Как классифицировать клиентские обращения с помощью ИИ

Какие признаки обращения можно определять автоматически

Классификация нужна не ради ярлыка, а чтобы обращение быстрее попало к нужному исполнителю и получило правильный срок. Для начала достаточно нескольких признаков, которые реально используются в маршрутизации.

• Тема: оплата, документы, доставка, возврат, техническая проблема или другая рабочая категория.
• Срочность: обычное обращение, повышенный приоритет или критичный случай по формальным признакам.
• Клиент и объект: номер заказа, договора, заявки, оборудования или другой идентификатор.
• Ответственный: команда или сотрудник, которому обращение должно быть передано.
• Полнота: хватает ли данных для начала работы или нужно запросить уточнение.

Категории должны соответствовать реальному процессу поддержки. Если сотрудники всё равно вручную переводят половину обращений между очередями, сначала стоит уточнить правила маршрутизации.

Правила, ИИ и смешанный подход

Не все признаки нужно определять моделью. Номер договора, адрес отправителя, ключевой код ошибки или специальный почтовый ящик проще и надёжнее обрабатывать обычными правилами. ИИ полезен там, где клиент пишет свободным текстом и одну проблему формулирует десятками способов.

Смешанный подход позволяет не заставлять ИИ решать то, что уже однозначно определяется данными, и одновременно не строить сотни хрупких ключевых слов для естественного языка.

Как работать с неоднозначными обращениями

Система должна уметь не только выбрать категорию, но и отказаться от уверенного решения. Для этого задают порог уверенности и отдельные причины передачи человеку: несколько подходящих категорий, неизвестная тема, недостаток данных, конфликт признаков или критичное содержание.

Полезно сохранять исходное обращение, предложенную категоризацию, уровень уверенности и итоговое решение специалиста. Так можно разбирать ошибки и улучшать правила на реальных примерах, а не по предположениям.

Общие принципы ограничений и передачи решений человеку разобраны в статье о ролях и контроле ИИ-агента.

Пример классификации входящего письма

Клиент пишет: «Добрый день, оплатили счёт во вторник, но заказ до сих пор не передан в доставку. Номер 15482. Подскажите, что происходит?»

1. Система извлекает номер заказа 15482.
2. По смыслу определяет тему «Оплата и статус заказа».
3. Проверяет в рабочей системе наличие оплаты и текущий статус.
4. Если оплата есть, а статус не изменён в установленный срок, повышает приоритет по правилу.
5. Назначает обращение команде, отвечающей за заказы после оплаты.
6. Если данные систем противоречат письму или категория неочевидна, передаёт обращение специалисту без автоматического решения.

Для общего почтового ящика похожая логика может быть частью процесса автоматической маршрутизации входящих писем.

Как проверять качество распределения

Пилот лучше запускать в режиме подсказки: система предлагает категорию и ответственного, а специалист подтверждает или исправляет решение. Это даёт эталонную выборку и показывает реальные ошибки до автоматической маршрутизации.

• доля правильно определённых категорий;
• доля правильно назначенных ответственных;
• ошибки по каждой категории отдельно;
• доля обращений, переданных человеку из-за низкой уверенности;
• число повторных переназначений после маршрутизации;
• время от поступления до назначения.

Особое внимание нужно уделять редким, но дорогим ошибкам. Общая точность может выглядеть высокой, даже если система регулярно ошибается в небольшой критичной категории.

Как запустить классификацию поэтапно

1. Соберите реальные обращения и итоговые маршруты за несколько недель.
2. Сократите список до рабочих категорий, которые влияют на процесс.
3. Отделите однозначные правила от признаков, где нужно понимать текст.
4. Настройте режим подсказки без автоматического назначения.
5. Зафиксируйте ошибки и причины исправлений специалистами.
6. Автоматизируйте только устойчивые категории, сохранив путь передачи человеку.
7. Регулярно пересматривайте качество после изменения продуктов, процессов и команды.

Если автоматизация поддержки только начинается, сначала полезно выбрать подходящий поток обращений. Этот подход описан в статье о первом процессе автоматизации клиентской поддержки.