ИИ для сортировки писем: срочность и черновики в 2026

ИИ помогает превратить поток писем, заявок и сообщений в понятную очередь: определить тему, выделить срочность и подготовить черновик ответа.

Ручная первичная обработка обращений состоит из повторяющихся действий. Сотрудник открывает сообщение, читает контекст, определяет тип запроса, ищет имя и номер заказа, оценивает срочность, выбирает шаблон и передаёт задачу нужному человеку. В одном письме эти операции занимают несколько минут, а при потоке из 100 сообщений превращаются в часы монотонной работы.

Нейросеть может взять на себя подготовительный слой. Она не должна автоматически принимать спорные решения без проверки: её задача состоит в том, чтобы структурировать входящие данные, показать основания классификации и предложить текст, который сотрудник быстро отредактирует. Такой подход особенно полезен, когда обращения приходят сразу из трёх каналов: почты, формы на сайте и мессенджера.

Для настройки сценария полезно сначала разобраться, как правильно формулировать запросы для нейросетей, а затем проверить результат на собственной выборке сообщений.

Что происходит с обращением до ответа

ИИ обрабатывает обращение в 4 этапа: определяет тип, извлекает данные, оценивает срочность и создаёт черновик. Такая последовательность отделяет распознавание задачи от написания текста и упрощает контроль ошибок.

Сначала сообщение приводят к единому виду. Из письма, формы или диалога выделяют тему, основной текст, дату, контактные данные и вложения, если они доступны в рабочем процессе. Затем модель присваивает обращению одну или несколько категорий. Для службы поддержки это могут быть вопросы об оплате, доставке, возврате, технической ошибке и консультации по продукту.

Следующий слой, извлечение сущностей. Нейросеть ищет номер заказа, название услуги, дату, сумму, имя клиента и требуемое действие. Если значение отсутствует, лучше возвращать пустое поле, а не додумывать его. В результате сотрудник получает карточку с 5–7 понятными полями вместо длинного неструктурированного сообщения.

Последний этап, черновик ответа. Модель использует найденные факты, выбранную категорию и правила тона. Если в обращении нет данных для точного решения, черновик должен содержать просьбу уточнить информацию, а не вымышленный статус заявки.

Модельный кейс: поток из 120 обращений можно разделить на 6 категорий и отдельную очередь для неясных сообщений. Это не готовый показатель эффективности, а схема для проверки: сначала размечают примеры вручную, затем сравнивают вывод модели с эталоном.

Как задать категории для сортировки

Надёжная схема начинается с 5–8 устойчивых категорий и отдельной метки «нужна проверка». Слишком подробная классификация на старте увеличивает число пограничных случаев и затрудняет оценку результата.

Категория должна описывать действие или предмет обращения, а не настроение автора. «Недоволен» слишком расплывчато. «Просит вернуть оплату», «сообщает об ошибке входа» и «уточняет срок доставки» дают сотруднику понятный следующий шаг.

Для каждой метки нужно задать четыре элемента:

1. Короткое название, например «возврат» или «техническая ошибка».
2. Определение, по которому категорию можно отличить от соседней.
3. Два или три положительных примера.
4. Один пример, который похож по словам, но относится к другой группе.

Пограничные случаи лучше собирать в отдельную очередь. Сообщение «деньги списали, но заказ не появился» связано сразу с оплатой и технической ошибкой. Если система обязана выбрать одну метку, зафиксируйте приоритет: например, сначала финансовый риск, затем техническая причина.

В статье о генерации текста и проверке результата подробно разобран принцип, при котором черновик оценивают по заранее заданным критериям. Для сортировки работает тот же подход: сначала формулируется ожидаемый результат, затем проверяется каждый вывод.

Условный пример: при 200 сообщениях за неделю можно вручную разметить 50 обращений, распределив их по 6 категориям. Эти 50 записей станут контрольной выборкой, а не доказательством точности всей системы. После первой проверки спорные сообщения добавляют в набор примеров и повторяют тест.

Как выделить срочные обращения

Срочность лучше оценивать по 4 признакам: риску потери денег, остановке процесса, ограниченному сроку и прямому запросу на немедленное действие. Эмоциональная лексика сама по себе не доказывает высокий приоритет.

Полезно разделить приоритеты на три уровня. Высокий означает, что задержка может привести к финансовому ущербу, блокировке доступа или пропуску обязательного срока. Средний уровень подходит для проблемы, которая мешает работе, но допускает ожидание несколько часов. Низкий приоритет получают консультации, предложения и вопросы без ограниченного срока.

Модель должна объяснять приоритет ссылкой на фрагмент сообщения. Поле «срочно» без причины плохо проверяется и провоцирует ложные тревоги. Лучше возвращать структуру из трёх значений: уровень, основание и рекомендуемый срок реакции.

Для примера: фраза «оплата списалась дважды, нужно решить сегодня» содержит два сигнала, финансовый риск и ограниченный срок. Фраза «подскажите, как изменить тариф» обычно не требует высокого приоритета, даже если автор использует несколько восклицательных знаков.

Как подготовить черновик ответа

Хороший черновик состоит из 4 частей: обращения к сути проблемы, подтверждённых фактов, следующего действия и условия для уточнения. Такая форма удерживает модель в пределах доступной информации.

Сначала ответ должен показать, что запрос понят. Для вопроса о возврате это может быть краткое повторение ситуации, без повторного перечисления всех деталей письма. Затем идут факты: номер обращения, известный статус, срок или перечень уже выполненных действий. Если факта нет в исходных данных, его нужно заменить нейтральной просьбой проверить информацию.

Третья часть, следующий шаг. Он должен быть конкретным: приложить чек, назвать номер заказа, подтвердить дату или дождаться проверки специалиста. Четвёртая часть нужна для неполных сообщений. Например, модель может попросить указать время ошибки и устройство, если без этого техническая команда не сможет начать диагностику.

Черновик стоит отделять от фактических данных. Удобный формат содержит блоки «категория», «срочность», «извлечённые поля», «ответ» и «сомнения». Сотрудник видит, на чём основан текст, и быстрее исправляет одну ошибку в поле, чем перечитывает весь диалог.

Модельный кейс: для обращения с темой «не пришёл заказ» черновик может предложить уточнить номер заказа и дату доставки, но не должен называть курьерскую службу или новый срок без подтверждения. В этом примере качество определяется сдержанностью, а не длиной ответа.

Тон и формат лучше задавать в запросе отдельно. В материале о повседневных задачах нейросетей и чат-ботов этот принцип применим к любому повторяемому сценарию: описываются роль, входные данные, формат результата и ограничения.

Как проверить качество классификации

Качество проверяют минимум по 3 показателям: правильности категории, полноте обнаружения срочных сообщений и доле пригодных черновиков. Одной субъективной оценки «ответ выглядит нормально» недостаточно.

Правильность категории показывает, сколько сообщений получили верную метку среди проверенных. Полнота срочных обращений отвечает на другой вопрос: сколько действительно критичных сообщений система заметила. Эти показатели могут расходиться. Модель способна редко ставить высокий приоритет и почти не создавать ложных тревог, но пропускать реальные риски.

Для черновиков нужна отдельная шкала. Например, редактор оценивает фактическую точность, наличие следующего шага, соответствие тону и необходимость ручной переработки. Каждому критерию можно дать от 0 до 2 баллов. Тогда максимальный результат за один черновик составит 8 баллов, а сравнение версий станет прозрачнее.

Модельный кейс: на выборке из 100 сообщений редактор обнаружил 18 срочных обращений. Если система выделила 16 из них, полнота составила 88,9 процента. Если при этом она пометила срочными ещё 7 обычных сообщений, нужно отдельно оценить число ложных срабатываний. Эти цифры относятся к учебной схеме расчёта, а не к подтверждённому результату конкретной компании.

Проверять нужно разные типы входа: короткие сообщения из мессенджера, длинные письма, обращения с вложениями и тексты с опечатками. Набор из 30 одинаковых вопросов создаёт слишком благоприятную картину. Практичнее собрать контрольную выборку из 5–10 сообщений каждого класса и обновлять её после спорных случаев.

Как работать с почтой, формами и мессенджерами

Для трёх каналов нужен единый набор категорий, но разные правила извлечения данных. В письме полезны тема и история переписки, в форме важны поля анкеты, в мессенджере требуется восстановить контекст из коротких реплик.

Начните с общей схемы результата. Например, каждый вход должен возвращать тип обращения, приоритет, найденные сущности, краткое резюме, черновик и уровень уверенности. Затем добавьте исключения для каждого канала. История письма может содержать старую проблему, форма часто передаёт обязательный номер заказа, а мессенджер разбивает один запрос на 5–6 сообщений.

Автоматическую отправку лучше отделить от генерации. Сначала сотрудник проверяет категорию и черновик, затем меняет текст при необходимости и сам решает, когда ответ можно отправить. Для финансовых, юридических и связанных с доступом вопросов нужен дополнительный контроль человека.

Если нейросеть не уверена, она должна задавать вопрос или отправлять обращение в очередь проверки. Порог уверенности не заменяет редактуру: даже оценка 0,95 может быть ошибочной, если исходный текст короткий или двусмысленный.

Материал о внедрении нейросетей в рабочие процессы помогает связать отдельный сценарий с операционным процессом. Для обработки обращений это означает, что у каждой категории должен быть ответственный, срок реакции и понятный способ исправить ошибочную метку.

Где использовать чат для настройки сценария

Для настройки такого сценария достаточно 2 возможностей рабочего чата: переключения моделей в рамках разговора и потокового вывода ответа. В веб-версии SoftChat доступны обе функции, поэтому можно последовательно проверять один и тот же запрос в разных моделях и видеть генерацию по мере появления текста.

Я бы использовал чат на этапе подготовки инструкции, проверки формата JSON или сравнения нескольких вариантов классификации. В сам чат можно передать обезличенные примеры, список категорий и ожидаемую структуру результата. Реальные адреса, номера заказов, телефоны и платёжные сведения перед тестом нужно убрать.

Чат не заменяет очередь обращений или систему учёта. Его задача в этом процессе уже: помочь отладить правила, найти неоднозначные формулировки и подготовить шаблон, который затем проверяется в рабочем контуре. Для бытовых и организационных сценариев полезно заранее определить, что выбрать между браузерной нейросетью и голосовым помощником, но для потока обращений решающими становятся структура данных и контроль качества.

Какое решение принять после теста

Если контрольная выборка из 50–100 сообщений показывает стабильную классификацию, а каждый черновик проходит ручную проверку за 30–60 секунд, сценарий можно расширять на новый канал. Если ошибки повторяются в одной категории, сначала уточните определения и примеры, а не добавляйте больше инструкций.

Я бы разделил запуск на две очереди. В первой нейросеть только размечает сообщения и предлагает черновики, не отправляя их автоматически. Во второй подключаются простые случаи с низким риском, а финансовые споры, блокировки и неоднозначные обращения остаются под ручным контролем. Такой порядок позволяет измерять пользу по данным, а не по впечатлению от нескольких удачных ответов.

Главный критерий выбора простой: автоматизируйте повторяемую подготовку, но оставляйте человеку решение там, где ошибка меняет деньги, сроки или доступ к услуге. Тогда сортировка становится проверяемым рабочим процессом, а не попыткой переложить ответственность на модель.