Как ИИ сортирует письма и готовит черновики ответов

Нейросеть может взять на себя первичную обработку входящих писем: определить тему, найти признаки срочности, извлечь данные и подготовить черновик ответа. Я разбираю рабочую схему без обещаний полной автономности, потому что качество здесь зависит от правил, исходных данных и контроля человека.

Что именно делает нейросеть с входящим письмом

Нейросеть превращает одно письмо минимум в 4 структурированных признака: тему, срочность, нужное действие и найденные данные. Такой результат проще проверить, передать сотруднику и измерить, чем свободный текст без понятной схемы.

Сначала задайте конечный набор категорий. Для службы поддержки это могут быть «оплата», «доставка», «возврат», «техническая проблема» и «другое». Для отдела продаж подойдут «новая заявка», «уточнение условий», «повторный контакт» и «нецелевое обращение». Я советую начинать с 5–8 категорий, иначе похожие письма будут попадать в соседние группы.

Следующий слой, срочность. Нейросеть ищет прямые сигналы, например «срок сегодня», «не могу войти», «деньги списали дважды», а затем учитывает контекст. Одно слово «срочно» без описания проблемы ещё не доказывает высокий приоритет. В результате полезно получать два поля: уровень от 0 до 3 и короткое объяснение, какая фраза повлияла на решение.

Третий слой, извлечение сущностей. Из письма можно вынести номер заказа, дату, сумму, имя, телефон, название услуги и желаемый срок ответа. Если номер заказа состоит из 8 цифр, система должна вернуть именно его, а не пересказать письмо. При отсутствии данных лучше записать «не найдено», чем заполнить пропуск догадкой.

Четвёртый слой, рекомендуемое действие. Это может быть запрос уточнений, передача специалисту, подготовка ответа по базе знаний или отметка «нужна ручная проверка». Такая классификация помогает отделить обработку текста от принятия решения.

Если вы строите промпт для этой задачи, полезно изучить принципы точной формулировки запросов для нейросети. Там же пригодится правило: явно описывать формат результата, допустимые категории и поведение при нехватке данных.

Как выглядит рабочий конвейер

Надёжный конвейер состоит из 6 этапов: получение письма, очистка, классификация, проверка срочности, подготовка черновика и передача сотруднику. Разделение этапов снижает риск, что одна ошибка в начале автоматически превратится в неверный ответ клиенту.

На этапе очистки особенно часто теряется контекст. Цитата предыдущего письма может содержать дату, сумму или обещание сотрудника. Поэтому я разделяю новый текст и историю переписки двумя полями, а не удаляю старые сообщения целиком.

Вложения требуют отдельного правила. Если система не может прочитать файл, она должна сообщить об этом в результате классификации. Нельзя делать вывод «документы получены» по одной строке письма, когда файл оказался повреждённым или отсутствует.

Для контроля удобно хранить запись из 7 элементов: исходная тема, очищенный текст, категория, уровень срочности, извлечённые данные, черновик и финальная версия сотрудника. По этим полям можно разобрать ошибку через неделю, не восстанавливая ход работы по памяти.

Разбор внедрения нейросетей в рабочие процессы помогает посмотреть на задачу шире: автоматизация начинается с понятного участка процесса, а не с попытки передать модели весь почтовый ящик.

Как отделить срочные обращения

Срочность лучше определять по 5 группам сигналов: дедлайн, финансовый риск, блокировка доступа, безопасность и повторное обращение без ответа. Такой список точнее, чем одно ключевое слово в теме письма.

Я делю обращения на 4 уровня. Уровень 0 означает обычный вопрос без срока. Уровень 1 подходит для запроса, который можно обработать в стандартной очереди. Уровень 2 нужен при близком дедлайне, повторном обращении или риске финансовой ошибки. Уровень 3 оставляют для блокировки услуги, подозрения на несанкционированное действие или ситуации, где промедление может привести к заметному ущербу.

Для каждого уровня задайте примеры и исключения. Фраза «срочно пришлите счёт» может быть уровнем 1, если в письме нет срока. Сообщение «доступ заблокирован перед подачей документов сегодня в 16:00» содержит сразу 2 сигнала: блокировку и конкретное время.

Гипотетический пример: письмо «деньги списали дважды, верните сумму до 18:00» получает уровень 3 для ручной проверки, даже если отправитель не использовал слово «срочно». Это не готовый вердикт о возврате, а повод быстро открыть обращение и проверить платёжные данные.

Порог уверенности тоже задаётся заранее. При уверенности выше 90% можно автоматически выбрать категорию для обычной очереди, диапазон 70–90% отправлять на выборочную проверку, а значение ниже 70% считать неопределённым. Эти цифры являются стартовыми настройками, их нужно пересмотреть после анализа реальных ошибок.

Как готовить черновик ответа

Черновик должен состоять из 4 частей: подтверждение вопроса, известный факт, следующий шаг и безопасное завершение. Такая форма удерживает модель в рамках доступных данных и оставляет сотруднику понятные места для правки.

Сначала зафиксируйте, что именно просит отправитель. Если человек спрашивает о сроке доставки, ответ про оплату будет ошибкой, даже когда оба слова встречаются в письме. Затем разрешите использовать только сведения из утверждённой базы, карточки заказа или текста обращения.

Отдельно опишите запрещённые действия. Нейросеть не должна придумывать номер заявки, обещать компенсацию, называть срок возврата без подтверждения и ссылаться на несуществующий пункт правил. Если факта нет, корректный вариант звучит так: «Я передал вопрос специалисту, точный срок уточняется».

Для примера: фраза «деньги вернутся в течение 3 дней» допустима лишь тогда, когда такой срок действительно есть в базе компании. Если в источнике указано «срок уточняется», черновик должен сохранить неопределённость, а не заменить её удобным числом.

Промпт лучше строить как инструкцию из 6 блоков: роль, цель, источники, категории, формат результата и запреты. В формате результата можно потребовать поля «категория», «срочность», «основание», «пропущенные данные» и «черновик». Для каждого поля задайте правило пустого значения.

Я предпочитаю просить модель сначала провести разбор, а потом написать письмо. При последовательной генерации меньше риск, что вежливый стиль скроет пропущенный номер заказа или неподтверждённое обещание. Подход к проверке текстов описан в материале о генерации текста и проверке результата.

Где нужен человек

Человек должен принимать минимум 3 типа решений: финансовые, конфликтные и плохо определённые. Автоматическая сортировка здесь полезна как предварительный слой, но финальное действие требует доступа к правилам компании и полной истории обращения.

Ручная проверка нужна при низкой уверенности, нескольких возможных категориях и наличии персональных или платёжных данных. Её стоит включать, если письмо содержит угрозу судебного спора, запрос на изменение реквизитов или просьбу удалить сведения. Эти признаки можно записать в отдельный список повышенного внимания.

Я использую принцип «модель предлагает, сотрудник утверждает». В интерфейсе проверки должны быть видны исходный текст, найденные сущности, причина приоритета и черновик. Если сотрудник исправил категорию, полезно сохранить это исправление как материал для последующей настройки правил.

Модельный кейс: компания из сферы логистики, примерно 200 сотрудников, может начать с проверки 100 обезличенных писем и сравнить решения модели с разметкой двух специалистов. Если совпадение по категории составило 86%, следующий шаг, проверка 20 писем каждого рабочего дня, даст больше пользы, чем мгновенный запуск на всём потоке.

В материале о повседневных задачах для нейросетей полезно сопоставить этот подход с более простыми сценариями. Чем выше цена ошибки, тем короче должна быть зона автоматического решения.

Как измерить результат

Результат оценивают минимум по 5 показателям: точность категории, полнота извлечения данных, доля правильно найденных срочных писем, время до первого действия и процент правок черновика. Одного показателя скорости недостаточно, если сотрудники потом переписывают каждый ответ.

Для категории считайте долю совпадений с разметкой человека. Для сущностей отдельно проверяйте пропуски и лишние значения: найденный номер заказа и ошибочно добавленный номер из подписи являются разными ошибками. Для черновика фиксируйте, сколько правок потребовалось до отправки.

Полезно разделить поток на 4 среза: обычные вопросы, срочные обращения, письма с вложениями и повторные контакты. Среднее значение по всем письмам может выглядеть приемлемо, хотя один из срезов будет регулярно проваливаться.

Модельный кейс: если из 120 проверенных писем 102 получили верную категорию, точность составила 85%. Это значение нельзя переносить на другой ящик без новой выборки, поскольку темы, подписи и словарь компаний отличаются.

Тестируйте изменения на одной версии инструкций. Сначала сохраните базовый результат на 50–100 письмах, затем меняйте один блок промпта и повторяйте проверку. Так легче понять, что именно повлияло на качество, а не спорить о впечатлениях.

Что бы я сделал на вашем месте

Я бы начал с одной категории и 50–100 обезличенных писем, а не с полной автоматизации ящика. Сначала проверил бы классификацию, затем добавил приоритет и лишь после этого подключил черновики.

В рабочую инструкцию я бы включил 6 обязательных полей результата, порог ручной проверки ниже 70% уверенности и запрет на неподтверждённые сроки. Через 7 дней собрал бы исправления сотрудников, выделил 5 повторяющихся ошибок и обновил примеры.

Такой порядок даёт операционную пользу уже на этапе сортировки, а решение об автоматической отправке можно принимать позже. Для образовательных и внутренних команд пригодится и обзор нейросетей для саморазвития и обучения, где хорошо видна разница между подсказкой модели и самостоятельной проверкой результата.