Автогенерация ответов в поддержке: LLM и Agent Assist

Оператор поддержки обрабатывает 500 однотипных запросов в день. Среднее время ответа — 4 часа, CSAT падает, команда выгорает. LLM-автогенерация ответов решает эту проблему: мы внедряем систему, которая либо полностью отвечает на типовые вопросы, либо подсказывает оператору готовый ответ. Второй режим — agent assist — даёт 40–60% снижения времени ответа без потери качества. Согласно исследованию Gartner, компании, внедрившие agent assist, сокращают время обработки запросов в среднем на 45%. При потоке 500 запросов в день экономия фонда оплаты труда может составлять до 180 000 руб. в месяц (10 операторов со средним окладом 60 000 руб.).

Мы реализовали 30+ проектов по автогенерации для банков, ритейла и телекома. Гарантируем acceptance rate >60%, снижение времени ответа от 40%, CSAT не ниже ручных ответов.

Как работает agent assist?

Мы используем RAG-архитектуру: LLM (GPT-4o, LLaMA 3 или Mistral) дополняется векторной базой знаний (Pinecone, Qdrant) с историей решённых тикетов и статьями. Система работает в двух режимах:

• Полностью автоматические ответы — для запросов с уверенностью классификатора >0.95. Безопасно только для тривиальных кейсов: статус заказа, часы работы, подтверждения.
• Agent Assist — LLM генерирует предложение, оператор одним кликом принимает, редактирует или отклоняет. Подходит для 70–80% обращений, включая сложные.

Agent assist эффективнее полной автоматизации, потому что оператор остаётся в контуре: он проверяет факты, добавляет эмпатию, корректирует тон. Полная автоматизация без контроля — риск репутационных потерь из-за галлюцинаций. Agent assist даёт 40–60% экономии времени при CSAT на уровне ручных ответов.

Пример кода: Agent Assist на Python

def suggest_response(ticket: Ticket, knowledge_base: VectorStore) -> ResponseSuggestion:
    # Ищем похожие решённые тикеты
    similar_tickets = knowledge_base.search(ticket.text, top_k=3)

    # Ищем в базе знаний
    kb_articles = knowledge_base.search_articles(ticket.text, top_k=3)

    # Генерируем предложение
    prompt = f"""
Обращение клиента: {ticket.text}
История клиента: {ticket.customer_history}

Похожие решённые обращения:
{format_similar(similar_tickets)}

Статьи базы знаний:
{format_articles(kb_articles)}

Напиши ответ оператора: вежливо, по существу, с конкретным решением."""
    return llm.generate(prompt)

Сравнение режимов: автоматика vs ассистент

Сравнение метрик до и после внедрения

Почему RAG лучше прямого вызова LLM?

Без RAG LLM генерирует ответ только на основе обученных данных — это даёт высокий риск галлюцинаций на специфичных для компании вопросах. RAG добавляет контекст: извлекает релевантные документы из базы знаний и передаёт их в промпт. Это гарантирует, что ответ опирается на факты, а не на обобщения. Мы используем векторизацию (1536-dim) и реранжировку для повышения точности.

Как мы внедряем автогенерацию: этапы

1. Анализ потока обращений — собираем статистику: топ-20 тем, язык, сложность. Определяем, какие запросы можно автоматизировать. Используем классификатор на основе BERT.
2. Сбор и подготовка базы знаний — консолидируем историю тикетов, FAQ, статьи. Чистим, размечаем, создаём эмбеддинги (1536-dim). Объём типичной базы — 5000+ документов.
3. Настройка RAG-пайплайна — выбираем модель (GPT-4o для SaaS, LLaMA 3 для on-prem), конфигурируем ретривер (top_k=5), промпт с инструкциями. Добавляем ранжирование по релевантности.
4. A/B-тестирование — запускаем agent assist на 10% потока, сравниваем с контрольной группой. Метрики: время ответа, CSAT, acceptance rate (цель >60%). Через 2 недели расширяем.
5. Деплой и мониторинг — разворачиваем в Docker/Kubernetes, подключаем мониторинг (p99 latency, FLOPS, GPU utilization). Настраиваем алерты по просадке качества.

Что входит в работу

• Архитектурный документ — описание решения, выбор модели, схема интеграции.
• Интеграция с CRM/тикет-системой — REST API, готовые коннекторы к Zendesk, Freshdesk, Bitrix24.
• Обучение операторов — 2-часовая сессия: как работать с подсказками, что делать при ошибках.
• Мониторинг и SLA — дашборд в Grafana, еженедельные отчёты. Поддержка 2 месяца после внедрения.
• Обучение модели на ваших данных — fine-tuning для повышения точности (по желанию).

Почему выбирают нас

Мы — команда AI/ML инженеров с опытом в продакшн-системах. Реализовали 30+ проектов по автогенерации для банков, ритейла и телекома. Гарантируем: acceptance rate >60%, снижение времени ответа от 40%, CSAT не ниже ручных ответов.

Свяжитесь с нами для получения детального бизнес-кейса с расчётом ROI. Закажите пилот — мы проанализируем ваш поток и предложим архитектуру за 2 недели.

NLP разработка: классификация текстов, NER, эмбеддинги и извлечение информации

К нам приходит задача: обрабатывать 50 тысяч обращений в службу поддержки — сейчас всё вручную. Датасет — 3000 размеченных примеров, 12 категорий, дисбаланс: одна категория занимает 40% выборки, три по 1-2%. Baseline accuracy — 78%. Звучит неплохо, пока не смотришь на recall по редким классам: 0.31, 0.44, 0.28. Именно эти классы — жалобы и угрозы оттока — важнее всего бизнесу.

Это типичный проект NLP разработки. Проблема не в алгоритме, а в том, что accuracy — не та метрика. Наш опыт показывает: в 30+ проектах мы начинаем с анализа бизнес-метрик и только потом выбираем модель.

Почему accuracy — не та метрика для редких классов?

Accuracy игнорирует дисбаланс. Если класс «отток» встречается в 2% случаев, модель может предсказывать «всё хорошо» и получить 98% accuracy — но бизнес теряет клиентов. Решение: F1 macro (усреднение по всем классам) или weighted F1. Для NER — strict entity F1 (только точные совпадения). Гарантируем: после выбора правильной метрики качество модели становится измеримым и прогнозируемым.

Классификация текста: от BERT до дистилляции

BERT-подобные модели — стандарт для классификации. ruBERT-base или ruBERT-large от DeepPavlov для русского языка. multilingual-e5-large — если нужно работать с несколькими языками в одном пайплайне. XLM-RoBERTa-large — сильный multilingual backbone.

Fine-tuning для классификации: добавляем classification head поверх [CLS]-токена, обучаем 3-5 эпох с lr=2e-5, weight decay=0.01. При дисбалансе — weighted CrossEntropyLoss или focal loss с gamma=2.0. Пишите — покажем code snippet.

Кейс с дисбалансом. Датасет — 3000 примеров, дисбаланс 1:20. Решение: class_weight через sklearn + CrossEntropyLoss. Дополнительно — augmentation редких классов через backtranslation (ru→en→ru через MarianMT). Recall по редким классам вырос с 0.31 до 0.67 при незначительном падении accuracy (76%→74%). Полная NLP разработка под ключ заняла 3 недели.

Дистилляция для production. BERT-large даёт F1 0.89, но inference на CPU — 180ms. Дистилляция в DistilBERT или ruBERT-tiny2 снижает latency до 25ms при F1 0.84. Экспорт в ONNX Runtime даёт дополнительный 1.5-2x. Оценим проект — рассчитаем экономию на инфраструктуре.

NER: распознавание именованных сущностей

NER — извлечение персон, организаций, локаций, дат, сумм, номеров документов. Для общих категорий (PER, ORG, LOC) предобученные модели работают хорошо. Для специализированных (медицинские термины, юридические понятия) — нужен fine-tuning.

Разметка данных. Основная стоимость NER-проекта. Для качественной модели — 500-2000 размеченных предложений на каждый тип сущности. Инструменты: Label Studio (open source) или Prodigy (от создателей spaCy). Формат IOB2 — стандарт.

Архитектура. Token classification поверх BERT: каждому токену метка (B-PER, I-PER, O). spaCy 3.x с transformer pipeline — удобный production-выбор.

Вложенные сущности. Стандартные IOB-модели не обрабатывают вложенные сущности (организация внутри адреса). Для таких задач — span-based NER: SpanBERT или SpERT. Сложнее, но правильно.

Постобработка обязательна. Модель предсказывает токены — нужны нормализованные сущности. Дата — dateparser. Суммы — regex + валидация. Имена — дедупликация через rapidfuzz. Входит в нашу стандартную поставку.

Sentiment Analysis и opinion mining

Бинарная классификация positive/negative работает с BERT из коробки. Сложность — аспектная тональность (ABSA): «в ресторане хорошая кухня, но ужасный сервис». Для ABSA: aspect extraction (NER) + sentiment по каждому аспекту. Joint модели BERT-for-ABSA — качество на русских данных ниже из-за дефицита датасетов. RuSentiment, SentiRuEval — основные ресурсы.

Для продакшена с простым позитив/негатив/нейтраль: distil-модели достаточно. Три класса, balanced датасет, 2000+ примеров — F1 macro 0.82-0.87 за 1-2 дня.

Суммаризация текста

Экстрактивная суммаризация (выбираем предложения) — TextRank или BM25 без обучения. Быстро, не галлюцинирует. Хорошо для длинных документов.

Абстрактивная (генерирует новый текст) — seq2seq: mT5, mBART, FRED-T5, ruT5-large. Для production через LLM API (GPT-4, Claude) — часто лучший трейдофф стоимость/качество/скорость.

Эмбеддинги: векторные представления текста

Эмбеддинги — основа семантического поиска, дедупликации, кластеризации, RAG. Качество критически влияет на downstream задачи.

Модели. E5-large-v2, BGE-M3, multilingual-e5-large — сильные multilingua embedders. sentence-transformers/paraphrase-multilingual-mpnet-base-v2 — быстрый вариант. Для русского: ru-en-RoSBERTa (Skoltech) хорош на semantic textual similarity.

Как оценить качество эмбеддингов? MTEB benchmark — стандарт. Но топовые результаты на MTEB не гарантируют успех на доменном датасете — строим домен-специфичный eval.

Fine-tuning эмбеддингов. Если стандартные модели не дают нужного Recall@k — contrastive learning на доменных парах с MultipleNegativesRankingLoss. 500-2000 пар, 1-3 эпохи — 5-15% прирост Recall@k.

Размерность и хранение. E5-large: 1024 dim, float32 — 4KB на вектор. При 10M документов — 40GB. Квантизация int8 снижает до 10GB. FAISS IVF_PQ — ещё компактнее, но с потерями. Входит в наши рекомендации по деплою.

Извлечение информации

Структурированное извлечение — одна из частых задач. Примеры: ключевые условия договора, технические характеристики, даты и суммы из счетов.

1. Regex + rule-based. Для ИНН, ОГРН, сумм, дат — надёжнее нейросети. Не требует данных.
2. NER + постобработка. Для вариативных форматов.
3. LLM с structured output. GPT-4 / Claude с JSON schema — для сложных документов. Стоимость: ~$0.001-0.01 на документ. Для 10k+ документов/день — считаем экономику.

Гарантируем гибрид: regex/NER для типовых полей + LLM для edge cases. Сертификат доверия: 5 лет на рынке, >30 проектов.

Этапы работы

Прототип на существующих данных — 1-3 недели. Production-система с CI/CD — 1.5-2.5 месяца. Стоимость рассчитывается индивидуально — напишите, получите консультацию и оценку.

Что входит в работу

• Документация по архитектуре модели и пайплайну
• Доступы к модели через REST API (FastAPI + ONNX)
• Обучение команды заказчика (2 часа вебинара + Q&A)
• Гарантия на точность модели на оговоренной тестовой выборке
• Поддержка 3 месяца после сдачи (багфикс, адаптация под новые данные)

Наш опыт

Более 5 лет в NLP, 30+ проектов от классификации до RAG-систем. Команда включает ML-инженеров с опытом в Hugging Face, spaCy, LangChain, MLOps. Используем vLLM, Kubeflow, Weights & Biases — продакшен-стек, а не игрушки. Пишите — оценим проект за 2 дня.