Почтовый ящик службы поддержки — это почти всегда поток писем без единой структуры: клиенты пишут с опечатками, без чёткой формы обращения, и один и тот же вопрос можно сформулировать десятком разных способов. Разобрать такой поток вручную можно, но дорого и медленно — а классические правила «если в теме письма есть слово X, отправить в отдел Y» здесь работают плохо, потому что естественный язык не подчиняется жёстким шаблонам. Это как раз тот случай, где обычная роботизация без ИИ не справится — сначала нужно понять смысл письма, и только потом с ним что-то делать.
Задача: разобрать письма без единой структуры
В кейсе из вебинара речь о ритейл-компании, на общий почтовый ящик info которой приходят самые разные обращения. Часть из них — заявки на возврат товара с указанием причины, но так как клиенты не следуют никакой унифицированной форме, вычленить именно эти письма и понять причину возврата из свободного текста — отдельная задача, которую сложно закрыть простыми правилами фильтрации.
Как устроена автоматизация технически
Решение построено на связке генеративного ИИ и программного робота, и у каждого — своя роль в цепочке:
- робот получает письмо на почтовом ящике;
- генеративный ИИ анализирует текст и понимает контекст письма;
- на основе этого контекста письмо классифицируется — если оно не типовое, робот пересылает его напрямую на человека;
- типовые обращения распределяются на ответственных сотрудников;
- ИИ формирует черновик ответа на обращение;
- параллельно собирается статистика по всем полученным обращениям — какие причины возврата встречаются чаще всего.
Что это дало бизнесу
Раньше, если обращения читали несколько разных сотрудников, у каждого складывалась своя, частичная картина того, какие причины возврата встречаются чаще всего. После внедрения классификация и структурированный подход к обработке входящих обращений дали руководству цельную картину явных причин проблем — без необходимости вручную сводить наблюдения нескольких человек.
Готовый черновик ответа, который генерирует ИИ, ускоряет реакцию на обращение — сотруднику не нужно формулировать базовый ответ с нуля, он сразу видит черновик и может его скорректировать. Это не заменяет сотрудника: примерно 3% писем, где даже ИИ не смог однозначно понять контекст, определяются в исключения и попадают на разбор человеку вручную — так же, как в других процессах, построенных на связке технологий, за системой остаётся контроль сложных случаев.
Почему это пример синергии, а не просто «ИИ для писем»
Генеративный ИИ в этой схеме отвечает за то, что у него получается лучше всего — понимание смысла неструктурированного текста и генерацию черновика ответа. А сам процесс получения письма, пересылки на ответственного и сбора статистики — механическая, повторяющаяся работа, которую выполняет робот. По логике, которую в вебинаре описывают как «робот — руки, искусственный интеллект — мозг», здесь обе части работают в связке: одна понимает, вторая исполняет.
С чего начать похожий проект
Если в вашей компании похожая ситуация — общий почтовый ящик, куда стекаются разноформатные обращения, и сотрудники тратят время на их ручную сортировку, — это тот тип процесса, где связка генеративного ИИ и RPA обычно окупается быстрее, чем кажется на старте. Обсудить конкретный процесс можно с командой направления по внедрению ИИ «Первого Бита»; если же речь в первую очередь о механической части процесса — маршрутизации, интеграции систем без открытых API — стоит также посмотреть на направление RPA-роботизации. Другие примеры подобных проектов — на странице вебинаров по искусственному интеллекту.
Частые вопросы
Почему для обработки писем недостаточно обычного RPA-робота?
Потому что письма от клиентов не подчиняются единой структуре — есть опечатки, произвольная форма обращения, разные формулировки одного и того же вопроса. Классические правила фильтрации по ключевым словам здесь работают плохо: сначала нужно понять смысл письма с помощью генеративного ИИ, и только потом маршрутизировать его роботом.
Что делает робот, а что — ИИ, в этой схеме?
Генеративный ИИ понимает контекст письма, классифицирует его и формирует черновик ответа. Программный робот получает письмо, пересылает нетиповые обращения на человека, распределяет типовые между ответственными сотрудниками и собирает статистику по обращениям.
Что происходит с письмами, которые система не смогла классифицировать?
Примерно 3% писем, контекст которых даже ИИ не смог однозначно понять, определяются в исключения и передаются на разбор человеку вручную — система не пытается угадывать в неоднозначных случаях.
