Коллеги, привет.

Расскажу о проекте, где я спроектировал архитектуру AI виджета для IT поддержки ГК Аэроклуб. Но это не просто очередной чат бот. Особенность в том, что система охватывает 8 распределённых линий поддержки. И работает она не только для внутренних пользователей, КАМ, агентов, технических специалистов. Но и для внешних клиентов и бизнес партнёров по каждому из десятков сервисов компании. Один виджет, одни правила, одна логика. Но за ним 8 разных команд, 8 зон ответственности, 8 уровней доступа и компетенций. И все они работают по единому процессу.

Как это устроено под капотом. Когда пользователь пишет запрос, ИИ не просто думает и выдаёт что-то с потолка. Он идёт в базу знаний Confluence, которая привязана к конкретным сервисам внутри JIRA. Каждая статья, инструкция, решение имеют свою привязку к области, сервису и операции. ИИ ищет по принципу RAG. Сначала находит максимально релевантные статьи по смыслу запроса, а уже потом формулирует ответ. Это не генерация из воздуха, а работа с проверенными корпоративными источниками. ИИ видит не только текст, но и привязку статей к сервисам, поэтому классификация в JIRA происходит автоматически. Если релевантной статьи нет, ИИ не пытается выдумать. Он честно говорит, что решение не найдено, и переводит на живого специалиста. Это сделано специально. Я заложил архитектуру так, чтобы ИИ не врал, а вовремя передавал эстафету.

Дальше как в таблице. Пользователь может посмотреть полный текст, уточнить, попробовать другой вариант. Я заложил 3 попытки уточнения, чтобы ИИ мог переформулировать ответ, а не сразу сдавался. Если всё равно не помогло, подключается первая линия поддержки прямо внутри виджета. Они видят весь диалог, историю, классификацию. Без потери контекста. Если и они не справляются, эскалация идёт дальше. Всё с прозрачными статусами, SLA и уведомлениями. Никаких тикетов, которые упали и пропали.

И конечно, экономика. Я посчитал. В пилотном расчёте на 1 обращение через виджет экономия составила около 30 рублей по сравнению с тем, если бы все шли через людей. Сумма не космическая, но на масштабе компании с 5000 + обращений в месяц это уже серьёзный эффект. И главное, 76,9% обращений закрываются ИИ без участия оператора. Время обработки сокращается с часов до минут. При этом я не строил ИИ вместо людей. Я строил ИИ, который помогает людям не делать рутину, а люди берут сложное. Восемь линий не исчезли. Они перестали тонуть в однотипных вопросах. Освободившееся время команды стали тратить на задачи, до которых раньше просто не доходили руки. Например, на написание и актуализацию статей в базе знаний. И это дало двойной эффект. Чем больше качественных статей появлялось, тем больше обращений ИИ мог закрыть самостоятельно. Кстати, этот эффект я потом зашил в КПЭ для поддержки как метрику полезности. Если статья приносила пользу и снижала число эскалаций, это было видно в цифрах. Так что система начала сама себя улучшать.

Главный вывод для меня. Универсальная архитектура важнее крутого ИИ. Если процесс прозрачен, статусы чёткие, эскалация работает, любую модель можно встроить. И она будет приносить пользу без боли.

Коллеги, а у вас поддержка распределена по множеству линий? Как строите взаимодействие между ними? Или пока всё через один отдел? Делитесь, мне интересно. И если вашему бизнесу нужна подобная архитектура для любого количества линий, пишите. Я знаю, как это сделать без магии и без сбоев.