Реализация AI-автоматизации обработки входящей почты

Ежедневно в почтовом ящике поддержки — 1500 писем. Из них 30% — спам, 40% — типовые запросы (смена пароля, статус заказа), 20% — претензии, 10% — сложные кейсы. Оператор тратит в среднем 2 минуты на каждое письмо на прочтение и маршрутизацию. Так теряется 50 человеко-часов в день. Мы автоматизируем этот процесс с помощью AI-пайплайна, который классифицирует, извлекает данные и маршрутизирует письма, а для типовых — генерирует ответы. Результат: время первого ответа сокращается на 70%, а нагрузка на операторов снижается втрое. Например, для логистической компании с потоком 5000 писем в день точность классификации достигла 98%, а время ответа упало с 4 часов до 10 минут. Средняя экономия бюджета — до 800 000 рублей в год.

Как AI определяет тип письма и приоритет?

Классификация основана на содержимом: тема, текст, отправитель, вложения. Используем предобученную модель на базе BERT (fine-tuned на вашей истории писем) с confidence threshold 0.9. Письма распределяются по категориям: «Претензия», «Запрос КП», «Заявка на поддержку», «Подтверждение», «Спам». Приоритет вычисляется по SLA с учётом суммы письма, контрактного статуса клиента и тональности текста (negative/neutral/positive). Автоматическое назначение в очередь нужного отдела. Для мультиязычных потоков используем multilingual BERT — поддерживает 104 языка.

Процесс fine-tuning: на датасете из 500+ размеченных писем модель дообучается за 3 эпохи, learning rate 2e-5, batch size 16, оптимизатор AdamW. После каждого эпохи валидация на отложенной выборке — целевая метрика F1 > 0.95. Пример кода fine-tuning:

from transformers import BertForSequenceClassification, Trainer, TrainingArguments

model = BertForSequenceClassification.from_pretrained("bert-base-multilingual-cased", num_labels=5)
training_args = TrainingArguments(
    output_dir="./results",
    num_train_epochs=3,
    per_device_train_batch_size=16,
    per_device_eval_batch_size=16,
    learning_rate=2e-5,
    warmup_steps=500,
)
trainer = Trainer(
    model=model,
    args=training_args,
    train_dataset=train_dataset,
    eval_dataset=eval_dataset,
)
trainer.train()

Метрика F1 > 0.95 подтверждает, что модель правильно классифицирует 95% писем, ошибаясь только в сложных случаях с тональностью на границе.

Pipeline обработки за 5 этапов

[Входящее письмо (IMAP/API)]
    → [Извлечение: тема, тело, вложения, отправитель]
    → [Спам-фильтр: коммерческие предложения, нежелательное]
    → [Классификация: тип письма]
    → [Извлечение данных: реквизиты, номера, даты]
    → [Приоритизация: SLA]
    → [Маршрутизация: нужный исполнитель/очередь]
    → [Автоответ (для типовых) или черновик ответа]
    → [Создание задачи в CRM/helpdesk]

Каждый этап детально проработан:

• Извлечение — парсинг MIME, вложения (PDF, Excel) обрабатываются через OCR Tesseract.
• Спам-фильтр — градиентный бустинг на TF-IDF признаках, отсекает 99% нежелательной почты.
• Классификация — BERT-base fine-tune, 12 слоев attention, learning rate 2e-5, batch size 16. Метрика: F1 > 0.95.
• Извлечение данных — NER-модель (SpaCy + Transformers) для извлечения номеров заказов, дат, сумм.
• Приоритизация — логистическая регрессия на числовых признаках: срок контракта, сумма, тональность.

Интеграция с почтовыми серверами

Поддерживаем IMAP, Microsoft Graph API и Gmail API. Для production используем Graph API — он надёжнее и даёт push-уведомленияMicrosoft Graph API documentation. Пример подключения через Python:

import imaplib
import email
from email.header import decode_header

def fetch_emails(imap_server: str, credentials: tuple) -> list[Email]:
    mail = imaplib.IMAP4_SSL(imap_server)
    mail.login(*credentials)
    mail.select("INBOX")

    _, messages = mail.search(None, "UNSEEN")
    emails = []
    for msg_id in messages[0].split():
        _, msg_data = mail.fetch(msg_id, "(RFC822)")
        msg = email.message_from_bytes(msg_data[0][1])
        emails.append(parse_email(msg))

    return emails

Для Exchange/Outlook используем Microsoft Graph API, для Gmail — Gmail API с OAuth 2.0.

Обработка нестандартных запросов

Если confidence модели ниже 0.9, письмо не идёт в автоответ — создаётся черновик с предложенным ответом, и оператору приходит уведомление на review. Таким образом, ни одно важное письмо не теряется. Для документов-вложений (PDF, счета) запускается Document AI pipeline: извлекаются номера, суммы, даты, и создаётся задача в CRM с прикреплённым файлом. Это снижает ручной ввод данных на 80%.

Почему AI-пайплайн точнее rule-based?

Rule-based системы требуют постоянного обновления правил под новые шаблоны писем. AI-модель дообучается на ваших данных и адаптируется к изменениям без участия разработчика. Сравнение:

Что входит в реализацию

• Аудит текущего почтового потока, метрик и SLA
• Fine-tuning модели классификации на ваших данных (минимум 500 размеченных писем)
• Настройка интеграции с почтовым сервером и CRM (Bitrix24, amoCRM, Salesforce и др.)
• Разработка пайплайна: спам-фильтр, извлечение, категоризация, автоответ
• Тестирование на исторических данных (A/B test)
• Развёртывание в production (Docker, Kubernetes или serverless)
• Документация и обучение команды поддержки
• Гарантийная поддержка 1 месяц после запуска

Метрики эффективности

Наш опыт

Мы реализовали более 50 проектов автоматизации входящей почты для компаний из ритейла, логистики и финтеха. Средняя экономия операционного времени — 40 часов в месяц на одного оператора. Система стабильно работает 24/7, с гарантией uptime 99.9%. Свяжитесь с нами для бесплатного аудита вашего почтового потока — мы оценим объём и предложим план внедрения. Закажите пилотное внедрение и убедитесь в эффективности на реальных данных.

{
  "email": {"subject": "Проблема с заказом №12345", "body": "Не пришёл товар...", "sender": "[email protected]"},
  "label": "Претензия",
  "priority": 1
}

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.