Классификация и маршрутизация обращений с помощью ИИ
Практика3 минРедакция Innovialabs
Коротко
Модель читает обращение, возвращает тему, срочность и язык в строгом формате, а правила по этим меткам отправляют его в нужную очередь; ошибки отслеживаются по исправлениям операторов.
Как это работает
ИИ-классификация обращений — это шаг между входящим сообщением и очередью поддержки. Модель читает текст письма, чата или заявки и проставляет метки: тема, срочность, язык. Затем правила маршрутизации по этим меткам отправляют обращение нужной команде.
Важно разделять две части:
- Классификация — задача модели: понять, о чём обращение.
- Маршрутизация — обычная бизнес-логика: куда отправить обращение с такими метками.
Так вы меняете структуру команд без переобучения модели, а модель — без переписывания правил.
Шаг 1. Опишите метки
Начните с короткого и чёткого списка.
- Тема: оплата, доставка, технический сбой, возврат, доступ к аккаунту, другое.
- Срочность: критично (не работает оплата, утечка данных), высокая, обычная.
- Язык: русский, узбекский, английский — чтобы отправить оператору, который на нём говорит.
Правила хорошей схемы:
- Каждая категория имеет определение и 2–3 примера.
- Категории не пересекаются. Если оператор сам сомневается, модель тоже будет ошибаться.
- Обязательна категория «другое» — модель не должна насильно впихивать обращение в неподходящую тему.
Шаг 2. Выберите подход
| Подход | Когда подходит |
|---|---|
| LLM с инструкцией и примерами | Быстрый старт, мало размеченных данных, категории часто меняются |
| Обученный классификатор | Много размеченной истории, нужна низкая цена и высокая скорость |
| Ключевые слова и правила | Очевидные случаи: номер заказа, слово «возврат» |
На практике часто комбинируют: правила для очевидного, LLM для остального.
Шаг 3. Получайте строгий ответ
Просите модель вернуть JSON с фиксированными полями и допустимыми значениями. Многие API поддерживают structured output — используйте его.
{
"topic": "payment",
"urgency": "high",
"language": "uz",
"confidence": "low"
}
Проверяйте ответ в коде: если значение не из списка, ставьте «другое» и отправляйте в общую очередь.
Шаг 4. Настройте маршрутизацию
- Тема → команда: оплата → финансы, сбой → техподдержка второй линии.
- Срочность → приоритет и SLA в helpdesk-системе.
- Язык → оператор с нужным языком.
- Низкая уверенность → общая очередь для ручной разметки.
Начните с режима «подсказки»: модель предлагает метки, оператор подтверждает. Когда точность устраивает, включайте автоматическую маршрутизацию для части категорий.
Шаг 5. Измеряйте ошибки
Без измерений вы не узнаете, помогает ли система.
- Соберите тестовый набор реальных обращений с ручной разметкой и прогоняйте его при каждом изменении промпта или модели.
- Логируйте каждый случай, когда оператор переназначил обращение или сменил метку. Это и есть ошибки классификации в продакшне.
- Смотрите метрики по каждой категории отдельно: общая точность может скрыть, что критичные обращения теряются.
- Стройте матрицу ошибок: какие темы модель путает между собой. Часто это сигнал переписать определения категорий.
- Особо следите за пропущенными критичными обращениями — эта ошибка дороже всего.
Частые ошибки
- Слишком много категорий с размытыми границами.
- Нет категории «другое» и нет ручной очереди.
- Сразу полная автоматизация без этапа подсказок.
- Персональные данные клиентов отправляются во внешний сервис без проверки условий обработки.
- Оценка качества «на глаз» по нескольким примерам.