В технической поддержке классификация запросов пользователей является важным этапом их обработки. От выбранной классификации, как правило, зависит маршрут и временные нормативы обработки запроса. Ошибки в классификации негативно сказываются на своевременности решения: во-первых, из-за потерь времени при переназначении запросов, во-вторых, из-за изменения временных нормативов при корректировке классификации.
Однако корректная классификация в компаниях с большим входным потоком запросов и развитым классификатором – непростая задача, особенно если на входе у специалиста, выполняющего классификацию, вопрос пользователя в произвольной текстовой форме.
В практике Cleverics в последние годы эта задача в основном решается внедрением сервисных порталов. Структурирование каталога запросов в максимально удобном для пользователя виде позволяет обеспечить корректную классификацию в 75-80% случаев, что не уступает качеству классификации силами первой линии поддержки при меньших трудозатратах. Кроме того, сервисный портал обеспечивает возможность индивидуальной настройки формы обращения в зависимости от выбранной классификации. Таким образом, сервисные порталы дополнительно повышают скорость обработки запросов и за счет устранения задержки в обработке запросов на первой линии (особенно в случае регистрации запросов на основании обращений e-mail), и за счет существенного сокращения потерь времени на получение от пользователя информации, необходимой для обработки его запроса. Поэтому сервисные порталы весьма востребованы – у нас есть несколько клиентов, которые довели долю запросов, поступающих через портал, до 85-90%, а электронную почту, как канал поступления новых запросов, использовать перестали.
Однако в последнее время в общении с коллегами мы видим попытки решения задачи классификации принципиально другим способом – при помощи искусственного интеллекта. Решение по классификации получает на вход произвольный текст запроса, выполняет очистку текста от лишней информации, не нужной для классификации (приветствий и прощаний, ip-адресов и персональной информации, предлогов и вводных слов, разных чисел и падежей), и передает его нейронной сети, которая выдает идентификатор соответствующего элемента классификатора. Такие решения позволяют сохранить точность классификации на уровне 80%, сократив при этом время на классификацию с 30-50 секунд до 2-3 (при этом размер классификатора в известных мне примерах составляет 1 700-2 000 элементов). Там, где подачу запросов по электронной почте «не победить», такой способ классификации может обеспечить прямой экономический эффект за счет сокращения трудозатрат первой линии. Например, если первая линия обрабатывает 1 000 запросов в день, экономия в 40 секунд на классификацию одного запроса приводит к высвобождению 1 000 * 22 * 40 / 3 600 = 244 часа в месяц, что эквивалентно 1,5 FTE или сокращению затрат примерно на 5%. Причем, чем больше входной поток, тем больше экономический эффект и быстрее процесс обучения нейронной сети. Кроме того, такая технология, с теми или иными доработками, способна справляться с классификацией запросов, поданных голосом или в виде скриншотов.
Как вам идея? Какой способ победит? Кто использовал искусственный интеллект на практике и каковы ваши результаты?
Пока разбор и классификация заявок реализовывались в СЭД, когда анализировались докладные и служебник, тамне. Система не смогла понять куда направить инцидент на производстве – главный инженер ушёл в лес и … повесился… завершенных продуктов для функции Help Desk особо-то и не встречается. Может что посоветуете? В вот отойти от запросов по электронной почте можно и командным способом.