Авторизация
Забыли пароль?
Сброс пароля
Вернуться к авторизации

Система обработки клиентских обращений с ИИ для федеральной энергосбытовой компании

18 ноября ‘26

Заказчик: Федеральная энергосбытовая компания

Единая платформа собрала обращения из сайтов, личных кабинетов, мобильных приложений и контакт-центра. Два интеллектуальных механизма помогают определить ответственного за запрос и подготовить оператору обоснованный ответ.

Агентство-исполнитель кейса

Цифровой Элемент

«Цифровой Элемент» — эксперт по внедрению ИИ в корпоративные процессы. Разрабатываем RAG-системы, интеллектуальную маршрутизацию и автоматизацию на базе PHP, React, Kafka и ClickHouse. Полный цикл: от анализа до безопасного развёртывания в закрытом контуре.

1. Вводная задача от заказчика, проблематика, цели

Задача: объединить каналы и сократить ручную работу

Крупная федеральная энергосбытовая компания получает обращения по множеству каналов: через сайты, личные кабинеты физических лиц и бизнес-клиентов, мобильные приложения для Android и iOS, а также контакт-центр. Вопросы потребителей разнообразны — от оплаты и начислений до показаний приборов учёта и договорных отношений.

При распределённой структуре компании важно не только собрать запросы в едином месте, но и направить каждый из них компетентным специалистам, сохранить историю переписки, проконтролировать сроки и обеспечить обратную связь клиенту.

Мы разработали корпоративную систему, в которой все обращения проходят единый цикл обработки. Дополнительный акцент сделали на двух операциях, отнимающих у сотрудников значительное время: выборе правильного подразделения и поиске информации для ответа.

До внедрения единой платформы ключевую сложность представляла сама координация работы: обращения приходили из разных пользовательских сервисов, а для их рассмотрения требовались специалисты с различной компетенцией. Единый реестр и прозрачные правила назначения помогают сделать процесс управляемым: сотрудники видят свои задачи, руководители — текущую нагрузку и сроки, а клиент получает ответ через привычный ему канал.

2. Описание реализации кейса и творческого пути по поиску оптимального решения

Решение: единая платформа обработки обращений

Внешние цифровые сервисы связаны с платформой через интеграционные интерфейсы и REST API. Обращения из мобильных приложений также поступают в общую систему, а сотрудники контакт-центра могут регистрировать их непосредственно в рабочем интерфейсе. После обработки ответы возвращаются клиентам в соответствующие каналы или направляются по электронной почте.

Каждое обращение получает карточку с данными абонента, темой, перепиской, историей действий, ответственными и статусом. Для руководителей предусмотрен распределитель, позволяющий назначать и массово переназначать заявки между командами и сотрудниками. Система контролирует сроки, выделяет проблемные и просроченные запросы, сохраняет связанные и архивные обращения.

В едином интерфейсе доступны реестры, поиск, отчёты и статистика, включая клиентские оценки качества обслуживания. Права доступа разграничены с учётом ролей и подразделений.

Для типовых операций предусмотрены быстрый и расширенный поиск по номеру обращения, лицевому счёту и контактным данным. Оператор может уточнить тематику обращения, оставить внутренний комментарий, передать вопрос другому сотруднику, посмотреть историю переписки или связанные обращения абонента. Это важно и для качества ответов, и для последующей работы интеллектуальных сервисов: накопленные данные становятся упорядоченным источником знаний.

Руководители могут перераспределять пакеты обращений с учётом их темы и текущей нагрузки сотрудников. Работа с заявками не ограничивается простым закрытием: система фиксирует статусы, сроки, историю переназначений и результаты взаимодействия. Тем самым формируется единое операционное пространство для контакт-центра и профильных служб.

ИИ-модуль № 1. Интеллектуальная маршрутизация

Выбранная клиентом категория не всегда точно описывает проблему. Например, запрос о возросшей сумме в квитанции может быть связан не только с начислениями, но и с заменой счётчика или некорректно переданными показаниями. При маршрутизации по одному формальному признаку такие обращения нередко приходится передавать между отделами.

Интеллектуальный маршрутизатор предварительно анализирует текст сообщения и его контекст: тему, тип абонента, территориальную принадлежность, доступные сведения о клиенте и историю аналогичных ситуаций. Модель определяет фактическую суть вопроса и рекомендует профильное подразделение.

Рекомендация поступает в существующий распределитель, где учитываются организационные правила и назначается ответственный сотрудник. В неоднозначных случаях маршрут может дополнительно проверить специалист. Таким образом, ИИ дополняет, а не подменяет процесс управления обращениями.

Представим обращение: «После замены счётчика изменились начисления, хотя показания передавались вовремя». Формально клиент мог выбрать тему «Оплата», но по содержанию запрос связан сразу с несколькими направлениями. Интеллектуальный анализ помогает определить приоритетную компетенцию, а не просто повторить выбор пользователя. Это снижает риск того, что обращение пройдёт через несколько очередей прежде, чем попадёт к нужному специалисту.

Для стандартных обращений такой подход позволяет быстрее запустить обработку. Если текст недостаточно конкретен или затрагивает несколько процессов, сотрудник сохраняет возможность уточнить тематику и скорректировать маршрут. Информация о подобных исправлениях полезна для оценки качества последующей классификации.

ИИ-модуль № 2. Помощник оператора на базе знаний

В истории обслуживания накоплены ответы на множество повторяющихся вопросов. Но операторы формулируют ответы заново, потому что найти нужный пример и проверить его применимость к конкретному клиенту бывает непросто.

ИИ-помощник использует подход RAG: сначала находит подходящие материалы в базе знаний и истории обработанных обращений, а затем формирует проект ответа с учётом контекста текущего запроса и доступной информации об абоненте. Семантический поиск позволяет сопоставлять вопросы, сформулированные разными словами, но относящиеся к одной проблеме.

В рабочем интерфейсе сотрудник получает предложенный текст и связанные с ним материалы. Он может уточнить формулировку, запросить недостающую информацию и самостоятельно принять решение об отправке. ИИ не ведёт официальную переписку вместо человека — он помогает быстрее подготовить качественный ответ.

Важной основой для такого подхода стал уже существовавший в системе механизм оценки ответов коллег: наиболее полезные ответы могли использоваться как редактируемые шаблоны. Интеллектуальный помощник развивает эту логику, переходя от готового шаблона к рекомендации с учётом ситуации клиента.

Например, при вопросе о неожиданно выросшей сумме в квитанции помощник может найти похожие случаи, подсказать, какие данные следует проверить, и предложить основу ответа без необходимости вручную искать каждый документ. Если информации недостаточно, система помогает сформулировать запрос на уточнение вместо преждевременного окончательного вывода.

В отличие от автоматической отправки шаблона, здесь сохраняется этап человеческой проверки. Оператор видит, на каких сведениях основана рекомендация, может адаптировать её к ситуации и не использовать неподходящую формулировку. Особенно ценно это для новых сотрудников и при обработке вопросов, редко возникающих в конкретном подразделении, но уже решавшихся коллегами в других командах.

ИИ внутри закрытого корпоративного контура

Языковая модель развёрнута в закрытом контуре компании. Для обработки запросов не требуется передавать сведения об абонентах внешним облачным языковым сервисам. Доступ к корпоративным данным и материалам базы знаний организуется через внутренние механизмы платформы.

Технологическая основа решения: PHP для серверной логики, React для интерфейсов, MySQL для операционных данных, Kafka для очередей сообщений, ClickHouse для логов и Grafana для мониторинга. Интеграция с цифровыми каналами построена на REST API.

Выделение интеллектуального контура в отдельный сервис позволяет развивать поиск по знаниям и качество рекомендаций без пересмотра базовых сценариев обработки обращений. При этом правила доступа и контроль действий операторов остаются частью корпоративной системы. Модель выполняет вспомогательную функцию, а не получает самостоятельные полномочия по изменению данных или отправке официальных ответов.

3. Результаты сотрудничества

Что получил заказчик

  • Единое пространство для обработки обращений из множества цифровых каналов и контакт-центра;
  • Управляемые процессы назначения ответственных, контроля сроков, ведения истории и аналитики качества обслуживания;
  • Контекстную маршрутизацию, которая помогает уменьшать ручную классификацию и число лишних переназначений;
  • ИИ-помощника, который ускоряет поиск корпоративных знаний и подготовку проектов ответов, сохраняя контроль за оператором;
  • Локальное размещение ИИ-модели в корпоративном контуре для контролируемой работы с внутренней информацией.

Проект показывает, как корпоративная система обращений может выйти за рамки учёта заявок: использовать накопленный опыт компании для более точной маршрутизации и поддержки специалистов. В результате ИИ становится частью рабочих процессов, а не отдельным экспериментальным инструментом.

4. Заключение

Главное изменение заключается в подходе к данным. История обращений больше не служит только архивом, а становится рабочим ресурсом, который помогает находить решения и обеспечивать преемственность обслуживания.

Агентство-исполнитель кейса

Цифровой Элемент

«Цифровой Элемент» — эксперт по внедрению ИИ в корпоративные процессы. Разрабатываем RAG-системы, интеллектуальную маршрутизацию и автоматизацию на базе PHP, React, Kafka и ClickHouse. Полный цикл: от анализа до безопасного развёртывания в закрытом контуре.