Разбираю практическую схему для писем, заявок из форм и сообщений в мессенджерах, от первичной сортировки до черновика ответа и передачи в нужный отдел.

Поток обращений редко ломается из-за нехватки каналов. Проблема возникает в момент, когда письмо из формы, сообщение клиента и запрос партнёра попадают в одну очередь. Сотруднику приходится читать контекст, определять тему, искать срочность, выбирать отдел и заново набирать ответ. При объёме 200 коротких обращений такая ручная разборка способна занять несколько часов.

Нейросеть помогает снять повторяющиеся операции, если дать ей понятные категории, правила эскалации и формат результата. Человек при этом сохраняет контроль над обещаниями клиенту, спорными случаями и отправкой сообщения. Подход хорошо сочетается с рекомендациями из статьи о внедрении нейросетей в рабочие процессы, где автоматизация рассматривается через конкретные сценарии, а не через абстрактное желание «внедрить ИИ».

Поток обращения: 5 последовательных этапов1Сборканал и дата2Очисткатекст и факты3Разбортема и приоритет4Черновикответ и вопрос5Проверкарешение человекаНа каждом шаге должен появляться отдельный проверяемый результат.
Инфографика

Что именно нужно автоматизировать в обращениях

Схема сортировки писем и заявок по категориям и срочности

Поток обращений лучше разделить на 4 операции: определить тему, выделить срочность, подготовить черновик и назначить ответственный отдел. Такая последовательность снижает количество решений, которые сотрудник принимает вручную для каждого сообщения.

Сначала нейросеть получает исходный текст и служебные поля: канал, дату, тему письма, имя отправителя, номер заказа, если он есть. Затем она возвращает структурированный результат. Например, категория может быть одной из 5: продажа, поддержка, возврат, документы или другое. Срочность удобно задавать тремя уровнями, чтобы сотрудники одинаково понимали метки.

Нельзя смешивать классификацию и сочинение ответа в одну бесконтрольную команду. Если модель сразу просить «разобраться с письмом», она может пропустить номер заказа, придумать срок или ответить за отдел, который не занимается вопросом. Надёжнее сначала получить поля, проверить их, а затем отдельно сформировать черновик.

Для повседневной работы пригодится разбор задач для нейросетей и чат-ботов. Там полезен сам принцип: рутинную задачу нужно описывать через входные данные, ожидаемый результат и границы ответственности.

Как построить последовательный процесс

Рабочая схема состоит из 5 этапов: сбор, очистка, классификация, подготовка ответа и проверка человеком. Каждый этап должен иметь отдельный результат, иначе ошибку будет трудно найти через 2 или 3 шага.

Этап Вход Результат Контроль
Сбор Письмо, форма или сообщение Единая карточка обращения Проверить источник и дату
Очистка Исходный текст и подпись Текст без лишнего HTML и повторов Сохранить номер заказа
Классификация Очищенный текст Категория, срочность, отдел Разрешить значение «не уверен»
Черновик Категория и факты Ответ на 4–8 предложений Запретить выдуманные условия
Проверка Все поля и черновик Решение оператора Зафиксировать правку или отказ

На этапе очистки нельзя удалять всё, что выглядит техническим шумом. Номер договора из 8 цифр, дата платежа, артикул из 6 символов и адрес доставки могут быть главным содержанием сообщения. Можно убрать подпись, повторённую переписку и HTML-разметку, но исходную карточку лучше хранить отдельно.

Для формы обратной связи достаточно передавать 6 полей: имя, контакт, тема, текст, дата и источник. Для письма из службы поддержки список расширяется до 8–10 полей, если в нём есть номер заказа, история переписки и идентификатор клиента. При нехватке данных модель должна возвращать пустое поле или метку «нужно уточнить», а не дополнять карточку догадкой.

Как выделять срочные обращения

Срочность лучше определять по 3 уровням и набору признаков, а не по одному слову вроде «срочно». Для критической очереди можно задать реакцию в течение 15 минут, для обычной поддержки, в течение рабочего часа, а низкий приоритет обрабатывать в общей очереди.

Красный уровень означает риск потери денег, остановку услуги, угрозу безопасности или жёсткий срок, который клиент уже назвал. Жёлтый уровень подходит для ошибки, задержки, неполного заказа и вопроса перед покупкой. Зелёный уровень включает просьбы о справке, копии документа, инструкции и обратной связи без обозначенного срока.

Модельный кейс: компания из сферы логистики, около 200 сотрудников, получает сообщение с текстом о списании оплаты и невозможности оформить отгрузку. Даже без слова «срочно» обращение стоит отправить в критическую очередь, потому что в нём одновременно есть финансовый риск и остановка операции.

Для примера: фраза «подскажите режим работы» должна получить низкий приоритет, а сообщение «срок поставки истекает сегодня в 16:00» требует отдельной метки времени. Нейросеть может извлечь дедлайн, но сотрудник проверяет, действительно ли дата относится к обязательству компании, а не к цитате из старой переписки.

Я советую добавлять в результат короткое объяснение метки: «критично, найден срок 16:00» или «обычно, информационный вопрос». Одно предложение объяснения заметно полезнее, чем голое значение «красный». Оно позволяет быстро исправить ошибочную классификацию и пополнить набор проверочных примеров.

Как составить инструкцию для нейросети

Рабочая инструкция должна содержать 6 блоков: роль, категории, критерии срочности, допустимые действия, формат ответа и запреты. Такая форма уменьшает число свободных трактовок и помогает сравнивать результаты на одинаковых входных данных.

Сначала опишите задачу одним предложением: «Разбери входящее обращение и подготовь внутреннюю карточку». Затем перечислите допустимые категории. Если категорий 12, сотрудники начнут путать соседние значения, поэтому близкие темы лучше объединить до пилота, а детализацию добавить после проверки 30–50 обращений.

В отдельном блоке зафиксируйте факты, которые нельзя выдумывать: цену, срок доставки, статус возврата, наличие товара, юридические условия и размер компенсации. Если информации нет, ответ должен содержать формулировку «данных недостаточно» и вопрос для оператора.

Для примера: «Клиент пишет, что оплатил заказ 458721, но статус не изменился. Определи категорию, срочность, отдел и недостающий факт». После такого входа ожидаемый результат можно задать в виде 6 полей: категория, приоритет, причина, отдел, черновик и вопрос сотруднику.

Подробные приёмы есть в материале об искусстве формулировки запросов для нейросетей. Для потока обращений особенно полезны ограничения длины, явный список разрешённых значений и требование отделять факты клиента от предположений.

Пример формата результата:

Категория: поддержка
Срочность: обычная
Причина: статус оплаты не обновился
Отдел: биллинг
Факты: заказ 458721, дата оплаты не указана
Вопрос сотруднику: запросить дату и способ платежа
Черновик: не формировать до проверки статуса

Такой формат удобен для ручной проверки. В нём видно, что модель поняла, а где остановилась. Если нужен ответ клиенту, черновик формируется после заполнения фактов, а не вместо них.

Как передать обращение в нужный отдел

Маршрутизация должна опираться на 4 поля: категория, срочность, требуемое действие и ответственный отдел. Название отдела само по себе недостаточно, потому что вопрос о возврате может требовать участия поддержки, финансовой службы или менеджера по продажам.

Для каждой категории задайте одно основное направление и одно правило исключения. Например, вопросы о счёте направляются в финансы, но спорное списание с активной блокировкой заказа получает пометку для руководителя смены. Такое исключение лучше записать прямо в инструкции, а не оставлять на усмотрение модели.

Подход Когда применять Преимущество Ограничение
Ручная сортировка До 30 обращений в день Быстро начать без настройки Результат зависит от смены
Правила по словам Повторяющиеся темы и короткие формы Легко проверить условие Плохо работает с контекстом
Нейросетевая классификация Разные формулировки и длинные письма Учитывает смысл сообщения Требует выборочной проверки
Смешанная схема Поток от 30 обращений в день Правила ловят очевидное, модель разбирает сложное Нужно поддерживать два слоя логики

Условный пример: интернет-магазин получает 60 обращений за смену. Правило по номеру заказа быстро отделяет вопросы о доставке, а нейросеть разбирает свободный текст о повреждённой упаковке, переносе срока и частичном возврате. Оператору остаётся проверить спорные случаи, где совпали 2 категории.

Перед запуском соберите тестовый набор из 30 обращений: по 5 на каждую крупную категорию. Добавьте 5 пограничных сообщений, где встречаются признаки двух отделов. Сравните результат с разметкой сотрудников, а затем исправьте правила. Этот шаг полезнее, чем длинная инструкция без проверки на реальных формулировках.

Как использовать SoftChat при подготовке сценария

Для ручной настройки сценария достаточно 3 элементов SoftChat: веб-чата, потоковой выдачи ответа и переключения модели в рамках диалога. Я использую такое окно для работы с обезличенными образцами, уточнения инструкции и подготовки вариантов формата результата.

В SoftChat можно начать отдельный диалог под конкретную задачу и по ходу разговора менять выбранную модель. Ответ появляется постепенно, поэтому длинную инструкцию и результат на несколько полей проще просматривать по мере формирования. Это рабочий способ отладить текст запроса, но он не превращает чат в готовую систему маршрутизации писем.

Я не вставляю в такой диалог фамилии, телефоны, адреса, полные номера карт и другие сведения, которые не нужны для проверки логики. Вместо них использую обозначения «клиент А», «заказ 000000» и условную дату. Внутри образца сохраняю структуру сообщения, иначе проверка будет слишком далека от настоящего потока.

Гипотетический пример: оператор берёт 10 обезличенных писем, просит выделить категорию и причину, затем меняет формулировку одного правила и проверяет ещё 10 писем. Если после второй серии появились новые ошибки, инструкцию нужно уточнить до передачи в рабочий процесс. Сам чат помогает подготовить и проверить текст задания, а решение о публикации ответа остаётся у сотрудника.

Как измерить качество без самообмана

Качество стоит проверять по 2 независимым показателям: точности категории и доле черновиков, которые можно отправить после лёгкой правки. Один общий процент скрывает разные проблемы, когда тема определена правильно, но ответ содержит неподтверждённое обещание.

Для стартовой оценки возьмите 50 обращений, разметьте их вручную и сравните с результатом модели. Отдельно посчитайте ошибки срочности, ошибки отдела и пропущенные факты. Если из 50 писем 7 получили неправильную категорию, точность категории равна 86%, но это ещё не означает, что 43 черновика готовы к отправке.

Проверьте минимум 10 черновиков на запреты: выдуманная цена, обещание конкретного срока, признание вины без основания, неверное обращение и ответ не тому получателю. В финансовых и юридических темах даже одна ошибка может оказаться дороже, чем несколько минут ручной работы.

Полезно вести журнал правок. Записывайте исходный текст, результат модели, исправленное поле и причину изменения. Через 2 недели станет видно, что именно ломается чаще: названия категорий, дедлайны, номера заказов или тон ответа. После этого обновляйте инструкцию точечно, не переписывая все правила.

О проверке созданных материалов и поиске повторяющихся ошибок подробно рассказывает статья о задачах и проверке результата генерации текста. Для обращений принцип тот же, только объект проверки шире: здесь оценивается ещё классификация и передача в отдел.

Что бы я сделал на вашем месте

Я бы начал с одного канала и 4 категорий, а через 7 дней сравнил ручную разметку с результатом нейросети. Такой ограниченный запуск даёт достаточно данных, чтобы увидеть слабые места, и не заставляет сразу менять всю поддержку.

В первый день я бы собрал 30 обезличенных обращений и описал поля результата. Во второй день добавил бы 5 примеров для каждой категории, включая пограничные случаи. На третий день проверил бы срочность и список запретов для черновика. Остальные дни оставил бы на журналирование исправлений и разговор с сотрудниками, которые принимают финальное решение.

Правило выбора простое: если обращения короткие и повторяются, начните с формальных условий; если люди пишут свободным языком, добавьте нейросетевую классификацию; если цена ошибки высока, оставьте обязательную проверку человека. При потоке около 200 сообщений в день автоматизация оправдана лишь тогда, когда вы измеряете каждое звено, от категории до качества черновика.

Такой подход сокращает ручную рутину без обещаний «полной автоматизации». Сначала модель сортирует и объясняет, затем сотрудник подтверждает, и только после накопления проверенных данных процесс можно расширять на новые каналы.