PORTcore
+7 900 228-04-13
Главная / Блог / Сервисные заявки приходят свободным текстом: классификация, приоритет и распределение по исполнителям

Сервисные заявки приходят свободным текстом: классификация, приоритет и распределение по исполнителям

Назад к списку
2026-11-13 14:01:26

Представьте утро диспетчера сервисной службы: в очереди 40 заявок, каждая написана по-своему. «Не работает кондей на 3 этаже», «течёт труба в серверной, срочно», «плановое ТО насосной станции, не горит». Три разных приоритета, три разных исполнителя — и ни одна заявка не содержит явного тега. Диспетчер читает, думает, набирает имя исполнителя в чате. На каждую уходит от двух до пяти минут живого внимания.

При 30–50 заявках в день это 1–4 часа операционного времени только на первичную сортировку. Ошибки приоритета — заявка «течёт труба» попала в плановые — превращаются в инциденты. Это не проблема людей; это проблема архитектуры процесса.

Почему ручная сортировка не масштабируется

Когда компания растёт, число заявок растёт быстрее числа диспетчеров. Три характерных симптома:

  • Приоритет зависит от опыта конкретного человека. Новый диспетчер ставит «средний» там, где опытный сразу видит «критический».
  • Распределение непрозрачно. Кто и почему получил заявку — в голове диспетчера, не в системе.
  • Пиковая нагрузка не сглаживается. Утром 20 заявок за час; диспетчер не успевает, часть уходит на следующий цикл.

Добавить ещё одного диспетчера — линейное решение с линейной стоимостью. ИИ-классификация — это изменение архитектуры: один раз настроить, потом масштабировать без пропорционального роста затрат.

Как устроена ИИ-классификация свободного текста

Схема работает в три слоя.

Слой 1 — приём и нормализация

Заявка поступает любым каналом: форма на сайте, письмо, сообщение в корпоративном мессенджере. Микросервис принимает текст, убирает шум (приветствия, подписи, дублирующие слова) и формирует структурированный объект для классификации.

Слой 2 — классификация и приоритизация

Языковая модель получает нормализованный текст и возвращает три поля:

  • category — тип заявки из заранее согласованного справочника (например: аварийная ситуация, плановое обслуживание, консультация, рекламация);
  • priority — уровень срочности: критический / высокий / средний / плановый;
  • confidence — числовая уверенность модели от 0 до 1.

Если confidence ниже порогового значения (например, 0,75), заявка автоматически уходит на ручную проверку диспетчером — модель не принимает решение в условиях неопределённости.

Слой 3 — маршрутизация

На основе категории и приоритета срабатывает правило маршрутизации: заявка назначается исполнителю или группе согласно матрице ответственности, которую вы определяете при настройке. Матрица хранится отдельно от модели — её можно менять без переобучения.

Демонстрационный сценарий (условные данные)

Ниже — иллюстративный пример того, как выглядит обработка трёх заявок. Это демонстрационный сценарий, не описание реального проекта.

Входящий текст category priority confidence Действие
«Течёт труба в серверной, всё заливает» аварийная ситуация критический 0,94 Назначить дежурному инженеру немедленно
«Плановое ТО насосной станции на следующей неделе» плановое обслуживание плановый 0,91 Добавить в очередь планового отдела
«Что-то с вентиляцией, не пойму, воняет или нет» — — 0,61 Флаг «низкая уверенность» → диспетчер

Третья заявка намеренно неоднозначна: модель не угадывает, она признаёт неопределённость и передаёт управление человеку. Это ключевой элемент контроля качества.

Что нужно подготовить до пилота

Прежде чем запускать классификацию, нужно привести в порядок входные данные. Без этого модель будет работать нестабильно вне зависимости от её качества.

Чеклист исходных данных

  • Выгрузка реальных заявок за последние 3–6 месяцев в любом читаемом формате (CSV, Excel, JSON).
  • Ручная разметка хотя бы 200–300 заявок: категория и приоритет, как вы их понимаете сейчас.
  • Согласованный справочник категорий — не более 8–12 позиций на первый пилот.
  • Матрица ответственности: кто получает заявку при каждой комбинации категория × приоритет.
  • Описание каналов поступления заявок и их технические параметры (API, вебхук, почта).

Подготовку данных и аудит каналов стоит рассматривать как отдельный этап: это не технический формализм, а условие того, что пилот даст измеримый результат. Похожий подход к аудиту входных данных перед внедрением ИИ разобран в статье «Подготовка каталога и обменов данными к внедрению ИИ».

Ограничения и стоимость владения

Классификация свободного текста — это не магия. Перечислим реальные ограничения, с которыми нужно считаться.

  • Модель не знает вашей специфики. Слово «насос» в одной компании — это сантехника, в другой — промышленное оборудование. Без разметки на ваших данных модель будет ошибаться в отраслевых нюансах.
  • Справочник категорий нужно поддерживать. Появился новый тип заявок — нужно добавить примеры и при необходимости скорректировать правила.
  • Стоимость запросов к модели. При 1 000 заявок в день и среднем тексте 100 токенов это примерно 100 000 входящих токенов в день. Реальная стоимость зависит от выбранной модели и объёма — это условный расчётный ориентир, не коммерческое предложение. Важно заложить мониторинг расходов с первого дня.
  • Интеграция с вашей системой — отдельная задача. Если заявки живут в специализированной ITSM или в самописной системе, потребуется адаптер. Это часть разработки, не «из коробки».

О том, как устроен выбор между готовым продуктом и заказной разработкой в подобных сценариях, читайте в статье «Готовый продукт или заказной ИИ-сервис: критерии выбора для компании».

Критерии приёмки пилота

Пилот считается успешным, если выполнены все пункты из следующего чеклиста. Зафиксируйте их письменно до начала работ — это защищает и вас, и команду разработки.

Чеклист приёмки

  1. Точность классификации ≥ 85% на тестовой выборке из ваших реальных заявок, размеченных вручную (минимум 100 заявок в тестовой части).
  2. Уровень ложноотрицательных критических заявок ≤ 2%. Критическая заявка не должна попадать в плановые — это операционный риск первого порядка.
  3. Порог низкой уверенности согласован и работает: заявки с confidence ниже порога корректно флагируются и уходят на ручную проверку, а не назначаются автоматически.
  4. Маршрутизация соответствует матрице ответственности: 10 тестовых заявок с известным ожидаемым исполнителем назначены верно.
  5. Время обработки одной заявки ≤ 5 секунд от поступления до назначения при штатной нагрузке.
  6. Логирование работает: для каждой заявки сохраняются входной текст, результат классификации, значение confidence и назначенный исполнитель.
  7. Процедура оспаривания описана: диспетчер знает, как переназначить заявку и как это событие попадает в лог для последующего анализа ошибок.

Как устроен пилот на стороне PORTcore

Для задач классификации, приоритизации и маршрутизации входящих обращений мы используем подход на базе AI-модерации входящих обращений. Это не универсальный продукт «из коробки», а разработка под конкретный процесс: справочник категорий, матрица ответственности и интеграция с вашим каналом поступления заявок проектируются под вашу среду.

Типовой пилот включает три этапа: аудит входных данных и согласование справочника категорий; разработка и тестирование классификатора на вашей разметке; интеграция с каналом заявок и приёмочное тестирование по чеклисту выше. Если в вашей архитектуре уже есть CRM или сервисная система, интеграция рассматривается как отдельный scope — мы обсудим его границы до начала работ.

Следующий шаг

Если процесс узнаваем — пришлите обезличенный фрагмент из 20–30 реальных заявок и опишите, как сейчас выглядит ваш справочник категорий. Это позволит оценить объём разметки, сложность классификатора и реалистичные сроки пилота без общих слов. Перейдите на страницу AI-модерации входящих обращений и оставьте запрос на разбор процесса.

Связанные материалы

Подходящие офферы

Если статья попала в вашу задачу, вот два оффера, с которых можно перейти к внедрению без лишнего discovery.

Другие статьи

Внутренние согласования застревают в чатах: ИИ-разбор запроса, роли и контроль действий

Внутренние согласования застревают в чатах: ИИ-разбор запроса, роли и контроль действий

2026-11-11 19:16:51

Запрос на согласование уходит в общий чат и теряется среди сообщений. Нужный человек видит его через день, отвечает коротко, и никто не знает, что делать дальше. Разбираем, как ИИ-агент может структурировать в...

Читать дальше
Техническое SEO для коммерческих сайтов: как боты продаж, поддержки и внутренних процессов повышают эффективность

Техническое SEO для коммерческих сайтов: как боты продаж, поддержки и внутренних процессов повышают эффективность

2026-04-07 13:00:53

Внедрение ботов в коммерческие сайты — это не только про автоматизацию, но и про улучшение технического SEO. В статье разбираем, как правильно подготовить, реализовать и валидировать ботов для продаж, поддержк...

Читать дальше
Продажи копируют коммерческие предложения вручную: сбор черновика из каталога и требований

Продажи копируют коммерческие предложения вручную: сбор черновика из каталога и требований

2026-11-12 16:48:01

Менеджер по продажам открывает каталог, копирует позиции, вставляет в шаблон Word, правит цены и отправляет КП — на это уходит от 40 минут до нескольких часов на один документ. Статья разбирает, какие данные у...

Читать дальше