Нейросеть, которая помогает сотрудникам находить ответы на вопросы без участия службы поддержки и коллег
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.
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.
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.
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.
Что умеет ИИ‑помощник
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
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
Нагрузка на операторов ощутимо снизилась
База знаний перестала быть «чем-то неудобным», стала живым инструментом
Время ответа
секунды, а не часы
Ответ
осмысленный и аргументированный, с ссылкой на источник