Разработка AI-системы автоматического ответа на типовые вопросы клиентов (FAQ-бот)
FAQ-бот отвечает на повторяющиеся вопросы клиентов мгновенно и точно, освобождая операторов для сложных случаев. 50–70% входящих обращений в большинстве компаний — типовые вопросы, которые можно автоматизировать.
RAG поверх базы знаний
Современный FAQ-бот строится не на жёстких правилах «вопрос → ответ», а на RAG:
- База знаний (статьи, FAQ, инструкции) индексируется в векторное хранилище
- Вопрос пользователя → поиск релевантных статей
- LLM синтезирует ответ на основе найденного контента
Преимущества перед правиловым подходом: понимает вариации вопроса, компонует ответ из нескольких источников, легко обновлять базу без перепрограммирования правил.
Структура базы знаний
Каждая статья базы знаний должна быть:
- Атомарной: один вопрос — одна статья (не «всё об оплате» в одной статье)
- Конкретной: конкретный ответ, не «обратитесь к специалисту»
- Актуальной: дата последнего обновления, процесс ревизии
Оптимальный объём статьи для RAG-чанкинга: 200–500 слов. Длинные статьи разбиваются на независимые смысловые блоки.
Отслеживание покрытия
Вопросы без найденного ответа (low confidence) логируются. Еженедельный анализ: топ-20 неотвеченных вопросов → создание новых статей. Это живой процесс: база знаний растёт вместе с реальными вопросами клиентов.
Отказ от ответа
Когда нет ответа в базе — явный отказ лучше галлюцинации: «К сожалению, у меня нет точной информации по этому вопросу. Перевожу вас к специалисту, который ответит точно.»
Confidence threshold для escalation: < 0.65 → отказ + переход к оператору.