Нейросеть сортирует почту и готовит ответы в 2026

Нейросеть помогает разложить входящие письма по темам, определить срочность и подготовить черновик ответа для проверки человеком.

Почтовая очередь редко перегружена из-за одного сложного письма. Проблема возникает из-за повторяющихся действий: открыть сообщение, понять намерение автора, найти нужную категорию, извлечь номер заказа или дату, затем написать ответ. В поддержке это могут быть возвраты, доставка, доступ к аккаунту и жалобы. В продажах появляются вопросы о сроках, стоимости и демонстрации. Офис-менеджер получает счета, приглашения, просьбы о пропуске и внутренние поручения.

Нейросеть способна пройти большую часть такого маршрута за один запрос, но качество зависит от рубрикатора, примеров и правил проверки. Я рассматриваю автоматизацию почты как конвейер из отдельных решений, а не как попытку поручить модели весь процесс сразу. Такой подход проще тестировать на 50 или 100 письмах и легче исправлять после первых ошибок.

Как нейросеть разбирает входящую почту

Нейросеть превращает письмо минимум в 4 решения: определяет тему, намерение, срочность и следующее действие. Для стабильного результата я прошу её извлекать ещё 3–5 полей, например имя отправителя, номер обращения, дату и обещанный срок ответа.

Сначала система читает тело письма и заголовок, если они доступны. Затем сопоставляет содержание с заранее заданными классами. Для поддержки подойдут категории «доставка», «возврат», «оплата», «техническая проблема» и «жалоба». Для отдела продаж список будет другим: «новый запрос», «уточнение условий», «повторный контакт», «партнёрство».

Второй слой связан с намерением. Два письма могут относиться к одной теме, но требовать разных действий. Фраза «Где мой заказ?» просит сообщить статус, а «Заказ не приехал в обещанный день» уже указывает на нарушение срока. Нейросеть должна различать вопрос, претензию, просьбу о расчёте и подтверждение договорённости.

Третий слой, приоритет, лучше описывать наблюдаемыми признаками. Слова «срочно» и «немедленно» сами по себе не доказывают высокий приоритет. Надёжнее проверять дату события, упоминание остановки работы, финансовый риск или повторное обращение. Письмо с фразой «не могу войти перед встречей в 16:00» содержит конкретный временной ориентир, а сообщение «когда-нибудь ответьте» его не содержит.

Извлечённые данные стоит выводить в фиксированной форме. Например, результат может содержать поля «категория», «намерение», «срочность», «факты», «нужен ли человек» и «черновик». Такой формат облегчает передачу результата в таблицу, систему заявок или рабочую очередь. Подход к проверке текста подробно разобран в материале о задачах и проверке результата при генерации текста.

Как построить рубрикатор для поддержки, продаж и офиса

Рабочий рубрикатор обычно начинается с 6–10 верхнеуровневых категорий и не более чем 2 уровней вложенности. Если сделать 30 равноправных меток, сотруднику будет трудно проверить выбор, а модели станет проще перепутать соседние классы.

Я начинаю с журнала писем за 2–4 недели и отмечаю повторяющиеся причины обращения. В выборке из 100 сообщений можно получить 5 частых тем и 8–12 редких случаев. Редкие письма не стоит насильно распределять по близким категориям, для них нужна метка «прочее» или «требует уточнения».

Границы категорий формулируйте через признаки и исключения. Например, «оплата» включает вопросы о счёте, списании и назначении платежа, но не включает просьбы о возврате. К каждой метке полезно добавить 2–4 коротких примера и один контрпример. Контрпример показывает модели, где проходит граница между похожими темами.

Модельный кейс: в очереди из 100 писем 42 сообщения относятся к оплате, 27 к доставке, 18 к возврату, а 13 требуют ручного разбора. Эти числа не описывают конкретную компанию, они показывают, как распределение помогает определить приоритет настройки. Сначала проверяют самые частые классы, затем разбирают ошибки на границах «оплата» и «возврат».

Для продаж добавьте поле «этап контакта». Значения могут быть такими: первое обращение, уточнение, согласование, пауза, отказ. Для офиса полезны «срок», «ответственный» и «тип документа». Один и тот же текст «пришлите реквизиты» означает разные действия, если его отправил поставщик, новый клиент или коллега из бухгалтерии.

Как написать инструкцию для сортировки писем

Надёжнее разделить инструкцию на 3 блока: правила классификации, формат результата и порядок действий при сомнении. Такая структура снижает число свободных трактовок и делает ответ проверяемым по полям.

В первом блоке опишите назначение каждой категории. Вместо фразы «определи тему письма» задайте границы: «отнеси к возврату, если отправитель просит отменить покупку, вернуть деньги или сообщает о желании отказаться от товара». Следом добавьте исключение: «если вопрос касается только статуса доставки, выбери доставку».

Во втором блоке закрепите формат. Нейросеть должна вернуть ровно одну основную категорию, одно намерение и один уровень срочности. Для фактов можно разрешить список. Если данных нет, пусть будет значение «не указано», а не догадка. Формат с фиксированными полями легче сравнивать на тестовой выборке из 30–50 писем.

В третьем блоке пропишите отказ от предположений. Если письмо не содержит номера заказа, модель не должна его изобретать. Если автор просит юридическую консультацию, финансовое решение или доступ к закрытым данным, результат должен направляться человеку.

Для проверки инструкции я использую схему «письмо, решение, объяснение». Модель сначала выдаёт метку, затем перечисляет 1–3 фразы, на которых она основывалась. Это не заменяет ручную оценку, зато показывает, почему сообщение попало в конкретную очередь. При разработке формулировок пригодится разбор точных запросов для нейросетей.

Гипотетический пример: инструкция получает письмо «Счёт оплатили вчера, но доступ к кабинету не открылся». Корректный результат может быть таким: тема «оплата или доступ», намерение «сообщить о проблеме после платежа», срочность «средняя», действие «проверить платёж и передать техническому специалисту». Если модель сразу обещает восстановить доступ, правило нуждается в уточнении.

Как готовить черновики ответов без автоматической отправки

Черновик должен содержать 3 части: короткое подтверждение проблемы, ответ только на известные факты и следующий шаг. Отправлять такой текст без проверки рискованно, потому что письмо может скрывать исключение, неполные данные или конфликт сроков.

Я задаю нейросети ограничение по источникам: использовать только текст обращения и переданные правила. Если в письме нет цены, срока или статуса, эти сведения нельзя заполнять догадкой. Формулировка «информация уточняется» полезнее вымышленной даты.

Хороший черновик не пересказывает письмо на 2 экрана. Для обычного вопроса достаточно 3–6 предложений. Для претензии нужен более осторожный тон: признать факт обращения, зафиксировать известные сведения и обозначить действие сотрудника. Слова «мы уже исправили» допустимы только при наличии подтверждения.

Модельный кейс: письмо содержит 4 факта, номер заказа 4821, дату оплаты 12 марта, обещанный срок 15 марта и отсутствие доставки. Черновик может повторить эти данные, запросить удобный способ связи и передать обращение ответственному сотруднику. Нельзя добавлять причину задержки, если её нет в исходном сообщении.

Я бы ввёл два статуса. «Можно проверить быстро» получают письма с понятной категорией, полным набором данных и нейтральным запросом. «Нужна ручная работа» получают сообщения с угрозой претензии, несколькими вопросами, вложениями без описания или противоречивыми датами.

Для команды полезно хранить исходное письмо рядом с черновиком. При выборочной проверке из 20 ответов редактор отмечает пропуски фактов, лишние обещания, неверный тон и ошибочное действие. Изменения потом превращаются в новые правила рубрикатора. Практика внедрения таких сценариев описана в материале о нейросетях в рабочих процессах.

Как распределять письма между поддержкой, продажами и офисом

Распределение строится по 4 признакам: тема, требуемая компетенция, срок и риск ошибки. Один адрес отправителя не должен автоматически определять очередь, поскольку клиент может писать с нового адреса, а поставщик способен обратиться через форму общего отдела.

В поддержке приоритет получают обращения с блокировкой услуги, повторной жалобой или явным сроком. В продажах нейросеть выделяет намерение купить, вопросы о параметрах, запрос на расчёт и готовность к следующему контакту. В офисной работе она может отделять счета, приглашения, документы и внутренние поручения, если категории заданы заранее.

Модельный кейс: компания из сферы логистики, около 200 сотрудников, получает 3 типа писем на общий адрес. Сообщение о повреждении груза направляется в операционную команду, запрос на договор в юридический отдел, а просьба о коммерческом расчёте в продажи. Число сотрудников здесь задаёт масштаб иллюстрации, а не результат внедрения.

Сложные письма часто относятся сразу к двум направлениям. Например, клиент сообщает о неоплаченном счёте и просит ускорить отгрузку. В рубрикаторе заранее задайте основную очередь и вторичную метку. Если процесс не поддерживает две метки, выбирайте очередь по риску и передавайте вторую часть вопроса вручную.

Не смешивайте сортировку и принятие решения. Нейросеть может заметить слова «расторгнуть договор», но не должна самостоятельно решать, согласна ли компания на расторжение. Для таких случаев нужны полномочия сотрудника и проверка документов.

Если вы начинаете с личных задач, попробуйте сначала автоматизировать календарные письма, напоминания и простые запросы на документы. Подходы к таким сценариям собраны в материале о повседневных задачах для нейросетей и чат-ботов.

Как измерять качество сортировки и черновиков

Качество лучше проверять по 4 метрикам: точность категории, полнота извлечённых фактов, доля принятых черновиков и доля ручных эскалаций. Одной оценки «ответ звучит хорошо» недостаточно для рабочей почты.

Для классификации соберите контрольную выборку из 100 писем и разметьте её вручную до запуска. Точность показывает, какая доля предсказаний верна. Полнота показывает, сколько писем нужного класса система нашла. Эти показатели полезно считать отдельно для жалоб, оплаты и технических проблем, потому что цена ошибки у них различается.

Для черновиков используйте простую шкалу из 4 уровней. Ноль означает, что текст нельзя использовать. Один балл получает ответ с правильной темой, но с пропущенными фактами. Два балла означают, что нужна редактура формулировок. Три балла получают тексты, которые сотрудник отправляет после короткой проверки.

Учитывайте объём правок. Если редактор меняет 1 фразу из 6, черновик почти готов. Если приходится переписывать 5 фраз из 6, проблема находится в правилах или исходных данных. Для сравнения вариантов фиксируйте один и тот же набор писем, иначе показатель будет зависеть от сложности очереди.

Условный пример: из 100 тестовых сообщений 86 получили правильную категорию, в 78 случаях нейросеть извлекла все обязательные факты, а 61 черновик прошёл проверку без смысловой переписки. Это не обещание результата, а форма отчёта, по которой видно слабое место: классификация уже приемлема, а генерация ответа требует доработки.

Проверяйте ошибки по типам. Частые проблемы выглядят так: модель принимает просьбу о возврате за вопрос об оплате, переносит дату из подписи в срок исполнения, обещает действие без подтверждения и игнорирует вложение. Каждую повторяющуюся ошибку превращайте в отдельный контрпример. Через 7–14 дней повторите выборку и сравните показатели по тем же классам.

Как я бы запустил автоматизацию почты

Я бы начал с одной очереди и 5–7 категорий, затем проверил 100 обезличенных писем и оставил автоматические действия только для низкорисковых запросов. Такой порядок позволяет увидеть ошибки до расширения сценария на продажи, документы и претензии.

Сначала определите владельца рубрикатора. Это сотрудник, который раз в неделю просматривает спорные письма, меняет описание меток и удаляет дубли. Затем подготовьте таблицу с примерами, контрпримерами и обязательными полями. После этого настройте отдельный режим для черновиков, где отправка всегда остаётся за человеком.

Через 2 недели сравните 4 показателя: точность категорий, полноту фактов, долю принятых черновиков и число эскалаций. Если точность ниже 80% на одном классе, сначала перепишите границы категории, а не увеличивайте объём инструкции. Если черновики требуют много правок, проверьте источники данных и ограничения на выдумывание.

В итоге нейросеть полезнее всего там, где поток писем повторяется, признаки задачи видны в тексте, а финальное решение можно проверить. Редкие юридические вопросы, конфликтные претензии и сообщения с неполными данными лучше оставлять в ручной очереди.