Райтек ИИ-кластеризатор

На входе: набор обращений.

На выходе: набор кластеров (групп) обращений.

Бизнес-задачи

• Ускорить обнаружение массовых обращений (чтобы как можно скорее устранить их причины);
• Устранить неэффективное расходование времени на обработку обращений одинаковой категории (каждый из операторов, кто обрабатывает обращение из категории X, тратит время на поиск ответа на вопрос / решение проблемы, а также на написание ответа);
• Снизить число ошибок / некачественных ответов операторов из-за перегрузки во время массовых инцидентов (много обращений -> меньше времени на одно обращение -> больше вероятность ошибки);
• Устранить траты времени операторов на ответы вида «Сейчас наблюдаются неполадки, решаем проблему» (выявили массовую проблему -> добавили уведомление на сайте / в приложении / чате / окне создания тикета или подключили автоинформатор в телефонный канал);
• Получить статистику по массовым обращениям за период;
• Выявить массовые запросы на реализацию определённого улучшения в продукте/услуге (запросы на доработку, фич-реквесты);
• Выявить ошибки операторов в ответах на обращения (с помощью сравнения ответов на обращения, которые принадлежат одной группе);
• Выявить ошибки при ручной классификации обращений в рамках подготовки обучающих датасетов для автоматических классификаторов (например, когда человек присваивает разные классы похожим обращениям, классификатор начинает путаться и выдавать неправильные классы).

Пример работы кластеризатора

Функции

• Кластеризация (группировка) обращений по смыслу (на входе - список обращений, на выходе - набор групп обращений);
• Определение, принадлежит ли обращение к группе обращений (для автоматических ответов вида «Сейчас наблюдаются неполадки, решаем проблему»);
• Ведение реестра групп обращений (автоматическое исключение закрытых обращений через периодический запрос открытых обращений);
• Составление отчёта по группам обращений;
• Передача отчёта во внешнюю систему по API;
• Экспорт групп обращений в файл (TXT, XLS);
• Отображение количества обращений в каждой группе;
• Сортировка групп по количеству обращений внутри (для отображения ТОПа массовых обращений);
• Автоматический импорт обращений из внешней системы по API;
• Запуск импорта обращений по расписанию;
• Мгновенные уведомления о возникновении массовых обращений по определённой тематике (например, проблема с оплатой или недоступность сервиса);
• Возможность указать, какое минимальное число обращений должно быть в группе по определённой тематике, чтобы система восприняла эти обращения массовыми и отправила уведомление.
• Возможность подключить систему по API к любой системе заказчика

Выгоды

• Выявление массовых проблем/инцидентов/вопросов, когда ручной анализ всех обращений слишком трудозатратен или невозможен;
• Ускорение обнаружения массовых инцидентов;
• Автоматизированное выявление ошибок операторов в ответах на обращения;
• Выявление скрытых/неявных массовых проблем;
• Автоматическое получение статистики по массовым обращениям за период;
• Ускорение обработки обращений за счёт перехода к пакетной обработке (система выявила массовую проблему -> нашли причину -> устранили -> скопом закрыли несколько обращений).

Технология

Анализ семантической (смысловой) похожести текстов.

Преимущества нашего решения

• Работает в контуре заказчика (on-prem), запросы не отправляются через интернет третьим лицам;
• Есть возможность интеграции с внутренними системами заказчика (должны иметь API)
• Требуется средняя по мощности GPU (графическая карта), от 100 тыс. руб., если покупать в собственность (может работать без GPU для обработки до 500 обращений)

При кластеризации (группировке) списка обращений обрабатывает обращение за:

• 1,94 сек (на сервере без GPU);
• 0,02 сек (на сервере с GPU) — в 100 раз быстрее.

Кейс

Заказчик: холдинг (металлургия). 3000 входящих обращений в мес, 17 консультантов на первой линии, Naumen Service Desk.

Задача: Ускорить обнаружение массовых обращений.

Подводные камни:

• Наличие узкоспециализированных терминов, аббревиатур, корпоративного сленга в обращениях;

• Процесс кластеризации требователен к ресурсам сервера (минимум 16 ГБ RAM, GPU предпочтительнее, чем CPU).

Эффект от внедрения: Промежуток времени между возникновением массового обращения и его обнаружением уменьшился с 4 часов до 20 мин (прогноз)

Длительность внедрения: 3 нед (прогноз)

Демо-стенд

В разработке.

Цена

По запросу.

Сопроводительная документация

• Руководство по развёртыванию;

• Руководство пользователя;

• Руководство администратора;

• Минимальные системные требования к конфигурации сервера для запуска ПО.