Автоматизация обработки заявок: ИИ вместо ручной сортировки

Обработка входящих заявок — самый частый процесс, который просят автоматизировать. Он хорошо подходит для ИИ по трём причинам: объём измерим, входные данные текстовые, а ошибка обратима — неверно определённую тему менеджер поправит одним щелчком.

Как выглядит процесс до автоматизации

В типичной компании на пятьдесят заявок в день картина такая: письма приходят в общий ящик, сообщения — в мессенджер, часть заявок падает через форму на сайте. Менеджер открывает каждое обращение, определяет тему, находит клиента в базе, копирует контакты и описание в CRM, ставит ответственного. На одну заявку уходит три-пять минут, из которых содержательная работа — меньше минуты.

Автоматизировать стоит не принятие решения, а сбор данных для решения. В обработке заявок именно сбор занимает восемьдесят процентов времени.

Что берёт на себя модель

• Классификация: определяет тему обращения из вашего списка категорий и уровень срочности.
• Извлечение полей: вытаскивает имя, контакты, номер заказа, суть проблемы в структурированном виде.
• Нормализация: приводит телефоны и адреса к единому формату, чтобы поиск клиента в базе срабатывал.
• Черновик ответа: для типовых тем готовит текст, который менеджер проверяет и отправляет.

Структурированный разбор заявки

Ключевой приём — запрашивать у модели не текст, а объект по схеме. Тогда результат сразу пригоден для записи в базу, а невалидные ответы отсекаются проверкой схемы, а не разбором строки.

import { generateObject } from "ai"
import { z } from "zod"

const LeadSchema = z.object({
  category: z.enum([
    "новый_заказ",
    "статус_заказа",
    "возврат",
    "жалоба",
    "сотрудничество",
    "прочее",
  ]),
  urgency: z.enum(["низкая", "обычная", "высокая"]),
  clientName: z.string().nullable(),
  phone: z.string().nullable(),
  email: z.string().nullable(),
  orderId: z.string().nullable(),
  summary: z.string().max(300),
  // Оценка уверенности: по ней решаем, отправлять ли на ручную проверку
  confidence: z.number().min(0).max(1),
})

export async function parseLead(rawText: string) {
  const { object } = await generateObject({
    model: "openai/gpt-4.1-mini",
    schema: LeadSchema,
    system: [
      "Ты разбираешь входящие обращения клиентов.",
      "Заполняй только те поля, которые явно есть в тексте.",
      "Отсутствующие данные ставь null, не догадывайся.",
      "confidence — честная оценка уверенности в классификации.",
    ].join(" "),
    prompt: rawText,
  })

  return object
}

Обратите внимание на поле уверенности. Оно даёт простое правило маршрутизации: при высокой уверенности заявка уходит в работу автоматически, при низкой — попадает в очередь на ручную проверку. Так система не ошибается молча.

const parsed = await parseLead(incoming.text)

// Порог подбирается по факту: начинаем с 0.8 и корректируем
// по доле ошибок за первые две недели работы
if (parsed.confidence >= 0.8 && parsed.category !== "прочее") {
  await crm.createLead({ ...parsed, source: incoming.channel })
  await notify.assignee(parsed.category)
} else {
  await crm.createLead({ ...parsed, status: "needs_review" })
  await notify.manualQueue(incoming.id)
}

Расчёт эффекта на реальных числах

Освобождается порядка пятидесяти часов в месяц. При стоимости часа менеджера в четыреста рублей это двадцать тысяч рублей — то есть разработка окупается за несколько месяцев. Мы всегда просим заказчика посчитать эти цифры до старта: если экономия оказывается меньше стоимости поддержки, проект не имеет смысла.

Ошибки, которые мы видели

• Автоматизация без порога уверенности. Система обрабатывает всё подряд, менеджеры перестают доверять данным и начинают перепроверять каждую запись вручную — экономия обнуляется.
• Слишком много категорий. При двадцати темах модель начинает путаться. Начинайте с пяти-семи, дробите потом.
• Отсутствие журнала решений. Без записи, что именно модель извлекла и почему, невозможно разобрать ошибку и настроить порог.
• Передача в модель полных персональных данных. Отправляйте только то, что нужно для классификации, а связывание с клиентом делайте в своей базе.