Разработка AI-системы классификации и маршрутизации обращений граждан

Ручная маршрутизация обращений: потери времени и ошибки

В государственных органах до 30% первичных обращений попадают не к тому исполнителю. Заявитель получает формальный отказ «не в нашей компетенции», а ответственный сотрудник тратит время на переадресацию. Результат — срыв сроков рассмотрения и рост повторных жалоб. Мы разработали AI-классификатор, который решает эту задачу: Accuracy@1 достигает 92–95% сразу после адаптации. Получите консультацию эксперта — мы проанализируем вашу текущую схему маршрутизации.

Как работает классификация и почему она точнее ручного распределения?

Рубрикаторы госорганов иерархичны: федеральный → ведомственный → территориальный. Обращение нужно отнести к правильному уровню и конкретному исполнителю. Мы применяем комбинацию семантического поиска по прецедентам и LLM-парсинга. Ручное распределение даёт Accuracy@1 60–70% и 20–30% ложных перенаправлений. AI-классификатор снижает false routing rate до 5% за счёт учёта территориальной принадлежности, неструктурированных вложений и временного контекста.

class RequestClassification(BaseModel):
    federal_rubric: str
    department_rubric: str
    responsible_unit: str
    responsible_officer: str | None
    territorial_scope: str
    subject_area: str
    requires_field_inspection: bool
    other_agencies: list[str]
    confidence: float

def classify_request(text: str, attachments: list) -> RequestClassification:
    # Семантический поиск по базе прецедентов
    precedents = precedent_db.search(text, top_k=10)
    # Мультимодальная классификация при наличии вложений (фото, документы)
    if attachments:
        attachment_context = analyze_attachments(attachments)
    else:
        attachment_context = ""
    return llm.parse(
        build_routing_prompt(text, attachment_context, precedents),
        response_format=RequestClassification
    )

Особые случаи: вложения, геолокация, смешанные обращения

Вложения (фото, сканы, PDF) часто содержат ключевую информацию. Система автоматически извлекает текст, распознаёт объекты (например, ямы на фото) и геотеги. Если вложение нечитаемо, модель опирается на текст обращения и помечает случай как требующий экспертной оценки.

def extract_and_geolocate(text: str) -> GeoContext:
    addresses = ner_model.extract(text, entity_type="ADDRESS")
    located_objects = []
    for addr in addresses:
        coords = geocoder.geocode(addr)
        if coords:
            admin_unit = geodata.get_admin_unit(coords)
            responsible = routing_matrix.get_responsible(
                issue_category=...,
                admin_unit=admin_unit
            )
            located_objects.append(GeoObject(
                address=addr,
                coords=coords,
                responsible_org=responsible
            ))
    return GeoContext(objects=located_objects)

Геокодирование — через Яндекс.Геокодер или Nominatim. Точность определения муниципального образования — 95%+.

Одно обращение часто содержит несколько разноплановых вопросов (например, «шумные соседи и сломанный лифт»). Система разбивает текст на независимые сегменты, каждый классифицирует отдельно, а затем консолидирует ответы. Срок рассмотрения считается по самому длительному сегменту.

Обучение классификатора и метрики

Основа — исторические данные. Критический этап — очистка от ошибочных перенаправлений (исключаем обращения, которые пересылались). Дополняем анонимизированными данными из аналогичных органов. Применяем Active Learning: эксперты размечают сложные кейсы, модель дообучается итерационно. Для оценки качества на новых рубриках применяем few-shot тестирование.

Что даёт автоматизация?

За счёт автоматизации снижается нагрузка на сотрудников — они перестают быть «сортировщиками» и сосредотачиваются на содержательной работе. Экономия времени: от 15 минут на каждое обращение. Для органа с потоком 1000 обращений в день это более 200 часов рабочего времени в месяц, что эквивалентно экономии от 1,2 млн рублей в год.

Интеграция с системами документооборота

Поддерживаем СЭД: ДЕЛО, DIRECTUM, Docsvision, 1С:Документооборот. Система передаёт обращение уже с заполненной карточкой регистрации — исполнитель получает не email, а структурированную задачу с установленным сроком.

Процесс и сроки внедрения

1. Аудит текущего процесса маршрутизации и данных.
2. Разработка модели классификации (fine-tuning LLaMA 3 или GPT-4o, ансамбль с BERT-классификатором).
3. Создание векторной базы прецедентов (Qdrant, 1536-dim эмбеддинги).
4. Интеграция с вашей СЭД (настройка API, карточки, статусы).
5. Дашборд аналитики и мониторинга.
6. Документация, обучение операторов, гарантийная поддержка 6 месяцев.

Пилотный проект — от 4 недель. Полное внедрение с интеграцией — от 3 месяцев. Средний бюджет пилотного проекта — от 300 до 500 тыс. рублей, полное внедрение — от 1 до 3 млн рублей. Точные сроки и стоимость определяем после аудита вашей системы.

Типичные ошибки и их обработка

• Обращения с неполными данными (без адреса или темы).
• Синонимия рубрик (разные названия одной темы).
• Вложения без текста (только изображения) — модель маркирует их как «требует экспертизы».

Мы предусматриваем обработку каждого из этих кейсов. Гарантируем Accuracy@1 не ниже 90% после адаптации, иначе доработаем модель бесплатно.

Что входит в работу?

• Полный аудит текущей схемы маршрутизации и данных.
• Разработка и кастомизация модели классификации.
• Интеграция с вашей СЭД (API, карточки, статусы).
• Векторная база прецедентов с эмбеддингами.
• Дашборд аналитики и мониторинга.
• Обучение операторов и техническая документация.
• Гарантийная поддержка 6 месяцев.

Свяжитесь с нами для бесплатного аудита. Закажите пилотный проект — оцените результат на своих данных.

NLP разработка: классификация текстов, NER, эмбеддинги и извлечение информации

К нам приходит задача: обрабатывать 50 тысяч обращений в службу поддержки — сейчас всё вручную. Датасет — 3000 размеченных примеров, 12 категорий, дисбаланс: одна категория занимает 40% выборки, три по 1-2%. Baseline accuracy — 78%. Звучит неплохо, пока не смотришь на recall по редким классам: 0.31, 0.44, 0.28. Именно эти классы — жалобы и угрозы оттока — важнее всего бизнесу.

Это типичный проект NLP разработки. Проблема не в алгоритме, а в том, что accuracy — не та метрика. Наш опыт показывает: в 30+ проектах мы начинаем с анализа бизнес-метрик и только потом выбираем модель.

Почему accuracy — не та метрика для редких классов?

Accuracy игнорирует дисбаланс. Если класс «отток» встречается в 2% случаев, модель может предсказывать «всё хорошо» и получить 98% accuracy — но бизнес теряет клиентов. Решение: F1 macro (усреднение по всем классам) или weighted F1. Для NER — strict entity F1 (только точные совпадения). Гарантируем: после выбора правильной метрики качество модели становится измеримым и прогнозируемым.

Классификация текста: от BERT до дистилляции

BERT-подобные модели — стандарт для классификации. ruBERT-base или ruBERT-large от DeepPavlov для русского языка. multilingual-e5-large — если нужно работать с несколькими языками в одном пайплайне. XLM-RoBERTa-large — сильный multilingual backbone.

Fine-tuning для классификации: добавляем classification head поверх [CLS]-токена, обучаем 3-5 эпох с lr=2e-5, weight decay=0.01. При дисбалансе — weighted CrossEntropyLoss или focal loss с gamma=2.0. Пишите — покажем code snippet.

Кейс с дисбалансом. Датасет — 3000 примеров, дисбаланс 1:20. Решение: class_weight через sklearn + CrossEntropyLoss. Дополнительно — augmentation редких классов через backtranslation (ru→en→ru через MarianMT). Recall по редким классам вырос с 0.31 до 0.67 при незначительном падении accuracy (76%→74%). Полная NLP разработка под ключ заняла 3 недели.

Дистилляция для production. BERT-large даёт F1 0.89, но inference на CPU — 180ms. Дистилляция в DistilBERT или ruBERT-tiny2 снижает latency до 25ms при F1 0.84. Экспорт в ONNX Runtime даёт дополнительный 1.5-2x. Оценим проект — рассчитаем экономию на инфраструктуре.

NER: распознавание именованных сущностей

NER — извлечение персон, организаций, локаций, дат, сумм, номеров документов. Для общих категорий (PER, ORG, LOC) предобученные модели работают хорошо. Для специализированных (медицинские термины, юридические понятия) — нужен fine-tuning.

Разметка данных. Основная стоимость NER-проекта. Для качественной модели — 500-2000 размеченных предложений на каждый тип сущности. Инструменты: Label Studio (open source) или Prodigy (от создателей spaCy). Формат IOB2 — стандарт.

Архитектура. Token classification поверх BERT: каждому токену метка (B-PER, I-PER, O). spaCy 3.x с transformer pipeline — удобный production-выбор.

Вложенные сущности. Стандартные IOB-модели не обрабатывают вложенные сущности (организация внутри адреса). Для таких задач — span-based NER: SpanBERT или SpERT. Сложнее, но правильно.

Постобработка обязательна. Модель предсказывает токены — нужны нормализованные сущности. Дата — dateparser. Суммы — regex + валидация. Имена — дедупликация через rapidfuzz. Входит в нашу стандартную поставку.

Sentiment Analysis и opinion mining

Бинарная классификация positive/negative работает с BERT из коробки. Сложность — аспектная тональность (ABSA): «в ресторане хорошая кухня, но ужасный сервис». Для ABSA: aspect extraction (NER) + sentiment по каждому аспекту. Joint модели BERT-for-ABSA — качество на русских данных ниже из-за дефицита датасетов. RuSentiment, SentiRuEval — основные ресурсы.

Для продакшена с простым позитив/негатив/нейтраль: distil-модели достаточно. Три класса, balanced датасет, 2000+ примеров — F1 macro 0.82-0.87 за 1-2 дня.

Суммаризация текста

Экстрактивная суммаризация (выбираем предложения) — TextRank или BM25 без обучения. Быстро, не галлюцинирует. Хорошо для длинных документов.

Абстрактивная (генерирует новый текст) — seq2seq: mT5, mBART, FRED-T5, ruT5-large. Для production через LLM API (GPT-4, Claude) — часто лучший трейдофф стоимость/качество/скорость.

Эмбеддинги: векторные представления текста

Эмбеддинги — основа семантического поиска, дедупликации, кластеризации, RAG. Качество критически влияет на downstream задачи.

Модели. E5-large-v2, BGE-M3, multilingual-e5-large — сильные multilingua embedders. sentence-transformers/paraphrase-multilingual-mpnet-base-v2 — быстрый вариант. Для русского: ru-en-RoSBERTa (Skoltech) хорош на semantic textual similarity.

Как оценить качество эмбеддингов? MTEB benchmark — стандарт. Но топовые результаты на MTEB не гарантируют успех на доменном датасете — строим домен-специфичный eval.

Fine-tuning эмбеддингов. Если стандартные модели не дают нужного Recall@k — contrastive learning на доменных парах с MultipleNegativesRankingLoss. 500-2000 пар, 1-3 эпохи — 5-15% прирост Recall@k.

Размерность и хранение. E5-large: 1024 dim, float32 — 4KB на вектор. При 10M документов — 40GB. Квантизация int8 снижает до 10GB. FAISS IVF_PQ — ещё компактнее, но с потерями. Входит в наши рекомендации по деплою.

Извлечение информации

Структурированное извлечение — одна из частых задач. Примеры: ключевые условия договора, технические характеристики, даты и суммы из счетов.

1. Regex + rule-based. Для ИНН, ОГРН, сумм, дат — надёжнее нейросети. Не требует данных.
2. NER + постобработка. Для вариативных форматов.
3. LLM с structured output. GPT-4 / Claude с JSON schema — для сложных документов. Стоимость: ~$0.001-0.01 на документ. Для 10k+ документов/день — считаем экономику.

Гарантируем гибрид: regex/NER для типовых полей + LLM для edge cases. Сертификат доверия: 5 лет на рынке, >30 проектов.

Этапы работы

Прототип на существующих данных — 1-3 недели. Production-система с CI/CD — 1.5-2.5 месяца. Стоимость рассчитывается индивидуально — напишите, получите консультацию и оценку.

Что входит в работу

• Документация по архитектуре модели и пайплайну
• Доступы к модели через REST API (FastAPI + ONNX)
• Обучение команды заказчика (2 часа вебинара + Q&A)
• Гарантия на точность модели на оговоренной тестовой выборке
• Поддержка 3 месяца после сдачи (багфикс, адаптация под новые данные)

Наш опыт

Более 5 лет в NLP, 30+ проектов от классификации до RAG-систем. Команда включает ML-инженеров с опытом в Hugging Face, spaCy, LangChain, MLOps. Используем vLLM, Kubeflow, Weights & Biases — продакшен-стек, а не игрушки. Пишите — оценим проект за 2 дня.