», «статус заказа», «претензия».

Второй слой, извлечение сути, нужен для короткой карточки обращения. В ней удобно хранить имя клиента, продукт, номер заказа, вопрос, желаемый срок ответа и недостающие сведения. Если поле отсутствует, модель должна написать «нет данных», а не додумывать значение.

Третий слой, приоритет, лучше строить на явных признаках. Слова «заблокирован», «срок сегодня», «повторная жалоба» могут отправлять письмо в срочную очередь. Само наличие восклицательного знака не должно автоматически повышать приоритет: это слабый сигнал.

Четвёртый слой, черновик ответа, должен опираться на извлечённые факты. Нейросеть не должна обещать возврат денег, называть точную дату доставки или ссылаться на внутреннее решение, которого нет в исходном сообщении. Там, где данных мало, корректный результат звучит так: «Нужно уточнить номер заказа и дату оплаты».

Подход к формулировке запроса подробно разобран в материале об искусстве промптинга для нейросетей. Для почты особенно полезно заранее описать формат ответа, допустимые категории и условия передачи обращения сотруднику.

Как построить разбор обращения

Рабочая схема состоит из 5 полей: категория, краткая суть, факты, приоритет и следующий шаг. Если добавить к ним причину низкой уверенности, оператору проще понять, что именно нужно перепроверить.

Я бы задал результат в таком порядке:

1. Категория. Выберите закрытый список из 5–7 вариантов. Слишком широкая группа «прочее» быстро становится складом ошибок.
2. Суть. Ограничьте резюме двумя предложениями, чтобы оператор видел вопрос без повторного чтения всей переписки.
3. Факты. Попросите выписать номера, даты, суммы, названия товаров и требования клиента только при наличии в тексте.
4. Приоритет. Используйте уровни «срочно», «обычно», «низкий» и добавьте условие для каждого уровня.
5. Действие. Укажите, что делать дальше: ответить по шаблону, запросить данные, передать специалисту или дождаться проверки.

Полезно добавить поле «цитата, подтверждающая вывод». Для приоритета «срочно» модель должна привести короткий фрагмент вроде «оплата списана дважды» или «заказ нужен до 18 мая». Это снижает риск, что оператор согласится с красивым, но неподтверждённым резюме.

Модельный кейс: компания из сферы логистики, примерно 200 сотрудников, получает письмо «Машина не приехала, номер заявки 4817, погрузка сегодня до 16:00». Корректная карточка содержит категорию «срыв поставки», номер 4817, срок 16:00 и действие «передать диспетчеру». Модель не должна самостоятельно обещать новую машину.

Ту же механику можно применять к сообщениям в мессенджерах. Разница в том, что там чаще встречаются короткие фразы без темы и подписи. Поэтому в контекст стоит передавать последние 3–5 сообщений диалога, дату, идентификатор обращения и доступные служебные поля.

Как сформулировать запрос к нейросети

Хороший запрос задаёт 4 вещи: роль модели, критерии классификации, запрет на выдумывание и точный формат результата. Чем меньше скрытых допущений, тем легче сравнить ответ с исходным письмом.

Рабочая заготовка может выглядеть так:

Ты разбираешь входящие обращения службы поддержки. Определи одну категорию из списка: оплата, доставка, техническая проблема, возврат, запрос информации, другое. Извлеки номер заказа, дату, сумму и требование клиента. Если данных нет, напиши «нет данных». Оцени срочность как «срочно», «обычно» или «низко» и объясни её одной цитатой из сообщения. Составь черновик ответа до 100 слов. Не обещай сроки, возвраты и компенсации, если они не указаны в исходных данных.

После такого задания я добавляю конкретный текст обращения и, при необходимости, справочную информацию о правилах ответа. Промпт лучше разделить на постоянную инструкцию и переменную часть с письмом. Это уменьшает риск, что случайная фраза клиента будет воспринята как новая команда.

Для финансовых вопросов нужны отдельные ограничения. Если в письме встречается сумма 48 500 рублей, модель должна перенести её в поле фактов, но не считать комиссию и не подтверждать возврат. Арифметику, реквизиты и юридические формулировки стоит проверять по первоисточнику.

Сначала протестируйте схему на 30–50 обезличенных сообщений. В выборке должны быть короткие, длинные, эмоциональные и неполные обращения. Для каждой строки заранее подготовьте эталонную категорию и отметьте обязательные факты. Так вы увидите, где ошибка возникает: при классификации, извлечении или составлении ответа.

Больше о переходе от разовой генерации к рабочему процессу рассказывает статья о внедрении нейросетей в рабочие процессы. Там полезно мыслить цепочкой действий, а не отдельным красивым ответом.

Как предложить ответ без риска для компании

Безопасный черновик проходит минимум 2 проверки: на соответствие исходным фактам и на соблюдение полномочий сотрудника. Текст, который выглядит убедительно, нельзя отправлять автоматически только из-за хорошего стиля.

Первая проверка отвечает на вопрос: есть ли в письме подтверждение каждого существенного утверждения? Если клиент указал номер заказа 7812, его можно повторить. Если дата доставки не названа, нельзя превращать предположение в обещание. Полезно просить модель выделять неподтверждённые места маркером «нужно уточнить».

Вторая проверка связана с полномочиями. Оператор может сообщить статус, запросить недостающие данные или передать претензию. Решение о компенсации, изменении договора и признании ответственности должно идти по внутреннему регламенту. Нейросеть помогает подготовить текст, но не получает право принимать такие решения.

Гипотетический пример: клиент пишет «Прошу вернуть 12 000 рублей за услугу, которой не воспользовался». Нейтральный черновик попросит номер договора, дату платежа и основание обращения. Он не должен сообщать, что возврат одобрен, даже если формулировка клиента кажется убедительной.

Для разных категорий нужны разные заготовки ответа. Письмо о технической ошибке должно вести к сбору версии приложения, времени сбоя и описания шага. Запрос цены требует уточнить объём, регион и срок. Жалоба требует спокойного подтверждения получения и передачи ответственному сотруднику. Один шаблон для всех трёх ситуаций ухудшает качество.

Как измерять качество разбора

Для пилота достаточно 4 показателей: точность категории, полнота извлечённых полей, доля черновиков без фактических ошибок и время до передачи срочного обращения. Они показывают качество процесса с разных сторон.

Проверяйте результаты на одинаковой выборке, например на 100 обезличенных сообщениях. Для каждой категории посчитайте правильные и ошибочные присвоения. Отдельно отметьте случаи, когда категория верна, но потерян номер заказа или дата.

Полезная таблица контроля выглядит так:

Не смешивайте эти показатели в одну оценку. Модель может правильно определить 90 из 100 категорий, но пропустить 4 срочных сообщения. Для поддержки второй дефект может быть опаснее десяти ошибок в группе «прочее».

Для примера: если из 100 писем 86 получили верную категорию, 78 сохранили все обязательные поля, а в 9 черновиках появились неподтверждённые обещания, следующий шаг очевиден. Сначала нужно исправить правила фактов и эскалации, а затем расширять список категорий.

Проверку результата можно организовать по принципам из статьи о генерации текста и проверке результата. Там же полезно взять идею раздельной оценки содержания, структуры и соответствия задаче.

Где в этом процессе помогает SoftChat

В веб-приложении SoftChat доступны чат с потоковой выдачей ответа через SSE и переключение модели для конкретного разговора. Это удобно для ручного сравнения формулировок запроса на одинаковом наборе обезличенных писем.

Я бы использовал такой чат как рабочее место для подготовки и проверки текстовых инструкций, а не как обещание автоматической обработки корпоративного почтового ящика. В каталог продукта входят веб-чат, выбор модели в рамках разговора и текстовый режим. Подключение почты, CRM или мессенджерной очереди в описании продукта не заявлено, поэтому такой контур нужно проектировать отдельно.

Практический тест занимает 30–40 минут. Возьмите 10 сообщений, удалите имена, телефоны, адреса и номера договоров, затем прогоните одинаковое задание в двух моделях. Сравните не длину ответа, а четыре свойства: категория, извлечённые факты, соблюдение запретов и полезность следующего шага.

Инструкция по применению нейросетей для повседневных задач поможет перенести этот подход на небольшую личную или командную очередь. Для рабочих данных я советую заранее определить, какие сведения можно передавать в сторонний сервис, а какие нужно обезличить.

Как запустить пилот за 7 дней

Пилот можно провести за 7 дней, если ограничить его одной очередью и одной задачей, например сортировкой обращений о доставке. За этот срок реально собрать исходную выборку, проверить промпт и сравнить результаты с ручным разбором.

В первый день выберите 30–50 сообщений и составьте эталонную разметку. На второй день утвердите 5–7 категорий, обязательные поля и признаки срочности. На третий подготовьте формат карточки и правила для черновика ответа.

Четвёртый и пятый дни отведите на тестирование. Проверяйте короткие сообщения, цепочки переписки, вложения без доступного содержимого и конфликтующие требования. На шестой день пересчитайте четыре показателя из таблицы. Седьмой день нужен для решения: оставить ручную проверку, изменить правила или остановить сценарий.

Условный пример: если команда получает 200 сообщений в день, для пилота не требуется сразу обрабатывать весь поток. Достаточно выделить одну категорию и проверять 20–30 сообщений ежедневно, фиксируя ошибки в общей таблице. Это позволяет увидеть слабые места без риска изменить весь процесс.

Что бы я сделал на вашем месте

Я бы начал с одной категории, 50 обезличенных сообщений и чёткого правила «нет данных», а не с попытки разобрать всю почту за один запуск. После проверки 4 показателей добавил бы вторую категорию и только затем расширял формат черновика.

Если доля фактических ошибок остаётся высокой, проблема обычно находится в исходной инструкции или неполной справке, а не в длине ответа. Если категории путаются, сократите их число и добавьте по 2–3 примера границ для каждой группы. Если заявки теряются из-за срочности, усиливайте правила эскалации и ручной контроль.

Нейросеть здесь полезна как слой предварительного разбора. Решение о деньгах, сроках, компенсациях и ответственности должно оставаться у сотрудника, который видит регламент и полный контекст обращения.