ИИ‑ассистент техподдержки (RAG): база знаний → ответы → аналитика

Описание

Цель: ускорить ответы техподдержки и снизить нагрузку на линию 1 за счет AI‑ассистента, который отвечает по базе знаний и контексту клиента.

Требования:
- единая база знаний (FAQ, регламенты, статьи, тикеты)
- поиск по смыслу + цитирование источников
- интеграция с helpdesk/CRM (черновики ответов, теги, статус)
- контроль качества: human‑in‑the‑loop, запреты/фильтры, логирование
- метрики: deflection, TTFB/TTFR, качество ответов

Решение

- Настроили RAG‑контур: загрузка документов, очистка/разметка, чанкинг, эмбеддинги, векторное хранилище (Qdrant), ретривер.
- Реализовали генерацию ответов с цитатами и ссылками на источники; добавили guardrails.
- Интегрировали в helpdesk: ассистент формирует черновик ответа, оператор правит/одобряет.
- Добавили маршрутизацию и эскалацию на специалиста.
- Наблюдаемость: логи, оценка качества, мониторинг, отчеты по пробелам базы знаний.

Результат

- Снижение времени первого ответа (TTFR) на 60–80% за счет готовых черновиков.
- Автоматизация/deflection 30–50% типовых обращений при сохранении контроля качества.
- Единая база знаний стала “живой”: видны пробелы, популярные вопросы, источники ошибок.

Презентация проекта