ИИ-обработка входящих заявок: ответы клиентам в Telegram, почте и на сайте

Обращения приходили тремя путями: в Telegram, на почту и через форму на сайте. Три разных места, которые нужно проверять, и три разных формата одного и того же: человек описывает свою задачу и ждёт ответа.

Большая часть этих обращений была типовой. Что входит в работу, сколько стоит, какие сроки, как начать, работаете ли вы с такими задачами. Ответы на них существовали и почти не менялись, но каждый раз их писали заново, руками, своими словами, потому что переписывать из заготовки оказывалось не быстрее.

Главная потеря была во времени ответа. Обращения приходят круглосуточно, а отвечает на них один человек, у которого есть основная работа. Клиент, написавший вечером, получал ответ утром; клиент, написавший в загруженный день, получал его вечером. За это время часть людей уходила к тем, кто ответил быстрее.

И отдельно стоит рассеивание внимания. Проверка трёх каналов в течение дня означает постоянное переключение с основной работы на разбор входящего, причём заранее неизвестно, окажется ли очередное сообщение важным разговором или вопросом, ответ на который написан уже сто раз.

Клиент, написавший вечером, получал ответ утром. За это время часть людей уходила к тем, кто ответил быстрее.

Систему, которая стоит перед человеком, а не вместо него. Обращения из всех трёх каналов попадают в общий поток и приводятся к одному виду: откуда пришло, от кого, что спрашивают. Дальше с ними работает одна и та же логика, независимо от того, пришло сообщение в мессенджер или на почту.

Ответ формируется на основе материалов заказчика. Мы собрали то, что он и так отвечал клиентам: условия работы, состав услуг, сроки, ответы на частые вопросы. Это и стало базой, на которую опирается модель. Это ключевое отличие от «подключили нейросеть к чату»: система отвечает тем, что заказчик действительно говорит клиентам, а не тем, что модель считает правдоподобным.

Клиент получает ответ в том канале, откуда написал, и в разговорном виде, не шаблоном из справочника, а ответом на свой вопрос. Если из обращения непонятно главное, система уточняет: под какую задачу, в какие сроки, какой объём.

И граница: вопрос, ответа на который в материалах нет, не додумывается. Такое обращение помечается и уходит человеку вместе с историей переписки, чтобы заказчик подключался к разговору, у которого уже есть контекст.

Система отвечает тем, что заказчик действительно говорит клиентам, а не тем, что модель считает правдоподобным.

Через систему проходит поток обращений, и каждое из них это обращение к модели, иногда не одно. В такой задаче цена запроса перестаёт быть мелочью: она умножается на объём и превращается в постоянную статью расходов, которая растёт вместе с потоком клиентов.

Поэтому выбрана DeepSeek, модель с низкой стоимостью запроса, которой достаточно для задачи. Задача здесь не «рассуждать», а понять обращение и составить ответ по готовым материалам; для этого не нужна самая дорогая модель на рынке, и платить за неё означало бы удорожать каждое сообщение без выигрыша для клиента.

Это тот выбор, который стоит объяснять вслух. Взять самую известную модель значит принять решение, которое не нужно защищать, но за которое платит заказчик, причём ежемесячно. Мы исходим из того, что решение под задачу дешевле и честнее, чем решение под ожидания.

Цена запроса умножается на поток обращений и становится постоянной статьёй расходов. Самая дорогая модель здесь не дала бы выигрыша для клиента, только счёт.

ИИ-решение в продаже легко описать как полностью автономное, и почти всегда это преувеличение. Мы очертили границу явно, и она стала частью конструкции, а не оговоркой.

Система отвечает там, где ответ известен: он есть в материалах заказчика и подходит к вопросу. Всё остальное передаётся человеку: нестандартные условия, спорные ситуации, обращения, где клиент недоволен, и всё, что похоже на решение, которое стоит денег или репутации.

Эта граница существует по двум причинам. Техническая: модель, отвечающая за пределами известного, начинает придумывать, и сделает это тем убедительнее, чем меньше знает. Деловая: клиенту можно ошибочно пообещать условия, которые потом придётся либо исполнять, либо объяснять. Автоматический ответ дёшев ровно до того момента, когда он оказывается неверным.

Поэтому человек в контуре остался, но занят он теперь теми обращениями, где он действительно нужен.

Модель, отвечающая за пределами известного, начинает придумывать, и делает это тем убедительнее, чем меньше знает.

Клиент получает ответ сразу, в том канале, где написал, независимо от времени суток и занятости заказчика. Для входящего потока это главное: интерес живёт недолго, и скорость ответа конкурирует напрямую с теми, кто отвечает быстрее.

Типовые вопросы перестали занимать время. Тот объём переписки, который состоял из повторяющихся ответов, система закрывает сама, а человек подключается к разговорам, где есть что решать.

Три канала перестали быть тремя обязанностями. Проверка мессенджера, почты и формы заменилась одним потоком, и переключений между ними в течение дня больше нет.

И обращения перестали теряться. Каждое зафиксировано и обработано, вне зависимости от того, в какой момент оно пришло и насколько заказчик был занят в этот день.