- Рейтинг рассчитывает взвешенные оценки. Система динамически пересчитывает показатели при каждом новом голосе, учитывая весовые коэффициенты и мультикритериальную оценку. Текущее значение рейтинга может демонстрировать нелинейную динамику.
-
487
Опубликовано проектов
-
106
Оставлено комментариев
-
1128
Количество голосов
GEN AI-бот —полноценный сотрудник службы поддержки сложных ИТ-сервисов
-
Руководитель проекта со стороны заказчика
Сергей Наумов
ООО «ТАЙМВЭБ.КЛАУД» (Timeweb Cloud)
CEO
-
Категория
-
Номинация
-
Цели
-
Технологический вызов. Стать пионером в интеграции Generative AI в клиентскую поддержку технически сложных облачных продуктов.
-
Операционная эффективность. Снизить нагрузку на специалистов службы поддержки на 20% за счет автоматизации рутинных и первичных технических запросов.
-
Качество сервиса. Обеспечить качество ответов на уровне 95% и индекс удовлетворенности клиентов (CSI) не менее 90%.
-
Создание масштабируемой платформы. Разработать основу для будущей интеграции AI-агентов в другие каналы и аспекты клиентского сервиса (подбор тарифов, генерация доменных имен и т.д.).
-
-
Сроки выполнения
август, 2024 — ноябрь, 2025 -
Год завершения проекта
2025
-
Масштаб проекта
3000 человеко-часов -
Результаты
Ключевые результаты:
-
Операционные: нагрузка на сотрудников поддержки снижена более чем на 22%. Бот покрывает 22,3% всех обращений.
-
Качественные: в 73% случаев бот дает осмысленный ответ, решающий проблему. Качество ответов составляет 96,3%, а индекс удовлетворенности клиентов (CSI) — 90%. Ответ бота не отличить от ответа инженера службы поддержки.
-
Экономические: в условиях активного роста бизнеса (достигнута отметка в 110 000+ клиентов) нет необходимости в дополнительном найме, обеспечена значительная экономия на операционных расходах.
-
Стабильно высокий уровень сервиса для клиентов.
-
-
Уникальность проекта
GEN AI-бот — это не чат-бот с заготовленными ответами, а полноценный коллега команды поддержки, встроенный в рабочую тикет-систему наравне с инженерами.
Бот и саппорт-сотрудник работают в одном интерфейсе, отвечая на вопросы разной сложности. Бот интегрирован внутрь тикетной системы, которая ежедневно обрабатывает свыше 800 обращений клиентов.
Его ключевое отличие — способность решать реальные технические запросы в сложной продуктовой ИТ-среде (например, диагностика серверов, проверка DNS) благодаря уникальной архитектуре:
-
Мульти-агентность: три специализированных AI-агента работают в связке (сегментация, ответ, эскалация). Первый сегментирует тикеты по тематикам, второй отвечает на вопросы пользователей, третий эскалирует запросы клиентов на другие линии.
-
Контекстное понимание: бот имеет доступ к данным аккаунтов клиентов (тарифы, сервисы, история), что позволяет давать персонализированные ответы, не используя персональные данные.
-
Глубокая интеграция в продукт: использует связку LLM+RAG
-
-
Использованное ПО
-
LLM (Large Language Model) + RAG – для генерации ответов.
-
Собственное бэкенд-решение: внутренняя тикет-система по обработке тикетов из панели управления, писем из почты.
-
А также MySQL, Elasticsearch, Docker, GitLab CI/CD, Nginx и пр.
-
-
Решение из каталога Global CIO
В проекте не используются решения из каталога Global CIO
-
Сложность реализации
Основная сложность заключалась в создании AI-решения для технически сложного продукта, где ошибка неприемлема. Требовалось:
-
Качество и точность. Достичь качества ответов на уровне человека (цель >95%) через итеративное тестирование и тонкую настройку промтов и RAG-системы.
-
Архитектура. Разработать надежную систему мульти-агентов, где каждый выполняет свою роль, обеспечивая точную эскалацию сложных кейсов.
-
Безопасность и интеграция. Обеспечить безопасный доступ бота к данным аккаунта, достаточный для решения проблем, но исключающий риск утечки персональной информации. Глубокая интеграция в существующие процессы и тикет-систему без нарушения их работы.
-
-
Описание
Проект по внедрению GEN AI-бота инициирован для решения ключевых операционных проблем, с которыми столкнулась наша компания: сложность найма и обучения технических специалистов, сезонные пиковые нагрузки на клиентскую поддержку.
Внедрение бота позволило достичь следующих результатов:
- Более чем на 22% снизилась нагрузка на инженеров поддержки (обработка 22,3% всех входящих обращений). Это позволило избежать затрат на дополнительный найм в период активного роста бизнеса.
- В 73% случаев бот дает осмысленный ответ, решающий проблему клиента.
- Качество ответов составляет 96,3%, а индекс удовлетворенности клиентов (CSI) — 90%. Ответ бота выглядит как отве инженера службы поддержки.
- Повышение устойчивости сервиса. Во время DDoS-атаки бот самостоятельно обработал около 1000 тикетов за 10 минут. Он определил затронутых клиентов и проконсультировал их. В итоге сняв с команды более 50% нагрузки, которую люди обрабатывали бы несколько дней.
Бот прошел три этапа развития:
- Сбор требований и подготовка базы знаний. Мы выделили 5 тематик, в которых клиенты задают вопросы чаще всего. Целью качества ответов установили на 90%.
- Тестирование в роли "стажера" с ручной проверкой ответов (что позволило поднять качество с 74% до 92%).
- Создание системы мульти-агентов для сегментации, ответа и эскалации запросов.
В дальнейших планах – интеграция AI-агентов в другие каналы и аспекты клиентского сервиса. Такие как подбор тарифов, генерация доменных имен и т.д.
-
География проекта
Россия и СНГ (110 000+ пользователей)
-
Дополнительные презентации
-
Заказчик
Timeweb Cloud
-
ИТ-поставщик
Timeweb Cloud
Комментировать могут только авторизованные пользователи.
Предлагаем Вам войти в систему или зарегистрироваться.