Как мы создали чат-бота для автоматизации ответов для турфирмы
В нескольких наших проектах нейросети показали себя как одно из наиболее рабочих решений. С помощью них мы оптимизировали процесс коммуникации с клиентом. Например, для туристической компании, которая в разных каналах вела более 8000 диалогов с пользователями в месяц, мы на базе ChatGPT создали чат-бота для ответов и эффективный инструмент для аналитики.
Чтобы мониторить работу менеджеров, а также видеть актуальную картину на рынке, необходимо было проанализировать огромное количество обращений и сформировать отчеты по полученным данным. Обрабатывать вручную все сообщения нецелесообразно: потребовалось бы привлечение такого количества сотрудников, которое бы превысило существующий штат контактного центра компании. К тому же возник бы риск ошибок из-за человеческого фактора. С другой стороны, еще более затратным был бы вариант создания собственной нейросети с развертыванием необходимой инфраструктуры.
В итоге мы выбрали ChatGPT, который изначально, конечно, не предназначен для таких задач, но с помощью дообучения смог показать отличные результаты. Эта мощная языковая модель, обученная на большом объеме текстов, хорошо понимает контекст и позволяет точно классифицировать запросы, даже если критерии меняются в ходе диалога (например, пользователь попросил найти тур дешевле). Поэтому нам оставалось лишь адаптировать модель под конкретные задачи и минимизировать галлюцинирование.
Технически решение выглядит следующим образом: мы разработали бэк-приложение, которое принимает заявки от пользователей и передает их ChatGPT для обработки. Далее приложение принимает полученные результаты и отправляет системе информацию для распределения заявок по соответствующим менеджерам. Кроме того, на основе полученных данных ChatGPT проводит анализ и отправляет статистические и эмпирические данные в базу Power BI для построения в дальнейшем дашбордов.
Дообучение нейросети проводилось с помощью fine-tuning на основе существующих заявок. Мы сфокусировались на том, как менеджеры общаются с пользователями в различных ситуациях. Это позволило точнее выявлять запрашиваемые параметры тура в диалогах.
Учитывая большой объем сообщений, мы использовали Batch API для пакетной обработки, которая стоит ощутимо дешевле, чем онлайн-обработка каждого запроса. Так мы сократили расходы заказчика на обработку данных практически в два раза.
Так как ChatGPT — всё-таки текстовая модель, обученная естественному языку, она может выдавать данные в разном виде, что затрудняет их анализ. Для унификации ответов мы применяли JSON-схемы. А для географических названий использовался единый справочник, чтобы обращения с похожими запросами, такие как «Хочу купить тур в ОАЭ» и «Какие отели есть в Арабских Эмиратах», не попадали в разные категории.
Устраняли небольшие галлюцинации нейросети мы также с помощью промпт-инжиниринга, внося правки, когда встречались с ошибками. Один из ярких примеров: мы попросили ChatGPT исключить принадлежность слова «гидросамолеты» к категории «VIP-запросы», так как выяснилось, что не везде этот вид транспорта используется в турах премиум-сегмента. Дело в том, что на Бали это зачастую единственный способ добраться до определенных локаций, и такие перелеты не обязательно будут дорогостоящими и предназначенными для VIP-клиентов.
Еще мы сталкивались с галлюцинированием, когда, например, просили нейросеть найти данные об отеле в диалоге, в котором он не упоминался. ChatGPT выдавал название случайного отеля в обсуждаемой локации или принимал за название отеля любой похожий на него фрагмент диалога. Такие ошибки мы также решали с помощью промпт-инжиниринга.
100% корректность работы ChatGPT гарантировать невозможно, но дообучение нейросети позволило выдавать большой процент релевантных результатов и формировать дашборды, отвечающие реальной ситуации.
Автоматизировали общение с клиентами с помощью нейросетей
Многие бизнесы общаются с клиентами, и на это общение уходит огромное количество времени. Чтобы автоматизировать эту рутину, к нам обратились две компании из разных сфер.
Для дилерского центра мы запускали PoC для консультирования потенциальных клиентов — чат-бота на базе нейросетей, знающего всю линейку автомобилей и обладающего актуальной информацией об их наличии в том или ином филиале. Этот бот автоматизирует коммуникацию с пользователями, снижает нагрузку на контактный центр. Операторам в этом случае не нужно отвечать на типовые вопросы, а также тратить время на поиск данных по наличию машин. Благодаря этому сотрудники дилерского центра смогли сфокусироваться на решении более сложных ситуаций и на применении техник продаж.
Автоматизация общения с клиентами была и целью компании из бьюти-сферы, которая решила запустить новое для себя направление продажи БАДов. Чтобы нашему клиенту не пришлось привлекать большой штат операторов с хотя бы минимальной медицинской квалификацией, мы предложили создать чат-бота, который взял бы на себя эту роль. Обученный в соответствии с необходимым для консультирования уровнем компетенций, бот мог задавать дополнительные вопросы для диагностики и предлагать те или иные витамины и добавки по результатам полученных данных.
Помимо повышения уровня клиентского сервиса, оптимизация процессов по данному направлению влияет и на рост продаж: нейросети способны обрабатывать большее количество заявок за промежуток времени, чем специалисты-операторы.
Сделали бота и для себя
Мы активно используем нейросети не только в проектах наших заказчиков, но и для внутреннего использования, чтобы облегчить некоторые процессы. Например, мы создали чат-бота, который знает контекст проекта, документацию и кодовую базу и может оперативно ввести в курс дела нового разработчика или помогать тем специалистам, которым нужно быстро переключаться с проекта на проект. Подобный инструмент можно адаптировать для любых подразделений в компаниях, где существует проектная модель работы и в рамках одного проекта работает несколько сотрудников.
Сфера применения искусственного интеллекта и нейросетей продолжит стремительно расширяться. Бизнес всё больше доверяет этим технологиям благодаря их способности оптимизировать процессы, решать сложные задачи и повышать эффективность. Компании видят реальные результаты, а успешные кейсы укрепляют уверенность в надежности ИИ, снижая барьеры для его внедрения. Эти тенденции указывают на то, что ИИ станет ключевым инструментом инновационного развития в ближайшем будущем.
