Разработка AI-чат-бота для клиентской поддержки
AI-чат-бот для поддержки — не просто FAQ-автоответчик. Это система, способная решать реальные задачи клиентов: изменить заказ, оформить возврат, объяснить тарифы, диагностировать проблему. Разница между «отвечает на вопросы» и «решает проблемы» — в интеграции с внутренними системами.
Архитектура production-чат-бота
[Клиент] → [Омниканальный интерфейс]
→ [NLP Engine: Intent + Entity]
→ [Dialog Manager]
├── RAG: ответы из базы знаний
├── Action Engine: интеграции с CRM/ERP
└── Escalation: передача оператору
→ [Response Generator]
→ [Analytics & Logging]
Ядро: интент-классификация и слот-филлинг
Классическая архитектура (Rasa, Dialogflow) разделяет намерение (что хочет клиент) и слоты (параметры запроса):
- Intent:
change_delivery_address - Slots:
order_id=12345,new_address="ул. Ленина, 1"
Современный подход — LLM с function calling: намерение и параметры извлекаются за один вызов, без разделения на intent/slot этапы.
tools = [
{
"name": "check_order_status",
"description": "Проверить статус заказа по номеру",
"parameters": {"order_id": {"type": "string"}}
},
{
"name": "initiate_return",
"description": "Оформить возврат товара",
"parameters": {
"order_id": {"type": "string"},
"reason": {"type": "string"}
}
}
]
Интеграция с внутренними системами
Ценность бота — в действиях, а не только ответах. Минимальный набор интеграций:
- CRM (1С-Битрикс, AmoCRM, Salesforce): история клиента, текущие заказы
- Логистика: статус доставки в реальном времени
- Биллинг: задолженность, история платежей
- Каталог: наличие товара, характеристики
Каждое действие проходит через авторизацию: бот может проверять статус любого, но изменить только свой (верификация по номеру телефона или коду из SMS).
Диалоговое управление и память
LLM-бот хранит историю диалога в контексте (sliding window: последние 10–20 сообщений). Персистентная память (между сессиями): профиль клиента, предыдущие обращения, известные предпочтения — хранится в Redis или БД, добавляется в системный промпт.
Эскалация к оператору
Триггеры передачи живому человеку:
- Клиент явно просит оператора
- Sentiment стал очень негативным (frustrated customer detection)
- Бот не смог решить задачу за 3 попытки
- VIP-клиент (по флагу в CRM)
- Тема: юридические претензии, угрозы
При эскалации оператор получает полный контекст диалога — не нужно просить клиента повторять.
Метрики и качество
- Containment rate: % обращений, решённых без оператора. Цель: 50–70%
- CSAT (bot): оценка клиентом после диалога. Цель: > 4.0/5.0
- Resolution rate: % обращений, где проблема реально решена
- Escalation rate: слишком высокий → бот слабый; слишком низкий → подозрение на неправильную эскалацию
Сроки разработки
- MVP (FAQ + статус заказа): 4–6 недель
- Полнофункциональный бот с интеграциями: 3–4 месяца
- Омниканальный с аналитикой: 5–6 месяцев