AI для базы знаний

Нейросеть, которая помогает сотрудникам находить ответы на вопросы без участия службы поддержки и коллег

logo

Когда в компании сотни сотрудников, десятки внутренних регламентов и тысячи мелких инструкций, поиск нужной информации превращается в квест. Особенно если она «где-то в статье на внутренней платформе», а специалистам техподдержки требуется погружение для подготовки ответа.

В результате снижается скорость работы и растет нагрузка на сотрудников поддержки. Это оказывает негативное влияние на бизнес-показатели.

Наш клиент — лидер в дистрибуции и производстве электроники и бытовой техники VVP Group — захотел избавиться от этой боли, и мы создали нейросетевое решение.
logo 2

Проблема

VVP Group — крупный дистрибьютор техники с разветвленной внутренней структурой и множеством сотрудников по всей стране. Чтобы поддерживать порядок, в компании используют Zendesk — популярную систему для тикетов и базы знаний.

В Zendesk'е собраны:
  • частые вопросы;
  • инструкции;
  • политики компании;
  • лучшие практики.

Но чтобы все это работало, информацию нужно найти. В огромной системе это не всегда просто. Если сотрудник не может этого сделать сам, ему может помочь служба поддержки. В итоге нагрузка операторов росла, и это превращалось в проблему.

Цель проекта

Создать AI-решение, чтобы сотрудники получали быстрые, релевантные ответы на типовые вопросы без участия живого оператора. Чтобы было как в чате, но по сути — в корпоративной вики.

Что должна уметь нейросеть

Искать ответы по тексту и по изображениям

Понимать намерение вопроса, даже если он сформулирован неидеально

Указывать источник статьи, а если надо — расширять ответ из внешних источников (например, Wikipedia)

Не мешать работе техподдержки, а быть вторым, более быстрым каналом.

Как мы это реализовали

Векторная база знаний

Мы собрали весь массив данных из Zendesk — статьи, инструкции, шаблоны, изображения — и разложили с помощью технологии RAG (retrieval-augmented generation) на базе Ragfow. Это позволило связать запрос пользователя с нужным фрагментом базы знаний, даже если в вопросе нет точных ключевых слов.

Banner 3
Интеграция в рабочие процессы

Добавили специальный тег — если пользователь указывает его в сообщении, Zendesk автоматически передает запрос нашему серверу через Webhook. Далее сервис обрабатывает вопрос, ищет нужную статью, генерирует ответ, возвращает его обратно в Zendesk. Если надо — бот уточняет, обобщает и показывает источники.

Banner 4
Работа с изображениями

Многие статьи сопровождались не только текстом, но и изображениями. Мы добавили механизм их распознавания, который:

  • анализирует вложенные картинки;
  • извлекает текстовые элементы;
  • сопоставляет с базой знаний;
  • включает результат в поисковую логику.

Если пользователь сам прикрепляет скрин интерфейса, нейросеть также его распознает и поможет с типовым вопросом.

Banner 5

Что умеет ИИ‑помощник

Slide 1 Готовит ответ на основе корпоративных правил
Slide 2 Указывает источник: статью, скриншот, шаблон
Slide 3 Если в базе знаний нет нужного ответа — идет в Wikipedia или поиск
Slide 4 Работает прямо в Zendesk, через Telegram-бота и умеет принимать запросы на email
Slide 5 Заметно разгружает техподдержку, особенно по частым вопросам
Готовит ответ на основе корпоративных правил
Указывает источник: статью, скриншот, шаблон
Если в базе знаний нет нужного ответа — идет в Wikipedia или поиск
Работает прямо в Zendesk, через Telegram-бота и умеет принимать запросы на email
Заметно разгружает техподдержку, особенно по частым вопросам

Результат

  • Время ответа

    секунды, а не часы
  • Ответ

    осмысленный и аргументированный, с ссылкой на источник
  • На операторов

    ощутимо снизилась нагрузка
  • База знаний стала

    живым инструментом

Заинтересовал кейс?

Если у вас есть похожая задача, напишите нам!

Мы применяем Cookie-файлы, чтобы сделать сайт лучше для вас. Продолжая пользоваться сайтом, вы соглашаетесь с Политикой использования Cookie .